KR19980053273A - 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 - Google Patents

상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 Download PDF

Info

Publication number
KR19980053273A
KR19980053273A KR1019960072345A KR19960072345A KR19980053273A KR 19980053273 A KR19980053273 A KR 19980053273A KR 1019960072345 A KR1019960072345 A KR 1019960072345A KR 19960072345 A KR19960072345 A KR 19960072345A KR 19980053273 A KR19980053273 A KR 19980053273A
Authority
KR
South Korea
Prior art keywords
water
water quality
coagulant
injection rate
neural network
Prior art date
Application number
KR1019960072345A
Other languages
English (en)
Other versions
KR100331708B1 (ko
Inventor
이봉국
우광방
남의석
Original Assignee
이종수
엘지산전 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이종수, 엘지산전 주식회사 filed Critical 이종수
Priority to KR1019960072345A priority Critical patent/KR100331708B1/ko
Publication of KR19980053273A publication Critical patent/KR19980053273A/ko
Application granted granted Critical
Publication of KR100331708B1 publication Critical patent/KR100331708B1/ko

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
    • C02F1/5209—Regulation methods for flocculation or precipitation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/22—Control or regulation
    • B01F35/2201—Control or regulation characterised by the type of control technique used
    • B01F35/2204—Controlling the mixing process by fuzzy control, i.e. a prescribed fuzzy rule
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F2101/00—Mixing characterised by the nature of the mixed materials or by the application field
    • B01F2101/305—Treatment of water, waste water or sewage
    • 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
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Organic Chemistry (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)

Abstract

본 발명은 상수처리 시스템 응집제 주입율 자동 연산 장치 및 방법에 관한 것으로 특히, 착수정의 수질분석계기로부터의 원수의 수질 상태와 침전지의 탁도 상태를 고려하여 침전지의 탁도를 최소로 할 수 있는 응집제 주입율을 신경회로망 응집제 주입공정 모델식으로부터 자동 연산하고 주기적으로 공정을 재학습하여 모델식을 수정함으로써 응집 침전의 효과를 극대화하여 최적의 음료수를 공급하도록 창안한 것이다. 이러한 본 발명은 착수정(210)에 유입되는 원수의 수질 항목인 원수 탁도, 수온, pH, 알카리도를 감지하는 수질분석계기(211)와, 침전지(220)에 유입되는 처리수의 탁도를 감지하는 수질분석계기(217)와, 상기 수질분석계기(211)(217)의 수질 항목을 신경회로망 모델식으로 연산하여 응집제 투입율을 산출하는 응집제 주입율 산출부(212)과, 이 응집제 주입율 산출부(212)의 응집제 투입율에 따라 약품투입 펌프(216)를 제어하여 상기 착수정(210)에 적절한 양의 응집제를 투입시키는 PID 제어기(215)와, 주기적으로 JAR 테스트 데이터를 수집하는 데이터 수집부(213)와, 이 데이터 수집부(213)에서 수집한 JAR 테스트 데이터를 학습하여 상기 응집제 주입율 산출부(212)의 신경회로망 모델식을 수정하는 모델식 수정부(214)로 구성한다.

Description

상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법
본 발명은 상수 처리 시스템에 관한 것으로 특히, 효율적이고 체계적인 수질 제어를 위하여 응읍제 주입 공정에서의 최적 약품 주입율을 자동 연산하고 제어하기 위한 상수처리시스템의 응집제 주입율 자동 연산 장치 및 방법에 관한 것이다.
오늘날 산업이 급속히 발달함에 의해 처리되지 않는 하수나 폐수의 양적 증가로 하천 수질 오염의 원인들이 계속 증가하고 있고 다목적댐 등 대형의 저수지들이 축조되어 강우와 함께 오염물질들이 상당 기간동안 댐에 정체된 물과 각종 영양균류가 혼입됨에 따라 부영양화되는 수질 오염 현상이 나타난다.
이와 같이 극심한 원수의 수질 저하로 인한 심각한 사회적 문제때문에 보다 효과적이고 체계적인 정수 처리가 시급히 요구된다.
일반적인 상수처리 시스템은 도1의 구성도에 도시하였다.
이러한 상수처리 플랜트는 취수펌프 제어를 위한 취수장, 약품 주입을 위한 약품 투입실, 여과지 자동 제어를 위한 여과지, 살균소독을 위한 염소실, 송수량 및 송수펌프 제어를 위한 송수실에 각기 리모트 스테이션(R/S#1∼R/S#7)가 설치되고 중앙 통제실에 상기 각 리모트 스테이션(R/S#1∼4/S#7)으로부터 데이터 수집 및 운영자 콘손을 위한 운전자 운영기, 전체 제어 및 연산을 위한 중앙 컴퓨터가 설치되어 분산제어가 가능하도록 구성된다.
상수처리 프랜트의 가장 큰 목적은 안전하고 깨끗한 음료수를 제공하는 것으로 일반적으로 원수는 많은 양의 탁질을 함유하고 있기 때문에 이를 제거하기 위해 원수는 여과, 응집 침전 및 분리 과정을 통해 정수 처리된다.
일반적인 중수 처리 공정은 도2의 계통도에 도시된 바와 같이, 원수를 취수장으로부터 끌러와 모은 후 살균과 소독을 위해 전염소 처리를 하는 착수정, 수중에 포함된 콜로이드상의 현탁물질을 제거하기 위해 약품(응집제)을 주입하여 조대입자로서 경제적으로 침강 분리하는 혼화지와 침전지, 오염된 물을 다공질층을 통과시킴으로써 수중의 불순물을 제거하는 여과지, 위의 공정을 거치면서 소독된 여과수를 배수지에서 송수량을 조절하여 수용가에 공급하게 된다.
일반적인 상수처리 시스템에서 약품 주입제어는 응집, 침전을 위한 응집제 주입 공정과 살균소독을 위한 염소 주입 공정으로 구분된다.
응집제 주입공정에서의 응집과 침전은 가장 기본적인 공정이며, 정수장의 가장 큰 비중을 차지한다.
일반적인 상수 처리 시스템의 응집제 주입 공정은 도 3에 도시한 바와 같다.
응집제는 착수정에서 주입되며 물속의 불순물이 응집되어 무거워지게 하여 침전지에서 불순물이 빨리 가라앉도록 한다.
이러한 상수처리에서 응집과 침전 반응을 고려할 때 원수 탁도, 수온, pH, 알카리도, 전기 전도도등의 수질 항목이 응집 프로세서에 상대적으로 관련 정도가 큰 것으로 알려져 있다.
일반적인 응집제 주입공정에서의 수질항목의 측정 위치는 도4에 도시한 바와 같다. 예를 들어, 원수의 탁도는 일반적으로 10-odd mg/1 이며 수백 mg/1 까지 증가하기도 하지만 응집제에 의해 불순물은 대부분 침전지에서 제거되어 출구에서의 탁도는 단지수 mg/1 가 된다.
이후, 탁도를 1mg/1 이하로 떨어뜨리기 위해 모래 여과를 통해 잔여 불순물을 제거한다.
이로부터 응집제가 매우 중요한 역할을 한다는 사실은 알 수 있다.
이러한 응집제 주입 공정은 아래와 같은 특성을 가진다.
1) 원수의 수질이 4계절 환경 변화와 하천에 따라 다르다.
2) 응집제의 반응 프로세서는 탁질 이외에도 수온, 알카리등도 관계하고 그 반응자체가 잘 알려져 있지 않다.
3) 원수의 프로세서 체류 시간이 길고 피드백이 없다.
4) 프로세서의 출력이 음료수이기 때문에 제어 실패가 허용되지 않는다.
따라서, 응집제 주입공정에서는 침전지의 탁도가 최소가 되도록 하는 응집제 투입양을 결정하여 주입하여야 한다.
일반적으로 응집제 주입율의 설정 방법은 1) JAR 테스트에 의한 방법과 2) 통계적인 수법을 이용하는 방법이 있다.
실제 현장에서는 2가지 방법을 병행하여 사용한다.
종래 기술에서의 응집제 주입은 도 5의 흐름도에 도시된 바와 같다.
착수정(110)에 설치된 수질 분석계기(111)가 원수의 수질항목(탁도, 수온, pH, 알카리도)을 분석하고 그 원수의 수질 항목을 입력받은 통계 모델(112)에서 통계 소프트웨어 패키지를 이용하여 응집제 주입율을 계산한다.
즉, 통계 모델(112)은 과거의 실적 데이터로부터 통계적으로 응집제 주입율을 구하는 선형 모델을 만들고 수질 항목을 대입하여 응집제 주입율을 계산한다.
다시 말해서, 도 6에서와 같은 출력(Y)을 응집제 주입율로 하고 입력을 원수 탁도, 수온, pH, 알카리도로 하는 아래와 같은 선형식을 만들고 통계학적인 방법으로 계수(a,b,c,d,e)를 구한다.
응집제 주입율(Y)=a*원수 탁도 + b*수온 + c*pH + d*알카리도 + e
이렇게 구현된 식에 착수정(110)에 유입되는 원수의 수질 항목(탁도, 수온, pH, 알카리도)을 대입하여 응집제 주입율을 계산한다.
또한, JAR 테스트(113)에서는 운전자가 수동으로 5,6개의 비이커에 원수를 넣고 응집제 주입율을 서로 다르게 주입하여 탁질의 침전 상태를 관측하고 그중 탁질의 제거 상태가 제일 좋은 주입율을 수동으로 선택한다.
이때, 운전자는 통계 모델(112)과 JAR 테스트(113)에서 계산된 주입율중 최적의 주입율을 선택하면 스위치(114)에 의해 PID 제어기(115)에 입력되어진다.
이에 따라, PID 제어기(115)에 의해 약품 투입 펌프(116)가 적절한 양의 응집제를 착수정(110)에 투입하게 된다.
그러나, 종래에는 JAR 테스트에 의한 응집제 주입 방법의 경우 테스트 시간이 오래 걸리므로 원수의 수질이 급격히 변하는 경우에는 대응하기 어렵고 또한, 주입율의 선택이 숙련된 전문가의 기교와 경험에 크게 의존하므로 시스템을 효과적으로 운용하지 못하는 단점이 있다. 그리고, 종래의 통계 소프트에어 패키지에 의한 응집제 주입방식의 경우 응집 반응 프로세서가 통계 모델같은 선형식으로 표현하는데 한계가 있고 통계 모델에 이용하는 과거의 운전 데이터도 그 수가 많음은 물론 수질 상태의 다양한 변화를 제대로 반영하지 못하므로 계산된 응집제 주입율의 오차가 커지는 단점이 있다.
따라서, 응집제 주입율의 설정에 있어서의 가장 중요한 문제점은 응집제 주입율이 원수의 수질의 다양한 변화에 대응해야 한다는 것이다.
본 발명은 종래 기술의 단점을 개선하기 위하여 착수정의 수질분석계기로부터의 원수의 수질 상태와 침전지의 탁도 상태를 고려하여 침전지의 탁도를 최소로 할 수 있는 응집제 주입율을 신경회로망 응집제 주입공정 모델식으로부터 자동 연산하고 주기적으로 공정을 재학습하여 모델식을 수정함으로써 응집 침전의 효과를 극대화하여 최적의 음료수를 공급하도록 창안한 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법을 제공함에 목적이 있다.
즉, 본 발명은 상수처리 시스템의 응집제 주입공정 모델링을 위한 신경회로망을 이용하고 이 신경회로망을 이용하여 JAR 테스트 데이터로부터 응집제 주입공정을 학습하여 최적의 응집제 주입율을 자동 연산 및 제어하는 것이다.
다시 말해서, 상기 목적의 본 발명은 일반적인 플랜트 운전이 숙련된 조작자의 경험에 의존하기 때문에 전문가의 지식을 데이터 베이스화하여 컴퓨터상에서 실제적으로 사용할 수 있도록 하고 운전자의 지식이 포함된 데이터를 신경 회로망 모델링하여 실제적인 운전 지식을 제공하는 것이다.
도 1은 일반적인 상수처리 시스템의 구성도.
도 2는 일반적인 상수처리 공정을 보인 계통도.
도 3은 도 2에서 응집제 주입공정을 보인 예시도.
도 4는 도 2에서 수질항목 측정 위치를 보인 예시도.
도 5는 종래 기술에서의 응집제 주입을 보인 흐름도.
도 6은 도 5에서 통계적 모델을 보인 예시도.
도 7은 본 발명에 따른 장치의 구성도.
도 8은 본 발명에서의 응집제 주입율 산출을 위한 신호 흐름도.
도 9는 도 7에서 모델식 수정부에서 적용되는 신경회로망의 구조도.
도 10은 종래 기술과 본 발명의 평균 오차를 보인 표.
도 11 내지 도 13은 실제 주입율과 모델 주입율을 비교한 파형도.
*도면의 주요 부분에 대한 부호의 설명*
210: 착수정211,217: 수질분석계기
212: 응집제 주입율 산출부213: 데이터 수집부
214: 모델식 수정부215: PID 제어기
216: 약품투입 펌프220: 침수지
본 발명의 실시예는 도 7에 도시한 바와 같이, 착수정(210)에 유입되는 원수의 수질항목인 원수 탁도, 수온, pH, 알카리도를 감지하는 수질분석계기(211)와, 침전지(220)에 유입되는 처리수의 탁도를 감지하는 수질분석계기(217)와, 상기 수질분석계기(211)(217)의 수질 항목을 신경회로망 모델식으로 연산하여 응집제 투입율을 산출하는 응집제 주입율 산출부(212)과, 이 응집제 주입율 산출부(212)의 응집제 투입율에 따라 약품투입 펌프(216)를 제어하여 상기 착수정(210)에 적절한 양의 응집제를 투입시키는 PID 제어기(215)와, 주기적으로 JAR 테스트 데이터를 수집하는 데이터 수집부(213)와, 이 데이터 수집부(213)에서 수집한 JAR 테스트 데이터를 학습하여 상기 응집제 주입율 산출부(212)의 신경회로망 모델식을 수정하는 모델식 수정부(214)로 구성한다.
상기 모델식 수정부(214)는 응집제 주입공정 모델링을 위하여 도 9와 같은 신경회로망으로 구성한다.
이와 같은 본 발명에 따른 실시예의 동작 및 작용 효과를 상세히 설명하면 다음과 같다.
먼저, 수질분석계기(211)가 착수정(210)에 유입되는 원수의 수질 항목인 탁도, 알카리도, 수온, pH값을 감지하여 응집제 주입율 산출부(212)에 입력시킨다.
그리고, 수질분석계기(217)는 침전지(220)에 유입되는 처리수의 탁도를 감지하여 응집제 주입율 산출부(212)에 입력시킨다.
이때, 응집제 주입율 산출부(212)는 JAR 테스트 데이터에 의해 구축된 응집제 주입공정 신경회로망 모델식에 수질분석계기(211)(217)로부터의 입력값을 대입하여 연산함에 의해 응집제 주입율을 결정하고 그 결정된 응집제 주입율을 내부 메모리에 저장함과 동시에 PID 제어기(215)에 출력하게 된다.
이에 따라, PID 제어기(215)는 응집제 주입율 산출부(212)에서 결정된 주입율 설정치를 새로운 설정치로 하여 약품투입 펌프(216)를 제어함에 의해 착수정(210)에 적절한 양의 응집제를 주입하게 된다.
한편, 데이터 수집부(213)는 주기적으로 JAR 테스트 데이터를 수집하여 모델식 수정부(214)에 입력시킨다.
이에 따라, 모델식 수정부(214)는 JAR 테스트 데이터로 공정을 재학습하여 응집제 주입율 산출부(212)의 응집제 주입공정 신경회로망 모델식을 수정하게 된다.
상기와 같은 응집제 주입 프로세스는 상위 컴퓨터에서 실행하는 여러 프로세스중의 하나로서, 상기 상위 컴퓨터는 각 프로세스를 일정주기마다 실행하며 하나의 프로세스에 대한 실행이 종료되면 다음 프로세스 진행하게 된다.
응집제 주입 프로세스는 도 8과 같은 신호 흐름에 의해 진행되며, 이의 동작을 설명하면 다음과 같다.
먼저, 응집제 주입율 산출부(212)는 착수정(210)으로 유입되는 원수의 수질 항목인 탁도, 알카리도, pH, 수온값을 수질분석계기(211)로부터 읽어 들이고 침전지(220)에 유입되는 처리수의 탁도를 수질분석계기(217)로부터 읽어 들인다.
이에 따라, 응집제 주입율 산출부(212)는 수질분석계기(211)(217)로부터 읽어 들인 값들을 응집제 주입공정 신경회로망 모델식으로 연산하여 응집제 주입율을 결정하고 그 결정된 주입율을 응집제 주입제어기인 PID 제어기(215)의 설정치로 설정하고 이러한 운전 결과 데이터를 저장한다.
또한, 주기적으로 데이터 수집부(213)에 JAR 테스트를 수집하면 모델식 수정부(214)는 그 JAR 테스트를 이용하여 공정을 재학습함에 의해 응집제 주입율 산출부(212)의 모델식을 수정하여 공정의 효율성을 향상시킨다.
상기에서 착수정(210)에 장착된 수질 분석계기(211)와 침전지(220)에 장착된 수질분석계기(217)는 원수의 수질 항목(원수 탁도, 수온, pH, 알카리도)과 처리수의 탁도를 주기적으로 상위 컴퓨터로 전송한다.
상기에서 데이터 수집부(213)에 수집되는 JAR 테스트 데이터는 숙련된 전문가에 의해 만들어진다.
상기 JAR 테스트 데이터는 착수정(210)에 유입되는 원수의 탁도를 기준으로 정상 상태와 비정상 상태로 크게 구분된다.
일반적으로 원수의 탁도가 30 NTU 이상이면 비정상 상태로 간주하고 탁도가 30 NTU 이하이면 정상 상태로 간주한다.
따라서, 응집제 주입공정 신경회로망 모델링을 효과적으로 수행하기 위해서는 수질의 변화폭을 크게 하면서 JAR 테스트에 의한 데이터를 만들어야 한다.
또한, JAR 테스트 데이터를 이용하여 응집제 주입공정 모델링하기 위해 모델식 수정부(214)를 신경회로망으로 구현한다.
이때, 신경 회로망은 원수의 수질상태에 따라 정상인 경우와 비정상인 경우로 구분하여 구현하는데, 5개의 독립 변수인 원수의 탁도, 수온, pH, 알카리도, 처리수의 탁도를 입력 뉴런으로 할당하고 응집제 주입율을 출력 뉴런에 할당한다.
따라서, 각각의 신경회로망 모델의 구조는 도9와 같다.
만일, 원수의 수질이 급작스럽게 변화하면 현재의 응집제 주입율을 변화시켜야 한다. 따라서, 신경회로망 모델은 현재의 응집 상태를 학습하여 원수의 급격한 수질 변화에 대응하도록 한다.
이때, 응집제 주입공정 신경회로망 모델의 학습은 Rumelhart 등이 제안한 역전파 알고리즘(BP;Back Propagation)을 이용한다.
이에 따라, 역전파 알고리즘을 이용하여 응집제 주입공정 신경회로망 모델을 반복 학습함에 의해 연결 하중(Wij, Vj, Wj)을 결정하여 응집제 주입율 산출부(212)의 모델식을 수정하게 된다.
상기에서의 학습 과정은 공정에서 얻어진 입출력 데이타의 집합을 이용하여 수행한다. 즉, 도 9와 같은 신경회로망 모델을 이용한 응집제 주입공정의 학습 동작을 설명하면 다음과 같다.
먼저, 데이터 수집부(213)에서 전문가의 실험을 통하여 얻은 입력 데이터를 모델식 수정부(214)에 입력시키며 이때, 입력층(310)의 출력값은 입력 데이터의 값을 정규화한 값이다.
이에 따라, 은익층(또는 중간층)(320)에는 아래 식(1)과 같이 정규화된 입력들과 연결하중치(Wij)의 곱의 총합이 입력된다.
Zin.i= ∑Wij*Xi+Vj................(1)
이때, 은익층(320)은 상기 식(1)의 시그모이드 함수값을 출력하며 그 출력값(Zi)은 아래의 식(2)와 같이 표시된다.
따라서, 출력층(330)은 아래 식(3)과 같이 은익층(320)에서의 출력값(Zi)을 연결 하중(Wj)과 곱한 총합을 응집제 주입율(Y)로 산출하게 된다.
Y=∑Wj* Zi(Y:PAC)..........(3)
이에 따라, 상기 식(3)으로 얻은 출력값(Y)과 실험으로 얻은 출력 패턴이 일치하면 모델식 수정부(214)는 학습을 종료한다.
만일, 식(3)에 의한 값(Y)과 실험에 의한 출력 패턴이 일치하지 않는 경우라면 모델식 수정부(214)는 오차를 감소시키기 위해 하단 방향으로 경사도법(Gradient descent)을 사용하여 연결 하중치(Wj)(Wij)를 보정한다.
이때, 연결 하중(Wj)(Wij)의 보정을 위하여 아래의 식(4)(5)에 의해 ΔWj, ΔWij를 구하게 된다.
여기서, Y는 실제값이고, Y'는 계산값이며 또한, η는 학습율로서 '0η1'의 값을 갖는다.
이에 따라, 아래의 식(6)(7)과 같이 연결 하중(Wj)(Wij)을 보정하게 된다.
Wj(k) = Wj(k) + ΔWj(k)....................(6)
Wij(k) = Wij(k) + ΔWij(k)..................(7)
여기서, k는 학습 횟수를 의미한다.
따라서, 상기의 과정으로 도 9와 같은 구조의 신경회로망의 연결 하중(Wj)(Wij)을 보정하여 응집제 주입공정을 반복 학습함에 있어서 반복 학습에 의한 추론된 출력값(Y')과 실제의 출력 데이터(Y)의 오차를 아래 식(8)과 같이 연산하여 그 오차(Err)가 일정 범위내에 들면 학습을 종료하고 모델링 동작을 종료하게 된다.
이후, 상기와 같은 과정으로 응집제 주입공정 모델링이 종료되면 상기 식(1)(2)(3)의 연결 하중(Wj)(Wij)을 보정하여 응집제 주입율 산출부(212)의 응집제 주입율 모델식을 수정하게 된다.
이에 따라 응집제 주입율 산출부(212)는 수정된 모델식을 이용하여 최적의 응집제 주입율을 산출하게 된다.
한편, 하루 평균 132만톤의 처리능력과 분산제어시스템을 갖추고 있는 상수처리 플랜트중 하나를 예를 들어 본 발명을 테스트하였다.
대상 프랜트의 약품주입공정은 JAR 테스트 기법과 통계적 기법을 병행하고 있으며 응집제는 PAC를 사용한다.
이때, 대상 플랜트의 1년치 JAR 테스트 데이터를 가지고 응집제 주입공정의 신경회로망 모델을 구현하고 모델링하여 1년동안의 실제 주입율과 비교하였다.
이에 따라, 신경회로망의 모델 오차를 기존의 통계 모델에 의한 기법과 응집제 주입율의 평균오차를 비교하면 도10의 표와 같다. 여기서, 도 10의 표에 도시한 오차값은 최소자승오차이다.
그리고, 실제 주입율과 신경회로망 모델로부터 계산된 주입율은 도11의 파형도에 도시한 바와 같다.
또한, 상기에서 구축한 응집제 주입공정 모델식을 실제 플랜트에 적용하고 대상 정수장의 4계열에 대하여 일년치 현장 데이터에 대해서 응집제 주입율 제어를 수행하였는데, 실제 주입율과 신경회로망 모델로부터 계산된 주입율을 비교하면 정상 상태인 경우 도12의 파형과 같고 비정상 상태인 경우 도13의 파형과 같다.
여기서, 도12 및 도13에서 실제 주입율과 계산된 주입율이 어느 정도 큰 차이를 보이는 부분은 실제 원수의 수질 변화에도 불구하고 실제 주입을 자체가 수정되지 않은 경우로 해석된다.
상기에서 상세히 설명한 바와 같이 본 발명은 응집제 주입공정 모델을 신경회로망으로 구현하고 역전파 기법을 이용하여 공정을 학습함으로써 최적의 응집제 주입율을 결정하여 수질의 탁도를 최소화할 수 있으며 모델 구현시 전문가의 지식이 포함된 JAR 테스트 데이터를 이용함으로써 응집제 주입율을 결정하는 시스템의 신뢰성을 향상시키는 효과가 있다.
본 발명은 최적의 응집제 주입에 의한 수질 향상, 안정화 및 유지관리비의 절감 및 수질 제어에 의한 합리적인 수자원 이용등에 활용할 수 있다.

Claims (5)

  1. 착수정에 유입되는 원수의 수질 항목인 원수의 탁도, 수온, pH, 알카리도를 감지하는 수질분석계기(211)와, 침전지에 유입되는 처리수의 탁도를 감지하는 수질분석계기(217)와, 상기 수질분석계기(211)(217)의 수질 항목을 신경회로망 모델식에 대입하여 응집제 투입율을 산출하는 응집제 주입율 산출부(212)과, 이 응집제 주입율 산출부(212)의 응집제 투입율에 따라 약품투입 펌프(216)를 제어하여 착수정에 적절한 양의 응집제를 투입시키는 PID 제어기(215)와, 주기적으로 JAR 테스트 데이터를 수집하는 데이터 수집부(213)과, 이 데이터 수집부(213)에서 수집한 JAR 테스트 데이터를 학습하여 상기 응집제 주입율 산출부(212)의 신경회로망 모델식을 수정하는 모델식 수정부(214)로 구성한 것을 특징으로 하는 상수처리 시스템의 응집제 주입율 자동 연산 장치.
  2. 제1항에 있어서, 모델식 수정부(214)는 수질의 탁도에 따라 정상 상태와 비정상 상태의 신경회로망으로 구성한 것을 특징으로 하는 상수처리 시스템의 응집제 주입율 자동 연산 장치.
  3. 제1항 또는 제2항에 있어서, 모델식 수정부(214)는 역전파 알고리즘을 이용하여 주기적으로 JAR 테스트 데이터를 학습하는 것을 특징으로 하는 상수처리 시스템의 응집제 주입율 자동 연산 장치.
  4. 착수정의 수질 항목과 침수지의 수질 탁도를 읽어 들이는 제1 단계와, 상기에서 읽은 변수를 신경회로망 모델식으로 연산하여 응집제 주입율을 산출하는 제2 단계와, 상기에서 산출한 주입율을 새로운 설정치로 하여 응집제 투입을 실행하는 제3 단계와, JAR 테스트 데이터를 주기적으로 읽어 들이는 제4 단계와, 상기에서 읽어 들인 JAR 테스트 데이터를 학습하여 상기 신경회로망 모델식을 수정하는 제5 단계를 수행함을 특징으로 하는 상수처리 시스템의 응집제 투입율 자동 연산 방법.
  5. 제4항에 잇어서, 제5 단계는 전문가에 의한 JAR 테스트 데이터를 연산하여 응집제 주입율(Y')을 계산하는 제1 과정과, 상기에서의 계산값(Y')이 실험에 의한 출력 패턴이 일치하는지 비교하는 제2 과정과, 상기에서 비교 결과가 일치하지 않으면 연결 하중(Wj)(Wij)을 보정하는 제3 과정과, 상기에서 보정된 연결 하중(Wj)(Wij)으로 상기 제1 과정부터 반복 수행하고 계산값과 실제 데이터(Y)의 오차가 일정 범위내에 있는지 비교하는 제4 과정과, 상기에서 오차가 일정 범위내에 없으면 상기 제3 과정부터 반복 수행하는 제5 과정과, 상기에서 오차가 일정 범위내에 있으면 학습을 종료하고 신경회로망 모델식을 수정하는 제6 과정을 수행함을 특징으로 하는 상수처리 시스템의 응집제 주입율 자동 연산 방법.
KR1019960072345A 1996-12-26 1996-12-26 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 KR100331708B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019960072345A KR100331708B1 (ko) 1996-12-26 1996-12-26 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019960072345A KR100331708B1 (ko) 1996-12-26 1996-12-26 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법

Publications (2)

Publication Number Publication Date
KR19980053273A true KR19980053273A (ko) 1998-09-25
KR100331708B1 KR100331708B1 (ko) 2002-08-13

Family

ID=37479370

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019960072345A KR100331708B1 (ko) 1996-12-26 1996-12-26 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법

Country Status (1)

Country Link
KR (1) KR100331708B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100665335B1 (ko) 2005-04-15 2007-01-09 김해동 정.폐수 처리장치
KR100742262B1 (ko) * 2006-08-09 2007-07-25 삼보과학 주식회사 자동 무인 응집제 투입 제어장치
KR100791896B1 (ko) 2005-11-23 2008-01-08 (주)대우건설 자동제어를 이용한 선택적 전처리 막여과 고도처리장치 및그 방법
KR101244445B1 (ko) * 2009-09-16 2013-03-18 한국건설기술연구원 데이터마이닝 기법에 의한 응집제 자동제어 장치 및 이를 이용한 응집제 자동제어 방법
KR101301598B1 (ko) * 2013-04-30 2013-08-29 (주) 이에이치솔루션 응집제 투입율 실시간 최적화 방법 및 이를 적용한 하수처리설비
KR20140053344A (ko) * 2011-10-28 2014-05-07 아사히 가세이 케미칼즈 가부시키가이샤 약품 주입 제어 방법 및 약품 주입 제어 장치
KR101577992B1 (ko) 2015-03-09 2015-12-28 (주) 이에이치솔루션 계열간 통신을 이용한 총인 부하량 제어 방법
CN115490368A (zh) * 2022-10-12 2022-12-20 平行数字科技(江苏)有限公司 基于聚类集成算法的自来水厂智能加药系统

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100720139B1 (ko) 2005-09-26 2007-05-21 주식회사 태영건설 막분리를 이용한 고도정수처리장치의 막오염 지수 연속 모니터링에 의한 응집 전처리 공정 제어장치 및 그 방법
KR100821667B1 (ko) 2006-07-19 2008-04-11 한국과학기술연구원 정수 처리용 응집 약품 주입 장치 및 방법
KR101302867B1 (ko) * 2011-03-14 2013-09-02 한국전자통신연구원 페하를 이용한 응집제 주입량 결정방법과 제어장치 및 그를 이용한 정수처리장치
KR20130049666A (ko) * 2011-11-04 2013-05-14 김성진 수질 관리를 위한 약품 투입 자동 제어 장치 및 방법
CN106673155A (zh) * 2016-12-06 2017-05-17 武汉长江仪器自动化研究所有限公司 一种混凝剂自动控制方法
KR20230168714A (ko) 2022-06-08 2023-12-15 한국건설기술연구원 기계학습 기반의 적정 응집제 주입량 자동제어 시스템 및 그 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3605775A (en) * 1969-11-18 1971-09-20 Gen Am Transport Method to control dosage of additive into treatment process and automatic device therefor
JPS583723B2 (ja) * 1978-07-05 1983-01-22 株式会社日立製作所 凝集効果検出装置
US4855061A (en) * 1988-04-26 1989-08-08 Cpc Engineering Corporation Method and apparatus for controlling the coagulant dosage for water treatment
JP2693014B2 (ja) * 1990-04-27 1997-12-17 株式会社東芝 浄水場の凝集剤注入制御装置
JPH0631291A (ja) * 1992-07-16 1994-02-08 Hitachi Ltd 下水処理装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100665335B1 (ko) 2005-04-15 2007-01-09 김해동 정.폐수 처리장치
KR100791896B1 (ko) 2005-11-23 2008-01-08 (주)대우건설 자동제어를 이용한 선택적 전처리 막여과 고도처리장치 및그 방법
KR100742262B1 (ko) * 2006-08-09 2007-07-25 삼보과학 주식회사 자동 무인 응집제 투입 제어장치
KR101244445B1 (ko) * 2009-09-16 2013-03-18 한국건설기술연구원 데이터마이닝 기법에 의한 응집제 자동제어 장치 및 이를 이용한 응집제 자동제어 방법
KR20140053344A (ko) * 2011-10-28 2014-05-07 아사히 가세이 케미칼즈 가부시키가이샤 약품 주입 제어 방법 및 약품 주입 제어 장치
US9517954B2 (en) 2011-10-28 2016-12-13 Asahi Kasei Chemicals Corporation Chemical injection control method and chemical injection controller
KR101301598B1 (ko) * 2013-04-30 2013-08-29 (주) 이에이치솔루션 응집제 투입율 실시간 최적화 방법 및 이를 적용한 하수처리설비
KR101577992B1 (ko) 2015-03-09 2015-12-28 (주) 이에이치솔루션 계열간 통신을 이용한 총인 부하량 제어 방법
CN115490368A (zh) * 2022-10-12 2022-12-20 平行数字科技(江苏)有限公司 基于聚类集成算法的自来水厂智能加药系统

Also Published As

Publication number Publication date
KR100331708B1 (ko) 2002-08-13

Similar Documents

Publication Publication Date Title
KR19980053273A (ko) 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법
KR940005029B1 (ko) 프로세스 운전지원방법 및 시스템
CN101944275B (zh) 中空纤维设备的膜污染诊断与预警决策方法
US11866348B2 (en) System, apparatus, and method for treating wastewater in real time
KR101085504B1 (ko) 기계적 지도학습법에 의해 산출된 상대적 막오염지수와 이를 반영한 응집기작에 따른 응집제 주입량 자동 제어 시스템 및 방법
CN103810309B (zh) 基于约束理论的a2o 城市污水处理工艺的软测量建模方法
US20230257283A1 (en) Process, system, and computer readable storage medium for determining optimal coagulant dosage
EP0643672B1 (en) Method of controlling wastewater purification plants using quality evaluation of measuring data
JP4718873B2 (ja) 膜濾過設備の制御装置
KR20060092660A (ko) 퍼지제어를 이용한 하·폐수 처리장의 자동제어장치 및 방법
KR102396986B1 (ko) 머신 런닝 플랫폼 기반 지능형 수처리 공정 관리 시스템
Kale et al. Prediction of water filter bed backwash time for water treatment plant using machine learning algorithm
Ludwig et al. Simulation and optimization of an experimental membrane wastewater treatment plant using computational intelligence methods
JP7286035B1 (ja) 水処理制御システムおよび水処理装置の制御方法
JP6643086B2 (ja) 活性汚泥法を用いた監視制御システム
CN115375009A (zh) 一种建立混凝智能监控联动系统的方法
Adgar et al. Performance improvements at surface water treatment works using ANN-based automation schemes
WO2013136503A1 (ja) 水処理プラント運用システム及び送水量計画方法
JPH1133580A (ja) プロセスの運転支援装置
Nahm et al. Development of an optimum control software package for coagulant dosing process in water purification system
JP7452340B2 (ja) 下水処理プラントの異常予測方法及び装置
KR102632229B1 (ko) 스마트 수처리 시스템 및 그 구축 방법
JP7494668B2 (ja) 下水処理プラントの処理水質予測方法及び装置
KR101962566B1 (ko) 연속회분식 반응조를 활용한 저 에너지 혐기성 암모늄 산화 시스템 및 이 시스템을 위한 선행 스케줄링 방법
JPH06296987A (ja) 排水処理システム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121221

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20131218

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20150106

Year of fee payment: 14

FPAY Annual fee payment

Payment date: 20160225

Year of fee payment: 15

EXPY Expiration of term