KR20160035406A

KR20160035406A - 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치

Info

Publication number: KR20160035406A
Application number: KR1020140126980A
Authority: KR
Inventors: 오정석; 김영구; 권정락
Original assignee: 한국가스안전공사
Priority date: 2014-09-23
Filing date: 2014-09-23
Publication date: 2016-03-31
Also published as: KR101630850B1

Abstract

본 발명의 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치는, 복수개의 가스시설의 상태를 각각 감지하고, 감지된 감지 데이터들을 전송하는 센서들; 상기 감지 데이터 들을 병렬적으로 실시간 전송하며, 상기 가스시설 각각에 대한 차단 제어신호를 수신하는 통합 게이트웨이; 상기 통합 게이트웨이로부터 수신된 상기 감지 데이터 들을 분석하여 상기 가스시설이 위치한 지역에 대한 위험도를 제공함으로써, 상기 가스시설의 차단 시기를 결정하도록 하는 차단 정보를 전송하는 서버; 및 상기 서버로부터 각각의 가스설비에 대한 차단정보를 제공받으며, 상기 서버로 상기 가스설비 각각에 대한 차단 명령을 전송하는 관리자 단말을 포함하는 기술을 제공함에 기술적 특징이 있다.

Description

종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치{REAL-TIME AUTONOMIC URGENCY BLOCKING DEVICE FOR GAS EQUIPMENT USING COMPREHENSIVE ANALYSIS METHOD}

본 발명은 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치에 관한 것으로, 더욱 상세하게는 복수개의 가스시설의 상태를 감지한 감지 데이터 들을 병렬적으로 실시간 전송받아 이들을 종합적으로 분석하여, 각각의 가스시설이 위치한 지역에 대한 위험도 정보 및 각각의 가스시설의 차단 시기를 결정하도록 하는 차단 정보를 제공하는, 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치에 관한 것이다.

최근 전통적인 가스 산업 가술에 전송, 제어, 분석과 같은 실시간 및 자동화 기술의 융합분야가 각광 받고 있다.

특히 LPG 가스 시설에 가스 누출 등의 안전사고가 발생한 경우, 즉각적로 가스가 누출된 가스시설이 위치한 지역을 감지하고, 가스시설의 가스 누출을 차단하기 위한 차단기를 자동으로 원격 작동시켜 가스 누출, 폭발, 화재 등으로 인한 인명 및 재산 피해를 최소화하는 방안이 연구 되고 있다.

하지만, 종래 기술은 아래와 같은 문제점이 있었다.

첫째, 종래기술에 따른 다중채널을 통해 위험한 인자들을 측정하고 전송하는 장치들은, 감지된 신호들을 대부분 순차적으로 수집하여 데이터를 내부적으로 처리하고 전송하는데 그쳤고, 감지된 신호들을 동시에 병렬적으로 처리하거나 전송하지 못하는 문제점이 있었다.

둘째, 종래기술에 따른 데이터 분석기법은 종합적으로 데이터를 분석하는 것이 아니라, 1개의 인자에 대한 분석 및 검토를 수행하고 위험을 알려주는 단순 분석에 그칠 뿐만 아니라, 특정 인자에 종속되는 경우가 많기 때문에 분석결과의 왜곡 발생 가능성이 높은 문제점이 있었다.

셋째, 종래기술에 따를 경우 LPG 시설에 긴급한 위험이 발생 시 작업자가 직접 차단장치를 작동시킴으로써, 긴급 대응에 대한 시간지연 및 초등 대응에 미흡함 등의 문제점이 있었다.

대한민국 공개특허 제10-2014-0006034호

본 발명이 해결하고자 하는 기술적 과제는, 복수개의 가스시설의 상태를 감지한 감지 데이터 들을 병렬적으로 실시간 전송받아 이들을 종합적으로 분석하여, 각각의 가스시설이 위치한 지역에 대한 위험도 정보 및 각각의 가스시설의 차단 시기를 결정하도록 하는 차단 정보를 제공하는, 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치를 제공하는데 있다.

상기 기술적 과제를 이루기 위한 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치는, 복수개의 가스시설의 상태를 각각 감지하고, 감지된 감지 데이터들을 전송하는 센서들; 상기 감지 데이터 들을 병렬적으로 실시간 전송하며, 상기 가스시설 각각에 대한 차단 제어신호를 수신하는 통합 게이트웨이; 상기 통합 게이트웨이로부터 수신된 상기 감지 데이터 들을 분석하여 상기 가스시설이 위치한 지역에 대한 위험도를 제공함으로써, 상기 가스시설의 차단 시기를 결정하도록 하는 차단 정보를 전송하는 서버; 및 상기 서버로부터 각각의 가스설비에 대한 차단정보를 제공받으며, 상기 서버로 상기 가스설비 각각에 대한 차단 명령을 전송하는 관리자 단말을 포함하는 기술을 제공한다.

본 발명은 감지된 신호들을 동시에 병렬적으로 처리하거나 전송하고, 측정 인자들의 관계 등을 고려하여 종합적으로 분석하여 차단 시기를 판단할 수 있을 뿐 만 아니라, 자율적으로 가스설비의 차단을 제어할 수 있는 기술적 효과가 있다.

도 1은 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치의 구성을 나타낸 것이다.
도 2는 도 1의 구성 중 서버의 구성을 상세히 나타낸 것이다.
도 3a는 본 발명에 따른 서버에 의한 능동적 안전관리 운영을 구현하기 위한 위험분석 엔진의 전체 구조를 나타낸 것이다.
도 3b는 도 3의 위험분석 엔진을 이용하여 위험분석을 수행 시 데이터 흐름을 나타낸 것이다.
도 4a는 본 발명에 따른 서버에 의한 능동적 안전관리 운영을 구현하기 위한 지능형 위험패턴 분석모듈을 생성하는 학습 알고리즘의 구조를 나타낸 것이다.
도 4b는 본 발명에 따른 서버에 의한 능동적 안전관리 운영을 구현하기 위한 지능형 위험패턴 분석모듈을 수행하는 인식 알고리즘의 구조를 나타낸 것이다.
도 5a는 본 발명에 따른 지역기반 위험 분석모듈에 의해 분석된 지역별 위험등급을 나타낸 것이다.
도 5b는 본 발명에 따른 지능형 위험패턴 분석모듈에 의해 분석된 지역별 위험등급을 나타낸 것이다.
도 5c는 본 발명에 따른 위험기반 안전관리 통합모듈에 의해 분석된 지역별 위험등급을 나타낸 것이다.
도 6a는 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치의 기본적인 제어 흐름도를 나타낸 것이다.
도 6b는 본 발명에 따른 센서, 통합 게이트웨이, 서버 간의 데이터 흐름을 나타낸 것이다.

이하에서는 본 발명의 구체적인 실시예를 도면을 참조하여 상세히 설명하도록 한다.

도 1은 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치의 구성을 나타낸 것이다.

도 1을 참조하면, 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치(100)는, 센서(110), 통합 게이트웨이(120), 서버(130) 및 관리자 단말(140)을 포함한다.

센서(110)는 제1 ~ 제N의 가스시설의 상태를 각각 감지하기 위한 제1 가스시설감지부(110-1) ~ 제N 가스시설감지부(110-N)를 포함한다.

이 경우 제1 가스시설감지부(110-1) ~ 제N 가스시설감지부(110-N)는 제1 ~ 제N의 가스시설(미도시)의 주변에 설치되며, 제1 ~ 제N의 가스시설 주변의 온도, 압력, 가스 누출정도, 가스설비 부식상태, 진동, 중량, 습도, 풍속, 풍량 등을 감지하며, 감지된 데이터는 통합 게이트웨이(120)로 실시간 전송된다.

통합 게이트웨이(120)는 제1 가스시설감지부(110-1) ~ 제N 가스시설감지부(110-N)로부터 전송된 복수개의 감지 데이터 들을 서버(130)로 병렬적으로 실시간 전송하며, 또한 서버(130)로부터 제1 ~ 제N의 가스시설 각각에 대한 차단 제어신호를 수신하면, 제1 ~ 제N의 가스시설 각각에 설치된 제어기(미도시)로 차단 제어신호를 전송한다.

이 경우 통합 게이트웨이(120)와 서버(130) 간은 TCP/IP 기반의 통신방식을 사용하며, 이를테면, 와이파이(WiFi), 지그비(Zigbee), 알에프(RF), 3G, 4G, LTE, LTE-A, 와이브로(Wireless Broadband Internet) 중 어느 하나 이상을 사용할 수 있다.

서버(130)는 통합 게이트웨이(120)로부터 전송된 감지 신호들의 상호 관계 등을 종합적으로 분석하여 특정 지역에 대한 가스설비의 차단 여부, 시기 등에 대한 차단정보를 관리자 단말(140)로 제공하며, 관리자 단말(140)로부터 각각의 가스설비에 대한 차단 명령을 전송받으면, 전송받은 차단 제어신호를 통합 게이트웨이(120)로 실시간으로 전송한다.

관리자 단말(140)은 서버(130)로의 접근에 대한 권한(이를테면, 인증, 암호화)을 부여받은 관리자가 운영하며, 서버(130)로부터 각각의 가스설비에 대한 차단정보를 제공받으며, 각각의 가스설비에 대한 제어가 필요할 경우 단말에 설치된 시설제어 프로그램을 통해 서버(130)로 각각의 가스설비에 대한 차단 명령을 전송한다.

도 2는 도 1의 구성 중 서버의 구성을 상세히 나타낸 것이다.

도 2를 참조하면, 본 발명에 따른 서버(130)는, 통신부(131), 능동적 안전관리부(132), 경고부(133), 데이터 저장부(134) 및 제어부(135)를 포함한다.

통신부(131)는 외부의 통합 게이트웨이(120) 및 관리자 단말(140)과 통신을 수행하기 위한 것으로, 통신방식으로 이를테면, 와이파이(WiFi), 지그비(Zigbee), 알에프(RF), 3G, 4G, LTE, LTE-A, 와이브로(Wireless Broadband Internet) 중 어느 하나 이상을 사용할 수 있다.

능동적 안전관리부(132)는 지역기반 위험분석부(132a), 지능형 위험패턴 분석부(132b) 및 위험기반 안전관리 통합부(132c)를 포함한다.

여기서 지역기반 위험분석부(132a)는 가스시설이 위치한 특정 지역에 대한 사고빈도 분석 및 사고영향분석을 수행하며, 이를 통해 지역(zone)적으로 서로 다른 값을 갖는 개별 위험도를 표시하는데, 이에 대한 상세한 설명은 도 3b 및 도 5a 부분에서 후술한다.

지능형 위험패턴 분석부(132b)는 특정 지역의 가스시설 주변에 설치된 센서(110)로부터 획득한 시설 데이터 정보를 이용하여 지능형 상황 인식 모델을 구축하고, 이를 통해 특정 지역에 대한 위험패턴을 도출하는데, 이에 대한 상세한 설명은 도 4a, 도 4b 및 도 5b 부분에서 후술한다.

위험기반 안전관리 통합부(132c)는 지역기반 위험분석부(132a) 및 지능형 위험패턴 분석부(132b)에서 분석한 각각의 분석 결과를 통합하여, 관리자에게 가스시설이 위치한 특정 지역에 대한 전체 위험도를 제공하는데, 이에 대한 상세한 설명은 도 3b 및 도 5c 부분에서 후술한다.

경고부(133)는 능동적 안전관리부(132)에서 분석한 가스시설이 위치한 특정 지역에 대한 위험도의 수준(이를테면, A단계---> B단계---> C단계--> D단계---> E단계로 위험 정도가 심각함)을 분류하고, 이를테면 C단계 이상일 경우 관리자가 즉각적인 대응을 할 수 있도록 경보(alarm) 신호를 관리자 단말(140)로 전송한다.

데이터 저장부(134)는 능동적 안전관리부(132)에서 처리한 분석 정보 및 경고부(133)에서 처리한 경보 이력(history) 등을 저장하며, 저장매체로 플래시 메모리 등 비휘발성 메모리를 사용할 수 있다.

제어부(135)는 통신부(131), 능동적 안전관리부(132), 경고부(133) 및 데이터 저장부(134)를 제어한다.

도 3a는 본 발명에 따른 서버에 의한 능동적 안전관리 운영을 구현하기 위한 위험분석 엔진의 전체 구조를 나타낸 것이다.

도 2 및 도 3a를 참조하면, 서버(130)는 내부에 지역기반 위험분석부(132a)의 기능을 수행하기 위한 지역기반 위험분석모듈(QRALib Project), 지능형 위험패턴 분석부(132b)의 기능을 수행하기 위한 지능형 위험패턴 분석모듈(IGSM Project), 위험기반 안전관리 통합부(132c)의 기능을 수행하기 위한 위험기반안전관리통합모듈(RBSM Project) 및 데이터베이스와 감지된 데이터를 수신하기 위한 데이터 인터페이스 모듈(IQRABroker Interface)을 구비한다.

여기서 데이터베이스는 가스설비 주변에 설치된 센서(110)가 감지한 센서 데이터(이를테면, 온도, 압력, 가스 누출정도, 가스설비 부식상태, 진동, 중량 데이터 등) 및 기상 데이터(이를테면, 습도, 풍속, 풍량 데이터 등)를 저장하고 있으며, 이들 데이터 들은 생성 주기가 짧은 실시간성 데이터의 성격을 갖는다.

한편 위험기반 안전관리 통합모듈(RBSM Project)에서 최종 분석된 특정 지역에 대한 전체 위험도는, 외부의 사용자 인터페이스(USNUI Project)를 통해 관리자 단말(140)로 전송된다.

도 3b는 도 3a의 위험분석 엔진을 이용하여 위험분석을 수행 시 데이터 흐름을 나타낸 것이다.

이하 도 3b를 참조하여, 상기 지역기반 위험분석모듈(QRALib Project)을 이용하여 위험분석 수행할 때의 데이터 흐름을 설명한다.

도 3b에 도시된 바대로, 가스시설이 위치한 특정 지역에 대한 폭발, 화재, 누출, 위험패턴 정보를 포함하는 각각의 폭발 모델들(1), 화재 모델들(2), 누출 모델들(13) 및 위험패턴 모델들(14)을 포함하며, 이들 모델들을 이용하여 위험 분석도를 산출하기 위한 컴포넌트(component)로 치사율 컴포넌트(21), 사고발생확률 컴포넌트(22), 개별 위험도 컴포넌트(23), 위험기반 안전관리 컴포넌트(24) 및 렌더링 컴포넌트(25)를 포함한다.

가스시설이 위치한 특정 지역에 대한 개별 위험도는, 치사율(fatality) 컴포넌트(21)에 의한 치사율 정보 및 사고발생확률(incident probability) 컴포넌트(22)에 의한 사고발생확률 정보를 결합하여 산출되는 값으로, 이는 사전에 미리 구축된 데이터 정보를 이용하는 연역적 방법의 결과이다.

이를 부연설명하면, 치사율 컴포넌트(21)는 폭발(explore) 모델들(11)이 제공하는 과압(overpressure) 정보, 화재(fire) 모델들(12)이 제공하는 열량(thermal radiation) 정보, 누출(dispersion) 모델들(13)이 제공하는 농도(density) 정보를 취합한 후 프로비트(probit) 모델을 이용하여 동일한 기준으로 변환시켜 치사율을 산정한 후 산정된 치사율 정보를 개별 위험도 컴포넌트(23)로 보낸다.

이 경우 누출(dispersion) 모델들(13)은 이를테면, 누출 피해 예측의 정확도를 평가하기 위해, 전산유체역학(CFD) 기법을 활용한 LPG 가스 특화된 3D 확산 모델을 구성하고, 3차원 특성화 및 확산모델의 예측 정확도와 완성도를 평가하는데, 이 경우 누출 모델들과 문헌의 실증 농도 데이터의 비교, 검증 및 예측 정확도를 평가하거나, 누출 모델들 결과와 선진 프로그램 모델 연산 결과를 비교하여 구축된 누출 모델들의 정확도를 검증할 수 있다.

사고발생확률 컴포넌트(22)는 사고발생확률 정보를 개별 위험도 컴포넌트(23)로 보내는데, 이때 사고발생확률 정보는 화공분야에서 널리 알려진 33개의 개별적 사고 유형(indent outcome case)에 대한 사고발생확률을 미리 계산하고, 이를 정형화 하여 데이터베이스에 저장된 정보를 의미한다.

한편 위험기반 안전관리 컴포넌트(24)는 개별 위험도 컴포넌트(23)가 제공하는 개별 위험도 및 위험패턴 모델들(14)이 제공하는 위험도를 취합한 후 이를 비교 분석하여 얻은 최종 위험도 정보를 렌더링 컴포넌트(25)로 보내는데, 이 때 각각의 위험도 분석 예시는 도 5a ~ 도 5c에서 후술한다.

도 4a 및 4b는 본 발명에 따른 지능형 위험패턴 분석모듈을 생성하는 학습 알고리즘의 구조 및 생성된 지능형 위험패턴 분석모듈을 수행하는 인식 알고리즘의 구조를 각각 나타낸 것이다.

우선 본 발명에 따른 상황인식 모델 구축을 위한 학습 모델 및 인지 모델에 대하여 간단히 설명한다.

인지 모델은 사람이 가설을 세우지 않고, 학습(learning)에 의하여 모델을 구축하며, 구축된 모델을 수행하여 에러 율이 최소화될 때 모델 구축을 완료한다.

인지 모델을 구축하기 위해 학습 모델을 구축하는 방법이 주요한 기법으로 사용되고 있으며, 여기에는 지도(supervised) 기법과 비지도(unsupervised) 기법으로 분류할 수 있다.

지도(supervised) 기법은 클래스 정보가 데이터 내에 존재하고, 이를 기반으로 모델을 구축하여 새로운 데이터의 클래스 정보를 분류하거나 예측하는데 주로 사용되는데, 지도기법의 대표적인 예로 MLP(Multi-layer perceptron), Decision tree 등이 있다.

비지도(unsupervised) 기법은 클래스 정보를 포함하지 않으며, 데이터 간의 유사성을 중심으로 모델을 구축하며, 군집기법 같이 유사한 데이터를 묶어 대표성을 부여하여 클래스 정보를 생성할 수 있는데, 비지도 기법의 대표적인 예로 k-NN, EM 알고리즘 등이 있다.

본 발명의 경우 LPG 가스시설에 적용할 수 있도록, 지도(supervised) 기법 중 하나인 MLP(Multi-layer perceptron) 기법을 개선한 분류기반 상황인식 모델 기법을 사용하였다.

즉 본 발명의 경우 정확성과 데이터 간의 왜곡을 방지하기 위해여 클래스 데이터 간의 유사도를 계산할 때에 변이계수를 적용하여 정규화를 수행하였고, 분류 기법의 기본 예측 단위인 클래스 단위에서 데이터 단위로 변경한 기법을 이용하여 상황인식 모델을 구축하였다.

본 발명에 따른 상황인식 모델에 의할 때, 종래의 고전적 분류 알고리즘 정확률이 86%를 보인 반면, 본 발명의 경우 분류 알고리즘 정확률이 92%를 보임으로써, LPG 시설의 안전관리 분야에 적용 가능성을 시사 하였다.

이 경우, 종래의 고전적인 분류 기법과 본 발명에 따른 기법의 정확률을 비교 분석하기 위해 , 공개용 마이닝 프로그램인 WEKA를 이용하였다.

이 때, 감지 데이터는 현장에서 충전소 피트 배관의 부식 값을 최소, 평균, 최대, 온도, 습도, 조도 등을 측정하여 측정위치를 분류할 수 있는가를 평가하였고, 평가 기법으로 마이닝 결과모델을 검증할 때 널리 사용하는 10 교차 검증기법을 사용하였다.

한편 본 발명에 따른 지능형 위험패턴 분석모듈(IGSM Project)은 귀납적 방법에 의해 SOM(Start Of Message) 기반 위험패턴 모델을 생성하여, 가스설비 주변에 설치된 센서(110)가 감지한 데이터들의 위험유사 패턴을 결과로 제공한다.

이 경우 지능형 위험패턴모델을 생성하기 위한 학습 컴포넌트(IGSMCore.ILearning)가 구비되며, 도 4a에 도시된 바대로 학습 알고리즘이 수행된다.

도 4a를 참조하면, 우선 코어(core) 객체 생성 및 초기화 시키는 실행이 시작되면, SSOM 초기화 및 정규화 과정을 수행하는 제1 과정(a10)을 수행하는데, 이 경우 학습 상태도 초기화됨에 유의해야 한다.

다음으로, 지능형 위험패턴모델을 생성을 위한 학습 과정을 수행하는 제2 과정(a21)을 수행한다.

다음으로, 제2 과정(a21)에서 수행된 학습 내용을 저장하는 제3 과정(a22)을 수행한다.

이 경우 제3 과정(a22)을 자동으로 제2 과정(a21)에 포함시켜, 반복 학습을 구현하는 과정(a20)을 구현할 수도 있다.

마지막으로, 실행을 종료시킴으로 코어(core) 객체를 해제 시킨다.

한편, 새로운 데이터가 입력되었을 때 어떤 패턴에 포함되는 지를 분석하는 인식 컴포넌트(IGSMCore.ICognition)가 구비되며, 도 4b에 도시된 바대로 인식 알고리즘이 수행된다.

도 4b를 참조하면, 우선 코어(core) 객체 생성 및 초기화 시키는 실행이 시작되면, 새로운 데이터가 입력되었을 때 이들이 어떤 패턴에 포함되는 지를 분석하여 인식하는 인식 과정을 수행하는 제1 과정(b21) 및 인식 내용을 저장하는 제2 과정(b22)을 갖는다.

이 경우 제2 과정(b22)을 자동으로 제1 과정(b21)에 포함시켜, 반복 인식을 구현하는 과정(b20)을 구현할 수도 있으며, 이때 인식을 하면서 학습도 같이 수행됨으로 인해 학습 상태도 함께 저장된다.

마지막으로, 실행을 종료시킴으로 코어(core) 객체를 해제시킨다.

도 5a는 본 발명에 따른 지역기반 위험 분석모듈에 의해 분석된 지역별 위험등급을 나타낸 것이고, 도 5b는 본 발명에 따른 지능형 위험패턴 분석모듈에 의해 분석된 지역별 위험등급을 나타낸 것이며, 도 5c는 본 발명에 따른 위험기반 안전관리 통합모듈에 의해 분석된 지역별 위험등급을 나타낸 것이다.

도 5a를 참조하면, 지역기반 위험분석모듈(QRALib Project)의 가스시설이 위치한 특정지역에 대한 위험도 분석 결과를 나타낸 것으로, 이를 위해 선택된 특정 지역을 4×4 행렬로 16개의 셀로 구분한 후, 각 셀에 대한 위험도를 분석하였고, 분석된 위험도를 수준 별로 A단계---> B단계---> C단계--> D단계---> E단계로 나누어 16개의 셀에 각각 표시하였다.

도 5b를 참조하면, 지능형 위험패턴 분석모듈(IGSM Project)의 가스시설이 위치한 특정지역에 대한 위험도 분석 결과를 나타낸 것으로, 이를 위해 선택된 특정 지역을 2×2 행렬로 4개의 셀로 구분한 후, 각 셀에 대한 SOM 모델에 의한 위험패턴을 도출한 후 위험도를 분석하였고, 분석된 위험도를 수준 별로 A단계---> B단계---> C단계--> D단계---> E단계로 나누어 4개의 셀에 각각 표시하였다.

도 5c를 참조하면, 위험기반안전관리통합모듈(RBSM Project)은 도 5a의 지역기반 위험분석모듈(QRALib Project)의 위험도 분석 결과 및 도 5b의 지능형 위험패턴 분석 모듈의 위험도 분석 결과를 취합한 후 순위-등급 통합 방법(rank-level fusion method)을 이용하여 특정지역에서 두 모듈의 결과를 분석하였고, 분석된 최종 위험도를 4×4 행렬로 구분된 16개의 셀에 각각 표시하였다.

이 경우 순위-등급 통합 방법(rank-level fusion method)을 이용하여 특정지역에서 두 모듈의 결과를 분석할 경우, 하기 수학식1에 따라 분석을 수행하였다.

수학식 1을 참조하면, 위험기반 안전관리 통합모듈의 출력값(RSM)은 argmax 연산식의 정의에 따라 두 모듈(QRA, IGSM)에서 출력된 위험등급을 서로 비교한 후, 이들 중 가장 높은 위험등급을 갖는 값을 각 셀의 위험도 수준으로 결정된다.

이를테면, 도 5a에 도시된 바대로 특정지역의 행렬위치(1, 4)에 해당하는 셀은 B등급(R1)이고, 도 5b에 도시된 바대로 동일 지역에 대한 행렬위치(1, 2)에 해당하는 셀은 C등급(R2) 이므로, 이들 위험도 등급 중 더 높은 등급을 갖는 C등급(R3)을 위험기반 안전관리 통합모듈의 출력값(RSM)을 결정하여, 도 5c에 도시된 바대로 행렬위치(1, 4)에 해당하는 셀에 표시하였고, 기타 나머지 셀도 동일한 방식에 의해 수행되었다.

도 6a는 본 발명에 따른 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치의 기본적인 제어 흐름도를 나타낸 것이다.

도 6a를 참조하면, 우선 관리자 단말(140)은 서버(130)로 사용자 인증을 요청하는 제1 단계(S10)를 갖는다.

다음으로, 서버(130)는 관리자 단말(140)로 사용자 인증 요청에 대한 인증결과를 응답하는 제2 단계(S20)를 갖는다.

다음으로, 관리자 단말(140)은 서버(130)로 기초 정보를 요청하는 제3 단계(S30)를 갖는다.

다음으로, 서버(130)는 관리자 단말(140)로 기초 정보에 대하여 응답하는 제4 단계(S40)를 갖는다.

다음으로, 관리자 단말(140)은 서버(130)로 가스시설 차단 명령 등의 제어명령을 전송하는 제5 단계(S50)를 갖는다.

다음으로, 서버(130)는 통합 게이트웨이(120)로 제어신호를 전송하는 제6 단계(S60)를 갖는다.

마지막으로, 통합 게이트웨이(120)는 가스시설 제어기로 제어신호를 전송하여, 가스시설 제어기로 하여금 각각의 가스시설(G10)의 차단 제어 등을 실행하도록 하는 제7 단계(S70)를 갖는다.

도 6b는 본 발명에 따른 센서, 통합 게이트웨이, 서버 간의 데이터 흐름을 나타낸 것이다.

도 6b를 참조하면, 우선 센서(110)는 감지된 가스설비 감지신호를 주기적으로 통합 게이트웨이(120)로 전송하는 제1 과정(S1)을 갖는다.

다음으로, 통합 게이트웨이(120)는 서버(130)로 요청 패킷을 전송하는 제2 과정(S2)을 갖는다.

이 경우 요청 패킷(Request packet)은 아래의 표1과 같은 패킷 구성을 갖는다.

여기서, A는 ASCII 코드, B는 Binary 코드를 의미하고, 메시지 구분 문자열은 아래의 표2와 같이 표기된다.

표1을 참조하면, 요청 패킷(Request packet)의 구조는 크게 헤더(Header) - 바디(Body) - 테일(Tail)로 구성된다.

이 경우 헤더(Header)는 디바이스 측의 IP, MAC 정보나 바디(Body)가 포함하는 데이터의 종류를 구분하는 역할을 담당하고, 바디(Body)는 실질적인 데이터를 포함하는 부분으로, 본 발명의 경우 센서(110)가 감지한 노출, 온도, 압력, 부식상태, 진동, 중량, 풍속 정보를 포함하며, 테일(Tail)은 패킷의 끝맺음을 알리는 역할을 담당한다.

다음으로, 서버(130)는 통합 게이트웨이(120)로 응답 패킷을 전송하는 제3 과정(S3)을 갖는다.

이 경우 응답 패킷(Response packet)은 아래의 표3과 같은 구성을 갖는다.

다음으로, 서버(130)에서 수신한 데이터에 이상이 있다고 판단한 경우, 에러 코드를 통합 게이트웨이(120)로 전송하는 제4 과정(S4)을 갖는다.

이 경우 에러 코드의 식별 표시는 아래의 표4와 같이 표시된다.

이상에서는 본 발명에 대한 기술사상을 첨부 도면과 함께 서술하였지만 이는 본 발명의 바람직한 실시 예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구나 본 발명의 기술적 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.

110 : 센서
110-1 ~ 110-N : 제1 ~ 제N 가스시설 감지부
120 : 통합 게이트웨이
130 : 서버
131 : 통신부
132 : 능동적 안전 관리부
132a : 지역기반 위험 분석부
132b : 지능형 위험패턴 분석부
132c : 위험기반 안전관리 통합부
133 : 경고부
134 : 데이터 저장부
135 : 제어부
140 : 관리자 단말

Claims

복수개의 가스시설의 상태를 각각 감지하고, 감지된 감지 데이터들을 전송하는 센서들;
상기 감지 데이터 들을 병렬적으로 실시간 전송하며, 상기 가스시설 각각에 대한 차단 제어신호를 수신하는 통합 게이트웨이;
상기 통합 게이트웨이로부터 수신된 상기 감지 데이터 들을 분석하여 상기 가스시설이 위치한 지역에 대한 위험도를 제공함으로써, 상기 가스시설의 차단 시기를 결정하도록 하는 차단 정보를 전송하는 서버; 및
상기 서버로부터 각각의 가스설비에 대한 차단정보를 제공받으며, 상기 서버로 상기 가스설비 각각에 대한 차단 명령을 전송하는 관리자 단말을 포함하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 1항에 있어서, 상기 서버는,
상기 통합 게이트웨이 및 상기 관리자 단말과 통신을 수행하는 통신부;
가스시설이 위치한 특정 지역에 대한 사고빈도 분석 및 사고영향분석을 수행하여 얻은 개별 위험도 정보와, 실시간으로 전송되는 상기 감지 데이터 들을 분석하여 지능형 상황 인식 모델을 구축하고, 상기 지능형 상황 인식 모델로부터 위험패턴을 도출하여 얻은 위험도 정보를 통합하여 상기 특정 지역에 대한 최종 위험도 정보를 제공하는 능동적 안전관리부;
상기 능동적 안전관리부에서 처리한 데이터 들을 저장하는 데이터 저장부; 및
상기 통신부, 상기 능동적 안전관리부 및 상기 데이터 저장부를 제어하는 제어부를 포함하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 2항에 있어서, 상기 능동적 안전관리부는,
가스시설이 위치한 특정 지역에 대한 사고빈도 분석 및 사고영향분석을 수행하며, 이를 통해 지역(zone)적으로 서로 다른 값을 갖는 개별 위험도를 표시하는 지역기반 위험분석부;
실시간으로 전송되는 상기 감지 데이터 들을 분석하여 지능형 상황 인식 모델을 구축하고, 상기 지능형 상황 인식 모델로부터 위험패턴을 도출하여 얻은 위험도 정보를 제공하는 지능형 위험패턴 분석부 ; 및
상기 지역기반 위험분석부에서 분석한 개별 위험도 정보 및 상기 지능형 위험패턴 분석부에서 분석한 위험도 정보를 통합하여 상기 특정 지역에 대한 최종 위험도 정보를 제공하는 위험기반 안전관리 통합부를 포함하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 3항에 있어서, 상기 지역기반 위험분석부는,
폭발 모델들이 제공하는 과압 정보, 화재 모델들이 제공하는 열량 정보, 누출 모델들이 제공하는 농도 정보를 취합한 후 프로비트(probit) 모델을 이용하여 동일한 기준으로 변환시켜 치사율을 산정하는 치사율 컴포넌트;
개별적 사고 유형에 대한 사고발생확률 값을 미리 계산하여 데이터베이스에 저장된, 정형화된 사고발생확률 정보를 제공하는 사고발생확률 컴포넌트; 및
상기 치사율 컴포넌트가 제공하는 치사율 및 상기 사고발생확률 컴포넌트가 제공하는 사고발생확률 정보를 취합하여 개별 위험도를 산출하는 개별 위험도 컴포넌트를 포함하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 3항에 있어서, 상기 지능형 위험패턴 분석부는,
학습 컴포넌트 및 인식 컴포넌트가 적용된 SOM 기반의 위험패턴을 도출한 후 위험도를 분석하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 3항에 있어서, 상기 위험기반 안전관리 통합부는,
상기 지역기반 위험분석부에서 분석한 개별 위험도 정보 및 상기 지능형 위험패턴 분석부에서 분석한 위험도 정보를 취합한 후, 순위-등급 통합 방법(rank-level fusion method)을 이용하여 특정 지역에 대한 최종 위험도 정보를 제공하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.
제 1항에 있어서, 상기 감지 데이터들은,
온도, 압력, 가스 누출정도, 가스설비 부식상태, 진동, 중량, 습도, 풍속 및 풍량 정보를 포함하는 것을 특징으로 하는 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치.