KR102311657B1 - 하폐수 처리 스마트 관리 시스템 - Google Patents
하폐수 처리 스마트 관리 시스템 Download PDFInfo
- Publication number
- KR102311657B1 KR102311657B1 KR1020210084661A KR20210084661A KR102311657B1 KR 102311657 B1 KR102311657 B1 KR 102311657B1 KR 1020210084661 A KR1020210084661 A KR 1020210084661A KR 20210084661 A KR20210084661 A KR 20210084661A KR 102311657 B1 KR102311657 B1 KR 102311657B1
- Authority
- KR
- South Korea
- Prior art keywords
- water quality
- unit
- tank
- data
- sewage
- Prior art date
Links
- 238000004065 wastewater treatment Methods 0.000 title description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 277
- 239000010865 sewage Substances 0.000 claims abstract description 168
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 72
- 238000005070 sampling Methods 0.000 claims abstract description 60
- 238000005259 measurement Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000011282 treatment Methods 0.000 claims description 116
- 238000007726 management method Methods 0.000 claims description 111
- 238000000034 method Methods 0.000 claims description 62
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 239000010802 sludge Substances 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 19
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 18
- 229910052799 carbon Inorganic materials 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 17
- 229910052757 nitrogen Inorganic materials 0.000 claims description 17
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 13
- 229910052698 phosphorus Inorganic materials 0.000 claims description 13
- 239000011574 phosphorus Substances 0.000 claims description 13
- 244000005700 microbiome Species 0.000 claims description 8
- 239000005416 organic matter Substances 0.000 claims description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 241001148471 unidentified anaerobic bacterium Species 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 5
- 150000002823 nitrates Chemical class 0.000 claims description 5
- 150000002826 nitrites Chemical class 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000002957 persistent organic pollutant Substances 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004062 sedimentation Methods 0.000 description 17
- 238000004140 cleaning Methods 0.000 description 16
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 229910052760 oxygen Inorganic materials 0.000 description 14
- 239000001301 oxygen Substances 0.000 description 14
- 238000005406 washing Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 239000007787 solid Substances 0.000 description 13
- 229910019142 PO4 Inorganic materials 0.000 description 12
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 12
- 239000010452 phosphate Substances 0.000 description 12
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 11
- 239000010410 layer Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 229910002651 NO3 Inorganic materials 0.000 description 5
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 5
- 238000011109 contamination Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000011259 mixed solution Substances 0.000 description 5
- 230000033116 oxidation-reduction process Effects 0.000 description 5
- 229910003202 NH4 Inorganic materials 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- IBIRZFNPWYRWOG-UHFFFAOYSA-N phosphane;phosphoric acid Chemical compound P.OP(O)(O)=O IBIRZFNPWYRWOG-UHFFFAOYSA-N 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000002351 wastewater Substances 0.000 description 4
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 description 3
- VGPSUIRIPDYGFV-UHFFFAOYSA-N [N].O[N+]([O-])=O Chemical compound [N].O[N+]([O-])=O VGPSUIRIPDYGFV-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011221 initial treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/16—Total nitrogen (tkN-N)
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/18—PO4-P
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/20—Total organic carbon [TOC]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Organic Chemistry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
본 발명의 목적은 샘플링 시료의 수처리 제어 필요 인자를 정확히 측정할 수 있도록 하폐수 처리장 내 다수 지점에서의 막힘 없는 채수에 의한 멀티 샘플링이 이루어지는 멀티 샘플링부를 포함하여, 수질 측정이 필요한 다수 지점, 예를 들어 각 계열의 생물 반응조의 전단(혐기조/무산소조) 및 생물 반응조의 후단(호기조)에서 채수된 시료를 하나의 측정장소(센서)로 이송하여 DO, pH, 암모니아성 질소(NH4-N), 질산성 질소(NO3-N), 인산염-인(PO4-P), 전기 전도도, 온도, MLSS(Mixed Liquid Suspended Solids), OUR(Oxygen Uptake Rate), TOC(Total Organic carbon), SV30, SVI(Sludge Volume Index) 등과 같은 여러 가지 수처리 제어 인자를 멀티 샘플링부를 포함하는 BMS부에서 측정함으로써, 이러한 다수의 각 계열에서 멀티로 채수된 멀티 샘플링 시료의 수질 측정에 하나의 측정 장소에 의한 동일한 센서를 사용함으로써 유지 관리가 쉽고, 센서 오염에 의한 측정치의 편차도 줄일 수 있을 뿐만 아니라 멀티 샘플링 시료를 하나의 측정 장소에서 동일한 측정기(센서)로 측정하여 측정의 일관성을 확보할 수 있는 하폐수 처리 스마트 관리 시스템을 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 하폐수 처리 스마트 관리 시스템은, 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조와, 아질산염과 질산염을 제거하는 탈질조와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반과, 상기 샘플링 제어반에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반 및 멀티 수질 분석반과, 상기 호기조 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV30 측정반을 갖는 BMS부; 및 상기 혐기조와, 상기 탈질조와, 상기 호기조 각각의 유입구 또는 유출구의 측정 센서로부터 상기 처리 하수의 수질 관련 데이터를 수신하는 데이터 수신부와, 상기 데이터 수신부에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성하는 인공 지능 처리부를 갖는 서버;를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위해, 본 발명에 따른 하폐수 처리 스마트 관리 시스템은, 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조와, 아질산염과 질산염을 제거하는 탈질조와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반과, 상기 샘플링 제어반에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반 및 멀티 수질 분석반과, 상기 호기조 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV30 측정반을 갖는 BMS부; 및 상기 혐기조와, 상기 탈질조와, 상기 호기조 각각의 유입구 또는 유출구의 측정 센서로부터 상기 처리 하수의 수질 관련 데이터를 수신하는 데이터 수신부와, 상기 데이터 수신부에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성하는 인공 지능 처리부를 갖는 서버;를 포함하는 것을 특징으로 한다.
Description
본 발명은 하폐수 처리 스마트 관리 시스템에 관한 것으로, 더욱 상세하게는 하수 처리 시스템 반응조에 설치된 수질 측정부로부터 지속적으로 반응조의 수질 정보를 수집하여 반응조의 각 지별, 계열별 처리 수질과 방류 수질을 예측하고, 목표 방류 수질을 달성하기 위해 BMS부를 효율적으로 제어하기 위한 하폐수 처리 스마트 관리 시스템에 관한 것이다.
산업 기술의 발전과 생활 수준의 향상에 따라 환경 오염에 대한 관심이 높아짐에 따라 각종 오염물의 배출에 대한 규제가 점차 엄격해 지고 있으며, 물은 모든 생물체의 생명 현상에 필수적이며 기본적인 물질로서 우리나라는 향후 물 부족 국가로 분류되고 있는 만큼 물의 관리는 매우 중요하다.
상기와 같이 중요한 자원인 물의 경우, 그 오염은 크게 두 가지 측면에서 구분될 수 있다.
그 하나는 각 산업 현장에서 발생되는 오·폐수이며, 다른 하나는 가정 등에서 배출되는 생활 하수이다.
각 산업 현장에서 발생되는 것은 각 공장에서 정화 처리하여 방류하도록 되어 있고, 생활 하수는 국가나 지방자치단체에서 공공 하수 처리장을 설치하여 관리하고 있다.
전술한 바와 같이, 향후 물 부족 국가인 우리나라는 수자원의 효율적 관리를 위해서도 식수원과 생활 용수원이 되는 하천수의 오염을 적극적으로 방지하여야 하기 때문에, 하수나 오·폐수 처리장의 처리 효율은 매우 중요한 실정이다.
하수나 오·폐수 처리장에서의 처리 과정을 살펴 보면 다음과 같다.
처리장으로 유입되는 하수나 오·폐수를 "유입 하수"라 하고, 처리장으로 유입된 후 처리가 이루어진 하수 또는 오·폐수를 "방류수"라 한다.
하수나 오·폐수 처리장으로 유입되는 유입 하수는 일반적으로 1차 침전조→혐기조→탈질조→호기조→2차 침전조→3차 처리조를 순차적으로 통과한 후 방류수로 방류된다.
여리서, 혐기조, 탈질조(무산소조) 및 호기조를 반응조라 칭하고, 반응조 관리 시스템을 BMS(Bioreactor Management Systme)이라 칭한다.
상기와 같이 연속된 일련의 과정을 통하여 이루어지는 유입 하수의 처리 과정에서 가장 중요한 단계는, 유입 하수의 양에 따라 최소 1조에서 대부분의 경우 3∼8조 정도 설치되어 호기성 미생물 배양에 의한 플록이 형성되는 호기조 처리 과정으로, 각 반응조에서 생물학적 반응에 의한 처리수의 처리 과정이 적절히 이루어지고 있는지를 연속적으로 살펴 보기 위해서는, 처리 중인 처리수의 산화환원전위(ORP:Oxidation Reduction Potential), 전기전도도(EC:Electrical conductivity), 혼합액의 용존 산소(MLDO: Mixed Liquor Dissolved Oxygen), 혼합액 현탁 고형물(MLSS: Mixed Liquor Suspended Solid), 수소 이온 농도(pH), SV30(Sludge Volume), 수온 등의 측정값과 더불어 최근에는 SV30(Sludge Volume), SVI(Sludge Volume Index), 총유기물탄소(TOC: Total Organic Carbon), 암모니아(NH₄-N), 질산성질소(NO₃-N),인산염(PO₄-P) 등 멀티분석기 데이터를 이용하여 스마트 지능화를 위한 주기적 분석, 기록 및 예측 관리 체계의 구현이 필요하다.
여기서, MLDO는 호기조 내의 처리수에 녹아 있는 산소의 양, MLSS는 호기조 내의 처리수에 함유된 혼합 부유 물질의 양, SV30은 호기조 내의 처리수 1리터를 30분간 정치시켰을 때 침강된 활성 슬러지의 볼륨 백분율, SVI는 침전된 고형물 1그램이 차지하는 슬러지의 용적 지표(SVI=SV30/MLSS ×1000)를 뜻한다.
최근 공공하수 방류수질 규제 기준값 중 BOD가 TOC로 전환됨에 따라 처리 공정수의 TOC 변화에 대한 방류수 예측 방안이 요구되고, 반응조의 정확한 수질 분석값(암모니아, 질산성질소, 인산염 등)을 이용한 탈질 및 탈인 처리 효율 예측 관리를 위한 스마트 공공하수 지능화 선제 사업이 환경부 정책으로도 발표되었다.
이에 따라 앞으로는 하폐수 처리에서 난분해성을 포함한 모은 유기 물질 총량을 나타내는 지표인 TOC 등의 저감을 위해, 하폐수 처리 시스템 전반에서의 정확한 수질 제어가 필수적이다.
따라서, 하폐수 처리 시스템 전반에서의 정확한 수질 제어가 가능하도록 하려면 하폐수 수질의 상태에 대한 측정 정확도를 높이면서 정확한 수처리를 예측할 수 있는 시스템의 개발이 필수적이다.
