KR102467537B1 - 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 - Google Patents
인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR102467537B1 KR102467537B1 KR1020220082619A KR20220082619A KR102467537B1 KR 102467537 B1 KR102467537 B1 KR 102467537B1 KR 1020220082619 A KR1020220082619 A KR 1020220082619A KR 20220082619 A KR20220082619 A KR 20220082619A KR 102467537 B1 KR102467537 B1 KR 102467537B1
- Authority
- KR
- South Korea
- Prior art keywords
- water
- groundwater
- pump
- power
- pumped
- Prior art date
Links
- 239000003673 groundwater Substances 0.000 title claims abstract description 151
- 238000005086 pumping Methods 0.000 title claims abstract description 31
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 173
- 238000007726 management method Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 24
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims abstract description 19
- 239000008235 industrial water Substances 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 229910052709 silver Inorganic materials 0.000 claims description 2
- 239000004332 silver Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000010187 selection method 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
- G01V9/02—Determining existence or flow of underground water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Software Systems (AREA)
- Geophysics (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Entrepreneurship & Innovation (AREA)
- Environmental Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Ecology (AREA)
Abstract
기후환경변화 대응과 에너지 절감을 위한 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법이 개시된다. 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템은, 저수조, 양수정 및 함양정 각각에 설치된 수위계측센서; 저수조, 함양정 및 저수조에 수용된 지하수 또는 빗물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하도록 배치된 연결된 물전달파이프들 각각에 설치된 유량계측센서; 기상관측센서; 저수조, 함양정 및 물전달파이프 각각에 설치되어, 지하수의 흐름에 따라 전력을 생산하는 소수력발전기; 태양전지판에 의해 생성된 전력, 소수력발전기에 의해 생성된 전력을 축전지에 저장하는 MPPT 모듈; 양수정 내의 지하수를 저수조로 펌핑하는 양수펌프의 동작을 제어하는 펌프 콘트롤러; 저수조에 수용된 지하수 또는 빗물이 함양정과 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 가변적으로 공급되도록 제어하는 가변밸브; 및 지하수 순환 및 양수전력을 최적으로 관리하기 위해, 수위계측센서, 유량계측센서, 기상관측센서로부터 측정값을 수집 및 분석하여 양수펌프 및 가변밸브를 제어하는 AI 기반 제어부를 포함한다.
Description
본 발명은 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법에 관한 것으로, 보다 상세하게는 기후환경변화 대응과 에너지 절감을 위한 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법에 관한 것이다.
지하수는 농업이나 공업 또는 가정 등에서 상수도를 대신하여 다양하게 이용되고 있다. 하지만, 무분별한 지하수 채취로 인해 수원의 고갈이나 지반의 침하 우려 등의 문제가 발생하고 있다.
따라서, 지하수 수위를 주기적으로 측정하여 파악하고 지하수 수위 변화를 예측함으로써, 지하수의 고갈 문제 등을 사전에 대처할 수 있도록 하는 것이 중요하다.
이에 따라 근래에는 센서를 이용하여 지하수의 수위를 측정하고 이를 원격의 관제서버에 전송하며, 관제서버에서 지하수의 수위를 모니터링하여 이상이 발생하는 경우 경고하는 지하수 모니터링 시스템이 개발되고 있다. 하지만, 이러한 종래 지하수 모니터링 시스템은 지하수의 수위를 실시간으로 모니터링할 수 있지만, 지하수 사용에 따른 지하수 수위 변화를 예측하기 어려워 지하수의 효율적인 활용이 어려운 문제점이 있었다.
한편, 기존의 지하수 재주입을 통한 지하수 순환 방법과 양수되어 저장된 물의 위치에너지를 이용한 전력 재활용 방법은 서로 독립적으로 운영되며 기후환경 및 물수요량 변동에 따른 지하수량의 변화에 대한 고려가 없어 지속가능한 가동시간 및 지하수 활용에 제한점이 있다.
이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 지하수 용수공급을 위해 지하수를 양수, 저장 및 공급하는 과정에서 인공지능에 기반한 기후환경변화 및 지하수 수요 예측 기술의 적용으로 지하수의 순환 및 양수전력의 최적관리를 수행할 수 있는 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 제공하는 것이다.
본 발명의 다른 목적은 상기한 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 이용한 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위하여 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템은, 저수조, 양수정 및 함양정 각각에 설치된 수위계측센서; 상기 저수조, 상기 함양정 및 상기 저수조에 수용된 지하수 또는 빗물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하도록 배치된 연결된 물전달파이프들 각각에 설치된 유량계측센서; 기상관측센서; 상기 저수조, 상기 함양정 및 상기 물전달파이프 각각에 설치되어, 지하수의 흐름에 따라 전력을 생산하는 소수력발전기; 태양전지판에 의해 생성된 전력, 상기 소수력발전기에 의해 생성된 전력을 축전지에 저장하는 MPPT 모듈; 상기 양수정 내의 지하수를 상기 저수조로 펌핑하는 양수펌프의 동작을 제어하는 펌프 콘트롤러; 상기 저수조에 수용된 지하수 또는 빗물이 상기 함양정과 상기 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 가변적으로 공급되도록 제어하는 가변밸브; 및 지하수 순환 및 양수전력을 최적으로 관리하기 위해, 상기 수위계측센서, 상기 유량계측센서, 상기 기상관측센서로부터 측정값을 수집 및 분석하여 상기 양수펌프 및 상기 가변밸브를 제어하는 AI 기반 제어부를 포함한다.
