KR20110001532A - 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 - Google Patents
사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 Download PDFInfo
- Publication number
- KR20110001532A KR20110001532A KR1020090059099A KR20090059099A KR20110001532A KR 20110001532 A KR20110001532 A KR 20110001532A KR 1020090059099 A KR1020090059099 A KR 1020090059099A KR 20090059099 A KR20090059099 A KR 20090059099A KR 20110001532 A KR20110001532 A KR 20110001532A
- Authority
- KR
- South Korea
- Prior art keywords
- concentration
- flow rate
- sewage
- wastewater treatment
- effluent
- Prior art date
Links
Images
Classifications
-
- 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
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Activated Sludge Processes (AREA)
Abstract
본 발명은 유입수의 외란이 공정에 영향을 미치기 전에 미리 이를 감지하여 사전 앞먹임 제어를 적용하므로 실시간 안정적으로 하·폐수 처리 공정을 운전할 수 있으며, 사전 예측 제어를 통해 조절 변수를 최적의 값으로 제어하므로 운전비용의 절감효과를 도모할 수 있는 하·폐수 처리 시스템 및 하·폐수 처리 방법을 제공한다. 또한 본 발명의 하·폐수 처리 시스템 및 하·폐수 처리 방법은 외란 제거를 위해 반드시 필요한 조절변수를 미리 선정하고 이의 변동값을 도출함으로써 제어 동작 구동 오류를 방지할 수 있고, 운전자가 부재한 상황에서도 공정 변동을 제어할 수 있으며, 운전자가 언제 어디서나 공정에 대한 정보 획득이 가능한 유비쿼터스 형식의 첨단 기술이라 할 수 있다.
하·폐수 처리, 앞먹임 제어, 예측 제어
Description
본 발명은 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법에 관한 것이다.
하·폐수 처리 공정은 일간, 주간 및 계절별 변동이 심한 유입수를 방류수 수질 기준에 부합되도록 안정적으로 처리해야 하는 큰 어려움을 가지고 있다. 유입 유량의 변동이나 유입수 내 오염 물질의 부하 변동에 대처할 수 있는 가장 최적의 방법은 이와 같은 변동을 사전에 미리 예측하여 공정에 그 영향이 미치지 않도록 조치를 취하고, 그 후의 공정의 처리능을 유출수질로서 모니터링하여 확인하는 것이다. 이런 측면에서, 하·폐수 처리 공정에 전통적으로 사용되는 DO 제어와 같이 공정에 외란의 영향이 발생한 후 이를 완화시키는 기존의 되먹임 제어(Feedback control, FB 제어) 기법은 공정에 제어 동작이 가해진 후 그 제어 동작이 공정에 영향을 미치는 시점까지 지체시간이 발생하여 외란의 완벽한 제거가 수행되지 못한다는 단점이 있다.
이에 반하여, 공정에 영향을 주는 외란을 사전에 감지하여 외란을 상쇄시킬 수 있는 제어 동작의 구동을 미리 수행하는 앞먹임 방식의 제어(Feedforward control, FF 제어) 기법은 외란이 공정에 미치는 영향을 사전에 차단한다는 점에서 FB 제어 기법보다 공정 안정성 확보가 더 용이하다. 이러한 FF 제어 기법을 하·폐수 처리 공정에 적용하기 위해서는 반드시 외란을 사전에 측정 또는 예측해야 하다는 전제 조건이 요구된다.
하·폐수처리 공정의 제어 기술은 단순 DO 제어에서부터 영양염류 자동 분석기기를 활용한 실시간 제어 기술까지 다양하게 언급되어왔다. 하지만, 최신의 자동화 제어시스템에서 적용되어 왔던 기존의 기술들의 형태를 보면, 대부분 공정에 외란의 영향이 발생한 후 이를 제어하는 되먹임 제어(FB) 구조를 가지고 있었으며, 이는 외란의 영향을 사전에 방지하지 못하여 안정적 공정 운전에 애로사항이 되는 사례가 빈번하였다. 최근 COD 또는 T-N 항목을 예측하여 이를 제어하는 방법도 보고되었으나, 단위 항목 제어에 한정되어 있고 사전에 미리 짜여진 scheduling에 기반한 FF 제어 구조를 가지지 못하여, 외란 제어를 위한 적절한 조절변수의 구동 시점 및 그 변동값이 명확하게 나타나지 못하여 외란 영향이 완전히 제어되지 못하는 한계점이 나타났었다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 통계적 모델인 인공신경망을 이용하여 유입수의 미래 시간의 변동을 사전에 미리 예측하고, 수학적 공정 모델인 활성슬러지 모델을 사용하여 예측된 유입수 변동에 따른 유출수의 변동을 예측한 후, 예측된 결과를 판단하여 제어가 필요한 적절한 시점에 미리 제어 동작을 적용하여 외란의 영향을 사전에 차단할 수 있는 하·폐수 처리 시스템 및 하·폐수 처리 방법을 제공하는 것을 목적으로 한다.
상기의 목적을 달성하기 위한 수단으로서,
본 발명은 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 시스템으로서, 상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치되어 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 오염원 농도측정 센서; 상기 오염원 농도측정 센서로부터 측정된 농도값을 저장하는 데이타베이스; 상기 데이타베이스의 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측하는 유입수 농도 예측부; 상기 유입수 농도 예측부에서 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 유출수 농도 예측부; 및 상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 처리공정 제어부;를 포함하여 이루어진 하·폐수 처리 시스템을 제공한다.
또한, 상기 유입수 농도 예측부는 인공신경망 모델을 이용하여 유입수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 유출수 농도 예측부는 활성슬러지 모델을 이용하여 유출수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 유출수 농도 예측부는 활성슬러지 모델 No.3과 인 거동 모사를 위한 EAWAG Bio-P module을 결합한 모델을 이용하여 유출수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 오염원은 NH4+-N, NOX-N 및 PO4 3--P 중에서 하나 이상 선택되는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 오염원 농도측정 센서는 0.5 ~ 2시간 단위로 측정하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 유입수 농도 예측부는 12~36 시간 범위의 미래 시간의 유입수 오염원 농도값을 예측하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 유출수 농도 예측부는 12~36 시간 범위의 미래 시간의 유출수 오염원 농도값을 예측하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 조절변수는 반응조로의 외부탄소원 유량, 반응조 내부반송 유량, 슬러지반송 유량, 폐슬러지 유량, 및 호기조 용존산소 농도 중 적어도 하나 이상 선택되는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 처리공정 제어부는 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 처리공정 제어부는 NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 처리공정 제어부는 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 시스템으로서, 상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치되어 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 오염원 농도측정 센서; 상기 오염원 농도측정 센서로부터 측정된 농도값을 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 유출수 농도 예측부; 및 상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 처리공정 제어부;를 포함하여 이루어지고, 상기 조절변수는 반응조로의 외부탄소원 유량, 반응조 내부반송 유량, 슬러지반송 유량, 폐슬러지 유량, 및 호기조 용존산소 농도 중 적어도 하나 이상 선택되는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 상기 처리공정 제어부는 오염원 중 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하고, 오염원 중 NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택하고, 오염원 중 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템을 제공한다.
또한, 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 방법으로서, 상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치된 오염원 농도측정 센서로부터 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 단계; 측정된 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측하는 단계; 상기 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 단계; 및 상기 예측된 미래 시간의 유출수 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 단계;를 포함하여 이루어진 하·폐수 처리 방법을 제공한다.
또한, 예측된 미래 시간의 유출수 오염원 농도값 중 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하고, NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택하고, 상기 처리공정 제어부는 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 방법을 제공한다.
본 발명은 유입수의 외란이 공정에 영향을 미치기 전에 미리 이를 감지하여 사전 앞먹임 제어를 적용하므로 실시간 안정적으로 하·폐수 처리 공정을 운전할 수 있으며, 사전 예측 제어를 통해 조절 변수를 최적의 값으로 제어하므로 운전비용의 절감효과를 도모할 수 있다. 또한 외란 제거를 위해 반드시 필요한 조절변수를 미리 선정하고 이의 변동값을 도출함으로써 제어 동작 구동 오류를 방지할 수 있다. 본 발명에서 제안하는 일련의 사전 예측 제어 기법은 자동화를 통하여 운전자가 부재한 상황에서도 공정 변동을 제어할 수 있으며, 운전자가 언제 어디서나 공정에 대한 정보 획득이 가능한 유비쿼터스 형식의 첨단 기술이라 할 수 있다.
이하, 도면 및 실시예를 통하여 본 발명을 보다 상세하게 설명한다. 하기의 설명은 본 발명의 구체적 일례에 대한 것이므로, 비록 단정적, 한정적 표현이 있더라도 특허청구범위로부터 정해지는 권리범위를 제한하는 것은 아니다.
도 1은 본 발명의 일실시예에 따른 하·폐수 처리 시스템의 개략 구성도이며, 도 2는 본 발명의 일실시예에 따른 하·폐수 처리 시스템의 사전 예측 제어 기법의 데이터 흐름 및 구성도이다.
본 발명의 일실시예에 따른 하·폐수 처리 시스템은 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 시스템으로서, 상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치되어 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 오염원 농도측정 센서, 상기 오염원 농도측정 센서로부터 측정된 농도값을 저장하는 데이타베이스, 상기 데이타베이스의 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측하는 유입수 농도 예측부, 상기 유입수 농도 예측부에서 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 유출수 농도 예측부, 및 상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 처리공정 제어부를 포함하여 이루어진 것을 특징으로 한다.
유입수, 유출수 및 반응조 중 적어도 하나 이상에는 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정할 수 있는 오염원 농도측정 센서가 구비된다. 상기 반응조는 다수로 구분될 수 있으며 알려진 다양한 반응조를 선택할 수 있고 제 한되지 않는다. 일례로서, 도 1 및 도 2에서와 같이 1차 침전조와, 일반적 영양염 제거공정인 생물학적 반응조로서, 1차 침전조(1st settler)에서 1차적으로 고형물질이 가라앉혀 제거된 하수가 유반응조로 유입되면, 미생물에 의한 인 방출이 목적인 혐기조와, 원 하수에 포함되어 있는 탄소원을 활용하여 아질산염의 탈질반응을 목적으로 하는 하나 또는 둘 이상의 무산소조, 탈질에 쓰이고 남은 유기성 탄소물질과 원수에 포함되어 있던 암모니아의 아질산염으로의 산화를 목적으로 하는 하나 또는 둘 이상의 호기조, 미생물과 처리된 물의 고액분리를 위한 2차 침전조 등으로 구성될 수 있다. 또한, 도시된 바와 같이, 호기조에서 생성된 아질산염을 회송하기 위한 내부반송이 행해질 수 있다. 상기 오염원 농도측정 센서는 각 반응조에 모두 설치될 수도 있으며 선택적으로 설치될 수 있다. 오염원 농도측정 센서는 실시간으로 측정할 수도 있으며, 소정 시간 예를 들어 분단위나 시간단위의 간격으로 오염원의 농도를 측정할 수 있다. 바람직하기로는 상기 오염원 농도측정 센서는 0.5 ~ 2시간 단위로 측정하는 것이 좋다. 상기 오염원 농도측정 센서로부터 측정된 오염원의 농도치는 데이터베이스에 저장될 수 있다.
상기 오염원으로는 제한되지 않으나 바람직하게는 NH4+-N, NOX-N 및 PO4 3--P 중에서 하나 이상이 선택될 수 있다.
유입수 농도 예측부는 상기 데이타베이스의 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측한다. 이 후 유출수 농도 예측부에서 상기 유입수 농도 예측부에서 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측한다. 상기 소정의 미래시간으로는 제한되지 않으나 12~36 시간 범위의 미래 시간의 유입수 오염원 농도값을 예측하는 것이 좋다.
상기 상기 유입수 농도 예측부는 제한되지 않으나 인공신경망 모델을 이용하여 유입수의 농도를 예측하는 것이 바람직하며, 상기 유출수 농도 예측부는 활성슬러지 모델을 이용하여 유출수의 농도를 예측하는 것이 좋다. 특히 활성슬러지 모델 No.3과 인 거동 모사를 위한 EAWAG Bio-P module을 결합한 모델을 이용하여 유출수의 농도를 예측하는 것이 좋다.
본 발명인 기반 사전 예측 제어 기술은 통계적 모델인 인공신경망을 활용하여, 하루 뒤 유입수질을 미리 예측한 후 이를 다시 수학적 모델인 활성슬러지 모델 등에 적용하여 유출수질까지 예측하여, 제어 동작이 필요한 시점을 사전에 감지한다. 제어 동작의 종류(조절변수의 선택)와 그 크기를 선정하는 것은 조절변수-제어변수간의 정성적 테이블에 의한 것으로 이 테이블은 단일 수질항목 변화와 연관되는 최적의 조절변수뿐만 아니라, 다양한 수질항목 변화를 상쇄시킬 수 있는 조절변수의 우선순위도 제시함으로써, 기존 SISO(Single Input Single Output) 형태의 단순 제어 로직의 형태가 아닌 MIMO(Multiple Input Multiple Output) 형태의 최신 제어 로직 형태를 제공할 수 있다. 선택된 조절변수는 외란의 영향을 최소화할 수 있는 다양한 시뮬레이션으로 제어 효과를 미리 가늠하게 되며, 가장 최적의 유출수 질을 도출한 제어변수 및 그 변화량을 선택하여 제어 schecule을 구성하게 된다. 이렇게 제어를 수행하는 시점과 그 정량화된 조절변수의 변화량을 일례로 1일 단위(1시간 단위)로 구성하여 이에 의한 FF 제어를 적용하게 되어 공정에 미치는 외란의 영향을 최소화할 수 있게 된다.
본 발명에서 일례로 사용되는 유입수 유량 및 농도를 예측하는 데 쓰이는 인공신경망은 일반적으로 인공지능을 이용한 패턴학습에 쓰이는 블랙박스 모델의 한 종류로서, 가장 널리 적용되는 모형은 다층 퍼셉트론 인공신경망이다. 다층 퍼셉트론 인공신경망은 입력층(input layer), 출력층(output layer)과 그 사이에 존재하는 은닉층 (hidden layer)으로 구성된다. 원하는 목표변수에 대한 추정값을 계산하기 위해 행해지는 학습(Training)은 입력층으로부터 출력층의 방향으로 진행한다. 주어진 입력에 대한 출력값을 계산하고, 계산된 출력값과 목표 출력값과의 오차를 역방향으로 전달하면서 각 층 사이의 절점을 연결하는 연결강도 (weight)와 바이어스(bias)를 조절함으로써 일련의 입력 변수가 가지는 패턴에 알맞은 출력 값을 계산할 수 있도록 신경망을 튜닝하게 된다. 이러한 과정을 반복하여 주어진 입력에 대한 인공신경망의 출력값과 목표 출력값 사이의 오차가 주어진 한계값보다 작아질 때 학습(Training)과정은 종료된다. 학습이 완료된 인공신경망은 학습에 사용된 입력값과 출력값 사이의 상관관계를 표현하게 되어 학습에 사용되지 않은 입력에 대하여도 적절한 상관관계를 유지하는 출력을 내보내게 된다.
상기 활성슬러지 모델(Activated Sludge Models, ASMs)에 대하여 설명하면 다음과 같다. 최근 대상 공정의 영양염류 제거율을 극대화하거나 안정적인 유출수질 유지를 위해 반응조에 대한 폭기량, 슬러지 반송 및 내부 반송율 등의 운전인자를 조정하는 공정 제어가 요구되어진다. 적절한 공정 제어 방안을 결정하는 것은 숙련된 운전자의 경험적 지식 혹은 어려운 전통 제어 이론에 의하지만, 활성슬러지 공정은 생물학적인 특성이 강하므로, 물리화학적 공정제어에 적용되는 제어이론과는 상이한 면이 많아 실제 플랜트에 제어를 적용함에 어려움이 발생한다. 이때, 공정 내 미생물에 의한 제거반응의 거동을 잘 나타내는 수학적 모델에 의해 보다 합리적인 제어방안을 산출할 수 있다. 1980년대 이후 활발하게 연구되어진 수학적 모델은 현재 IWA에서 개발되어진 ASMs(ASM1, ASM2, ASM2d, ASM3)들을 이용하여 공정거동 예측, 공정 설계 등에 활발하게 사용되고 있다.
수학적 모델을 공정 거동 예측 및 제어에 사용하기 위해서는 여러 가지 수학적 모델 중에 공정 특성을 잘 나타내는 모델 선정 및 실측 자료에 대한 모델 매개변수 추정 및 검증 작업을 거치는 모델 최적화 과정이 반드시 요구된다. 이렇게 구축된 모델들을 이용하여 하수처리장의 개선을 위한 목적으로 사용(Coen et al., 1996)하거나 현재 설비에서 생물학적인 제거 향상의 가능성을 평가(Ladiges et al., 1999)하는 등 공정의 성능평가 혹은 설계 등에 널리 사용되고 있는 실정이다. 본 발명은 하수 처리장의 안정적이고 경제적인 영양염류 제거를 위해서 하수처리장의 자동제어 및 관리자 제어의 필요성이 대두되고 있고 관리자 제어를 위해 필요한 공정 진단 및 공정 거동 예측을 수행하는 도구로서 이러한 모델을 유용하게 적용하 였다.
한편, 처리공정 제어부는 상기의 모델 등을 이용하여 상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하게 된다.
하·폐수 처리 시스템의 조절변수로는 제한되지 않으나 도 1에 도시된 바와 같이 반응조로의 외부탄소원 유량, 반응조 내부반송 유량, 슬러지반송 유량, 폐슬러지 유량, 및 호기조 용존산소 농도(이는 송풍기에 의해 제어될 수 있다) 중 적어도 하나 이상 선택될 수 있다.
특히, 본 발명은 각 오염원, 즉 제어 변수에 최적화되어 처리공정을 제어하여 조절할 수 있는 조절변수로서 다음을 도출하였다.
즉, 상기 처리공정 제어부는 예측 유출수 농도치 중 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 조절변수를 선택하는 것이 바람직하다. 즉, 외부탄소원 유량과 내부반송 유량을 증가시킴으로써 가까운 미래의 유출수 농도치가 기준범위를 초과하는 것을 방지할 수 있다. 다른 조절변수를 더 포함하는 것도 가능하나 공정 시간 및 비용이 더 추가되는 부담이 있다.
NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용 존산소 농도를 포함하여 조절변수를 선택하는 것이 바람직하며, PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것이 바람직하다.
상기 오염원이 둘 이상 농도치를 초과할 경우에는 상기 조절변수를 조합하여 공정을 제어하는 것이 좋다. 제어변수와 조절변수의 구체적 상관관계는 하기의 표 1과 같다.
<표 1>
항목 | NOx | NH4 | PO4 | NH4 NOx PO4 | NH4 PO4 | NOx PO4 | NH4 NOx |
Qex, Qir, Qr, Qw, DO | 1 | ||||||
Qir, Qr, DO | 1 | 1 | |||||
Qex, Qir, Qr, DO | 2 | 1 | |||||
Qir, DO | 1 | 2 | 2 | ||||
Qex, Qir, DO | 2 | 1 | |||||
Qex, Qir | 1 | ||||||
Qr, DO | 2 | ||||||
Qex, Qir | 2 | ||||||
Qex, DO | 2 |
(여기서, Qex : 외부탄소원 유량, Qir : 내부반송 유량, Qr : 슬러지반송 유량, Qw : 폐슬러지 유량, DO : 호기조 용존산소이며 숫자 1은 우선순위 조절변수이고, 숫자 2는 차선순위 조절변수이다)
본 발명에서는 전통적으로 하·폐수 처리 공정에 적용되어 왔던, 사후 제어의 형태인 단순 되먹임 제어 적용이 공정에 가해지는 외란의 영향을 완벽히 제거하지 못하여 발생하는 “장기간 안정적인 공정 운전의 어려움”에 대한 한계점을 극 복하였으며, 또한 단순 제어 형태인 단일 조절변수 변동과 이에 따른 제어 동작의 구동을 벗어나 다양한 제어 변수(여기서 제어 변수는 유입수 내 영양염류를 말함)간의 상관관계를 파악하여 이를 종합적으로 제어할 수 있는 조절변수를 선정하고, 선정된 조절변수의 정확한 변동값을 제시함으로써, 적절치 못한 조절변수의 선정 및 제어 동작의 구동 오류를 방지할 수 있게 된다. 또한, 이런 일련의 제어 동작 시점을 사전에 scheduling함으로써 유입 외란의 영향을 사전에 완전히 제거하여 운전자가 부재시에도 하·폐수 처리 공정이 정상적으로 운영될 수 있도록 한다.
본 발명은 또한, 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 방법으로서, 기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치된 오염원 농도측정 센서로부터 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 단계, 측정된 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측하는 단계, 상기 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 단계, 및 상기 예측된 미래 시간의 유출수 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 단계를 포함하여 이루어진 하·폐수 처리 방법을 제공한다. 오염원 농도측정 센서 및 농도 측정과 관련하여서는 자세히 전술하였으므로 생략한다. 또한 상기 공정에서 다른 공정이 더 추가될 수 있다. 일례로 전술한 바와 같이 농도측정치를 데이타베이스에 저장할 수도 있다.
도 3은 본 발명의 일실시예에 따른 하·폐수 처리 방법의 흐름도이다. 도시된 바와 같이, 먼저, 측정된 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측한다. 그 후 상기 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측한다. 그 후 예측된 미래 시간의 유출수 오염원 농도값이 기준 농도 범위를 벗어나는 경우 정해진 스케쥴에 따라 조절변수를 선택한다. 그 후 각 오염원의 조절변수에 맞게 앞먹임 제어 공정 스케쥴을 수행하여 하폐수 처리공정을 제어하게 된다.
도 4는 이러한 방식에 의해 유입수 및 유출수의 농도를 예측하고 제어 적용시점을 표시한 도면이며, 도 5는 제어가 적용된 후의 실시한 유입수 및 유출수의 농도를 측정한 도면이다. 도시된 바와 같이 농도의 사전 예측을 통해 유출수의 농도가 기준치를 벗어나는 것을 미연에 방지하는 것을 볼 수 있다.
도 1은 본 발명의 일실시예에 따른 하·폐수 처리 시스템 구성 개략도,
도 2는 본 발명의 일실시예에 따른 하·폐수 처리 시스템의 사전 예측 제어 기법의 데이터 흐름 및 구성도,
도 3은 본 발명의 일실시예에 따른 하·폐수 처리 방법의 흐름도,
도 4는 유입수 예측 및 유출수 예측과 사전 예측을 통한 제어 적용시점을 표시한 그래프,
도 5는 사전 예측 제어를 통하여 안정적으로 하·폐수 처리되어 유출되는 사례를 도시한 그래프이다.
Claims (16)
- 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 시스템으로서,상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치되어 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 오염원 농도측정 센서;상기 오염원 농도측정 센서로부터 측정된 농도값을 저장하는 데이타베이스;상기 데이타베이스의 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값을 예측하는 유입수 농도 예측부;상기 유입수 농도 예측부에서 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 유출수 농도 예측부; 및상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 처리공정 제어부;를 포함하여 이루어진 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 유입수 농도 예측부는 인공신경망 모델을 이용하여 유입수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 유출수 농도 예측부는 활성슬러지 모델을 이용하여 유출수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 유출수 농도 예측부는 활성슬러지 모델 No.3과 인 거동 모사를 위한 EAWAG Bio-P module을 결합한 모델을 이용하여 유출수의 농도를 예측하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 오염원은 NH4+-N, NOX-N 및 PO4 3--P 중에서 하나 이상 선택되는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 오염원 농도측정 센서는 0.5 ~ 2시간 단위로 측정하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 유입수 농도 예측부는 12~36 시간 범위의 미래 시간의 유입수 오염원 농도값을 예측하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항에 있어서, 상기 유출수 농도 예측부는 12~36 시간 범위의 미래 시간의 유출수 오염원 농도값을 예측하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 조절변수는 반응조로의 외부탄소원 유량, 반응조 내부반송 유량, 슬러지반송 유량, 폐슬러지 유량, 및 호기조 용존산소 농도 중 적어도 하나 이상 선택되는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제9항에 있어서, 상기 처리공정 제어부는 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제9항에 있어서, 상기 처리공정 제어부는 NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택 하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제9항에 있어서, 상기 처리공정 제어부는 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 시스템으로서,상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치되어 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 오염원 농도측정 센서;상기 오염원 농도측정 센서로부터 측정된 농도값을 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 유출수 농도 예측부; 및상기 유출수 농도 예측부에서 예측된 미래 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 처리공정 제어부;를 포함하여 이루어지고,상기 조절변수는 반응조로의 외부탄소원 유량, 반응조 내부반송 유량, 슬러지반송 유량, 폐슬러지 유량, 및 호기조 용존산소 농도 중 적어도 하나 이상 선택 되는 것을 특징으로 하는 하·폐수 처리 시스템.
- 제13항에 있어서, 상기 처리공정 제어부는 오염원 중 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하고, 오염원 중 NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택하고, 오염원 중 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 시스템.
- 유입수가 반응조에 유입된 후 반응조에서 처리되어 유출수로 유출되는 하·폐수 처리 방법으로서,상기 유입수, 유출수 및 반응조 중 적어도 하나 이상에 설치된 오염원 농도측정 센서로부터 실시간, 또는 소정 시간 간격으로 오염원의 농도를 측정하는 단계;측정된 농도값 데이터를 이용하여 소정의 미래 시간의 유입수 오염원 농도값 을 예측하는 단계;상기 예측된 미래의 유입수 오염원 농도값를 이용하여 소정의 미래 시간의 유출수 오염원 농도값을 예측하는 단계; 및상기 예측된 미래 시간의 유출수 오염원 농도값이 기준 농도 범위를 벗어나는 경우 조절변수를 선택하여 하폐수 처리공정을 제어하는 단계;를 포함하여 이루어진 하·폐수 처리 방법.
- 제15항에 있어서, 예측된 미래 시간의 유출수 오염원 농도값 중 NOX-N의 농도치가 기준 농도 범위를 초과할 때는 외부탄소원 유량, 내부반송 유량을 포함하여 조절변수를 선택하고, NH4+-N의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 호기조 용존산소 농도를 포함하여 조절변수를 선택하고, 상기 처리공정 제어부는 PO4 3--P의 농도치가 기준 농도 범위를 초과할 때는 내부반송 유량, 슬러지 반송 유량, 및 호기조 용존산소 농도를 포함하여 조절변수를 선택하는 것을 특징으로 하는 하·폐수 처리 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090059099A KR101108031B1 (ko) | 2009-06-30 | 2009-06-30 | 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090059099A KR101108031B1 (ko) | 2009-06-30 | 2009-06-30 | 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110001532A true KR20110001532A (ko) | 2011-01-06 |
KR101108031B1 KR101108031B1 (ko) | 2012-01-25 |
Family
ID=43610088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090059099A KR101108031B1 (ko) | 2009-06-30 | 2009-06-30 | 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101108031B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101145341B1 (ko) * | 2009-10-27 | 2012-05-15 | 한국건설기술연구원 | 다중수원에 대하여 중수도 활용을 위한 유비쿼터스 기반 중수처리 시스템 및 중수처리 방법 |
WO2015147351A1 (ko) * | 2014-03-26 | 2015-10-01 | 부산대학교 산학협력단 | 하수처리장의 혐기성 소화조의 운영상태의 진단 및 소화가스의 발생량의 예측시스템 및 그 방법 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101217729B1 (ko) * | 2010-12-14 | 2013-01-02 | 한국건설기술연구원 | 다중 대체수자원을 원수로 하는 유비쿼터스 기반의 중수도 시스템 |
KR102403493B1 (ko) * | 2021-03-12 | 2022-05-30 | 환경시설관리 주식회사 | 인공지능을 이용한 하·폐수 처리장 통합관리 시스템 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0968170A (ja) * | 1995-08-29 | 1997-03-11 | Hitachi Ltd | 下水処理場の汚水ポンプ制御装置 |
JP2001252691A (ja) * | 2000-03-10 | 2001-09-18 | Toshiba Corp | 下水処理場の水質制御装置 |
KR100456413B1 (ko) * | 2002-06-21 | 2004-11-10 | 에치투엘 주식회사 | 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법 |
KR100834187B1 (ko) | 2007-01-17 | 2008-06-10 | 부산대학교 산학협력단 | 베이지안 네트워크를 이용한 하ㆍ폐수 처리공정의 진단시스템 |
-
2009
- 2009-06-30 KR KR1020090059099A patent/KR101108031B1/ko not_active IP Right Cessation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101145341B1 (ko) * | 2009-10-27 | 2012-05-15 | 한국건설기술연구원 | 다중수원에 대하여 중수도 활용을 위한 유비쿼터스 기반 중수처리 시스템 및 중수처리 방법 |
WO2015147351A1 (ko) * | 2014-03-26 | 2015-10-01 | 부산대학교 산학협력단 | 하수처리장의 혐기성 소화조의 운영상태의 진단 및 소화가스의 발생량의 예측시스템 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR101108031B1 (ko) | 2012-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sadeghassadi et al. | Application of neural networks for optimal-setpoint design and MPC control in biological wastewater treatment | |
Rieger et al. | Ammonia‐based feedforward and feedback aeration control in activated sludge processes | |
Gernaey et al. | Activated sludge wastewater treatment plant modelling and simulation: state of the art | |
Guerrero et al. | Multi-criteria selection of optimum WWTP control setpoints based on microbiology-related failures, effluent quality and operating costs | |
KR101237447B1 (ko) | 하폐수 처리 공정의 규칙기반 실시간 제어 방법 및 시스템 | |
Choubert et al. | Rethinking wastewater characterisation methods for activated sludge systems–a position paper | |
Wu et al. | Model predictive control of biological nitrogen removal via partial nitrification at low carbon/nitrogen (C/N) ratio | |
KR101108031B1 (ko) | 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 | |
Zhu et al. | Evaluation of the control strategy for aeration energy reduction in a nutrient removing wastewater treatment plant based on the coupling of ASM1 to an aeration model | |
Marsili-Libelli et al. | Fuzzy predictive control for nitrogen removal in biological wastewater treatment | |
KR100683477B1 (ko) | 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법 | |
JP4188200B2 (ja) | プラントワイド最適プロセス制御装置 | |
Saxena et al. | Comprehensive review of control and operational strategies for partial nitration/ANAMMOX system | |
Vangsgaard et al. | Development of novel control strategies for single-stage autotrophic nitrogen removal: A process oriented approach | |
Dey et al. | Fractional-order models identification and control within a supervisory control framework for efficient nutrients removal in biological wastewater treatment plants | |
Kim et al. | Evaluation of model-based control strategy based on generated setpoint schedules for NH4–N removal in a pilot-scale A2/O process | |
KR100912032B1 (ko) | 활성 슬러지 공정을 위한 제어 장치 및 방법 | |
WO2013002435A1 (ko) | 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법 | |
Lee et al. | Advances in distributed parameter approach to the dynamics and control of activated sludge processes for wastewater treatment | |
Van Nguyen et al. | Combined ILC and PI regulator for wastewater treatment plants | |
Szeląg et al. | A Data Mining Approach to the Prediction of Food-to-Mass Ratio and Mixed Liquor Suspended Solids. | |
Revollar et al. | Economic optimization of wastewater treatment plants using Non Linear model predictive control | |
Sheik et al. | Control of anaerobic-anoxic-aerobic (A2/O) processes in wastewater treatment: a detailed review | |
El-Shorbagy et al. | Optimal sizing of activated sludge process with ASM3 | |
Vivekanandan et al. | Enhanced control of activated sludge process using predetermined set-points |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20150114 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20160105 Year of fee payment: 5 |
|
LAPS | Lapse due to unpaid annual fee |