상기한 바와 같은 종래의 문제점을 해결하기 위한 본 발명의 목적은 샘플링 시료의 수처리 제어 필요 인자를 정확히 측정할 수 있도록 하폐수 처리장 내 다수 지점에서의 막힘 없는 채수에 의한 멀티 샘플링이 이루어지는 멀티 샘플링부를 포함하여, 수질 측정이 필요한 다수 지점, 예를 들어 각 계열의 생물 반응조의 전단(혐기조/무산소조) 및 생물 반응조의 후단(호기조)에서 채수된 시료를 하나의 측정장소(센서)로 이송하여 DO, pH, 암모니아성 질소(NH4-N), 질산성 질소(NO3-N), 인산염-인(PO4-P), 전기 전도도, 온도, MLSS(Mixed Liquid Suspended Solids), OUR(Oxygen Uptake Rate), TOC(Total Organic carbon), SV30, SVI(Sludge Volume Index) 등과 같은 여러 가지 수처리 제어 인자를 멀티 샘플링부를 포함하는 BMS부에서 측정함으로써, 이러한 다수의 각 계열에서 멀티로 채수된 멀티 샘플링 시료의 수질 측정에 하나의 측정 장소에 의한 동일한 센서를 사용함으로써 유지 관리가 쉽고, 센서 오염에 의한 측정치의 편차도 줄일 수 있을 뿐만 아니라 멀티 샘플링 시료를 하나의 측정 장소에서 동일한 측정기(센서)로 측정하여 측정의 일관성을 확보할 수 있는 하폐수 처리 스마트 관리 시스템을 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 하폐수 처리 스마트 관리 시스템은, 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조와, 아질산염과 질산염을 제거하는 탈질조와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반과, 상기 샘플링 제어반에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반 및 멀티 수질 분석반과, 상기 호기조 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV30 측정반을 갖는 BMS부; 및 상기 혐기조와, 상기 탈질조와, 상기 호기조 각각의 유입구 또는 유출구의 측정 센서로부터 상기 처리 하수의 수질 관련 데이터를 수신하는 데이터 수신부와, 상기 데이터 수신부에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성하는 인공 지능 처리부를 갖는 서버;를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 서버는, 상기 데이터 수신부에 의해 수신된 수질 관련 데이터를 저장하는 데이터 저장부를 포함하며, 상기 인공 지능 처리부는 상기 인공 지능 모델을 상기 데이터 저장부에 저장하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 인공 지능 처리부는, 상기 인공 지능 모델에 의해 예측되는 수질 예측 데이터와 상기 데이터 수신부에 의해 수신된 실제 수질 관련 데이터들을 비교하여 수처리 관리 시스템을 제어하기 위한 수처리 제어 데이터를 제공하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 서버는, 상기 인공 지능 처리부에 의해 제공되는 수처리 제어 데이터로부터 관리자가 수처리 관리 시스템을 안전하게 운전시키도록 운전 관리 데이터를 관리자에게 제공하는 운전 관리부; 및 상기 운전 관리부에 의해 지원되는 운전 관리 데이터를 표시하는 데이터 표시부;를 포함하며, 상기 서버는 모니터링부에 의해 원격으로 모니터링됨과 아울러 운영되는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 혐기조와, 상기 탈질조와, 상기 호기조를 포함한 전체 공정 제어를 수행하는 중앙 제어부를 더 포함하며, 상기 모니터링부는 상기 인공 지능 처리부에 의해 분석된 예측 정보에 의한 상기 운전 관리 데이터를 상기 중앙 제어부에 지속적으로 제공하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 운전 관리부는 수질 데이터와, 운전 조건을 상기 인공 지능 처리부로부터 제공받아 해석, 분석, 예측 또는 최적 운전 조건을 산출하는 데이터 처리를 수행하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 인공 지능 처리부는 수질 운전 범위 데이터와, 실제 각 반응조의 유입부 또는 유출부에서 추출된 수질 데이터를 비교하여 기설정된 운전 범위값 대비 정상 및 이상 여부를 분석하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 인공 지능 처리부는 상기 혐기조와, 상기 탈질조와, 상기 호기조에서 처리된 유출수가 모여 방류구에서 합류한 전체 처리수의 총 유기 탄소, 총 질소, 총 인의 평균 수질을 측정하는 수질 원격 감시 시스템(TMS)의 측정치와 상기 인공 지능 처리부에 의해 제공되는 예측값과의 자동 비교를 통해 스스로 학습하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 인공 지능 처리부는, 각 현장의 공정 조건과, 효율을 반영한 시뮬레이션 영향 요소 및 제어 인자를 반영하고, 측정된 데이터와, 이론적 요소에 의해 반응조 및 계열 또는 처리조별로 처리 수질을 예측하는 것을 특징으로 한다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서, 상기 인공 지능 처리부는, 상기 BMS부로부터 수집된 유입 또는 유출 수질 정보를 이용하여 상기 혐기조와, 상기 탈질조와, 상기 호기조에서의 수질 변화에 따른 이상 여부를 분석하는 것을 특징으로 한다.
기타 실시 예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시 예를 참조하면 명확해질 것이다.
그러나 본 발명은 이하에서 개시되는 각 실시 예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.
본 발명에 의하면, 샘플링 시료의 수처리 제어 필요 인자를 정확히 측정할 수 있도록 하폐수 처리장 내 다수 지점에서의 막힘 없는 채수에 의한 멀티 샘플링이 이루어지는 멀티 샘플링부를 포함하여, 수질 측정이 필요한 다수 지점, 예를 들어 각 계열의 생물 반응조의 전단(혐기조/무산소조) 및 생물 반응조의 후단(호기조)에서 채수된 시료를 하나의 측정장소(센서)로 이송하여 DO, pH, 암모니아성 질소(NH4-N), 질산성 질소(NO3-N), 인산염-인(PO4-P), 전기 전도도, 온도, MLSS(Mixed Liquid Suspended Solids), OUR(Oxygen Uptake Rate), TOC(Total Organic carbon), SV30, SVI(Sludge Volume Index) 등과 같은 여러 가지 수처리 제어 인자를 멀티 샘플링부를 포함하는 BMS부에서 측정함으로써, 이러한 다수의 각 계열에서 멀티로 채수된 멀티 샘플링 시료의 수질 측정에 하나의 측정 장소에 의한 동일한 센서를 사용함으로써 유지 관리가 쉽고, 센서 오염에 의한 측정치의 편차도 줄일 수 있을 뿐만 아니라 멀티 샘플링 시료를 하나의 측정 장소에서 동일한 측정기(센서)로 측정하여 측정의 일관성을 확보할 수 있는 효과가 있다.
도 1은 본 발명에 따른 하폐수 처리 스마트 관리 시스템의 구성을 나타내는 블록도.
도 2는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 수처리 현장 플랜트의 구성을 나타내는 블록도.
도 3은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 BMS부의 구성을 나타내는 블록도.
도 4는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 서버의 구성을 나타내는 블록도.
도 5는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼의 전체 구성을 나타내는 구성도.
도 6은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼를 사용하지 않고 통합 배관을 사용한 구성을 나타내는 구성도.
도 7은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼와 통합 배관을 사용한 구성을 나타내는 구성도.
도 2는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 수처리 현장 플랜트의 구성을 나타내는 블록도.
도 3은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 BMS부의 구성을 나타내는 블록도.
도 4는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 서버의 구성을 나타내는 블록도.
도 5는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼의 전체 구성을 나타내는 구성도.
도 6은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼를 사용하지 않고 통합 배관을 사용한 구성을 나타내는 구성도.
도 7은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼와 통합 배관을 사용한 구성을 나타내는 구성도.
본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니 되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있고, 더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.
즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시 예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니며, 이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.
또한, 본 명세서에서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있으며, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.
본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.
더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"라고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있고, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결하기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있으며, 이 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.
반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.
마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 사용된다면, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용되며, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.
또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 하며, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니된다.
또한, 본 명세서에서는 각 도면의 각 구성 요소에 대해서 그 도면 부호를 명기함에 있어서, 동일한 구성 요소에 대해서는 이 구성 요소가 비록 다른 도면에 표시되더라도 동일한 도면 부호를 가지고 있도록, 즉 명세서 전체에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지시하고 있다.
본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.
또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대해 상세한 설명은 생략될 수도 있다.
이하, 본 발명의 실시 예에 대해 관련 도면들을 참조하여 상세히 설명하기로 한다.
본 발명의 목적은 샘플링 시료의 수처리 제어 필요 인자를 정확히 측정할 수 있도록 하폐수 처리장 내 다수 지점에서의 막힘 없는 채수에 의한 멀티 샘플링이 이루어지는 멀티 샘플링부를 포함하여, 수질 측정이 필요한 다수 지점, 예를 들어 각 계열의 생물 반응조의 전단(혐기조/무산소조) 및 생물 반응조의 후단(호기조)에서 채수된 시료를 하나의 측정장소(센서)로 이송하여 DO, pH, 암모니아성 질소(NH4-N), 질산성 질소(NO3-N), 인산염-인(PO4-P), 전기 전도도, 온도, MLSS(Mixed Liquid Suspended Solids), OUR(Oxygen Uptake Rate), TOC(Total Organic carbon), SV30, SVI(Sludge Volume Index) 등과 같은 여러 가지 수처리 제어 인자를 멀티 샘플링부를 포함하는 BMS부에서 측정함으로써, 이러한 다수의 각 계열에서 멀티로 채수된 멀티 샘플링 시료의 수질 측정에 하나의 측정 장소에 의한 동일한 센서를 사용함으로써 유지 관리가 쉽고, 센서 오염에 의한 측정치의 편차도 줄일 수 있을 뿐만 아니라 멀티 샘플링 시료를 하나의 측정 장소에서 동일한 측정기(센서)로 측정하여 측정의 일관성을 확보할 수 있는 하폐수 처리 스마트 관리 시스템을 제공하는 것이다.
또한, 펌프 전단에서 처리 하수를 챔버 등을 통해 모았다가 일부의 처리 하수가 직접 SV 측정반으로 이동하여 채수되도록 함으로써, 펌프 전단에서 채수한 처리 하수와, 펌프 후단에서 채수한 처리 하수에 대한 SV의 침강 특성이 다른 것을 보완하여 처리 하수에 대한 정확한 SV를 측정할 수 있는 하폐수 처리 스마트 관리 시스템을 제공하는 것이다.
도 1은 본 발명에 따른 수처리 관리 시스템의 구성을 나타내는 블록도이다.
도 1을 참조하면, 본 발명에 따른 수처리 관리 시스템(1000)은 수처리 현장 플랜트(100)와, BMS(Bioreactor Management System)부(200)와, 서버(400)와, 모니터링부(500)를 포함한다.
수처리 현장 플랜트(100)는 유입되는 하수의 수질을 측정하기 위한 현장 플랜트이다.
BMS부(200)는 수처리 현장 플랜트(100)에서 샘플링되는 반응조의 수질을 각각 측정하는 역할을 수행한다.