일실시예에서, 상기 AI 기반 제어부는 지하수 공급 가능량 산정 모듈을 포함하고, 상기 지하수 공급 가능량 산정 모듈은, 상기 기상관측센서에 의해 관측된 기상관측자료와 상기 수위계측센서에 의해 측정된 지하수위관측자료를 입력자료로 하여 전처리 동작을 수행한 후, LSTM 예측 모델을 구축하고, 구축된 LSTM 예측 모델을 학습 및 검증 처리하여 지하수위를 예측하고, 예측된 지하수위를 기반으로 일조시간 및 배터리 사용가능시간을 연동하여 지하수 공급 가능량을 산정할 수 있다.
일실시예에서, 상기 지하수 공급 가능량(
)은
일실시예에서, 상기 AI 기반 제어부는 물수요량 예측 모듈을 포함하고, 상기 물수요량 예측 모듈은 지하수사용량 관측자료와 시간/일별 지하수 사용패턴자료를 입력자료로 입력받아 전처리하고, LSTM 예측 모델을 구축한 후, 학습 및 검증 처리하여 시간별 물수요량 및 일별 물수요량을 예측할 수 있다.
일실시예에서, 상기 AI 기반 제어부는 시스템 운영변수 산출 모듈을 포함하고, 상기 시스템 운영변수 산출 모듈은 지하수공급가능량, 물수요량, 일조시간을 입력으로 하여 최대의 물공급량을 만족하는 최적의 펌프가동 일정 및 밸브가동 일정을 유전알고리즘을 이용하여 산정할 수 있다.
일실시예에서, 상기 AI 기반 제어부는 시스템 운영 모듈을 포함하고, 상기 시스템 운영 모듈은, 상기 수위계측센서, 상기 유량계측센서, 상기 기상관측센서 및 배터리잔량센서 각각으로부터 제공되는 센싱신호를 수집하고, 각 센서들의 상태를 감지하는 수집 및 상태 감지부; 상기 양수펌프 및 상기 가변밸브의 동작을 제어하는 양수펌프 및 밸브 제어부; 상기 센서들로부터 생성되는 운영상태정보를 기록하는 운영상태정보기록부; 및 기록된 운영상태정보나 상기 양수펌프 및 상기 가변밸브의 동작 제어 정보, 각 센서들로부터 제공되는 센싱신호 등을 사용자가 확인할 수 있도록 표시하는 시각화 처리부를 포함할 수 있다.
상기한 본 발명의 다른 목적을 실현하기 위하여 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법은, 인공지능 기반 지하수 순환 및 양수전력을 최적으로 관리하는 시스템을 구성하는 구성 장치들의 상태를 점검하는 단계; 점검된 구성 장치들이 정상 작동하는지의 여부를 체크하는 단계; 상기 구성 장치들이 정상 작동하는 것으로 체크되면 지하수 공급 가능량을 산정하고, 물수요량을 예측하는 단계; 상기 시스템을 위한 시스템 운영 변수 최적값을 산출하여 펌프 가동 및 밸브 조절 시간 스케쥴을 획득하는 단계; 획득된 펌프 가동 및 밸브 조절 시간 스케쥴에 기초하여 상기 시스템을 운영하는 단계; 운영 종료 조건에 도달하였는지의 여부를 체크하는 단계; 상기 운영 종료 조건에 도달하지 않은 것으로 체크되면 상기 시스템을 운영하는 단계로 피드백하고, 상기 운영 종료 조건에 도달한 것으로 체크되면 공급 가능 잉여수의 존재를 체크하는 단계; 및 상기 공급 가능 잉여수가 존재하지 않은 것으로 체크되면 종료하고, 상기 공급 가능 잉여수가 존재하는 것으로 체크되면 잉여수를 이용한 전력 생산 및 충전을 수행하는 단계를 포함한다.
일실시예에서, 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법은, 상기 구성 장치들이 정상 작동하지 않은 것으로 체크되면 시스템 알림 및 설정 시간 동안 대기한 후, 사용자 운영 종료 신호가 입력되는지의 여부를 체크하는 단계; 및 사용자 운영 종료 신호가 입력되지 않은 것으로 체크되면 상기 구성 장치들의 상태를 점검하는 단계로 피드백하고, 사용자 운영 종료 신호가 입력되는 것으로 체크되면 종료 처리하는 단계를 더 포함할 수 있다.
이러한 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법에 의하면, 저수조에 저수된 물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하거나 함양정에 주입할 때 지하수 공급 가능량 산정 및 물수요량 예측을 통해 지하수 순환을 최적으로 관리할 수 있다. 또한 지하수 양수정에서 양수된 지하수를 저수조에 저수할 때 양수정과 저수조 사이의 경로상에 설치된 소수력발전기를 통해 소수력발전을 수행하고, 물이 공급되는 경로 상에 설치된 소수력발전기들을 통해 소수력발전을 수행하여 축전지에 저장한다. 이에 따라, 양수정의 지하수를 저수조에 공급할 때 소요되는 전력은 태양전지판에 의해 생산되어 축전지에 저장된 전력 또는 소수력발전에 의해 생산되어 축전지에 저장된 전력을 이용하므로써, 양수전력을 최적으로 관리할 수 있다.
도 1은 본 발명의 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 개략적으로 설명하기 위한 블록도이다.
도 2는 도 1에 도시된 AI기반 제어부를 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 시스템 운영 모듈을 설명하기 위한 블록도이다.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법을 설명하기 위한 흐름도이다.
도 5는 도 4에 도시된 지하수 공급 가능량을 산정하는 단계를 설명하기 위한 흐름도이다.
도 6은 도 4에 도시된 물수요량을 예측하는 단계를 설명하기 위한 흐름도이다.
도 7은 도 4에 도시된 시스템 운영 변수 최적값을 산출하는 단계를 설명하기 위한 흐름도이다.
도 2는 도 1에 도시된 AI기반 제어부를 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 시스템 운영 모듈을 설명하기 위한 블록도이다.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법을 설명하기 위한 흐름도이다.
도 5는 도 4에 도시된 지하수 공급 가능량을 산정하는 단계를 설명하기 위한 흐름도이다.
도 6은 도 4에 도시된 물수요량을 예측하는 단계를 설명하기 위한 흐름도이다.
도 7은 도 4에 도시된 시스템 운영 변수 최적값을 산출하는 단계를 설명하기 위한 흐름도이다.
이하, 첨부한 도면들을 참조하여, 본 발명을 보다 상세하게 설명하고자 한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하여 도시한 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 설명하기 위한 개념도이다.
도 1을 참조하면, 수위계측센서(110)는 지하수 및/또는 빗물로 구성된 가정용수를 저수하도록 배치된 저수조(10), 지하수를 양수하도록 배치된 양수정(20), 지하수를 함양하도록 배치된 함양정(30) 각각에 설치되고, 계측된 수위데이터를 AI기반 제어부(160)에 제공한다.
유량계측센서(112)는 저수조(10), 함양정(30), 저수조(10)에 수용된 지하수 또는 빗물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하도록 배치된 연결된 물전달파이프(40) 각각에 설치되고, 계측된 유량데이터를 AI기반 제어부(160)에 제공한다.
기상관측센서(114)는 가상 상태를 관측하여 기상관측자료를 생성하고, 생성된 기상관측자료를 AI기반 제어부(160)에 제공한다.
소수력발전기(120)는 저수조(10), 함양정(30) 및 물전달파이프(40) 각각에 설치되어, 지하수의 흐름에 따라 전력을 생산한다.
MPPT(Maximum Power Point Tracking) 모듈(130)은 태양전지판(50)에 의해 생성된 전력, 소수력발전기(120)에 의해 생성된 전력을 축전지(60)에 저장하도록 제어한다. 최대 전력량 추적(MPPT) 방식은 태양전지판(50)에서 생산된 전압을 축전지(60)의 충전전압으로 변경하고 전류 또는 충전전압에 맞게 변경하여 충전하는 방식이다. MPPT의 목적은 전압의 산출을 측정하고 저항(부하)을 적용하여 어떠한 환경 조건 아래에서도 최대 전력을 얻는 것이다. 예를 들어 18V로 100W를 생산하면 전압을 13V로 변경하고 전류 또한 13V에 맞게 변경하여 충전한다(100W/13V=7.69A).
펌프 콘트롤러(140)는 양수정(20) 내의 지하수를 저수조(10)로 펌핑하는 양수펌프(70)의 동작을 제어한다.
가변밸브(150)는 저수조(10)에 수용된 지하수 또는 빗물이 함양정(30)과 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 가변적으로 공급되도록 제어한다.
AI기반 제어부(160)는 연결된 수위계측센서(110), 유량계측센서(112), 기상관측센서(114)로부터 측정값을 수집하여 저장 및 분석하여 양수펌프(70) 및 가변밸브(150)를 제어하고 시스템 운영에 활용한다. 본 실시예에서, AI기반 제어부(160)는 지하수 공급 가능량 산정 및 물수요량을 예측하여 지하수 순환이 최적으로 관리되도록 한다.
동작시, 지하수 양수정(20)에서 양수펌프(70)에 의해 양수된 물은 저수조(10)로 공급되어 위치에너지에 의해 소수력발전기(120)를 가동시키면서 저장되고, 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 물공급 또는 지하수 순환을 위한 지하수 함양정(30)에 함양시에도 소수력발전기(120)를 가동시켜 시스템 운영중에는 상시 배터리 충전이 이루어진다.
펌프가동 전력은 태양전지판(50)과 물전달파이프(40)에 부착된 소수력발전기(120)로부터 생산된 전력을 MPPT 모듈(130)을 통해 축전지(60)에 저장하고 펌프제어장치에 의해 양수펌프(70)에 공급된다.
이상에서 설명된 바와 같이, 빗물 및/또는 지하수 양수정에서 양수된 지하수를 저수조에 저수한다. 이때 양수정과 저수조 사이의 경로상에 설치된 소수력발전기를 통해 소수력발전하여 축전지에 저장할 수 있다.
또한 지하수 공급 가능량 산정 및 물수요량 예측을 통해 지하수 순환이 최적으로 관리되도록 저수조에 저수된 물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하거나 함양정에 주입한다. 이때 저수조 출력단에 가변밸브가 설치되어 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급되는 물이나 함양정에 주입되는 물을 가변적으로 공급되도록 제어할 수 있다.
또한 물이 공급되는 경로(저수조와 가변밸브 사이, 가변밸브와 함양정 사이, 가변밸브와 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측 사이) 상에 설치된 소수력발전기들을 통해 소수력발전하여 축전지에 저장할 수 있다.
또한 양수정의 지하수를 저수조에 공급할 때 소요되는 전력은 태양전지판에 의해 생산되어 축전지에 저장된 전력 또는 소수력발전에 의해 생산되어 축전지에 저장된 전력을 이용할 수 있다.
도 2는 도 1에 도시된 AI기반 제어부를 설명하기 위한 블록도이다.
도 1 및 도 2를 참조하면, AI기반 제어부(160)는 지하수 공급 가능량 산정 모듈(210), 물수요량 예측 모듈(220), 시스템 운영변수 산출 모듈(230) 및 시스템 운영 모듈(240)을 포함한다.
지하수 공급 가능량 산정 모듈(210)은 기상관측센서(114)에 의해 관측된 기상관측자료와 수위계측센서(110)에 의해 측정된 지하수위관측자료를 입력자료로 하여 전처리 동작을 수행한 후, LSTM 예측 모델을 구축하고, 구축된 LSTM 예측 모델을 학습 및 검증 처리하여 지하수위를 예측한다. 지하수 공급 가능량 산정 모듈(210)은 예측된 지하수위를 기반으로 일조시간 및 배터리 사용가능시간을 연동하여 지하수 공급 가능량을 산정한다.
지하수 공급 가능량(
)은 다음과 같은 수식 (1)에 의해 계산된다.
[수식 1]
여기서, 
는 지하수 공급 가능량(㎥)이고, 
는 비양수량(㎥/m)이고, 
는 펌프용량(㎥/hr)이고, 
는 한계지하수심도(m)이고, 
은 관측(예측)지하수심도(m)이다.
이때, 펌프작동가능시간 
(h)는 다음과 같은 수식 (2)에 의해 계산된다.
[수식 2]
여기서, 
는 일조시간(h)이다. 일조시간에는 태양광전력만 이용한다.
또한 배터리사용가능시간 
(h)는 다음과 같은 수식 (3)에 의해 계산된다.
[수식 3]
여기서, 
는 배터리잔량(Ah)이고, 
는 충전가능량(Ah)이고, 
는 펌프소비전류(A)이다.
물수요량 예측 모듈(220)은 지하수사용량 관측자료와 시간/일별 지하수 사용패턴자료를 입력자료로 입력받아 전처리하고, LSTM 예측 모델을 구축한 후, 학습 및 검증 처리하여 시간별 물수요량 및 일별 물수요량을 예측한다.
시스템 운영변수 산출 모듈(230)은 지하수 공급 가능량, 물수요량, 일조시간을 입력자료로 입력받아 최대의 물공급량을 만족하는 최적의 펌프가동 일정 및 밸브가동 일정을 유전알고리즘을 이용하여 산정한다. 구체적으로, 상기한 입력자료에 대해 1세대의 시스템 운영변수 개체군을 생성하고, 적합도 평가 및 최적유전자 선택 절차를 수행한 후, 교차 및 변이를 연산하고, 개체 업데이트 및 신규 세대 생성의 과정을 조건에 따라 반복하여 최적 운영 변수를 산출한다.
시스템 운영 모듈(240)은 각 센서들을 통한 자료수집 및 센서상태 감지와 이를 이용한 양수펌프 및 밸브 제어부로 구성되고, 각 센서들로부터 생성되는 운영상태정보를 따로 기록하고, 사용자에게 도출한다.
도 3은 도 2에 도시된 시스템 운영 모듈을 설명하기 위한 블록도이다.
도 3을 참조하면, 시스템 운영 모듈(240)은 수집 및 상태 감지부(242), 양수펌프 및 밸브 제어부(244), 운영상태정보기록부(246) 및 시각화 처리부(248)를 포함한다.
수집 및 상태 감지부(242)는 수위계측센서(110), 유량계측센서(112), 기상관측센서(114) 및 배터리잔량센서(116) 각각으로부터 제공되는 센싱신호를 수집하고, 각 센서들(110, 112, 114, 116)의 상태를 감지한다.
양수펌프 및 밸브 제어부(244)는 양수펌프(70) 및 가변밸브(150)의 동작을 제어한다.
운영상태정보기록부(246)는 센서들로부터 생성되는 운영상태정보를 따로 기록한다.
시각화 처리부(248)는 기록된 운영상태정보나 양수펌프(70) 및 가변밸브(150)의 동작 제어 정보, 각 센서들로부터 제공되는 센싱신호 등을 사용자가 직관적으로 확인할 수 있도록 표시한다.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법을 설명하기 위한 흐름도이다.
도 4를 참조하면, 본 발명에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 구성하는 각 구성 장치들의 상태를 점검한다(단계 S100).
이어, 단계 S100에서 점검된 상기한 구성 장치들이 정상 작동하는지의 여부를 체크한다(단계 S102).
단계 S102에서 상기한 구성 장치들이 정상 작동하지 않은 것으로 체크되면 시스템 알림 및 설정 시간 동안 대기한 후(단계 S104), 사용자 운영 종료 신호가 입력되는지의 여부를 체크한다(단계 S106).
단계 S106에서 사용자 운영 종료 신호가 입력되지 않은 것으로 체크되면 단계 S100로 피드백하고, 사용자 운영 종료 신호가 입력되는 것으로 체크되면 종료 처리한다.
단계 S102에서 상기한 구성 장치가 정상 작동하는 것으로 체크되면 지하수 공급 가능량을 산정하고(단계 S108), 이와 동시에 물수요량을 예측한다(단계 S110). 지하수 공급 가능량을 산정하는 단계나 물수요량을 예측하는 단계는 후술하는 흐름도를 통해 보다 상세히 설명한다.
이어, 본 발명에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 위한 시스템 운영 변수 최적값을 산출하여(단계 S112), 펌프 가동 및 밸브 조절 시간 스케쥴을 획득하여 저장한다. 상기한 시스템 운영 변수 최적값을 산출하는 단계는 후술하는 흐름도를 통해 보다 상세히 설명한다.
이어, 본 발명에 따른 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템을 운영한다(단계 S114).
단계 S114에 의한 시스템 운영 과정에서 운영 종료 조건에 도달하였는지의 여부를 체크한다(단계 S116).
단계 S116에서, 운영 종료 조건이 도달하지 않은 것으로 체크되면 시스템 운영하는 단계 S114로 피드백하고, 운영 종료 조건에 도달한 것으로 체크되면 공급 가능 잉여수가 존재하는지의 여부를 체크한다(단계 S118).
단계 S118에서, 공급 가능 잉여수가 존재하지 않은 것으로 체크되면 종료 처리하고, 공급 가능 잉여수가 존재하는 것으로 체크되면 잉여수를 이용한 전력 생산 및 충전을 수행한다(단계 S120).
상기한 도 4에서 예시적으로 설명되는 각 단계들은 도 1 또는 도 2에서 설명된 AI기반 제어부(160)에 의해 수행될 수 있다.
도 5는 도 4에 도시된 지하수 공급 가능량을 산정하는 단계를 설명하기 위한 흐름도이다.
도 5를 참조하면, 기상관측자료 및 지하수위관측자료를 제공받아 전처리 동작을 수행한다(단계 S200). 즉, 기상관측자료나 지하수위관측자료에 포함된 노이즈 성분을 제거하거나 누락된 데이터(기상관측데이터 또는 지하수위관측데이터)를 보간 처리를 통해 채우는 동작 등을 수행한다. 상기한 전처리 동작은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
지하수 공급 가능량을 산정하기 위해 입력층(Input Layer)과, LSTM층(LSTM Layer)과, 모든 뉴런들이 다음 층과 완전히 연결된 완전연결층(Fully-connected Layer)과, 최종적으로 출력결과가 나오는 출력층(Output Layer)으로 구성된 LSTM 심층신경망(Deep Learning Neural Network, DNN)으로 지하수 공급 가능량 예측 모델을 구축한다(단계 S202). 상기한 지하수 공급 가능량 예측 모델의 구축은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
이어, 네트워크의 업데이트를 위한 손실함수 및 네트워크 최적화를 이용하여 상기 지하수 공급 가능량 예측 모델을 학습 처리한다(단계 S204). 상기한 지하수 공급 가능량 예측 모델의 학습은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
이어, 학습이 완료된 지하수 공급 가능량 예측 모델에 미리 준비해 둔 검증용 입력자료를 투입하여 지하수 공급 가능량 학습 완료 모델을 검증한다(단계 S206). 상기한 지하수 공급 가능량 학습 완료 모델의 검증은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
이어, 지하수 공급 가능량 학습 완료 모델에 의한 지하수위를 예측하여 모델 예측 수위를 획득한다(단계 S208). 상기한 모델 예측 수위의 획득은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
이어, 상기 모델 예측 수위 정보와 일조시간 및 배터리 사용가능시간 정보에 기초하여 지하수 공급 가능량을 산정한다(단계 S210). 상기한 지하수 공급 가능량의 산정은 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
상기한 도 5에서 예시적으로 설명되는 각 단계들은 도 1 또는 도 2에서 설명된 AI기반 제어부(160), 특히 도 2에서 설명된 지하수 공급 가능량 산정 모듈(210)에 의해 수행될 수 있다.
도 6은 도 4에 도시된 물수요량을 예측하는 단계를 설명하기 위한 흐름도이다.
도 6을 참조하면, 과거지하수 사용량 관측 자료 및 시간별/일별 지하수 사용 패턴 자료를 제공받아 전처리 동작을 수행한다(단계 S300). 즉, 과거지하수 사용량 관측 자료나 시간별/일별 지하수 사용 패턴 자료에 포함된 노이즈 성분을 제거하거나 누락된 데이터(과거지하수사용량데이터 또는 시간별/일별 지하수 사용 데이터)를 보간 처리를 통해 채우는 동작 등을 수행한다.
이어, 물수요량 예측을 산정하기 위해 입력층(Input Layer)과, LSTM층(LSTM Layer)과, 모든 뉴런들이 다음 층과 완전히 연결된 완전연결층(Fully-connected Layer)과, 최종적으로 출력결과가 나오는 출력층(Output Layer)으로 구성된 LSTM 심층신경망(Deep Learning Neural Network, DNN)으로 물수요량 예측 모델을 구축한다(단계 S302).
이어, 물수요량 예측 모델을 학습 처리한다(단계 S304).
이어, 물수요량 학습 완료 모델을 검증한다(단계 S306).
이어, 물수요량 학습 완료 모델에 의한 물수요량을 예측한다(단계 S308).
상기한 도 6에서 예시적으로 설명되는 각 단계들은 도 1 또는 도 2에서 설명된 AI기반 제어부(160), 특히 도 2에서 설명된 물수요량 예측 모듈(220)에 의해 수행될 수 있다.
도 7은 도 4에 도시된 시스템 운영 변수 최적값을 산출하는 단계를 설명하기 위한 흐름도이다.
도 7을 참조하면, 지하수공급 가능량 데이터, 물수요량 데이터 및 일조시간 데이터에 기초하여 시스템 운영변수 1세대 개체군을 생성한다(단계 S400).
이어, 개체 적합도를 평가하고 최적유전자를 선택한다(단계 S402).
이어, 교차 및 변이 연산 처리한다(단계 S404).
이어, 개체 업데이트 및 신규 세대를 생성한다(단계 S406).
이어, 최근 5세대 동안 최적값 변화가 없는지의 여부를 체크한다(단계 S408).
단계 S408에서, 최근 5세대 동안 최적값 변화가 있는 것으로 체크되면 단계 S402로 피드백하고, 단계 S408에서 최근 5세대 동안 최적값 변화가 없는 것으로 체크되면 최적 운영변수를 선정하여(단계 S410), 최적 펌프가동 일정 및 최적 밸브가동 일정을 생성한다.
상기한 도 7에서 예시적으로 설명되는 각 단계들은 도 1 또는 도 2에서 설명된 AI기반 제어부(160), 특히 도 2에서 설명된 시스템 운영변수 산출 모듈(230)에 의해 수행될 수 있다.
이상에서 설명된 바와 같이, 본 발명에 따르면 저수조에 저수된 물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하거나 함양정에 주입할 때 지하수 공급 가능량 산정 및 물수요량 예측을 통해 지하수 순환을 최적으로 관리할 수 있다. 또한 지하수 양수정에서 양수된 지하수를 저수조에 저수할 때 양수정과 저수조 사이의 경로상에 설치된 소수력발전기를 통해 소수력발전을 수행하고, 물이 공급되는 경로 상에 설치된 소수력발전기들을 통해 소수력발전을 수행하여 축전지에 저장한다. 이에 따라, 양수정의 지하수를 저수조에 공급할 때 소요되는 전력은 태양전지판에 의해 생산되어 축전지에 저장된 전력 또는 소수력발전에 의해 생산되어 축전지에 저장된 전력을 이용하므로써, 양수전력을 최적으로 관리할 수 있다.
이상에서는 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 저수조 20 : 양수정
30 : 함양정 40 : 물전달파이프
50 : 태양전지판 60 : 축전지
70 : 양수펌프 110 : 수위계측센서
112 : 유량계측센서 114 : 기상관측센서
116 : 배터리잔량센서 120 : 소수력발전기
130 : MPPT 모듈 150 : 가변밸브
160 : AI기반 제어부 210 : 지하수 공급 가능량 산정 모듈
220 : 물수요량 예측 모듈 230 : 시스템 운영변수 산출 모듈
240 : 시스템 운영 모듈 242 : 수집 및 상태 감지부
244 : 양수펌프 및 밸브 제어부 246 : 운영상태정보기록부
248 : 시각화 처리부
30 : 함양정 40 : 물전달파이프
50 : 태양전지판 60 : 축전지
70 : 양수펌프 110 : 수위계측센서
112 : 유량계측센서 114 : 기상관측센서
116 : 배터리잔량센서 120 : 소수력발전기
130 : MPPT 모듈 150 : 가변밸브
160 : AI기반 제어부 210 : 지하수 공급 가능량 산정 모듈
220 : 물수요량 예측 모듈 230 : 시스템 운영변수 산출 모듈
240 : 시스템 운영 모듈 242 : 수집 및 상태 감지부
244 : 양수펌프 및 밸브 제어부 246 : 운영상태정보기록부
248 : 시각화 처리부
Claims (8)
- 저수조, 양수정 및 함양정 각각에 설치된 수위계측센서;
상기 저수조, 상기 함양정 및 상기 저수조에 수용된 지하수 또는 빗물을 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 공급하도록 배치된 연결된 물전달파이프들 각각에 설치된 유량계측센서;
기상관측센서;
상기 저수조, 상기 함양정 및 상기 물전달파이프 각각에 설치되어, 지하수의 흐름에 따라 전력을 생산하는 소수력발전기;
태양전지판에 의해 생성된 전력, 상기 소수력발전기에 의해 생성된 전력을 축전지에 저장하는 MPPT 모듈;
상기 양수정 내의 지하수를 상기 저수조로 펌핑하는 양수펌프의 동작을 제어하는 펌프 콘트롤러;
상기 저수조에 수용된 지하수 또는 빗물이 상기 함양정과 상기 가정 수요측이나 농업용수 수요측 또는 공업용수 수요측에 가변적으로 공급되도록 제어하는 가변밸브; 및
지하수 순환 및 양수전력을 관리하기 위해, 상기 수위계측센서, 상기 유량계측센서, 상기 기상관측센서로부터 측정값을 수집 및 분석하여 상기 양수펌프 및 상기 가변밸브를 제어하는 AI 기반 제어부를 포함하되,
상기 AI 기반 제어부는 지하수 공급 가능량 산정 모듈을 포함하고,
상기 지하수 공급 가능량 산정 모듈은, 상기 기상관측센서에 의해 관측된 기상관측자료와 상기 수위계측센서에 의해 측정된 지하수위관측자료를 입력자료로 하여 전처리 동작을 수행한 후, LSTM 예측 모델을 구축하고, 구축된 LSTM 예측 모델을 학습 및 검증 처리하여 지하수위를 예측하고, 예측된 지하수위를 기반으로 일조시간 및 배터리 사용가능시간을 연동하여 지하수 공급 가능량을 산정하고,
상기 지하수 공급 가능량()은
(여기서,는 지하수공급가능량(㎥)이고,
는 비양수량(㎥/m)이고,
는 펌프용량(㎥/hr)이고,
는 한계지하수심도(m)이고,
은 관측(예측)지하수심도(m)임)에 의해 계산되고, 상기 펌프작동가능시간(
)는
(
는 일조시간(h))에 의해 계산되고, 상기 배터리사용가능시간(
)는
(여기서,
는 배터리잔량(Ah)이고,
는 충전가능량(Ah)이고,
는 펌프소비전류(A)임)에 의해 계산되는 것을 특징으로 하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템.
- 삭제
- 삭제
- 제1항에 있어서, 상기 AI 기반 제어부는 물수요량 예측 모듈을 포함하고,
상기 물수요량 예측 모듈은 지하수사용량 관측자료와 시간/일별 지하수 사용패턴자료를 입력자료로 입력받아 전처리하고, LSTM 예측 모델을 구축한 후, 학습 및 검증 처리하여 시간별 물수요량 및 일별 물수요량을 예측하는 것을 특징으로 하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템. - 제1항에 있어서, 상기 AI 기반 제어부는 시스템 운영변수 산출 모듈을 포함하고,
상기 시스템 운영변수 산출 모듈은 지하수공급가능량, 물수요량, 일조시간을 입력으로 하여 최대의 물공급량을 만족하는 최적의 펌프가동 일정 및 밸브가동 일정을 유전알고리즘을 이용하여 산정하는 것을 특징으로 하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템. - 제1항에 있어서, 상기 AI 기반 제어부는 시스템 운영 모듈을 포함하고,
상기 시스템 운영 모듈은,
상기 수위계측센서, 상기 유량계측센서, 상기 기상관측센서 및 배터리잔량센서 각각으로부터 제공되는 센싱신호를 수집하고, 각 센서들의 상태를 감지하는 수집 및 상태 감지부;
상기 양수펌프 및 상기 가변밸브의 동작을 제어하는 양수펌프 및 밸브 제어부;
상기 센서들로부터 생성되는 운영상태정보를 기록하는 운영상태정보기록부; 및
기록된 운영상태정보나 상기 양수펌프 및 상기 가변밸브의 동작 제어 정보, 각 센서들로부터 제공되는 센싱신호를 사용자가 확인할 수 있도록 표시하는 시각화 처리부를 포함하는 것을 특징으로 하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템. - 인공지능 기반 지하수 순환 및 양수전력을 관리하는 시스템을 구성하는 구성 장치들의 상태를 점검하는 단계;
점검된 구성 장치들이 정상 작동하는지의 여부를 체크하는 단계;
상기 구성 장치들이 정상 작동하는 것으로 체크되면 지하수 공급 가능량을 산정하고, 물수요량을 예측하는 단계;
상기 시스템을 위한 시스템 운영 변수 최적값을 산출하여 펌프 가동 및 밸브 조절 시간 스케쥴을 획득하는 단계;
획득된 펌프 가동 및 밸브 조절 시간 스케쥴에 기초하여 상기 시스템을 운영하는 단계;
운영 종료 조건에 도달하였는지의 여부를 체크하는 단계;
상기 운영 종료 조건에 도달하지 않은 것으로 체크되면 상기 시스템을 운영하는 단계로 피드백하고, 상기 운영 종료 조건에 도달한 것으로 체크되면 공급 가능 잉여수의 존재를 체크하는 단계; 및
상기 공급 가능 잉여수가 존재하지 않은 것으로 체크되면 종료하고, 상기 공급 가능 잉여수가 존재하는 것으로 체크되면 잉여수를 이용한 전력 생산 및 충전을 수행하는 단계를 포함하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법. - 제7항에 있어서,
상기 구성 장치들이 정상 작동하지 않은 것으로 체크되면 시스템 알림 및 설정 시간 동안 대기한 후, 사용자 운영 종료 신호가 입력되는지의 여부를 체크하는 단계; 및
사용자 운영 종료 신호가 입력되지 않은 것으로 체크되면 상기 구성 장치들의 상태를 점검하는 단계로 피드백하고, 사용자 운영 종료 신호가 입력되는 것으로 체크되면 종료 처리하는 단계를 더 포함하는 것을 특징으로 하는 인공지능 기반 지하수 순환 및 양수전력 최적관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220082619A KR102467537B1 (ko) | 2022-07-05 | 2022-07-05 | 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220082619A KR102467537B1 (ko) | 2022-07-05 | 2022-07-05 | 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102467537B1 true KR102467537B1 (ko) | 2022-11-16 |
Family
ID=84235784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220082619A KR102467537B1 (ko) | 2022-07-05 | 2022-07-05 | 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102467537B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116380188A (zh) * | 2023-05-19 | 2023-07-04 | 山东科技大学 | 一种采空区地下水库有效储水量测量方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101413734B1 (ko) | 2014-04-30 | 2014-07-01 | 주식회사 에이피씨테크 | 지능형 물관리 원격제어 자동화시스템 |
| KR20150066144A (ko) * | 2013-12-06 | 2015-06-16 | 이메트릭스 주식회사 | 농촌용수 파이프라인 운영관리 시스템 및 방법 |
| KR101761859B1 (ko) * | 2016-06-24 | 2017-07-26 | 한국수자원공사 | 상수도 운영관리 제어 시스템 및 그 제어 방법 |
| KR101864342B1 (ko) * | 2018-02-07 | 2018-06-04 | 서울시립대학교 산학협력단 | 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법 |
| KR102289409B1 (ko) * | 2019-11-27 | 2021-08-12 | 주식회사 지오그린21 | 용수지속사용을 위한 지하수관정 최적군집제어 시스템과 그 방법 |
| KR102295779B1 (ko) * | 2021-03-11 | 2021-08-31 | 청정테크주식회사 | 소수력 발전기를 이용한 저수탱크 관리 시스템 |
| KR102409155B1 (ko) | 2021-10-08 | 2022-06-16 | 주식회사 다올 | Lstm 기반 지하수 수위 예측 시스템 |
-
2022
- 2022-07-05 KR KR1020220082619A patent/KR102467537B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150066144A (ko) * | 2013-12-06 | 2015-06-16 | 이메트릭스 주식회사 | 농촌용수 파이프라인 운영관리 시스템 및 방법 |
| KR101413734B1 (ko) | 2014-04-30 | 2014-07-01 | 주식회사 에이피씨테크 | 지능형 물관리 원격제어 자동화시스템 |
| KR101761859B1 (ko) * | 2016-06-24 | 2017-07-26 | 한국수자원공사 | 상수도 운영관리 제어 시스템 및 그 제어 방법 |
| KR101864342B1 (ko) * | 2018-02-07 | 2018-06-04 | 서울시립대학교 산학협력단 | 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법 |
| KR102289409B1 (ko) * | 2019-11-27 | 2021-08-12 | 주식회사 지오그린21 | 용수지속사용을 위한 지하수관정 최적군집제어 시스템과 그 방법 |
| KR102295779B1 (ko) * | 2021-03-11 | 2021-08-31 | 청정테크주식회사 | 소수력 발전기를 이용한 저수탱크 관리 시스템 |
| KR102409155B1 (ko) | 2021-10-08 | 2022-06-16 | 주식회사 다올 | Lstm 기반 지하수 수위 예측 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116380188A (zh) * | 2023-05-19 | 2023-07-04 | 山东科技大学 | 一种采空区地下水库有效储水量测量方法 |
| CN116380188B (zh) * | 2023-05-19 | 2023-11-03 | 山东科技大学 | 一种采空区地下水库有效储水量测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sarshar et al. | Multi-objective energy management of a micro-grid considering uncertainty in wind power forecasting | |
| JP3980541B2 (ja) | 分散型エネルギーコミュニティー制御システム、中央制御装置、分散制御装置と、それらの制御方法 | |
| Cao et al. | Deep reinforcement learning based approach for optimal power flow of distribution networks embedded with renewable energy and storage devices | |
| US20140350743A1 (en) | Tiered power management system for microgrids | |
| Yamashita et al. | Two-level hierarchical model predictive control with an optimised cost function for energy management in building microgrids | |
| JP4064334B2 (ja) | エネルギーシステムの制御装置および制御方法 | |
| JP2006304402A (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
| CN112614009A (zh) | 一种基于深度期望q-学习的电网能量管理方法及系统 | |
| JP6117065B2 (ja) | 電力系統管理装置、及び方法 | |
| CN106447131A (zh) | 独立型微电网光伏输出功率预测方法及能量调控方法 | |
| CN112381375B (zh) | 一种基于潮流分配矩阵的电网经济运行域快速生成方法 | |
| KR102467537B1 (ko) | 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 | |
| Mousavi et al. | A real-time energy management strategy for pumped hydro storage systems in farmhouses | |
| CN107862160A (zh) | 压缩空气储能系统的未来电网演化模型的生成方法及装置 | |
| CN117565727B (zh) | 基于人工智能的无线充电自动控制方法及系统 | |
| CN115564108A (zh) | 一种面向深度调峰的虚拟电厂内光储荷优化调度方法 | |
| Qayyum et al. | Predictive optimization based energy cost minimization and energy sharing mechanism for peer-to-peer nanogrid network | |
| Chatziagorakis et al. | Enhancement of hybrid renewable energy systems control with neural networks applied to weather forecasting: the case of Olvio | |
| Ye et al. | Model-free real-time autonomous energy management for a residential multi-carrier energy system: A deep reinforcement learning approach | |
| Colucci et al. | Survey of strategies to optimize battery operation to minimize the electricity cost in a microgrid with renewable energy sources and electric vehicles | |
| Qi et al. | Optimal scheduling in IoT-driven smart isolated microgrids based on deep reinforcement learning | |
| Wu et al. | Design of A battery energy management system for capacity charge reduction | |
| US20190288516A1 (en) | System and method for operating a mains power grid | |
| JP2006325336A (ja) | 分散型エネルギーシステムの制御装置、方法、およびプログラム | |
| Mbuwir et al. | Benchmarking regression methods for function approximation in reinforcement learning: heat pump control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |