KR20110037098A - 배수계통의 수질 관리 시스템 - Google Patents

배수계통의 수질 관리 시스템 Download PDF

Info

Publication number
KR20110037098A
KR20110037098A KR1020090094373A KR20090094373A KR20110037098A KR 20110037098 A KR20110037098 A KR 20110037098A KR 1020090094373 A KR1020090094373 A KR 1020090094373A KR 20090094373 A KR20090094373 A KR 20090094373A KR 20110037098 A KR20110037098 A KR 20110037098A
Authority
KR
South Korea
Prior art keywords
water quality
drainage
water
data
learning
Prior art date
Application number
KR1020090094373A
Other languages
English (en)
Other versions
KR101661354B1 (ko
Inventor
이봉국
Original Assignee
엘에스산전 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 엘에스산전 주식회사 filed Critical 엘에스산전 주식회사
Priority to KR1020090094373A priority Critical patent/KR101661354B1/ko
Publication of KR20110037098A publication Critical patent/KR20110037098A/ko
Application granted granted Critical
Publication of KR101661354B1 publication Critical patent/KR101661354B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152Water filtration

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

배수계통의 수질을 관리하는 시스템이 개시된다.
본 발명의 배수계통 수질 관리 시스템은, 배수계통에서 관말의 수질에 영향을 주는 다수의 수질영향인자 데이터를 생성 및 관리하는 학습데이터 관리부; 상기 수질영향인자 데이터 및 미리 설정된 파라미터를 이용하여 학습 시뮬레이션을 통해 모델링하여 상기 수질영향인자 데이터와 상기 관말의 수질과의 관계에 대한 최적 학습 모델 및 최적 파라미터를 도출하는 학습 시뮬레이터부; 상기 관말에서의 물 수요량을 예측하는 수요예측부; 상기 예측된 수요량을 이용하여 관망해석을 통해 상기 관말의 수질에 대한 예측치를 생성하는 관망해석부; 상기 생성된 관말의 수질 예측치를 이용하여 상기 다수의 관말의 수질영향인자 예측 데이터를 생성하는 예측데이터 관리부; 상기 최적 파라미터 및 상기 생성된 수질영향인자 예측 데이터를 상기 학습 모델에 적용하여 배수지의 유입량 설정치를 계산하는 배수지 유입량 설정부; 및 상기 계산된 배수지의 유입량 설정치를 하위 시스템으로 전송하는 통신부; 를 포함한다.
배수계통, 배수, 관말, 수질, 배수지, 수질영향인자, 학습 모델, 관망해석

Description

배수계통의 수질 관리 시스템{SYSTEM FOR MANAGING WATER QUALITY FOR WATER DRAIN RESERVOIR}
본 발명은 배수계통의 수질 관리에 관한 것으로서, 특히 배수지로의 물 유입량을 조절하여 배수지에서 관말에 이르는 배수계통의 수질을 일정 범위로 관리하기 위한 배수계통의 수질 관리 시스템에 관한 것이다.
최근, 깨끗한 물에 대한 관심이 높아지면서 수질에 대한 요구가 더욱 까다로워지고 있고, 이에 부응하여 수질의 정화나 관리에 대한 기술이 연구되고 있다. 통상적으로 배수지는 정수장으로부터 정수를 제공받아 정화 과정을 거쳐 깨끗해진 물이 배관을 통해 관말에 위치한 각 가정에 공급되기 전에 마지막으로 거치는 연못과 같은 물 저장소를 말하는데 시간대나 상황에 따라 급수량을 조절하면서 안정적으로 물을 공급하는 역할을 한다.
이러한 배수지는 물을 많이 사용하는 시간대에는 많은 물을 공급하도록 하고 물의 사용이 적은 시간대에는 물의 공급량을 줄이도록 함으로써 배수계통을 통해 공급되는 물의 양을 조절하면서 안정적으로 물을 공급하는 시설이다. 따라서, 이러한 배수계통에서는 수질 관리가 무엇보다도 중요한 사항이다. 일반적으로 배수계통은 염소의 잔류농도, PH 등을 검사하는 수질검사를 1년에 1~2회 정도 실시하고, 수질검사 결과를 바탕으로 수질 관리를 수행하고 있다.
그런데, 종래에 배수계통의 수질 관리를 위해서는 운영자가 배수지의 수위, 배수지의 유출량, 관말에서의 물 수요량 등을 고려하여 경험적으로 배수지로의 유입량을 설정하였다. 이는 운영자에 따라서 주관적으로 배수계통에서 물 유입량, 밸브 개폐량 및 펌프 구동 여부를 판단하므로 수질 관리의 신뢰성이 낮다는 문제점이 있다. 또한, 수질의 변화가 발생하는 경우 배수계통의 현장상황에 적절하게 대처하기가 곤란하다는 문제가 있다.
나아가, 종래의 수질관리 시스템은 수질에 영향을 주는 수질영향인자가 많고 이들 인자들의 서로 비선형적인 관계를 가지므로 온라인으로 배수계통의 수질을 관리 및 제어하기가 어려워 수동으로 운용을 해야 하는 번거로움이 있다. 이에 따라, 배수지의 수질관리가 일관성을 갖지 못하고 효과적으로 운용되지 못하여 수질관리에 허점이 생기게 된다.
따라서, 해당 기술분야에서는 배수계통의 수질을 체계적이고 신뢰성 있게 관리할 수 있는 기술이 요구되고 있다.
본 발명은 배수계통의 관말에서의 수질에 영향을 미치는 수질영향인자 데이터와 수질과의 관계를 학습을 통해 모델링하고 이러한 학습 모델을 이용하여 관말의 수질에 따른 배수지의 물 유입량을 조절하여 배수계통의 수질을 일정 범위로 관리하기 위한 배수계통의 수질 관리 시스템을 제공하는데 목적이 있다.
상기 목적을 달성하기 위한 본 발명은,
배수계통에서 관말의 수질에 영향을 주는 다수의 수질영향인자 데이터를 생성 및 관리하는 학습데이터 관리부; 상기 수질영향인자 데이터 및 미리 설정된 파라미터를 이용하여 학습 시뮬레이션을 통해 모델링하여 상기 수질영향인자 데이터와 상기 관말의 수질과의 관계에 대한 최적 학습 모델 및 최적 파라미터를 도출하는 학습 시뮬레이터부; 상기 관말에서의 물 수요량을 예측하는 수요예측부; 상기 예측된 수요량을 이용하여 관망해석을 통해 상기 관말의 수질에 대한 예측치를 생성하는 관망해석부; 상기 생성된 관말의 수질 예측치를 이용하여 상기 다수의 관말의 수질영향인자 예측 데이터를 생성하는 예측데이터 관리부; 상기 최적 파라미터 및 상기 생성된 수질영향인자 예측 데이터를 상기 학습 모델에 적용하여 배수지의 유입량 설정치를 계산하는 배수지 유입량 설정부; 및 상기 계산된 배수지의 유입량 설정치를 하위 시스템으로 전송하는 통신부; 를 포함하는 배수계통의 수질 관리 시 스템을 제공한다.
본 발명의 실시 예에서, 상기 학습데이터 관리부는 상기 다수의 수질영향인자와 상기 배수계통의 수질과의 관계를 매트릭스 형태로 저장 및 관리한다.
본 발명의 실시 예에서, 상기 수질영향인자는 기온, 계절, 염소 투입량, 배수지 유입 잔류 염소농도, 배수지 잔류 염소농도, 배수지 유출량, 배수지 유출 잔류 염소농도, 금수지 잔류 염소농도, 급수지 유입량을 포함한다.
본 발명의 다른 실시 예에서, 상기한 수질 관리 시스템은 외부로부터 입력되는 관말의 수질 실측치와 상기 관말의 수질 예측치를 비교하고 오차가 허용범위를 넘어서는 경우 상기 수질영향인자 예측 데이터를 변경하는 보정부를 더 포함할 수 있다.
이때, 상기 배수지 유입량 설정부는 상기 최적 파라미터 및 상기 변경된 수질영향인자 예측 데이터를 상기 학습 모듈에 적용하여 상기 배수지의 유입량 설정치를 재계산함이 바람직하다.
본 발명의 실시 예에서, 상기 학습 시뮬레이터부는 상기 수질영향인자 데이터를 입력으로 하고 상기 배수계통의 수질 데이터를 출력으로 하여 반복적으로 시뮬레이션을 수행하여 학습 모델을 도출한다.
본 발명의 실시 예에서, 상기 파라미터는 학습횟수, 학습기간 및 표준화 정보를 포함한다.
본 발명의 실시 예에서, 상기 수요예측부는 상기 관말의 급수지역, 기온, 계절, 시간대를 포함하는 정보를 고려하여 일정한 시간 동안 관말의 물 수요량을 예 측한다.
본 발명의 실시 예에서, 상기 배수지 유입량 설정부는 다수의 입력층, 다수의 은닉층 및 하나의 출력층으로 구성된 다층 구조의 신경회로망을 이용하여 다수의 수질영향인자 예측 데이터를 입력으로 받아 배수지 유입량 설정치를 출력한다.
본 발명의 실시 예에서, 상기한 배수계통의 수질 관리 시스템은 상기 관망해석부에서 생성된 상기 관말의 수질 예측치 및 기설정된 외부 시스템으로부터 상기 관말에서 측정된 수질 실측치 간의 오차가 미리 설정된 오차 허용범위를 벗어나는지를 판단하는 보정부를 더 포함할 수 있으며, 이때, 상기 오차가 오차 허용범위를 벗어나면 상기 예측데이터 관리부는 저장된 수질영향인자 예측 데이터를 변경하고, 상기 배수지 유입량 설정부는 상기 변경된 수질영향인자 예측 데이터를 이용하여 배수지의 유입량 설정치를 재계산한다.
본 발명에 의하면 배수계통 관말의 수질에 영향을 미치는 인자 데이터를 이용하여 관말의 수질과의 관계 모델을 통해 배수지의 유입량을 결정함으로써 배수계통의 수질을 체계적이고 신뢰성 있게 관리할 수 있다.
이하에서, 본 발명의 바람직한 실시 예가 첨부된 도면들을 참조하여 설명할 것이다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기능 또는 구성에 대한 구 체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 발명은 배수계통의 수질을 관리하는 시스템을 제공한다. 본 발명의 배수계통 수질 관리 시스템은 배수계통의 관말에서의 수질에 영향을 미치는 인자 데이터를 활용하여 학습(Learning)을 통해 학습 모델을 도출하고 이러한 학습 모델을 이용하여 신경회로망을 통해 배수지의 유입량을 결정하여 유입밸브의 개폐량을 조절함으로써 배수계통의 수질을 관리하도록 한다. 이로써 배수계통에서 체계적이고 신뢰성 있는 수질관리가 이루어지도록 한다. 또한, 본 발명의 배수계통 수질 관리 시스템은 수질관리 중에 수질에 변화가 발생한 경우 이를 즉시 보정할 수 있도록 한다.
도 1은 본 발명에 따른 배수계통의 수질 관리시스템이 적용되는 송,배수 계통의 예시도이다.
도 1을 참조하면, 본 발명에 따른 배수계통의 수질 관리시스템(100)은 배수계통(D)의 관말(50)에서의 수질에 따라 배수지(30)로의 물 유입량을 결정하여 하위 시스템(20)으로 전달하면, 하위 시스템(20)은 전달받은 배수지(30)의 물 유입량에 따라 배수지(30)의 전단에 위치한 유입밸브(70)의 개폐를 제어한다. 도면에서와 같이, 취수장에서 정수지(10)를 거쳐 배수지(30)까지를 송수계통(S)이라 하고, 이후의 배수지(20)부터 다수의 배관(40)을 거쳐 각 급수지역(60)까지를 배수계통(D)이 라 한다. 관말(50)은 배수계통(D)에서 각 급수지역(60)까지 연결된 배관(40)의 끝단을 의미한다. 이러한 관말(50)은 각 급수지역(60)에 마련된 물 저장소를 포함하는 개념이다. 본 발명에 따른 배수계통의 수질 관리시스템은 관말(50)의 수질에 영향에 영향을 미치는 인자 데이터와 그 수질과의 관계를 학습(learning)을 통해 모델링하고, 이와 같이 모델링된 학습 모델을 이용하여 배수지(30)의 물 유입량을 결정하여 하위 시스템(20)으로 전달한다. 그러면, 하위 시스템(20)은 그 물 유입량에 따라 유입밸브(70)의 개폐량을 조절한다. 이하에서 본 발명을 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시 예에 따른 배수계통의 수질 관리 시스템의 네트워크 구성도이다.
도 2를 참조하면, 본 발명에 따른 배수계통 수질 관리 시스템(100)은 근거리 통신망(LAN)(101)을 통해 다수의 하위 시스템(20)과 연결된다. 배수계통 수질 관리 시스템(101)은 이러한 근거리 통신망(LAN)(101)을 통해 하위 시스템(20)의 관련 정보들을 주기적으로 수집하여 가공한 후 데이터베이스(DB)(102)에 저장한다. 하위 시스템(20)은 예컨대 원격제어국(RCS:Remote Control Station)이나 원거리 감시/제어국(TM/TC:Tele Monitoring and Tele Control station), 프로그래머블 로직 콘트롤러(PLC:Programmable Logic Controller) 등이 될 수 있으며, 배수지의 수위, 물 유입량, 유출량, 유입밸브 개폐 등 배수계통(D)에 관련된 각종 정보를 실시간 수집하여 관리한다. 특히, 하위 시스템(20)은 상위 시스템인 본 발명의 배수계통 수질 관리 시스템(100)으로부터 배수지(30)의 물 유입량 데이터를 수신하여 이에 상응되는 유입밸브(70)의 개폐량을 결정하고, 그 개폐량만큼 유입밸브(70)를 동작시킨다.
도 3은 본 발명의 실시 예에 따른 배수계통 수질 관리장치의 구성도이다.
도 3을 참조하면, 본 발명에 따른 배수계통의 수질 관리 시스템(100)은 학습데이터 관리부(110), 학습 시뮬레이터부(120), 수요예측부(130), 관망해석부(140), 예측데이터 관리부(150), 배수지 유입량 설정부(160), 통신부(170) 및 보정부(180)를 포함하여 구성된다.
학습데이터 관리부(110)는 배수계통 수질의 영향 인자 데이터를 저장 및 관리한다. 여기서, 수질의 영향 인자는 배수계통의 수질에 영향을 미치는 인자이며, 특히 바람직하게는 관말(50)에서의 수질에 영향을 미치는 인자이다. 이러한 수질의 영향 인자로는 예컨대, 기온, 계절, 염소 투입량, 배수지 유입 잔류 염소 농도, 배수지 잔류 염소 농도, 배수지 유출량, 배수지 유출 잔류 염소 농도, 금수지 잔류 염소 농도, 급수지 유입량 등을 포함하며, 다른 실시 예에서는 이 이외에도 다른 데이터들도 추가로 포함할 수 있다. 본 발명의 학습데이터 관리부(110)는 수질 영향 인자와 관말(50)에서의 수질과의 관계를 매트릭스 형태로 저장 및 관리하고 있다. 예컨대, 배수지(30)의 수위가 X1, X2, X3, ... Xn일 때 관말(50)의 수질은 각각 Y1, Y2, Y3, ... Yn인 것으로 저장할 수 있다. 나아가, 정수지(10)의 유출량, 염소 잔류농도, 배수지(30)의 유출량 및 염소 잔류농도가 각각 Q1/D1/S1/T1, Q2/D/S2/T22, Q3/D3/S3/T3, ... 일 때 관말(50)의 수질이 각각 Y11,Y22,Y33, ...인 것으로 저장할 수 있다. 이러한 수질 영향 인자의 저장방식은 일례에 불과하며, 본 발명의 학습데이터 관리부(110)는 다양한 방식으로 수질의 영향 인자를 저장 및 관리할 수 있다.
학습 시뮬레이터부(120)는 학습데이터 관리부(110)에 저장된 수질 영향 인자 데이터 및 미리 설정된 파라미터를 이용하여 관말(50)의 수질에 대한 시뮬레이터를 수행하여 학습 모델을 설정한다. 즉, 수질의 영향 인자 데이터와 관말(50)의 수질 데이터와의 관계를 학습 시뮬레이션을 통해 모델링하여 최적의 학습 모델(가중치) 및 최적의 파라미터를 도출한다. 여기서 학습 모델(가중치)는 수질의 영향 인자 데이터와 관말(50)의 수질 데이터와의 관계를 나타낸다. 이는 영향 인자 데이터를 입력으로 하고 관말(50)의 수질 데이터를 출력으로 하여 반복적으로 시뮬레이션하여 학습한 결과로 도출된 것이다. 또한, 파라미터는 학습횟수, 학습기간 및 표준화정보를 포함한다. 여기서, 표준화정보는 수질 영향 인자 데이터가 서로 다른 단위를 나타내므로 이를 동일한 계(field)에서의 동일한 단위로 수치화한 것을 말한다. 이와 같이 도출된 최적의 학습 모델(가중치) 및 파라미터는 후술하는 배수지 유입량 설정부(160)로 입력된다.
수요예측부(130)는 관말(50)의 수요량을 예측한다. 수요예측부(130)는 배수계통(D)의 관말(50)에서의 급수지역, 기온, 계절, 시간대 등을 고려하여 일정한 시간 동안의 물 수요량을 예측한다.
관망해석부(140)는 수요예측부(130)에서 예측된 관말(50)의 수요량을 이용하여 관말(50)의 수질에 대한 예측치를 생성한다. 관망해석부(140)는 이를 위해 소정 의 관망해석 프로그램을 탑재하고 있다. 관망해석 프로그램은 공지기술이므로 부가설명은 생략한다.
예측데이터 관리부(150)는 관망해석부(140)에서 생성된 관말(50)의 수질 예측치를 이용하여 관말(50)에서의 수질 영향 인자 데이터를 생성하여 저장 및 관리한다. 즉, 관말(50)에서의 수요량 예측에 따른 수질 예측 데이터를 이용하여 예컨대, 기온, 계절, 염소 투입량, 배수지 유입 잔류 염소 농도, 배수지 잔류 염소 농도, 배수지 유출량, 배수지 유출 잔류 염소 농도, 금수지 잔류 염소 농도, 급수지 유입량 등을 포함하며, 다른 실시 예에서는 이 이외에도 다른 데이터들도 추가로 포함할 수 있다. 이러한 예측데이터(수질 영향 인자 예측 데이터)는 관말(50)로 실제 물을 공급하였을 때 그 관말(50)의 수질에 영향을 줄 수 있는 수질영향인자 데이터에 대한 예측치를 의미한다. 본 발명에 따른 예측데이터 관리부(150)도 상기한 학습데이터 관리부(110)와 유사하게 수질의 영향 인자 예측 데이터와 관말(50)에서의 수질 예측 데이터와의 관계를 매트릭스 형태로 저장 및 관리할 수 있으며, 다른 다양한 방법으로도 수질의 영향 인자 예측 데이터를 저장 및 관리할 수도 있다.
배수지 유입량 설정부(160)는 학습 시뮬레이터부(120)로부터 수신된 최적의 학습 모델(가중치) 및 파라미터와, 예측데이터 관리부(150)에 저장된 수질의 영향 인자 예측 데이터를 이용하여 배수지(30)의 물 유입량을 설정한다. 다시 말하면, 예측데이터 관리부(150)에 저장된 수질의 영향 인자 예측 데이터 및 파라미터를 학습 모델(가중치)에 적용함으로써 관말(50)에서의 수질을 예측하고, 그 예측된 수질에 따라 배수지(30)의 유입량을 결정하는 것이다. 본 발명의 실시 예에서 배수지 유입량 설정부(160)는 바람직하게는 신경회로망(200)을 이용하여 배수지 유입량을 결정한다. 본 발명의 신경회로망(200)은 도 4와 같이 다수의 입력노드(211)를 갖는 입력층(Input Layer)(210), 적어도 하나 이상의 비선형 뉴런(Neuron)으로 구성된 은닉노드(221)를 포함하는 은닉층(Hidden Layer)(220) 및 하나의 출력노드(231)로 구성된 출력층(Output Layer)(230)을 갖는 다층구조로 이루어진다. 본 발명에서는 미지의 시스템(Unknown System)에 입력되는 신호로부터 신경회로망(200)을 구성하여 하나의 출력으로 내보내도록 하며, 신경회로망(200)의 은닉층(220)은 시뮬레이션이나 학습, 실험을 통해 한 개 이상으로 구성하되 지나치게 계산량이 많지 않도록 구성하게 되는데(은닉층의 뉴런 개수도 마찬가지임), 이때 입력층(210)의 입력신호는 은닉층(220)의 뉴런을 거쳐 출력층(230)으로 전달된다.
본 발명의 신경회로망(200)의 경우 사용자 인터페이스(UI)를 통해 목표 에러값과 은닉층(220)의 개수를 입력한다. 입력층(210)과 은닉층(220) 간의 가중치 초기값과 은닉층(220)과 출력층(230) 간의 가중치 초기값을 랜덤하게 설정한다. 이어 입력층(210)으로 예측데이터 관리부(150)에서 생성한 수질의 영향 인자 예측 데이터들을 입력한다. 이러한 수질의 영향 인자 예측 데이터는 예컨대, 염소 투입량, 배수지 유입 잔류 염소 농도, 배수지 잔류 염소 농도, 배수지 유출량, 배수지 유출 잔류 염소 농도, 금수지 잔류 염소 농도, 급수지 유입량, 기온, 계절 데이터를 포함한다. 이와 같이 수질의 영향 인자 예측 데이터가 입력층(210)을 통해 입력되면 입력층(210)은 입력층(210)과 은닉층(220) 사이에 설정된 가중치(Wij)와 영향 인자 예측 데이터의 합을 은닉층(220)으로 전달한다. 입력층(210)으로부터 전달받은 데 이터 합은 알고리즘 파라미터를 고려하여 은닉층(220)의 은닉노드(221)의 시그모이드 함수를 거친 후 은닉노드(221)와 출력노드(231) 간에 설정된 가중치(Wj)와 합산된 후 출력층(230)으로 전달된다. 은닉층(220)으로부터 출력층(230)으로 전달된 값은 출력층(230)의 시그모이드 함수를 거친 후 0~1 사이의 값의 형태로 출력된다. 이러한 출력값은 배수지의 유입량에 대응되는 값이 된다. 신경회로망(200)은 출력된 결과값과 설정되어 있는 목표 에러값의 차이를 출력층(230)에서 은닉층(220)으로 역전파하며, 이어서 은닉층(220)에서 입력층(210)으로 오차신호를 역전파한다. 본 발명에 따른 신경회로망(200)의 학습에 효과적으로 사용할 수 있는 역전파 알고리즘은 출력층(230)의 오차신호를 입력층(210) 쪽으로 역전파하여 은닉층(220)과 출력층(230) 간의 연결강도와 입력층(210)과 은닉층(220) 간의 연결강도를 변경하는 학습 방법이다. 활성화 함수는 단극성 시그모이드 함수를 사용할 수 있으며 은닉노드(221)의 개수는 학습을 위한 피측정자의 수의 변화에 따른 인식률을 기초로 결정된다.
계속해서, 도 3에서 통신부(170)는 배수계통 수질 관리 시스템(100)과 하위 시스템(20) 간의 데이터 통신을 담당한다. 즉, 배수지 유입량 설정부(160)에서 설정된 배수지의 유입량을 하위 시스템(20)으로 전달하고, 역으로 하위 시스템(20)에서 수집, 가공, 저장된 데이터를 수신하는 역할을 담당한다. 하위 시스템(20)은 통신부(170)를 통해 수신된 배수지의 유입량 데이터를 분석하여 유입밸브(70)의 개폐량을 결정한다. 이어 그 개폐량에 맞게 유입밸브(70)를 개폐한다.
보정부(180)는 관망해석부(140)에서 생성한 관말(50)의 수질에 대한 예측치 와 실제 관말(50)의 수질에 대한 실측치를 비교하여 오차가 발생하는 경우에 예측데이터를 보정하는 기능을 수행한다. 따라서, 보정부(180)는 외부 시스템으로부터 관말(50)의 수질 실측치를 수신하고, 또한 관망해석부(140)로부터 관말(50)의 수질 예측치를 수신한다. 이어, 보정부(180)는 수신된 관말(50)의 수질 실측치와 예측치 간의 차이가 오차 허용범위를 벗어나는지를 판단한다. 이때, 실측치와 예측치 간의 차이가 오차 허용범위를 벗어나는 경우에 보정부(180)는 예측데이터 관리부(150)에 저장된 예측데이터, 즉 수질의 영향 인자 예측 데이터를 변경하도록 한다. 이와 같이 예측데이터가 변경되면 배수지 유입량 설정부(160)는 재차 신경회로망(200)을 통해 새로운 배수지 유입량 설정치를 생성하고 이를 통신부(170)를 통해 하위 시스템(20)으로 전달하도록 한다. 이로써 관말(50)의 수질이 일정한 범위 내에서 관리되도록 한다.
도 5는 본 발명에 따른 배수계통의 수질 관리 시스템의 동작과정을 보이는 흐름도이다.
도 5를 참조하면, 본 발명에 따른 배수계통의 수질 관리 시스템에서는 우선 관말(50)에서의 수질의 영향 인자 데이터를 생성한다(S101). 이를 위해 관말(50)의 수질 영향 인자와 수질과의 관계를 후천적인 실험을 통해 관말(50)에서의 수질 영향 인자 데이터를 구하여 저장한다. 이어서, 수질 영향 인자 데이터 및 미리 설정된 파라미터를 이용하여 관말(50)의 수질에 대한 시뮬레이터를 수행하여 최적의 학습 모델(가중치) 및 학습횟수, 학습기간 및 표준화정보를 포함한 최적의 파라미터 를 도출한다(S103). 이러한 학습 모델(가중치)은 관말(50)에서의 수질과 그 수질에 영향을 미치는 인자 간의 관계를 의미한다.
계속해서, 관말(50)에서의 급수지역, 기온, 계절, 시간대 등을 고려하여 일정한 시간 동안의 물 수요량을 예측한다(S105). 이어서 관망해석을 통해 상기 예측된 관말(50)의 물 수요량을 이용하여 관말(50)의 수질에 대한 예측치를 생성한다(S107). 그리고 관망해석을 통해 생성된 관말(50)의 수질 예측치를 이용하여 관말(50)에서의 수질 영향 인자 예측 데이터를 생성한다(S109).
이어, 최적의 학습 모델(가중치) 및 파라미터와, 수질 영향 인자 예측 데이터를 이용하여 신경회로망을 통해 배수지(30)의 유입량 설정치를 계산한다(S111). 이와 같이 계산된 배수지의 유입량 설정치를 하위 시스템(20)으로 전달한다(S113). 이로써 하위 시스템(20)은 배수지의 유입량에 따라 유입밸브(70)의 개폐량을 조절함으로써 배수지의 유입량을 조절한다(S115).
도 6은 본 발명의 실시 예에 따른 배수계통의 수질 관리과정 중 수질 보정과정을 보이는 흐름도이다.
도 6에 도시된 수질 보정과정은 도 5에서와 같이 배수지 유입량에 따라 유입밸브(70)의 개폐를 제어하여 배수계통의 수질을 관리하는 과정에서 수질이 허용오차 범위를 벗어나는 경우에 이를 보정하는 과정을 나타낸다. 우선, 도 5에서와 같이 배수계통의 수질 관리를 운용한다(S201). 이러한 수질 관리 운영 중 관말(50)에서의 수질을 측정한다(S203). 이렇게 측정한 수질 실측치와 관망해석을 통해 생성 된 관말(50)의 수질 예측치의 차이가 오차 허용범위 이내인지 판단한다(S205). 만약, 그 차이가 오차 허용범위 이내이면 현재 수질 관리 운용을 유지하고(S207), 오차 허용범위를 벗어나는 경우 예측데이터, 즉 수질의 영향 인자 예측 데이터를 변경한다(S209). 이어 변경된 수질 영향 인자 예측 데이터를 이용하여 배수지 유입량 설정치를 재계산한다(S211). 이와 같이 계산된 배수지의 유입량 설정치를 하위 시스템(20)으로 전달한다(S213). 이로써 하위 시스템(20)은 배수지의 유입량에 따라 유입밸브(70)의 개폐량을 변경한다(S215).
지금까지 설명한 바와 같이, 본 발명은 배수계통의 관말에서의 수질과 그 수질에 영향을 미치는 인자와의 관계를 시뮬레이션을 통해 규명하여 학습 모델을 도출하고, 그 학습 모델을 이용하여 신경회로망을 통해 수질 영향 인자 예측 데이터에 따른 관말의 수질 예측 데이터를 생성하고, 그 수질 예측 데이터에 대응하는 배수지의 유입량을 설정하여 그 배수지 유입량에 따라 유입밸브의 개폐량을 조정하도록 함으로써 배수계통의 수질을 관리할 수 있도록 한다. 나아가, 본 발명은 관말의 수질을 주기적으로 검사하고, 그 수질이 오차 허용범위를 벗어나는 경우에 그 오차를 고려하여 배수지 유입량 설정치를 재계산하도록 하여 유입밸브의 개폐량을 변경하도록 함으로써 배수계통의 수질을 일정한 범위 내로 관리할 수 있도록 한다.
이상에서 설명한 본 발명은 바람직한 실시 예들을 통하여 상세하게 설명되었지만, 본 발명은 이러한 실시 예들의 내용에 한정되는 것이 아님을 밝혀둔다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 비록 실시 예에 제시되지 않았지만 첨부된 청구항의 기재 범위 내에서 다양한 본 발명에 대한 모조나 개량이 가능하며, 이들 모두 본 발명의 기술적 범위에 속함은 너무나 자명하다 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
도 1은 본 발명에 따른 배수계통의 수질 관리시스템이 적용되는 송,배수 계통의 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 배수계통의 수질 관리 시스템의 네트워크 구성도이다.
도 3은 본 발명의 실시 예에 따른 배수계통 수질 관리장치의 구성도이다.
도 4는 본 발명의 실시 예에 따른 신경회로망의 구성 예를 보인 예시도이다.
도 5는 본 발명에 따른 배수계통의 수질 관리 시스템의 동작과정을 보이는 흐름도이다.
도 6은 본 발명의 실시 예에 따른 배수계통의 수질 관리과정 중 수질 보정과정을 보이는 흐름도이다.
* 도면의 주요 부분에 대한 부호의 설명 *
10 : 정수지 20 : 하위 시스템
30 : 배수지 40 : 배관
50 : 관말 60 : 급수지역
70 : 유입밸브 110 : 학습데이터 관리부
120 : 학습 시뮬레이터부 130 : 수요예측부
140 : 관망해석부 150 : 예측데이터 관리부
160 : 배수지 유입량 설정부 170 : 통신부
180 : 보정부

Claims (10)

  1. 배수계통에서 관말의 수질에 영향을 주는 다수의 수질영향인자 데이터를 생성 및 관리하는 학습데이터 관리부;
    상기 수질영향인자 데이터 및 미리 설정된 파라미터를 이용하여 학습 시뮬레이션을 통해 모델링하여 상기 수질영향인자 데이터와 상기 관말의 수질과의 관계에 대한 최적 학습 모델 및 최적 파라미터를 도출하는 학습 시뮬레이터부;
    상기 관말에서의 물 수요량을 예측하는 수요예측부;
    상기 예측된 수요량을 이용하여 관망해석을 통해 상기 관말의 수질에 대한 예측치를 생성하는 관망해석부;
    상기 생성된 관말의 수질 예측치를 이용하여 상기 다수의 관말의 수질영향인자 예측 데이터를 생성하는 예측데이터 관리부;
    상기 최적 파라미터 및 상기 생성된 수질영향인자 예측 데이터를 상기 학습 모델에 적용하여 배수지의 유입량 설정치를 계산하는 배수지 유입량 설정부; 및
    상기 계산된 배수지의 유입량 설정치를 하위 시스템으로 전송하는 통신부;
    를 포함하는 배수계통의 수질 관리 시스템.
  2. 청구항 1에 있어서, 상기 학습데이터 관리부는,
    상기 다수의 수질영향인자와 상기 배수계통의 수질과의 관계를 매트릭스 형태로 저장 및 관리함을 특징으로 하는 배수계통의 수질 관리 시스템.
  3. 청구항 1에 있어서, 상기 수질영향인자는,
    기온, 계절, 염소 투입량, 배수지 유입 잔류 염소농도, 배수지 잔류 염소농도, 배수지 유출량, 배수지 유출 잔류 염소농도, 금수지 잔류 염소농도, 급수지 유입량을 포함함을 특징으로 하는 배수계통의 수질 관리 시스템.
  4. 청구항 1에 있어서,
    외부로부터 입력되는 관말의 수질 실측치와 상기 관말의 수질 예측치를 비교하고 오차가 허용범위를 넘어서는 경우 상기 수질영향인자 예측 데이터를 변경하는 보정부를 더 포함함을 특징으로 하는 배수계통의 수질 관리 시스템.
  5. 청구항 4에 있어서, 상기 배수지 유입량 설정부는,
    상기 최적 파라미터 및 상기 변경된 수질영향인자 예측 데이터를 상기 학습 모듈에 적용하여 상기 배수지의 유입량 설정치를 재계산함을 특징으로 하는 배수계통의 수질 관리 시스템.
  6. 청구항 1에 있어서, 상기 학습 시뮬레이터부는,
    상기 수질영향인자 데이터를 입력으로 하고 상기 배수계통의 수질 데이터를 출력으로 하여 반복적으로 시뮬레이션을 수행하여 학습 모델을 도출함을 특징으로 하는 배수계통의 수질 관리 시스템.
  7. 청구항 1에 있어서,
    상기 파라미터는 학습횟수, 학습기간 및 표준화 정보를 포함함을 특징으로 하는 배수계통의 수질 관리 시스템.
  8. 청구항 1에 있어서, 상기 수요예측부는,
    상기 관말의 급수지역, 기온, 계절, 시간대를 포함하는 정보를 고려하여 일정한 시간 동안 관말의 물 수요량을 예측함을 특징으로 하는 배수계통의 수질 관리 시스템.
  9. 청구항 1에 있어서, 상기 배수지 유입량 설정부는,
    다수의 입력층, 다수의 은닉층 및 하나의 출력층으로 구성된 다층 구조의 신경회로망을 이용하여 다수의 수질영향인자 예측 데이터를 입력으로 받아 배수지의 유입량 설정치를 출력함을 특징으로 하는 배수계통의 수질 관리 시스템.
  10. 청구항 1에 있어서,
    상기 관망해석부에서 생성된 상기 관말의 수질 예측치 및 기설정된 외부 시스템으로부터 상기 관말에서 측정된 수질 실측치 간의 오차가 미리 설정된 오차 허용범위를 벗어나는지를 판단하는 보정부를 더 포함하며,
    상기 오차가 오차 허용범위를 벗어나면 상기 예측데이터 관리부는 저장된 수 질영향인자 예측 데이터를 변경하고, 상기 배수지 유입량 설정부는 상기 변경된 수질영향인자 예측 데이터를 이용하여 배수지의 유입량 설정치를 재계산함을 특징으로 하는 배수계통의 수질 관리 시스템.
KR1020090094373A 2009-10-05 2009-10-05 배수계통의 수질 관리 시스템 KR101661354B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090094373A KR101661354B1 (ko) 2009-10-05 2009-10-05 배수계통의 수질 관리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090094373A KR101661354B1 (ko) 2009-10-05 2009-10-05 배수계통의 수질 관리 시스템

Publications (2)

Publication Number Publication Date
KR20110037098A true KR20110037098A (ko) 2011-04-13
KR101661354B1 KR101661354B1 (ko) 2016-09-29

Family

ID=44044631

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090094373A KR101661354B1 (ko) 2009-10-05 2009-10-05 배수계통의 수질 관리 시스템

Country Status (1)

Country Link
KR (1) KR101661354B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102267556B1 (ko) * 2020-11-24 2021-06-23 (주)그린텍아이엔씨 가변적인 드레인 시간을 갖는 입자 계수 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007197977A (ja) * 2006-01-25 2007-08-09 Hitachi Ltd 薬品注入支援システムと薬品注入支援制御ソフトウエア

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007197977A (ja) * 2006-01-25 2007-08-09 Hitachi Ltd 薬品注入支援システムと薬品注入支援制御ソフトウエア

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
학위논문_서울시립대학교* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102267556B1 (ko) * 2020-11-24 2021-06-23 (주)그린텍아이엔씨 가변적인 드레인 시간을 갖는 입자 계수 시스템

Also Published As

Publication number Publication date
KR101661354B1 (ko) 2016-09-29

Similar Documents

Publication Publication Date Title
CN113837356B (zh) 基于融合神经网络的污水处理智能预测方法
CN102807301B (zh) 再生水厂出水水质在线监测与实时预测系统及其控制方法
KR101133664B1 (ko) 분리막을 이용한 수처리 시스템에서 유전자 알고리즘/프로그래밍을 이용한 막오염지수 예측모델 기반 완화 세정 방법 및 시스템
KR102131847B1 (ko) 기계학습을 이용한 수처리 자율 제어 시스템 및 그 방법
JP3795775B2 (ja) 下水流入量予測装置および方法、サーバ装置
KR20090078501A (ko) 인공 신경망에 의한 하수처리장의 유입 유량 및 유입 성분농도의 예측 방법 및 장치
JP2009199545A (ja) 遠隔監視システム
CN113837364B (zh) 基于残差网络和注意力机制的污水处理软测量方法及系统
KR101119983B1 (ko) 지엠디에이치 알고리즘을 이용한 물수요 예측방법
CN112799310A (zh) 基于c语言的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型的方法
Ozger et al. Optimal location of isolation valves in water distribution systems: A reliability/optimization approach
Pandey et al. Probabilistic and fuzzy approaches for uncertainty consideration in water distribution networks–a review
KR20220150037A (ko) 수처리 시설의 공정별 수질 예측 시스템 및 방법
KR20110037098A (ko) 배수계통의 수질 관리 시스템
JP2006281092A (ja) 膜濾過設備の制御装置
US11188059B2 (en) Method for monitoring a plant of the automation technology
JP4906799B2 (ja) 自動運転制御システム
JP2011189285A (ja) 排水処理プロセス知識蓄積および制御支援装置
KR102535640B1 (ko) 상수도 운영 시스템의 운전 자동화를 위한 강화학습 장치 및 방법
US20140052425A1 (en) Method and apparatus for evaluating a model of an industrial plant process
JP6801842B2 (ja) 水質管理システム及び水質管理方法
Wang et al. An integrated decision model for critical component spare parts ordering and condition-based replacement with prognostic information
JP2004280450A (ja) プラントモデルの自動モデリング装置
Peters et al. Data-driven water quality prediction in chloraminated systems
Head et al. OTTER mathematical process simulation of potable water treatment

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190701

Year of fee payment: 4