서버(400)는 수질의 TMS 분석값과 실제 측정되는 수질의 측정값을 비교하면서 연산 및 반복 학습을 수행하여 관리자가 수처리 시스템을 용이하게 운전하도록 운전 지원 데이터를 제공하는 역할을 수행한다.
모니터링부(500)는 관리자가 수처리 관리 시스템(1000)을 원격으로 모니터링할 수 있도록 하는 역할을 수행한다.
이러한 수처리 관리 시스템(1000)에 대하여 도 2 내지 도 7을 참조하여 좀 더 상세히 설명하도록 한다.
도 2는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 수처리 현장 플랜트의 구성을 나타내는 블록도이다.
도 2를 참조하면, 본 발명에 따른 수처리 관리 시스템(1000)에서 수처리 현장 플랜트(100)는 1차 침전조(110)와, 혐기조(120)와, 탈질조(130)와, 호기조(140)와, 2차 침전조(150)와, 3차 처리조(160)를 포함한다.
즉, 유입 하수는 상술한 각각의 조를 통과한 후 방류된다.
1차 침전조(110)에서는 1차 처리가 수행되는데, 이러한 1차 처리는 단순한 처리 공정으로 간단히 정화하는 공정이며 주로 물리적 처리 공정으로 구성된다.
예를 들어, 유입 하수와 함께 유입된 흙, 모래 등과 같이 비중이 비교적 큰 물질이 침전되고, 플라스틱이나 병 등과 같이 뷰유하는 물질은 스크린에 의해 걸러지게 된다.
혐기조(120)에서는, 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 인 등의 오염 물질 농도를 저감하게 된다.
탈질조(130)에서는, 아질산염과 질산염 등을 제거하게 된다.
호기조(140)에서는, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거한다.
즉, 송풍기 등으로부터 공급되는 충분한 공기에 의해 호기성 미생물이 처리수 중의 유기 물질을 영양 분으로 하여 배양, 응집되어 플록을 형성하며 질화조라고도 한다.
2차 침전조(150)에서는 2차 처리가 수행되는데, 이러한 2차 처리는 호기조(140)에서 이송된 유입 하수가 수 시간 동안 체류하게 되며, 이 과정에서, 침전되기 쉬운 활성 슬러지는 침전되어 일부는 다시 호기조(140)로 반송된다.
즉, 2차 처리는 특정한 오염 물질을 포함하지 않는 유기물과 고형물의 제거를 목적으로 실시한다.
주로 물리적인 처리 공정과 생물학적인 처리 공정으로 구성되는 경우가 많다.
3차 처리조(160)에서는, 생물학적으로 처리한 물의 수질을 향상시키기 위해 약품 처리 등을 통해 한번 더 처리 한다.
즉, 3차 처리는 2차 처리로 적절히 제거되지 않는 물질을 처리하는 공정으로, 이는 잔여 부유물과 인 등의 처리를 위해 수행된다.
종래, 활성 슬러지 등을 제거하기 위해서는, 1차 침전조(110)와, 호기조(140)와, 2차 침전조(150) 과정을 거쳐 방류된다.
하지만, 이러한 종래 공법은 질소나 인 등을 제거하기가 용이하지 않았다.
따라서, 질소 또는 인을 제거하기 위한 공법으로 MLE 공법 또는 A2O 공법 등이 있으며, 이들 공법을 고도 처리 공법이라 한다.
MLE 공법에서는 1차 침전조(110)와, 호기조(140)와, 2차 침전조(150) 과정을 거쳐 방류되는 공정에서, 탈질조(130)가 추가되어 1차 침전조(110)와, 탈질조(130)와, 호기조(140)와, 2차 침전조(150) 과정을 거처 방류된다.
이때, MLE 공법은 탈질조(130)와, 호기조(140) 과정을 반복 수행하며, 질소를 제거하게 된다.
A2O 공법에서는 1차 침전조(110)와, 호기조(140)와, 2차 침전조(150) 과정을 거쳐 방류되는 공정에서, 혐기조(120)와, 탈질조(130)가 추가되어 1차 침전조(110)와, 혐기조(120)와, 탈질조(130)와, 호기조(140)와, 2차 침전조(150) 과정을 거쳐 방류된다.
이때, A2O 공법은 혐기조(120)와, 탈질조(130)와, 호기조(140) 과정을 반복 수행하며, 질소와, 인을 제거하게 된다.
도 3은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 BMS부의 구성을 나타내는 블록도이다.
설명에 앞서, 본 발명의 장치는 다수의 배관으로 연결되고, 각각의 배관은 하나로 합류되기도 하며, 한 배관이 다수로 분기되기도 하는 바, 각각의 배관이 개별적으로 또는 함께 작동될 수 있도록 즉, 각 배관에는 본 발명 장치의 동작 상태에 따라 선별적으로 개폐될 수 있도록 피엘씨나 컴퓨터 등과 같은 중앙 연산 장치에 의해 제어되는 각종 자동 밸브가 구비되나, 이러한 밸브류들은, 필요에 따른 각 배관의 개폐를 위한 기본적인 구성 요소로서, 이하의 설명에서는 자동 밸브의 동작 여부에 대한 설명은 생략하기로 한다.
도 3을 참조하면, 본 발명에 따른 수처리 관리 시스템(1000)에서, BMS부(200)는 샘플링 제어반(210)과, BMS 제어반(220)과, 멀티 수질 분석반(230)과, SV30 측정반(240)을 포함한다.
샘플링 제어반(210)은 반응조라 불리는 혐기조(120), 탈질조(130) 또는 호기조(140)의 처리 하수의 일부 샘플을 채취하는 역할을 수행한다.
샘플링 제어반(210)은 처리수 샘플링 장치로서, 혐기조(120)와, 탈질조(130)와, 호기조(140)와, 수질 측정 저장 챔버를 연결하여, 혐기조(120)와, 탈질조(130)와, 호기조(140)에서 처리되고 있는 처리수 샘플이 혐기조(120)와, 탈질조(130)와, 호기조(140)로부터 수질 측정 저장 챔버로 가는 유로의 역할을 하는 처리수 유입 배관과, 다수의 자동 밸브 및 흡입 펌프 등으로 구성된다.
예컨데, 샘플링 제어반(210)의 처리수 유입 배관은 혐기조(120)와, 탈질조(130)와, 호기조(140)에 각각 연결되는 다수의 연결 배관과, 다수의 연결 배관이 하나로 합류되는 매니폴드와, 매니폴드에서 수질 측정 챔버로 연결되는 처리수 공급 배관으로 구성된다.
상기와 같은 배관 구성을 통하여 혐기조(120)와, 탈질조(130)와, 호기조(140)의 처리 하수는 순차적으로 수질 측정 챔버로 샘플링되며, 혐기조(120)와, 탈질조(130)와, 호기조(140)의 처리수를 샘플링 할 때는 이전 측정 단계에서 사용된 후 각 배관, 매니폴드, 저장 챔버 내부 등에 잔류하게 되는 처리수 샘플을 세척수 및 압축 공기로 세척하게 되며, 세척이 완료된 후 새로운 처리수 샘플이 혐기조(120)와, 탈질조(130)와, 호기조(140) 연결 배관과 매니폴드 및 공급 배관을 통하여 저장 챔버로 공급된다.
BMS 제어반(220)은 샘플링 제어반(210)에 의해 채취된 샘플을 이용하여 수질을 측정하는 수질 측정부의 역할을 수행한다.
이러한 BMS 제어반(220)은 처리수 샘플이 일시적으로 저장되는 탱크로서 그 내부에 혼합액 현탁 고형물(MLSS: Mixed Liquor Suspended Solid), MLDO(Mixed Liquor Dissolved Oxygen), 수소 이온 농도(pH), 수온(TE), 산화 환원 전위차계(ORP), 암모늄 이온(NH4), 전기 전도도(EC), 총 유기 탄소(TOC) 인덱스 등 처리수의 상태에 대한 측정값을 측정하기 위한 각종 다수의 측정 센서와, 혐기조(120)와, 탈질조(130)와, 호기조(140)로부터 흡입된 처리수를 교반하기 위한 교반기가 구비됨으로써, 흡입된 처리수를 교반하면서 각종 상태값이 측정, 연산, 순차 제어 및 전송되는 장치이다.
멀티 수질 분석반(230)은 멀티 샘플링에 의하여 채수된 처리장 내의 모든 생물 반응조 각각의 지별(n차 계열) 수질을 측정하며, 추후 설명하는 서버(400)의 운전 관리부(450)에서 상기 측정값을 운영자의 설정값과 대비 분석하고, 그 결과를 화면에 표시하고 조정 제어한다.
이러한 멀티 수질 분석반(230)에서는 멀티 분석기에 의해 NH4, NO3, PO4-P 등을 분석하게 된다.
SV30 측정반(240)은 호기조(140) 내의 처리수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 역할을 수행한다.
여기서, SV30 측정반(240)은 추후 설명하는 SV 채수용 버퍼(300)로부터 제공되는 처리수 샘플을 순차적으로 공급받는 복수의 실린더, 바람직하게는 1개 ~ 4개의 실린더를 포함한다.
즉, 처리수 샘플을 공급 받은 일측 실린더는 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하고, 시차를 두고 다른 측 실린더도 처리수 샘플을 공급받아 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하며, 각각의 실린더는 시차를 두고 독립적으로 SV30 백분율을 측정 후, 측정이 완료된 일측 실린더는 세척을 수행한 후 다음 샘플수를 받아드릴 준비에 들어간다.
이와 같이, BMS 제어반(220)과, 멀티 수질 분석반(230)과, SV30 측정반(240)에서 측정이 완료된 유입 하수는 드레인(30)을 통해 호기조(140)로 다시 유입되어 처리된다.
이러한 BMS부(200)를 생물 반응조 관리 시스템부라 한다.
도 4는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 서버의 구성을 나타내는 블록도이다.
도 4를 참조하면, 서버(400)는 처리 중인 처리수의 산화환원전위(ORP:Oxidation Reduction Potential), 전기전도도(EC:Electrical conductivity), 혼합액의 용존 산소(MLDO: Mixed Liquor Dissolved Oxygen), 혼합액 현탁 고형물(MLSS: Mixed Liquor Suspended Solid), 수소 이온 농도(pH), SV30(Sludge Volume), 수온 등의 측정값과, SV30(Sludge Volume), SVI(Sludge Volume Index), 총유기물탄소(TOC: Total Organic Carbon), 암모니아(NH₄-N), 질산성질소(NO₃-N),인산염(PO₄-P) 등 중 한 개 이상의 측정 항목을 집중형 수질 측정부인 BMS부(200)에 탑재하고, 이로부터 수집된 유입 또는 유출 양측에서의 수질 정보를 이용하여 각 반응조에서의 수질 변화에 따른 이상 여부를 분석함은 물론 각 반응조 및 방류구에서의 처리수에 대한 총 유기 탄소, 총 질소, 총 인 등의 수질을 예측하고, 목표 처리 수질을 달성하도록(용존 산소, 슬러지 체류 시간 등) 운전 인자를 제공하며, 방류구에 설치된 수질 원격 감시 시스템(TMS: Tele Monitoring System)에서 측정된 총 유기 탄소, 총 질소, 총 인 등의 실제 수질과 예측 수질을 비교하여 예측함과 아울러 운전 효율을 향상시키고, 반복 학습 기능을 가진다.
목표 수질 항목은 생물학적 산소 요구량(BOD), 총 유기 탄소(TOC), 총 질소(TN), 총 인(TP)으로 다항목이며, 이들 항목은 센서 측정이 어려워 분석기를 이용한 측정이 이루어지고 있다.
또한, 각 반응조에서 처리된 후 방류되기 전 단계(2차 침전조(150) 후단)에서 합류된 하수의 특정 수질 항목을 측정하여 하수 처리의 목표 달성 여부를 확인하고 있다.
하수 처리장 운전에서 필요로 하는 수질 정보는 처리된 하수의 수질이 목표 수질을 충족하였는지 여부이며, 미충족시 문제가 되는 반응조 또는 해당 계열이 어느 곳인지를 알려주는 정보이다.
본 발명에 따른 수처리 관리 시스템(1000)에서, 서버(400)는 데이터 수신부(410)와, 데이터 저장부(420)와, 인공 지능 처리부(430)와, 데이터 표시부(440)와, 운전 관리부(450)를 포함한다.
즉, 본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)은 BMS부(200)와, 서버(400)를 포함한다.
여기서, BMS부(200)는 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조(120)와, 아질산염과 질산염을 제거하는 탈질조(130)와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조(140) 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반(210)과, 샘플링 제어반(210)에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반(220) 및 멀티 수질 분석반(230)과, 호기조(140) 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV30 측정반(240)을 가진다.
또한, 서버(400)는 혐기조(120)와, 탈질조(130)와, 호기조(140) 각각의 유입구 또는 유출구의 측정 센서로부터 처리 하수의 수질 관련 데이터를 수신하는 데이터 수신부(410)와, 수신된 데이터를 저장하는 데이터 저장부(420)와, 데이터 수신부(410)에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성하는 인공 지능 처리부(430)를 포함한다.
데이터 수신부(410)는 BMS 제어반(220) 및 멀티 수질 분석반(230)과, SV30 측정반(230)에서 측정이 완료된 유입 하수의 수질 관련 데이터를 수신하는 역할을 수행한다.
이때, BMS 제어반(220) 및 멀티 수질 분석반(230)과, SV30 측정반(230)은 각 반응조의 유입 및 유출 양측에서의 수질 정보를 각각 획득하며, 획득된 수질 정보를 이용하여 각 반응조에서의 수질 변화에 따른 이상 여부를 분석하기 위해 데이터 수신부(310)는 수질 관련 데이터를 수신한다.
데이터 저장부(420)는 데이터 수신부(410)에 의해 수신된 수질 관련 데이터를 저장한다.
특히, 데이터 저장부(420)는 집중형 수질 측정부에서 측정한 데이터를 전송받아 저장함과 아울러 후술하는 인공 지능 처리부(430)가 저장된 수질 관련 데이터를 적용할 수 있도록 하는 역할을 수행한다.
인공 지능 처리부(430)는 데이터 수신부(410)로 수신된 수질 관련 데이터로부터 데이터 셋을 생성하고, 생성된 데이터 셋을 기반으로 기계 학습을 수행하여 인공 지능 모델을 생성하는 유닛인 것이 바람직하다.
인공 지능 처리부(430)에서는 먼저 수질 관련 데이터로부터 생성된 데이터 셋을 사용하여 인공 지능 모델을 생성한 후, 생성된 인공 지능 모델을 데이터 저장부(420)에 저장할 수 있다.
인공 지능 처리부(430)에는 인공 지능에 사용되는 알고리즘이 저장되어 있고, 이러한 알고리즘은 예를 들어, 인공 신경망(Artificial Neural Networks) 또는 퍼지 신경망(Fuzzy Neural Networks)을 사용하는 것이 바람직하다.
특히, 인공 지능 처리부(430)에는 자연어 처리를 위한 알고리즘이 저장되어 있는 것이 바람직하다.
인공 신경망은 구조 및 기능에 따라 여러 종류로 구분되며, 가장 일반적인 인공 신경망은 한 개의 입력층과 출력층 사이에 다수의 은닉층(Hidden Layer)이 있는 다층 퍼셉트론(Multilayer Perceptron)이다.
인공 신경망은 인공 지능 처리부(430)를 통해 구현될 수 있으며, 기초 컴퓨팅 단위인 뉴런 여러 개가 가중된 링크(Weighted Link)로 연결된 형태로서, 가중된 링크(Weighted Link)는 주어진 환경에 적응할 수 있도록 가중치를 조정할 수 있다.
인공 신경망은 자기 조직화 지도(SOM: Self-Organizing Map), 순환 신경망(RNN: Recurrent Neural Network), 콘볼루션 신경망(CNN: Convolutional Neural Network)과 같은 다양한 모델을 포함하며, 이에 한정되지 않는다.
퍼지 신경망은 규칙들을 언어적으로 표현하거나 지식 베이스에 새로운 규칙을 갱신하는데 신경망의 학습 능력을 이용하는 시스템이다.
본 발명에서 퍼지 신경망을 사용할 경우, 규칙들은 수질 측정의 항목, 목표 처리 수질을 달성하기 위한 운전 인자 또는 실제 수질과 예측 수질을 비교하여 예측하는 예측값 등을 산출하는 데에 정의되어 사용될 수 있다.
데이터 저장부(420)에 저장된 인공 지능 모델을 통해 제공받는 수질 데이터와, 운전 조건을 해석, 분석 또는 예측하여 최적 운전 조건을 산출하는 데이터 처리를 후술하는 운전 관리부(450)를 통해 수행하게 된다.
또한, 인공 지능 처리부(430)는 인공 지능 모델을 통해 제공받는 수질 예측 데이터와 데이터 수신부(410)에 의해 수신된 실제 수질 관련 데이터들을 비교하여 수처리 관리 시스템을 제어하기 위한 수처리 제어 데이터를 제공한다.
또한, 인공 지능 처리부(430)는 수처리 제어 데이터와, 실제 각 반응조의 유입부 또는 유출부에서 추출된 수질 데이터를 비교하여 기설정된 운전 범위값 대비 정상 및 이상 여부를 분석한다.
즉, 인공 지능 처리부(430)는, BMS부(200)로부터 수집된 유입 또는 유출 양측에서의 수질 정보를 이용하여 혐기조(120)와, 탈질조(130)와, 호기조(140)에서의 수질 변화에 따른 이상 여부를 분석한다.
또한, 본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)에서, 인공 지능 처리부(430)는 혐기조(120)와, 탈질조(130)와, 호기조(140)와, 방류구에서의 처리수에 대한 총 유기 탄소, 총 질소, 총 인 등의 수질을 예측하고, 후술하는 운전 관리부(450)는 목표 처리 수질을 달성하도록 운전 인자를 자동 제어한다.
운전 관리부(450)는 인공 지능 처리부(430)에 의해 제공되는 수처리 제어 데이터로부터 관리자가 수처리 관리 시스템(1000)을 안전하게 운전시키도록 운전 관리 데이터를 관리자에게 제공하는 역할을 수행한다.
또한, 운전 관리부(450)는 수질 데이터와, 운전 조건을 인공 지능 처리부(430)로부터 제공받아 해석, 분석, 예측 및 최적 운전 조건을 산출하는 데이터 처리를 수행한다.
데이터 표시부(440)는 운전 관리부(450)에 의해 지원되는 운전 관리 데이터를 표시하는 역할을 수행한다.
이와 같은 서버(400)는 모니터링부(500)에 의해 원격으로 모니터링됨과 아울러 원격으로 운영된다.
중앙 제어부(600)는 현장 플랜트(100)의 각 조들을 제어하는 역할을 수행한다.
즉, 본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)에서, 중앙 제어부(600)는 혐기조(120)와, 탈질조(130)와, 호기조(140)를 제어한다.
또한, 모니터링부(500)는 수처리 공정 집중형 관리 시스템(1000)에서 분석된 예측 정보 등을 수처리 공정이 최적 효율로 운영되도록 처리장 중앙 제어부(600)에 운전 제어 정보를 지속적으로 제공한다.
기존의 하수 처리 자동화 혹은 지원 시스템의 경우 측정 센서를 통하여 목표 수질 항목(BOD, TN, TP)이 아닌 여타 항목(예를 들면, DOt)의 수질에 대한 데이터를 수집하고, 동일 항목(예를 들면, DOt+1) 수질에 대한 예측값을 추정하는 인공 지능 모델을 이용하고 있다.
이때 대상이 되는 수집 및 예측 수질 항목은 목표 수질 항목이 아닌 센서 측정이 가능한 여타 수질 항목이다.
또한, 수질 예측 모델은 반응조 혹은 하수 처리장 하나만을 대상으로 하는 단층 구조로 되어 있어, 다층 구조의 현실 모델과 괴리를 보이고 있다.
본 발명에서는 기존의 기술과 달리 여타 수질 항목을 수집하여 목표 수질 항목을 예측하는 인공 지능 모델을 채택하고 있으며, 각 반응조에서의 수질은 물론 2차 침전조 후단의 계열별 합류 수질의 예측까지 포함하는 다층 구조의 인공 지능 모델로 목표 수질의 초과시, 수질 초과의 원인되는 반응조의 개별지 또는 계열을 찾아서 운전 정보로 제공한다.
예컨대, 다층 퍼셉트론은 수질 측정값이 입력되는 입력층과 입력층의 노드들을 연산하여 반응조의 목표 수질 항목들을 예측하는 중간노드들의 집합인 은닉층이 있으며, 은닉층의 노드들을 합성하여 합류된 방출수의 목표 수질을 예측하는 출력층으로 이루어져 있는 다층 구조의 모델로 여러 층의 노드를 합성하여 다양한 형태의 네트워크로 표현되는 다중 신경망 네트워크(Multilayer Neural Network)와 유사한 구조이다.
기존 모델은 여타 항목 예측을 위주로 한 시계열 분석 모델을 채택하고 있으나, 본 발명은 독립 변수와 종속 변수가 서로 달라 시계열 분석(특정 항목의 시간에 따른 추이 분석)과 횡단면 분석(독립 변수와 종속 변수간 상관 분석)이 모두 가능한 패널 분석(시계열 + 횡단면)을 채택하고 있다.
패널 분석(Panel Analysis)은 패널 데이터를 이용한 계량 경제 분석으로서 시계열 분석과 횡단면 분석을 동시에 수행하는 회귀 분석 방법 중 하나이다.
패널 조사는 패널 데이터를 이용한 분석 방법으로 같은 주제에 대해서 시간경과에 따른 변화를 분석하기 위해 반복적으로 관찰하여 동적 관계를 추정하는 분석의 일이다.
본 발명은 예측하고자 하는 종속 변수가 다수이고, 독립 변수도 다수인 다변량 다중 회귀 분석을 이용한 예측 모델을 구축함으로써, 다수의 목표 수질 예측이 가능한 구조이다.
데이터 구성은 시계열 및 횡단면 분석이 모두 가능한 패널 데이터 DB를 구축하고 있다.
패널 데이터(Panel data)는 종단 자료(Longitudinal Data)라고도 하며, 여러 개체들을 복수의 시간에 걸쳐서 추적하여 획득하는 데이터이다.
패널 데이터는 다수의 독립 변수들에 대한 데이터를 시간에 걸쳐 시계열로 획득하는 데이터이다.
또한, 각 반응조의 개별지 수질은 물론, 계열별 합류 수질을 모두 예측하는 다층 구조로 하수 처리장과 동일한 체계로 구성되어 있어, 하수 처리장에서 산출되는 수질 원격 감시 시스템(TMS) 정보와 비교 및 정확도의 실시간 검증이 가능함은 물론 사고시 수질 초과의 원인이 되는 반응조의 개별지 또는 해당 계열을 즉시 찾아낼 수 있다.
수처리 공정 집중형 관리 시스템(1000)은 AI(인공 지능)기법을 이용한다.
모델(회귀식)의 지속적 정확도를 높이기 위하여, 머신 러닝 기법의 지도 학습(기지의 수질 원격 감시 시스템(TMS) 데이터를 이용한 학습) 알고리즘을 탑재하고 있으며, 예측력을 높이기 위한 축약형 접근법을 채택하였다.
축약형 접근법(Reduced Form Modeling)은 종속 변수(내생 변수)가 독립 변수(외생 변수)의 함수로 표현된 모델이다.
종속 변수가 독립 변수의 함수로 표현된 회귀식으로, 이론적 관계보다는 통계적 상관 관계에 의해 회귀식 모델을 추정하는 방식이다.
지도 학습(Supervised Learning)은 데이터에 대한 정답이 주어진 상태에서 컴퓨터를 학습시키는 방법이다.
머신 러닝의 알고리즘은 크게 지도 학습, 비지도 학습, 강화 학습 3가지로 분류되며, 지도 학습은 컴퓨터에게 명시적으로 정답을 알려주고 예측하도록 하는 방식이다.
머신 러닝(Machine Learning)은 컴퓨터가 데이터를 통하여 규칙을 학습하도록 하는 방법이다.
인공 지능에 활용되는 알고리즘으로 데이터를 통하여 스스로 학습한다는 점을 강조할 때 머신 러닝이라 한다.
또한, 유입 하수의 수질뿐만 아니라 하수 처리의 실시간 효율 및 효과에 대한 정보를 위해, 유입부 및 유출부 양측의 수질 데이터 모두를 수집하는 수처리 공정 집중형 관리 시스템(1000)을 제공한다.
다른 유사 모델들이 유입부에만 측정 센서를 설치하고 처리 수질을 예측하는 방식을 채택하고 있는 반면, 유출부에서도 측정 데이터를 수집함으로써 예측 대신 실제 처리 정보를 취득하는 방식으로 정확도를 높일 수 있는 방식을 채택하고 있다.
본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)은 모니터링부(500)에 의해 기존 수처리 시스템에서 제공하는 중앙 제어부(600)를 제어하는 역할도 수행한다.
일반적인 수처리 시스템은 유입된 수처리 성상의 정보는 물론 이의 처리를 위한 반응조 내에서의 처리 상태를 알지 못한 채 운전 관리해야 하는 문제가 있다.
즉, 수처리 공정에서의 실시간 수질 측정 분석은 방류수의 목표 수질 달성을 확인하는 방류구에서만 이루어지고 있어, 수처리 운전을 위해 필요한 하수 유입수의 성상에 대한 정보 없이 진행되는 경우가 많으며, 목표 수질의 미달시 이를 조정할 시간적 여유가 없거나, 어느 반응조에서 불량이 발생했는지를 즉각적으로 알기가 어렵다
하지만, 본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)은 모니터링부(500)에 의해 수집되는 유입 수질 정보를 이용하여 목표한 수질 운전 범위에 대한 적합성 여부를 사전적으로 식별함은 물론 각 반응조별 처리 과정에서의 효과를 분석, 예측, 검증할 수 있는 모델을 통하여 목표 수질 이상 여부를 이중 점검하고, 이상시 문제 발생이 의심되는 반응조를 바로 추적 및 대응할 수 있다.
본 발명에 따른 수처리 공정 집중형 관리 시스템(1000)은 반응조의 유입 및 유출부의 수질 정보를 각 반응조별로 24시간 검출할 수 있다.
또한, 반응조의 유입 및 유출부의 수질 정보 및 운전 조건, 수처리 원격 감시 시스템(TMS)에서의 총 유기 탄소, 총 질소, 총 인의 데이터를 활용할 수 있도록 데이터 저장부(420)를 구축되어 있고, 모니터링부(500)에 의해 관리된다.
또한, 데이터 저장부(420)에 저장되어 있는 데이터를 기반으로 목표한 수질 운전 범위에 대한 적합성 여부를 사전적으로 식별할 수 있다.
또한, 데이터 저장부(420)에 저장되어 있는 데이터를 활용하여, 반응조의 각 지별 또는 방류구에서의 총 유기 탄소(TOC/BOD/COD), 총 질소(TN), 총 인(TP)을 다변량(종속) 다중(독립) 회귀 분석에 의한 예측과, 그 운전 제어 인자를 이용하여 기존 설비를 제어한다.
또한, 서버(400)는 수질 원격 감시 시스템(TMS)의 분석값과 운전 지원 시스템(BMS)의 예측값 간의 비교를 통하여 예측값의 정확도를 검증하고, 모델의 예측성을 지속적으로 향상시킬 수 있는 반복 학습 기능 알고리즘을 탑재하고 있다.
이러한 반복 학습 기능 알고리즘은 예를 들어, 인공 신경망(Artificial Neural Networks) 또는 퍼지 신경망(Fuzzy Neural Networks)을 사용하는 것이 바람직하다.
환언하면, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)은 BMS부(200)와, 서버(400)를 포함한다.
BMS부(200)는 샘플링 제어반(210)과, BMS 제어반(220)과, 멀티 수질 분석반(230)과, SV30 측정반(240)을 포함한다.
샘플링 제어반(210)은 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조(120)와, 아질산염과 질산염을 제거하는 탈질조(130)와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조(140) 각각의 처리 하수의 샘플을 채취한다.
BMS 제어반(220) 및 멀티 수질 분석반(230)은 샘플링 제어반(210)에 의해 채취된 샘플을 이용하여 수질을 측정한다.
SV30 측정반(240)은 혐기조(120)와, 탈질조(130)와, 호기조(140) 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정한다.
서버(400)는 데이터 수신부(410)와, 데이터 저장부(420)와, 인공 지능 처리부(430)와, 데이터 표시부(440)와, 운전 관리부(450)를 포함할 수 있다.
데이터 수신부(410)는 혐기조(120)와, 탈질조(130)와, 호기조(140) 각각의 유입구 또는 유출구의 측정 센서로부터 처리 하수의 수질 관련 데이터를 수신한다.
인공 지능 처리부(430)는 데이터 수신부(410)에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성한다.
데이터 저장부(420)는 데이터 수신부(410)에 의해 수신된 수질 관련 데이터를 저장한다.
또한, 인공 지능 처리부(430)는 생성된 인공 지능 모델을 데이터 저장부(420)에 저장한다.
인공 지능 처리부(430)는 인공 지능 모델에 의해 예측되는 수질 예측 데이터와 데이터 수신부(410)에 의해 수신된 실제 수질 관련 데이터들을 비교하여 수처리 관리 시스템을 제어하기 위한 수처리 제어 데이터를 제공한다.
운전 관리부(450)는 인공 지능 처리부(430)에 의해 제공되는 수처리 제어 데이터로부터 관리자가 수처리 관리 시스템을 안전하게 운전시키도록 운전 관리 데이터를 관리자에게 제공한다.
데이터 표시부(440)는 운전 관리부(450)에 의해 지원되는 운전 관리 데이터를 표시한다.
서버(400)는 모니터링부(500)에 의해 원격으로 모니터링됨과 아울러 운영된다.
중앙 제어부(600)는 혐기조(102)와, 탈질조(130)와, 호기조(140)를 포함한 전체 공정 제어를 수행한다.
모니터링부(500)는 인공 지능 처리부(430)에 의해 분석된 예측 정보에 의한 운전 관리 데이터를 중앙 제어부(600)에 지속적으로 제공한다.
운전 관리부(450)는 수질 데이터와, 운전 조건을 인공 지능 처리부(430)로부터 제공받아 해석, 분석, 예측 또는 최적 운전 조건을 산출하는 데이터 처리를 수행한다.
인공 지능 처리부(430)는 수질 운전 범위 데이터와, 실제 각 반응조의 유입부 또는 유출부에서 추출된 수질 데이터를 비교하여 기설정된 운전 범위값 대비 정상 및 이상 여부를 분석한다.
인공 지능 처리부(430)는 혐기조(120)와, 탈질조(130)와, 호기조(140)에서 처리된 유출수가 모여 방류구에서 합류한 전체 처리수의 총 유기 탄소, 총 질소, 총 인의 평균 수질을 측정하는 수질 원격 감시 시스템(TMS)의 측정치와 인공 지능 처리부(430)에 의해 제공되는 예측값과의 자동 비교를 통해 스스로 학습한다.
인공 지능 처리부(430)는, 각 현장의 공정 조건과, 효율 등을 반영한 시뮬레이션 영향 요소 및 제어 인자를 반영하고, 측정된 데이터와, 이론적 요소에 의해 반응조 및 계열 또는 처리조별로 처리 수질을 예측하는 것을 특징으로 한다.
인공 지능 처리부(430)는, BMS부(200)로부터 수집된 유입 또는 유출 수질 정보를 이용하여 혐기조(120)와, 탈질조(130)와, 호기조(140)에서의 수질 변화에 따른 이상 여부를 분석한다.
도 5는 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼의 전체 구성을 나타내는 구성도이다.
본 발명에서 SV(Sludge Volume)은 설명의 용이함을 위해 SV30으로 설명하지만, 이에 한정되는 것은 아니며, 처리 하수 1리터를 10분, 20분, 30분, 40분, … 등과 같이 미리 정해진 다양한 시간 동안 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 의미할 수도 있다.
앞서 상술한 도 3을 참조하면, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)은 원수를 포함하는 현장 플랜트(100)와, SV 채수용 버퍼(300)와, 펌프(20)와, 샘플링 제어반(210)과, BMS 제어반(220)과, 멀티 수질 분석반(230)과, SV30 측정반(240)을 갖는 BMS부(200)를 포함한다.
기존에는, 현장 플랜트(100)의 처리 하수를 펌프(20)의 압력에 의해 BMS부(200)로 이동시키고, BMS부(200)로 이동한 처리 하수가 각각 샘플링 제어반(210)과, BMS 제어반(220)과, SV30 측정반(240)에서 각각 채수되어 수질을 측정하였다.
하지만, 펌프(20)의 압력에 의해, 펌프(20) 전단에서 채수하는 처리 하수의 SV30 침강 특성과, 펌프(20)의 후단인 SV30 측정반(230)에서 채수하는 처리 하수의 SV30 침강 특성이 서로 다르다.
이는 펌프(20)의 압력에 의해, 처리 하수에 포함되어 있는 슬러지가 과하게 부양됨으로써, 미리 정해진 시간 내에 처리 하수의 침강 특성과 투명도를 정확히 측정하기가 어렵다.
하지만, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)은 펌프(20) 전단에 SV 채수용 버퍼(300)를 포함하고 있다.
이러한 SV 채수용 버퍼(300)는 펌프(20) 전단에서, 처리 하수가 이동하는 이동 배관(320)으로부터 분기되는 분기 배관(330)으로 처리 하수의 일부가 분기되고, SV 채수용 버퍼(300)를 통해 일부 처리 하수가 SV30 측정반(230)으로 직접 이동함으로써, 펌프(20) 후단인 SV30 측정반(230)에서 처리 하수를 채수하더라도, 미리 정해진 시간 내에 처리 하수의 침강 특성과 투명도를 정확히 측정할 수 있다.
또한, 펌프(20)의 전단에서 채수한 처리 하수의 SV 침강 특성과, SV 채수용 버퍼(300)를 통해 분기되어 SV30 측정반(230)에서 채수한 처리 하수의 SV 침강 특성은 동일하거나 또는 유사하다.
여기서, 이동 배관(320)은 유입된 하수가 1차 침전조(110)와, 혐기조(120)와, 탈질조(130)와, 호기조(140)와, 2차 침전조(150)와, 3차 처리조(160)를 통과하는 동안 처리되는 처리 하수가 이동하는 배관이다.
또한, 펌프(20)는 처리 하수를 압력에 의해 이동시키는 장치이다.
SV 채수용 버퍼(300)는 이동 배관(320)으로부터 분기되는 분기 배관(330)이 상부에 연결되어 처리 하수의 일부를 분기시킨다.
도 5를 참조하면, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서 SV 채수용 버퍼(300)는 하우징(310)과, 이동 배관(320)과, 분기 배관(330)과, 세정 배관(340)과, 에어 배관(350)과, SV 연결 배관(360)과, 드레인 배관(370)을 포함한다.
하우징(310)은 처리 하수가 채워지는 공간이다.
이동 배관(320)은 처리 하수가 BMS부(200)로 이동하는 배관이다.
이러한 이동 배관(320)은 처리 하수의 이동을 제어하는 이동 배관 잠금 밸브(321)를 포함할 수도 있다.
즉, SV 채수용 버퍼(300)의 하우징(310) 내에 처리 하수를 채우기 위해서는, 이동 배관 잠금 밸브(321)를 폐쇄시키면, 처리 하수의 이동 경로가 후술하는 분기 배관(330)으로 바뀌어 처리 하수가 하우징(310) 내에 채워지게 된다.
물론, 이동 배관 잠금 밸브(321)를 개방시켜도, 하우징(310) 내에 처리 하수가 채워질 수 있다.
다만, 이동 배관 잠금 밸브(321)를 폐쇄시킬 경우, 하우징(310) 내에 처리 하수가 좀 더 빠른 시간 내에 채워지게 된다.
분기 배관(330)은 이동 배관(320)으로부터 처리 하수의 일부가 분기되도록 하는 배관이다.
이러한 분기 배관(330)은 처리 하수의 일부의 이동을 제어하는 분기 배관 잠금 밸브(331)를 포함할 수도 있다.
분기 배관 잠금 밸브(331)가 폐쇄될 경우, 처리 하수의 이동 경로는 이동 배관(320)을 통해 이동하게 된다.
하지만, 분기 배관 잠금 밸브(331)가 개방될 경우, 처리 하수의 이동 경로는 이동 배관(320)과 분기 배관(330) 양쪽으로 이동하게 된다.
분기 배관(330)을 통해 분기된 처리 하수(40)의 일부는 하우징(310)으로 유입된다.
환언하면, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, 이동 배관(320)은 처리 하수의 이동을 제어하는 이동 배관 잠금 밸브(321)를 포함하며, 분기 배관(330)은 처리 하수의 일부의 이동을 제어하는 분기 배관 잠금 밸브(331)를 포함하고 있다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, 이동 배관 잠금 밸브(321)를 폐쇄하고 분기 배관 잠금 밸브(331)를 개방함으로써, SV 채수용 버퍼(300) 내에 처리 하수를 유입시키게 된다.
세정 배관(340)은 하우징(310) 내에 채워진 처리 하수가 SV 연결 배관(360)으로 배출된 후, 하우징(310) 내를 세정하기 위한 세정수가 유입되는 배관이다.
이러한 세정 배관(340)은 세정 배관 잠금 밸브(341)를 포함할 수도 있다.
이러한 세정 배관 잠금 밸브(341)는 하우징(310) 내로 유입되는 세정수를 제어하는 역할을 수행한다.
에어 배관(350)은 SV 채수용 버퍼(300)의 하우징(310) 내에 채워진 처리 하수가 SV30 측정반(230)으로 용이하게 이동하도록, 하우징(310) 내에 유입되는 에어가 이동하는 배관이다.
이러한 에어 배관(350)은 에어 배관 잠금 밸브(351)를 포함할 수도 있다.
에어 배관 잠금 밸브(351)는 하우징(310) 내에 유입되는 에어를 제어하는 역할을 수행한다.
또한, 에어 배관(350)을 통해 하우징(310) 내로 유입되는 에어는 하우징(310) 내에 채워진 세정수가 드레인 배관(370)을 통해 배출되도록 하는 역할도 수행할 수도 있다.
드레인 배관(370)은 하우징(310) 내에 채워진 세정수가 배출되는 배관이다.
이러한 드레인 배관(370)은 드레인 배관 잠금 밸브(371)를 포함할 수도 있다.
드레인 배관 잠금 밸브(371)는 하우징(310) 내를 세정수에 의해 세정시 패쇄되고, 하우징(310) 내의 세정이 완료되어 세정수를 배출시 개방된다.
한편, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, SV 채수용 버퍼(300)는 펌프(20)의 전단에 위치한다.
이러한 SV 채수용 버퍼(300)는 펌프(20) 전단에서, 처리 하수가 이동하는 이동 배관(320)으로부터 분기되는 분기 배관(330)으로 처리 하수의 일부가 분기되고, SV 채수용 버퍼(300)를 통해 일부 처리 하수가 SV30 측정반(230)으로 직접 이동함으로써, 펌프(20) 후단인 SV30 측정반(230)에서 처리 하수를 채수하더라도, 미리 정해진 시간 내에 처리 하수의 침강 특성과 투명도를 정확히 측정할 수 있다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, SV 채수용 버퍼(300)는 SV 측정반(230)과 연결되며, 분기된 처리 하수의 일부가 이동하는 SV 연결 배관(360)을 하단에 포함한다.
처리 하수의 이동 경로는 높은 곳으로부터 낮은 곳으로 흐르므로, 하우징(310) 내에 채워진 처리 하수가 SV 측정반(230)으로 이동하기 위해서는, 처리 하수가 하우징(310)으로부터 하부로 배출되어야 한다.
따라서, SV 연결 배관(360)은 SV 채수용 버퍼(300)의 하단에 연결된다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, SV 채수용 버퍼(300)는 내부를 세정하기 위한 세정수가 유입되는 세정 배관(340)을 상부에 포함하고, 내부 세정을 완료한 세정수가 배출되는 드레인 배관(370)을 하단에 포함한다.
마찬가지로, 처리 하수의 이동 경로는 높은 곳으로부터 낮은 곳으로 흐르므로, 세정수가 유입되는 세정 배관(340)은 SV 채수용 버퍼(300)의 상부에 연결되고, 세정수가 유출되는 드레인 배관(370)은 SV 채수용 버퍼(300)의 하단에 연결된다.
또한, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, SV 채수용 버퍼(300)는 내부에 채워진 처리 하수의 일부가 SV 연결 배관(360)을 통해 배출되도록, 에어를 공급하는 에어 컴프레셔(도시 생략)와 연결되는 에어 배관(350)을 상부에 포함한다.
처리 하수가 SV 연결 배관(360)을 통해 배출되거나, 세정수가 드레인 배관(370)을 통해 배출되기 위해서는 에어가 상부로부터 하부로 하우징(310) 내에 유입되어야 한다.
따라서, 에어 컴프레셔와 연결되는 에어 배관(350)은 SV 채수용 버퍼(300)의 상부에 연결되어야 한다.
표 1은 SV 비교 테스트의 사진이다.
본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)에서, SV 채수용 버퍼(300)는 펌프(20) 전단에서 채수한 처리 하수와 펌프(20) 후단에서 채수한 처리 하수의 SV의 침강 특성이 다른 것을 보완하는 장치이다.
본 테스트 방법으로는, 서로 다른 2개의 조에서 각각 채수한 처리 하수의 샘플이다.
각각의 샘플 사진에서, 좌측으로부터 첫번째 샘플은 현장에서 직접 채수한 샘플이고, 두번째 샘플은 펌프(20) 후단에 기존 시료 채취 방법으로 채수한 샘플이며, 세번째 샘플은 펌프(20) 전단에 SV 채수용 버퍼(300)를 장착하여 처리 하수를 채수한 샘플이고, 네번째 샘플은 펌프(20) 전단에 SV 채수용 버퍼(300)를 장착하여 1회 드레인 후 채수한 샘플이다.
또한, 상부로부터 하부로 각각 1분 후, 15분 후, 30분 후의 각각의 샘플을 촬영한 사진이다.
직접 채수한 샘플을 살펴보면, 시간이 흘러도 침강 특성과 투명도 면에서 차이가 없다.
하지만, 펌프 후단에서 처리 하수를 채수한 샘플을 살펴보면, 시간이 30분 이상 흘러도 침강 특성과 투명도 차이에서 직접 채수한 샘플과 비교하여 불투명하고, 슬러지가 부유하고 있음을 확인할 수 있다.
하지만, 세번째 샘플인 펌프(20) 전단에 SV 채수용 버퍼(300)를 장착하여 처리 하수를 채수한 샘플과, 네번째 샘플인 펌프(20) 전단에 SV 채수용 버퍼(300)를 장착하여 1회 드레인 후 채수한 샘플을 살펴보면, 직접 채수한 샘플과 큰 차이가 없는 것을 확인할 수 잇다.
이와 같이 직접 채수한 샘플과 펌프(20)를 거친뒤 받은 샘플은 침강 특성과 투명도의 차이가 확연히 드러나며 펌프(20) 전단의 SV 채수용 버퍼(300)를 통한 샘플은 직접 채수한 샘플과 큰 차이가 없는 것을 확인할 수 있다.
[표 1]
이와 같은 SV 채수용 버퍼(300)의 구성에 의해, 펌프(20) 전단에서, 처리 하수(40)가 이동하는 이동 배관(320)으로부터 별도의 이동 배관을 분기시켜 일부의 처리 하수(40)가 직접 SV 측정반(230)으로 이동하여 채수되도록 함으로써, 펌프(20) 전단에서 채수한 처리 하수(40)와, 펌프(20) 후단에서 채수한 처리 하수(40)에 대한 SV의 침강 특성이 다른 것을 보완하여 처리 하수(40)에 대한 정확한 SV를 측정할 수 있다.
환언하면, 본 발명에 따른 하폐수 처리 스마트 관리 시스템(1000)은, 처리 하수가 이동하는 이동 배관(320)과, 처리 하수를 압력에 의해 이동시키는 펌프(20)와, 이동 배관(320)으로부터 분기되는 분기 배관(330)이 상부에 연결되어 처리 하수의 일부를 이동시키는 SV 채수용 버퍼(300)를 포함한다.
이러한 SV 채수용 버퍼(300)는 펌프(20)의 전단에 위치한다.
SV 채수용 버퍼(300)는 SV 측정반(240)과 연결되며, 처리 하수의 일부가 이동하는 SV 연결 배관(360)을 하단에 포함한다.
SV 채수용 버퍼(300)는 내부를 세정하기 위한 세정수가 유입되는 세정 배관(340)을 상부에 포함하고, 내부 세정을 완료한 세정수가 배출되는 드레인 배관(370)을 하단에 포함한다.
SV 채수용 버퍼(300)는 내부에 채워진 처리 하수의 일부가 SV 연결 배관(360)을 통해 배출되도록, 에어를 공급하는 에어 컴프레셔(10)와 연결되는 에어 배관(350)을 상부에 포함한다.
이동 배관(320)은 처리 하수의 이동을 제어하는 이동 배관 잠금 밸브(321)를 포함하며, 분기 배관(330)은 처리 하수의 일부의 이동을 제어하는 분기 배관 잠금 밸브(331)를 포함한다.
이와 같은 구성에 의해, 이동 배관 잠금 밸브(321)를 폐쇄하고 분기 배관 잠금 밸브(331)를 개방함으로써, SV 채수용 버퍼(300) 내에 처리 하수를 유입시킬 수 있다.
펌프(20)의 후단에는 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조(110)와, 아질산염과 질산염을 제거하는 탈질조(120)와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조(130) 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반(210)과, 샘플링 제어반(210)에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반(220)과, 멀티 분석기에 의해 NH4, NO3, PO4-P 등을 분석하는 멀티 수질 분석반(230)과, 처리 하수를 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV 측정반(240)을 갖는 BMS부(200)를 포함한다.
처리 하수는 이동 배관(320)을 통해 샘플링 제어반(210)과, BMS 제어반(220)과, 멀티 수질 분석반(230)으로 유입되고, 분기 배관(330)에 의해 분기된 처리 하수의 일부는 SV 채수용 버퍼(300)를 통과하여 SV 측정반(240)으로 유입된다.
펌프(20)의 전단에서 채수한 처리 하수의 SV 침강 특성과, SV 채수용 버퍼(300)를 통해 분기되어 펌프의 후단에서 채수한 처리 하수의 SV 침강 특성은 동일 또는 유사하다.
도 6은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼를 사용하지 않고 통합 배관을 사용한 구성을 나타내는 구성도이다.
도 6을 참조하면, 본 발명에 따른 수처리 관리 시스템(1000)에서, 혐기조(120)와, 탈질조(130)와, 호기조(140) 등의 반응조를 포함하는 현장 플랜트(100)로부터 처리 하수가 통합 배관(40)으로 유입된다.
이때, 처리 하수가 유입되는 통합 배관(40)의 일측에는 에어 컴프레서(10)를 더 포함하고 있다.
통합 배관(40)에 유입되는 처리하수는 2갈래로 분기하여 일측의 처리 하수는 펌프(20)에 의해 BMS부(200)의 샘플링 제어반(210)으로 이동하고, 타측의 처리 하수는 BMS부(200)의 SV30 측정반(240)으로 이동하게 된다.
이때, 에어 컴프레서(10)에서 생성되는 에어에 의해, SV30 측정반(240)으로 이동하는 처리 하수는 좀 더 용이하게 이동하게 된다.
샘플링 제어반(210)으로 이동한 처리 하수는 샘플링 제어반(210)에 의해 채취된다.
채취된 샘플은 BMS 제어반(220)에 의해, 혼합액 현탁 고형물(MLSS: Mixed Liquor Suspended Solid), MLDO(Mixed Liquor Dissolved Oxygen), 수소 이온 농도(pH), 수온(TE), 산화 환원 전위차계(ORP), 암모늄 이온(NH4), 전기 전도도(EC), 총 유기 탄소(TOC) 인덱스 등 처리수의 상태에 대한 측정값을 측정하게 된다.
또한, 샘플링 제어반(210)에 의해 채취된 샘플은 멀티 수질 분석반(230)에 의해, NH4, NO3, PO4-P 등을 분석하게 된다.
한편, 펌프(20)에 의해 이동하지 않고 에어 컴프레서(10)에 의해 통합 배관(40)으로부터 직접 SV30 측정반(240)으로 이동한 처리 하수는 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하고, 시차를 두고 다른 측 실린더도 처리수 샘플을 공급받아 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하며, 각각의 실린더는 시차를 두고 독립적으로 SV30 백분율을 측정 후, 측정이 완료된 일측 실린더는 세척을 수행한 후 다음 샘플수를 받아드릴 준비에 들어간다.
도 7은 본 발명에 따른 하폐수 처리 스마트 관리 시스템에서 SV 채수용 버퍼와 통합 배관을 사용한 구성을 나타내는 구성도이다.
도 7을 참조하면, 본 발명에 따른 수처리 관리 시스템(1000)에서, 혐기조(120)와, 탈질조(130)와, 호기조(140) 등의 반응조를 포함하는 현장 플랜트(100)로부터 처리 하수가 통합 배관(40)으로 유입된다.
이때, 통합 배관(40)으로 유입되는 처리 하수는 SV 채수용 버퍼(300)로 유출된다.
SV 채수용 버퍼(300)로 유입되는 처리 하수는 도 5에서 설명한 바와 같이 2갈래로 분기하여 일측의 처리 하수는 펌프(20)에 의해 BMS부(200)의 샘플링 제어반(210)으로 이동하고, 타측의 처리 하수는 BMS부(200)의 SV30 측정반(240)으로 이동하게 된다.
이때, 에어 컴프레서(10)에서 생성되는 에어에 의해, SV30 측정반(240)으로 이동하는 처리 하수는 좀 더 용이하게 이동하게 된다.
샘플링 제어반(210)으로 이동한 처리 하수는 샘플링 제어반(210)에 의해 채취된다.
채취된 샘플은 BMS 제어반(220)에 의해, 혼합액 현탁 고형물(MLSS: Mixed Liquor Suspended Solid), MLDO(Mixed Liquor Dissolved Oxygen), 수소 이온 농도(pH), 수온(TE), 산화 환원 전위차계(ORP), 암모늄 이온(NH4), 전기 전도도(EC), 총 유기 탄소(TOC) 인덱스 등 처리수의 상태에 대한 측정값을 측정하게 된다.
또한, 샘플링 제어반(210)에 의해 채취된 샘플은 멀티 수질 분석반(230)에 의해, NH4, NO3, PO4-P 등을 분석하게 된다.
한편, 펌프(20)에 의해 이동하지 않고 에어 컴프레서(10)에 의해 통합 배관(40)으로부터 직접 SV30 측정반(240)으로 이동한 처리 하수는 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하고, 시차를 두고 다른 측 실린더도 처리수 샘플을 공급받아 30분 정치 후 광 스캐너를 통해 SV30 백분율을 측정하며, 각각의 실린더는 시차를 두고 독립적으로 SV30 백분율을 측정 후, 측정이 완료된 일측 실린더는 세척을 수행한 후 다음 샘플수를 받아드릴 준비에 들어간다.
이와 같이 본 발명에 의하면, 샘플링 시료의 수처리 제어 필요 인자를 정확히 측정할 수 있도록 하폐수 처리장 내 다수 지점에서의 막힘 없는 채수에 의한 멀티 샘플링이 이루어지는 멀티 샘플링부를 포함하여, 수질 측정이 필요한 다수 지점, 예를 들어 각 계열의 생물 반응조의 전단(혐기조/무산소조) 및 생물 반응조의 후단(호기조)에서 채수된 시료를 하나의 측정장소(센서)로 이송하여 DO, pH, 암모니아성 질소(NH4-N), 질산성 질소(NO3-N), 인산염-인(PO4-P), 전기 전도도, 온도, MLSS(Mixed Liquid Suspended Solids), OUR(Oxygen Uptake Rate), TOC(Total Organic carbon), SV30, SVI(Sludge Volume Index) 등과 같은 여러 가지 수처리 제어 인자를 멀티 샘플링부를 포함하는 BMS부에서 측정함으로써, 이러한 다수의 각 계열에서 멀티로 채수된 멀티 샘플링 시료의 수질 측정에 하나의 측정 장소에 의한 동일한 센서를 사용함으로써 유지 관리가 쉽고, 센서 오염에 의한 측정치의 편차도 줄일 수 있을 뿐만 아니라 멀티 샘플링 시료를 하나의 측정 장소에서 동일한 측정기(센서)로 측정하여 측정의 일관성을 확보할 수 있는 효과가 있다.
또한, 펌프 전단에서, 처리 하수가 이동하는 이동 배관으로부터 별도의 이동 배관을 분기시켜 일부의 처리 하수가 직접 SV 측정반으로 이동하여 채수되도록 함으로써, 펌프 전단에서 채수한 처리 하수와, 펌프 후단에서 채수한 처리 하수에 대한 SV의 침강 특성이 다른 것을 보완하여 처리 하수에 대한 정확한 SV를 측정할 수 있는 효과가 있다.
이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시 예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여러 가지 다양한 실시 예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.
또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.
10 : 에어 컴프레서 20 : 펌프
30 : 드레인 40 : 통합 배관
100 : 현장 플랜트 110 : 1차 침전조
120 : 혐기조 130 : 탈질조
140 : 호기조 150 : 2차 침전조
160 : 3차 처리조 200 : BMS부
210 : 샘플링 제어반 220 : BMS 제어반
230 : 멀티 수질 분석반 240 : SV30 측정반
300 : SV 채수용 버퍼 310 : 하우징
320 : 이동 배관 321 : 이동 배관 잠금 밸브
330 : 분기 배관 331 : 분기 배관 잠금 밸브
340 : 세정 배관 341 : 세정 배관 잠금 밸브
350 : 에어 배관 351 : 에어 배관 잠금 밸브
360 : SV 연결 배관 361 : SV 연결 배관 잠금 밸브
370 : 드레인 배관 371 : 드레인 배관 잠금 밸브
400 : 서버 410 : 데이터 수신부
420 : 데이터 저장부 430 : 인공 지능 처리부
440 : 데이터 표시부 350 : 운전 관리부
500 : 모니터링부 600 : 중앙 제어부
1000 : 하폐수 처리 스마트 관리 시스템
30 : 드레인 40 : 통합 배관
100 : 현장 플랜트 110 : 1차 침전조
120 : 혐기조 130 : 탈질조
140 : 호기조 150 : 2차 침전조
160 : 3차 처리조 200 : BMS부
210 : 샘플링 제어반 220 : BMS 제어반
230 : 멀티 수질 분석반 240 : SV30 측정반
300 : SV 채수용 버퍼 310 : 하우징
320 : 이동 배관 321 : 이동 배관 잠금 밸브
330 : 분기 배관 331 : 분기 배관 잠금 밸브
340 : 세정 배관 341 : 세정 배관 잠금 밸브
350 : 에어 배관 351 : 에어 배관 잠금 밸브
360 : SV 연결 배관 361 : SV 연결 배관 잠금 밸브
370 : 드레인 배관 371 : 드레인 배관 잠금 밸브
400 : 서버 410 : 데이터 수신부
420 : 데이터 저장부 430 : 인공 지능 처리부
440 : 데이터 표시부 350 : 운전 관리부
500 : 모니터링부 600 : 중앙 제어부
1000 : 하폐수 처리 스마트 관리 시스템
Claims (10)
- 무산소 조건에서 고농도 유기물을 분해하는 혐기성 세균과 생활 하수를 접촉시켜서 오염 물질 농도를 저감하는 혐기조와, 아질산염과 질산염을 제거하는 탈질조와, 호기성 미생물에 의해 유입 하수의 유기성 오염 물질을 제거하는 호기조 각각의 처리 하수의 샘플을 채취하는 샘플링 제어반과,
상기 샘플링 제어반에 의해 채취된 샘플을 이용하여 수질을 측정하는 BMS 제어반 및 멀티 수질 분석반과,
상기 호기조 내의 처리 하수 1리터를 30분간 정지시켰을 때 침강된 활성 슬러지의 볼륨 백분율을 측정하는 SV30 측정반을 갖는 BMS부; 및
상기 혐기조와, 상기 탈질조와, 상기 호기조 각각의 유입구 또는 유출구의 측정 센서로부터 상기 처리 하수의 수질 관련 데이터를 수신하는 데이터 수신부와,
상기 데이터 수신부에 의해 수신된 수질 관련 데이터로부터 데이터 셋을 생성하여 수질 예측이 가능한 인공 지능 모델을 생성하는 인공 지능 처리부를 갖는 서버;를 포함하며,
상기 서버는,
상기 인공 지능 처리부에 의해 제공되는 수처리 제어 데이터로부터 관리자가 수처리 관리 시스템을 안전하게 운전시키도록 운전 관리 데이터를 관리자에게 제공하는 운전 관리부;
상기 운전 관리부에 의해 지원되는 운전 관리 데이터를 표시하는 데이터 표시부; 및
상기 데이터 수신부에 의해 수신된 수질 관련 데이터를 저장하는 데이터 저장부;를 포함하고,
상기 서버는 모니터링부에 의해 원격으로 모니터링됨과 아울러 운영되며,
상기 인공 지능 처리부는 상기 인공 지능 모델을 상기 데이터 저장부에 저장하고,
상기 인공 지능 처리부는,
상기 인공 지능 모델에 의해 예측되는 수질 예측 데이터와 상기 데이터 수신부에 의해 수신된 실제 수질 관련 데이터들을 비교하여 수처리 관리 시스템을 제어하기 위한 수처리 제어 데이터를 제공하며,
상기 BMS부로 처리 하수를 유입시키는 펌프; 및
상기 펌프의 전단에는 SV 채수용 버퍼;를 포함하며,
상기 SV 채수용 버퍼는,
상기 처리 하수가 채워지는 공간인 하우징;
상기 처리 하수를 상기 BMS부로 이동시키는 이동 배관; 및
상기 이동 배관으로부터 상기 처리 하수의 일부가 분기되도록 하는 분기 배관;을 포함하고,
상기 처리 하수의 일부가 상기 분기 배관을 통해 분기되어 상기 SV30 측정반으로 직접 이동되는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 삭제
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 혐기조와, 상기 탈질조와, 상기 호기조를 포함한 전체 공정 제어를 수행하는 중앙 제어부를 더 포함하며,
상기 모니터링부는 상기 인공 지능 처리부에 의해 분석된 예측 정보에 의한 상기 운전 관리 데이터를 상기 중앙 제어부에 지속적으로 제공하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 제 1 항에 있어서,
상기 운전 관리부는 수질 데이터와, 운전 조건을 상기 인공 지능 처리부로부터 제공받아 해석, 분석, 예측 또는 최적 운전 조건을 산출하는 데이터 처리를 수행하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 제 1 항에 있어서,
상기 인공 지능 처리부는 수질 운전 범위 데이터와, 실제 각 반응조의 유입부 또는 유출부에서 추출된 수질 데이터를 비교하여 기설정된 운전 범위값 대비 정상 및 이상 여부를 분석하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 제 1 항에 있어서,
상기 인공 지능 처리부는 상기 혐기조와, 상기 탈질조와, 상기 호기조에서 처리된 유출수가 모여 방류구에서 합류한 전체 처리수의 총 유기 탄소, 총 질소, 총 인의 평균 수질을 측정하는 수질 원격 감시 시스템(TMS)의 측정치와 상기 인공 지능 처리부에 의해 제공되는 예측값과의 자동 비교를 통해 스스로 학습하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 제 1 항에 있어서,
상기 인공 지능 처리부는,
각 현장의 공정 조건과, 효율을 반영한 시뮬레이션 영향 요소 및 제어 인자를 반영하고,
측정된 데이터와, 이론적 요소에 의해 반응조 및 계열 또는 처리조별로 처리 수질을 예측하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
- 제 1 항에 있어서,
상기 인공 지능 처리부는,
상기 BMS부로부터 수집된 유입 또는 유출 수질 정보를 이용하여 상기 혐기조와, 상기 탈질조와, 상기 호기조에서의 수질 변화에 따른 이상 여부를 분석하는 것을 특징으로 하는,
하폐수 처리 스마트 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210084661A KR102311657B1 (ko) | 2021-06-29 | 2021-06-29 | 하폐수 처리 스마트 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210084661A KR102311657B1 (ko) | 2021-06-29 | 2021-06-29 | 하폐수 처리 스마트 관리 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102311657B1 true KR102311657B1 (ko) | 2021-10-14 |
Family
ID=78116113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210084661A KR102311657B1 (ko) | 2021-06-29 | 2021-06-29 | 하폐수 처리 스마트 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102311657B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102471662B1 (ko) * | 2022-04-04 | 2022-11-28 | 김상준 | 하수처리장 통합관리 서버 및 이를 포함한 시스템 |
| KR102527744B1 (ko) * | 2022-09-26 | 2023-05-02 | 주식회사 피에스글로벌 | 국가참조표준데이터를 활용한 냄새물질 예측 및 모니터링 장치 및 시스템 |
| CN117566823A (zh) * | 2023-12-12 | 2024-02-20 | 江苏裕隆环保有限公司 | 一种分散式污水处理用ega智能槽远程智能控制系统 |
| CN118363334A (zh) * | 2024-04-18 | 2024-07-19 | 江苏裕隆环保有限公司 | 一种基于融合云的ega智能槽远程管理系统 |
-
2021
- 2021-06-29 KR KR1020210084661A patent/KR102311657B1/ko active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 비특허-Pig&Pork 한돈 2020.3월호(2020.3.31)* |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102471662B1 (ko) * | 2022-04-04 | 2022-11-28 | 김상준 | 하수처리장 통합관리 서버 및 이를 포함한 시스템 |
| KR102527744B1 (ko) * | 2022-09-26 | 2023-05-02 | 주식회사 피에스글로벌 | 국가참조표준데이터를 활용한 냄새물질 예측 및 모니터링 장치 및 시스템 |
| CN117566823A (zh) * | 2023-12-12 | 2024-02-20 | 江苏裕隆环保有限公司 | 一种分散式污水处理用ega智能槽远程智能控制系统 |
| CN117566823B (zh) * | 2023-12-12 | 2024-04-09 | 江苏裕隆环保有限公司 | 一种分散式污水处理用ega智能槽远程智能控制系统 |
| CN118363334A (zh) * | 2024-04-18 | 2024-07-19 | 江苏裕隆环保有限公司 | 一种基于融合云的ega智能槽远程管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
| KR940005029B1 (ko) | 프로세스 운전지원방법 및 시스템 | |
| KR102172981B1 (ko) | 스마트 하폐수 처리 운영시스템 | |
| KR100456413B1 (ko) | 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법 | |
| JP5022610B2 (ja) | 下水処理場運転支援装置 | |
| Han et al. | Prediction of activated sludge bulking based on a self-organizing RBF neural network | |
| Han et al. | Hierarchical neural network modeling approach to predict sludge volume index of wastewater treatment process | |
| CN107402586A (zh) | 基于深度神经网络的溶解氧浓度控制方法及系统 | |
| Han et al. | Fault detection of sludge bulking using a self-organizing type-2 fuzzy-neural-network | |
| CN103632032A (zh) | 一种城市污水处理过程出水指标在线软测量预测方法 | |
| CN108088974B (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
| Han et al. | An intelligent detecting system for permeability prediction of MBR | |
| Han et al. | A sludge volume index (SVI) model based on the multivariate local quadratic polynomial regression method | |
| CN104914227B (zh) | 基于多高斯核自优化相关向量机的污水水质软测量方法 | |
| CN102063062A (zh) | 基于丝状菌种群结构诊断的污泥膨胀控制专家系统 | |
| KR101016394B1 (ko) | 급속 미생물 호흡률 측정장치와 에스에스, 이시 측정기가 결합한 실시간 하수처리장 유입하수 성분분석 장치 | |
| CN117964023A (zh) | 一种基于人工智能算法控制的污水处理控制系统 | |
| Pan et al. | A new approach to estimating oxygen off-gas fraction and dynamic alpha factor in aeration systems using hybrid machine learning and mechanistic models | |
| Szeląg et al. | Application of the model of sludge volume index forecasting to assess reliability and improvement of wastewater treatment plant operating conditions. | |
| JP2003245653A (ja) | 処理装置の運転支援方法、水処理装置の運転支援方法及びその装置 | |
| CN113838542A (zh) | 化学需氧量智能预测方法和系统 | |
| Comas Matas | Development, implementation and evaluation of an activated sludge supervisory system for the granollers WWTP | |
| Corominas Tabares | Control and optimization of an SBR for nitrogen removal: from model calibration to plant operation | |
| CN116332427A (zh) | 一种基于电化学方法的水处理装置及其应用 | |
| TWI746059B (zh) | 用於優化污水處理設施效能之人工智慧輔助操作系統以及使用它之污水水質人工智慧優化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |