KR20180053036A - 내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 - Google Patents
내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20180053036A KR20180053036A KR1020160150357A KR20160150357A KR20180053036A KR 20180053036 A KR20180053036 A KR 20180053036A KR 1020160150357 A KR1020160150357 A KR 1020160150357A KR 20160150357 A KR20160150357 A KR 20160150357A KR 20180053036 A KR20180053036 A KR 20180053036A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- water quality
- renewable energy
- treatment facility
- water treatment
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 181
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000003911 water pollution Methods 0.000 claims abstract description 17
- 238000001035 drying Methods 0.000 claims abstract description 7
- 230000006872 improvement Effects 0.000 claims description 39
- 238000004146 energy storage Methods 0.000 claims description 33
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000003442 weekly effect Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G06N99/005—
-
- 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"
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 내부건식기법 호소의 수질개선 시스템에 관한 것으로, 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 정보 수집부, 및 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하고, 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 처리부를 포함하고, 상기 처리부는, 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 함으로써, 내부건식 매립 공법 내부의 호소의 수질 개선에 필요한 순환수 처리 펌프의 구동에 따른 목표 수질 개선 시간을 예측하며, 순환수 처리 펌프의 에너지를 신재생에너지(태양광, 풍력)의 축전 예측을 활용하여 기존 산업 전력을 대체하여 그 소요비용을 절감을 기대할 수 있다.
Description
본 발명은 내부건식기법 호소의 수질개선 시스템에 관한 것으로서, 보다 구체적으로, 실시간으로 정보들을 수집하고 클라우드 컴퓨팅 시스템에서 생성된 각 네트워크별 가상머신을 활용하여 데이터의 통합과 실시간 분석을 통해 수질 오염 상황, 순환펌프 구동에 필요한 전력의 정보를 제공하고, 외부에서 순환펌프를 구동시킬 수 있도록 하는 시스템에 관한 것이다.
종래의 수질개선을 위한 한 방법으로 순환수 처리시설을 이용하여 순환이 어려운 저류지내의 물을 가압펌프를 이용하여 인공 수로부 시점으로 펌핑하는 방법이 있는데, 이는 가압펌프를 구동하는데 필요한 전력 소요비용이 발생하는 단점이 있다. 종래의 수질 측정에 따른 방법으로 수질 정보의 수집된 정보의 시간과 분석된 시간의 차이가 있는 문제가 있으며, 종래 시스템들은 하나의 정보를 처리하기 위해서 여러 개의 물리적인 서버가 있어야 했고, 이러한 물리적인 서버는 많은 비용적인 문제를 가져왔다.
본 발명이 해결하고자 하는 첫 번째 과제는 실시간으로 정보들을 수집하고 클라우드 컴퓨팅 시스템에서 생성된 각 네트워크별 가상머신을 활용하여 데이터의 통합과 실시간 분석을 통해 수질 오염 상황, 순환펌프 구동에 필요한 전력의 정보를 제공하는 내부건식기법 호소의 수질개선 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 두 번째 과제는 실시간으로 정보들을 수집하고 클라우드 컴퓨팅 시스템에서 생성된 각 네트워크별 가상머신을 활용하여 데이터의 통합과 실시간 분석을 통해 수질 오염 상황, 순환펌프 구동에 필요한 전력의 정보를 제공하는 내부건식기법 호소의 수질개선 방법을 제공하는 것이다.
본 발명은 상기 첫 번째 과제를 해결하기 위하여, 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 정보 수집부; 및 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하고, 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 처리부;를 포함하고, 상기 처리부는, 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템을 제공한다.
본 발명의 다른 실시예에 의하면, 상기 처리부는, 상기 수집된 정보들을 분석하는 데이터 분석부; 상기 분석된 정보를 저장하는 데이터베이스부; 및 상기 분석된 정보를 사용자에게 제공하는 웹서버부;를 포함하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 데이터 분석부는, 상기 수집된 정보들을 아파치 카프카를 통해 큐방식으로 상기 데이터베이스부에 저장하고, 하둡 시스템에 저장된 기존 데이터들을 기반으로 선형회귀를 수행하며, 상기 선형회귀를 수행한 기존 데이터를 상기 수집된 정보와 함께 아파치 스파크 스트리밍을 통해 분석하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 처리부는, 상기 수집된 내부건식 호소 내 수질 정보를 이용하여 수질을 분석하여 순환수 처리시설 구동 필요여부를 판단하고, 순환수 처리시설 중 모터 구동 속도 및 모터 구동에 필요한 전력량이 축전 장치에 저장되어 있는지에 따라 구동 가능한 모터의 수를 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 처리부는, 상기 수집된 환경 정보에 포함된 신재생 에너지 관련 정보들로부터 신재생 에너지 축전 예측량을 스파크 머신러닝의 선형회귀를 통해 산출하고, 상기 신재생 에너지 관련 정보는, 태양광 또는 풍력에 관한 정보인 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 신재생 에너지 축전 예측량은, 신재생 에너지 축전 장치가 위치하는 지역의 특정 일의 평균일조량 또는 평균풍속과, 해당 지역에 설치된 조도 센서 또는 풍속 센서를 통해 측정되는 상기 특정 일의 실제 데이터를 이용하여 축전량의 오차를 산출하고, 상기 산출된 오차를 반영하여 상기 신재생 에너지 축전 예측량을 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명의 다른 실시예에 의하면, 상기 처리부는, 상기 수집된 수질 정보를 트레이닝 데이터세트와 테스트 데이터세트로 분리하고, 상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하고, 상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하며, 새로운 수질 정보가 수집되면, 상기 회귀계수를 이용하여 수질 개선 예측 시간을 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템일 수 있다.
본 발명은 상기 두 번째 과제를 해결하기 위하여, 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 단계; 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하는 단계; 및 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 단계;를 포함하고, 상기 수질 개선 예측 시간을 산출하는 단계는, 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법을 제공한다.
본 발명에 따르면, 내부건식 매립 공법 내부의 호소의 수질 개선에 필요한 순환수 처리 펌프의 구동에 따른 목표 수질 개선 시간을 예측하며, 순환수 처리 펌프의 에너지를 신재생에너지(태양광, 풍력)의 축전 예측을 활용하여 기존 산업 전력을 대체하여 그 소요비용을 절감을 기대할 수 있다.
도 1은 본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 시스템의 블록도이다.
도 2는 내부건식 매립공법을 이용한 간척공법과 IT기술을 접목하여 호소내의 수질 정보와 대기환경정보를 수집/처리하여 호소내 수질을 개선하는 것에 대한 도면이다.
도 3은 내부건식 매립공법 내부 호소의 수질 개선을 위해 순환펌프를 이용한 수질 개선하는 모식도이다.
도 4는 내부건식 매립공법 내부 호소 내부 및 환경정보를 수집하고, 클라우드 서버 각 네트워크에서 가상머신별로 처리하는 구성도이다.
도 5 내지 6은 내부건식 매립공법 내부 호소 내부 및 환경정보를 데이터 분석 가상머신에서 실시간으로 분석/처리하여 웹브라우저로 보여주는 구성도이다.
도 7은 각 분석 모듈로 예측 값을 받아 신재생에너지를 이용하여 수질개선에 필요한 전력량과 목표 수질에 도달하는 시간을 예측하는 것을 나타낸 도면이다.
도 8a 및 8b는 수질오염 이벤트 발생 시 수질 순환 모터 구동상태를 처리하는 순서도이다.
도 9는 입력된 수질 데이터를 회귀분석을 통해 목표 개선 수질에 도달하는 시간을 예측하는 순서도이다.
도 10은 본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이다.
도 11 내지 12는 본 발명의 다른 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이다.
도 2는 내부건식 매립공법을 이용한 간척공법과 IT기술을 접목하여 호소내의 수질 정보와 대기환경정보를 수집/처리하여 호소내 수질을 개선하는 것에 대한 도면이다.
도 3은 내부건식 매립공법 내부 호소의 수질 개선을 위해 순환펌프를 이용한 수질 개선하는 모식도이다.
도 4는 내부건식 매립공법 내부 호소 내부 및 환경정보를 수집하고, 클라우드 서버 각 네트워크에서 가상머신별로 처리하는 구성도이다.
도 5 내지 6은 내부건식 매립공법 내부 호소 내부 및 환경정보를 데이터 분석 가상머신에서 실시간으로 분석/처리하여 웹브라우저로 보여주는 구성도이다.
도 7은 각 분석 모듈로 예측 값을 받아 신재생에너지를 이용하여 수질개선에 필요한 전력량과 목표 수질에 도달하는 시간을 예측하는 것을 나타낸 도면이다.
도 8a 및 8b는 수질오염 이벤트 발생 시 수질 순환 모터 구동상태를 처리하는 순서도이다.
도 9는 입력된 수질 데이터를 회귀분석을 통해 목표 개선 수질에 도달하는 시간을 예측하는 순서도이다.
도 10은 본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이다.
도 11 내지 12는 본 발명의 다른 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이다.
본 발명에 관한 구체적인 내용의 설명에 앞서 이해의 편의를 위해 본 발명이 해결하고자 하는 과제의 해결 방안의 개요 혹은 기술적 사상의 핵심을 우선 제시한다.
본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 시스템은, 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 정보 수집부, 및 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하고, 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 처리부를 포함하고, 상기 처리부는, 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 한다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 실시 예를 상세히 설명한다. 그러나 이들 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이에 의하여 제한되지 않는다는 것은 당업계의 통상의 지식을 가진 자에게 자명할 것이다.
본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 당해 도면에 대한 설명시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다. 아울러 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명 그리고 그 이외의 제반 사항이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
도 1은 본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 시스템의 블록도이다.
본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 시스템은 정보 수집부(110), 처리부(120)로 구성되며, 순환수 처리시설(130)을 더 포함할 수 있다.
본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 시스템은 도 2와 같이, 내부건식기법에 수질개선을 위한 신재생에너지 IoT를 접목한 시스템이다. 호소내 수질 및 환경 정보 센싱을 수행하고, 이를 토대로 수질오염 여부를 센서 관리 모듈을 통해 수행하며, 에너지 관리 모듈에 따라 순환수 처리시설 제어를 수행하여 순환수 처리시설이 작동하도록 하여 최적의 조건에서 수질개선을 위한 순환수 처리시설이 작동하며, 그에 따른 예측 시간을 산출한다. 호소 내 수질 센서로부터 오염 이벤트를 획득하고 이를 클라우드 서버에서 저장/분석하여 오염 이벤트에 따라 순환수 처리 펌프를 구동한다. 이때 구동되는 에너지는 신재생에너지를 활용하며, 신재생에너지의 축전량에 따라 순환수 처리 펌프의 구동시간을 제어하며, 최소 수질 개선 시간과 순환수 처리 펌프의 구동시간을 예측하여 최적의 수질 개선 시간을 산출하여 사용자에게 제공한다. 이를 통해 사용자는 수질 개선 계획을 확정하고, 신재생 에너지만을 이용하여 수질 개선을 수행할 것인지 산업 전기를 보완하여 수행할 것인지 등을 결정하는데 도움을 받을 수 있다. 신재생 에너지를 이용하여 순환수 처리시설을 구동시키기 어려운 경우에는 산업 전기를 이용할 수 있다. 수질 개선 예측 시간이 미리 설정된 수질 개선 시간보다 긴 경우, 신재생 에너지 이외의 산업 전기를 이용하여 순환수 처리 펌프 내지 처리시설을 구동하는 데 이용할 수 있다.
정보 수집부(110)에서 실시간으로 내부건식기법 호소의 수질개선을 위한 정보들을 수집하고, 수집된 정보들을 처리부(120)에서 분석, 처리, 및 저장한다. 내부건식기법은 도 3과 같이, 내부의 호소가 생기는 방식이며 이는 순환이 어려운 저류지의 물이므로 순환수 처리 펌프를 설치하여 인위적으로 물의 순환을 통해 호소내의 수질 개선을 한다. 순환수 처리 펌프 등 순환수 처리시설의 효율적인 운행을 위해 정보 수집부(110)는 해당 정보처리를 위한 정보들을 실시간으로 수집한다.
실시간으로 수집되는 정보들을 과거의 분석, 처리, 저장된 정보를 이용하여 현재 수질 오염 여부, 신재생 에너지의 축전 예측량, 및 수질 개선 예측 시간을 산출한다. 이를 사용자에게 제공하여 수질개선 시스템의 모니터링 및 운용계획 등 의사결정에 필요한 정보를 제공할 수 있다.
정보 수집부(110)는 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집한다.
수질 정보는 내부건식기법 호소 내 수질 센서를 통해 수집되는 pH, DO, 수온 등일 수 있으며, 환경 정보는 온도, 습도, 조도일 수 있으며, 이는 신재생 에너지 정보를 생성하는데 이용될 수 있다. 순환수 처리시설 정보는 순환수 처리를 위한 모터의 작동여부, 개수, 모터의 속도, 배터리의 충전량 등을 포함할 수 있다.
처리부(120)는 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하고, 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출한다.
처리부(120)는 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장한다. 클라우드 시스템을 이용하여 정보를 분석, 처리, 및 저장함으로써 시스템 운용을 위한 물리적인 제약에서 벗어날 수 있다. 처리부(120)는 클라우드 시스템과의 통신을 위한 통신부와 데이터 처리를 위한 프로세서를 포함할 수 있다. 자체 클라우드 시스템 또는 외부의 클라우드 시스템을 이용할 수 있다.
처리부(120)는 도 4 및 5와 같이, 상기 수집된 정보들을 분석하는 데이터 분석부, 상기 분석된 정보를 저장하는 데이터베이스부, 및 상기 분석된 정보를 사용자에게 제공하는 웹서버부를 포함할 수 있다. 구축에 필요한 물리적인 서버는 분산처리를 기본으로 하여 분석하기 때문에 다수의 서버가 필요로 하며, 이는 물리적인 비용 또한 증가하게 된다. 데이터 처리량에 따른 시스템의 구동 시간이 한정적이기 때문에 물리적인 서버보다는 가상서버를 통해 처리하는 것이 소요비용을 줄일 수 있기에 클라우드 시스템을 도입하였다. 클라우드 시스템은 크게 웹서버부, 데이터분석부, 데이터베이스부의 가상머신으로 구성되며, 데이터분석부 가상머신은 분산처리 시스템인 하둡과 스파크로 구성되어 센서로부터 수집되는 정보를 가공하고 분석하게 된다. 이렇게 가공된 정보는 데이터베이스부에 저장되고, 웹서버에서 이 정보를 호출하여 사용자 요청에 맞는 정보를 보여준다.
데이터 분석부는, 도 6와 같이, 상기 수집된 정보들을 아파치 카프카를 통해 큐방식으로 상기 데이터베이스부에 저장하고, 하둡 시스템에 저장된 기존 데이터들을 기반으로 선형회귀를 수행하며, 상기 선형회귀를 수행한 기존 데이터를 상기 수집된 정보와 함께 아파치 스파크 스트리밍을 통해 분석한다. 최종 처리된 데이터는 데이터베이스부에 저장되고 해당 데이터들은 웹서버부(웹브라우저)를 통해 사용자에게 전달된다.
도 7는 분석에 필요한 각 모듈에서 사용되는 데이터이며, 이러한 데이터를 각 모듈에서 분석하여 예측된 데이터를 수질개선 시스템으로 전달한다. Predict A는 수질분석에 따라 예측되어 신재생에너지 수질개선 시스템으로 입력 값으로 되며, Predict B는 기상청의 10년간 데이터를 통해 측정하고자 하는 일자의 일조량의 평균값을 산출하고, 측정지역의 대기환경 센서 데이터(Photo)의 일조시간과 비교하여 오차 시간을 산출하여 데이터베이스에 저장한다. 이 저장된 데이터와 수집된 신재생에너지 저장량을 비교 및 보정하여 일간, 주간 저장량을 예측하여 데이터베이스에 저장한다. Predict C는 2개의 모터의 구동에 따른 전력량을 예측한 데이터로 각 각의 에너지 사용량을 데이터베이스에 저장한다. 각 시스템 모듈에서 예측되는 데이터를 이용하여 최종적으로 목표 수질 개선에 필요한 실제 시간, 순환모터 구동에 필요한 에너지를 통한 예측된 시간, 신재생에너지 소요 전력량, 축전된 신재생에너지량 등을 도출하여 사용자의 의사결정에 필요한 정보를 제공한다.
처리부(120)는 상기 수집된 내부건식 호소 내 수질 정보를 이용하여 수질을 분석하여 순환수 처리시설 구동 필요여부를 판단하고, 순환수 처리시설 중 모터 구동 속도 및 모터 구동에 필요한 전력량이 축전 장치에 저장되어 있는지에 따라 구동 가능한 모터의 수를 산출할 수 있다.
도 8a와 같이, 수질 정보에 대한 분석을 통해 초기 설정된 목표 수질에 벗어날 경우 수질오염이라 판단하고 이를 순환수 처리 펌프의 구동으로 이벤트를 전달한다. 순환수 처리시설 중 수질 순환 모터의 구동 속도와 전력량에 따른 수질 순환 모터의 구동 여부 및 구동 모터의 수를 제어할 수 있다. 모터의 수가 2개인 경우를 가정하면, 모터의 속도의 합이 임계치보다 클 경우 수질 순환 모터를 2개 구동하며, 상기 임계치와 같거나 작을 경우는 1개의 수질 순환 모터로 구동하여 소요되는 에너지 사용량을 줄이며, 수질 순환 모터 구동 상태에 따른 에너지 사용량을 결과 값으로 전달한다. 해당 에너지 사용량은 수질 개선에 필요한 에너지 사용량으로 사용될 수 있다. 상기 모터의 수를 결정하는 과정은 다음과 같이 나타낼 수 있다.
Sum_Label = (5,6,7,8,9,10) // 모터 구동 속도의 합 리스트
Energy_Label = {Sum_Label, Energy}
IF(Sum_Label > 5)
Motor = 1 // 모터 구동 2개
motorA = 5, motorB = {1,2,3,4,5}
result Energy
ELSE
Motor = 0 // 모터 구동 1개
motorA = 0, motorB = {1,2,3,4,5}
result Energy
Result = {Energy_Label}
또한, 처리부(120)는, 수질 순환 모터 구동에 신재생 에너지를 이용할 수 있고, 현재 배터리의 축전량, 신재생 에너지의 축전 예측량을 이용하여 구동 모터를 제어할 수 있으며, 그에 따른 수질 개선에 필요한 수질 개선 예측 시간을 산출할 수 있다. 이를 위하여, 처리부(120)는 상기 수집된 환경 정보에 포함된 신재생 에너지 관련 정보들로부터 신재생 에너지 축전 예측량을 스파크 머신러닝의 선형회귀를 통해 산출할 수 있다. 상기 신재생 에너지 관련 정보는 태양광 또는 풍력에 관한 정보일 수 있다.
상기 신재생 에너지 축전 예측량을 산출함에 있어서, 신재생 에너지 축전 장치가 위치하는 지역의 특정 일의 평균일조량 또는 평균풍속과, 해당 지역에 설치된 조도 센서 또는 풍속 센서를 통해 측정되는 상기 특정 일의 실제 데이터를 이용하여 축전량의 오차를 산출하고, 상기 산출된 오차를 반영하여 상기 신재생 에너지 축전 예측량을 산출할 수 있다.
도 8b와 같이, 수질 오염이 발생하여 순환수 처리시설의 구동이 필요하다고 판단되면, 처리부의 데이터분석부로부터 신재생에너지 축전 예측량을 산출한다. 신재생 에너지 축전 예측량을 산출함에 있어서, 평균일조량과 실제 데이터를 이용하여 오차를 산출하고, 이를 반영하여 다음과 같이, 정확한 신재생 에너지 축전 예측량을 산출할 수 있다.
[수학식 1]
Predict_Energy = Energy_B + EC
EC(오차 보정) = Energy_B - Energy_A
여기서, Energy_A는 10년간 해당 일에 대한 평균 기상청 일조량 데이터에 따른 전력량이고, Energy_B는 일간 평균 실제 조도센서 데이터에 따른 전력량이다.
상기와 같이, 산출된 신재생 에너지 축전 예측량과 현재 배터리 축전량(charged energy)을 이용하여, 순환수 처리 모터의 구동여부 및 구동모터의 개수를 제어할 수 있다.
처리부(120)는 수집된 수질 정보를 트레이닝 데이터세트(Training Dataset)와 테스트 데이터세트(Test Dataset)로 분리하고, 상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하고, 상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하며, 새로운 수질 정보가 수집되면, 상기 회귀계수를 이용하여 수질 개선 예측 시간을 산출할 수 있다. 과거 수집되었던 수질 정보들을 트레이닝 데이터세트와 테스트 데이터세트로 분리하고, 상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하고, 상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하고, 현재 수집된 수질 정보에 상기 회귀계수를 반영하여 프레딕트 데이터세트(Predict Dataset)에 반영하여 결과를 도출할 수 있다. 1일간의 수질 정보를 계속적으로 업데이트함으로써 정확한 예측이 가능하도록 할 수 있다.
도 10은 본 발명의 일 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이고, 도 11 내지 12는 본 발명의 다른 실시예에 따른 내부건식기법 호소의 수질개선 방법의 흐름도이다.
도 10 내지 도 12에 대한 상세한 설명은 도 1 내지 도 9의 내부건식기법 호소의 수질개선 시스템에 대한 상세한 설명에 대응하므로, 이하 중복되는 설명은 생략하도록 한다.
1010 단계는 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 단계이다.
1020 단계는 상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하는 단계이다. 상기 수집된 내부건식 호소 내 수질 정보를 이용하여 수질을 분석하여 순환수 처리시설 구동 필요여부를 판단하고, 순환수 처리시설 중 모터 구동 속도 및 모터 구동에 필요한 전력량이 축전 장치에 저장되어 있는지에 따라 구동 가능한 모터의 수를 산출할 수 있다.
1030 단계는 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 단계이다. 본 단계에서는 상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장한다.
상기 수집된 정보들을 아파치 카프카를 통해 큐방식으로 상기 데이터베이스부에 저장하고, 하둡 시스템에 저장된 기존 데이터들을 기반으로 선형회귀를 수행하며, 상기 선형회귀를 수행한 기존 데이터를 상기 수집된 정보와 함께 아파치 스파크 스트리밍을 통해 분석할 수 있다.
상기 수집된 환경 정보에 포함된 신재생 에너지 관련 정보들로부터 신재생 에너지 축전 예측량을 스파크 머신러닝의 선형회귀를 통해 산출할 수 있으며, 상기 신재생 에너지 관련 정보는, 태양광 또는 풍력에 관한 정보일 수 있다.
상기 신재생 에너지 축전 예측량은, 신재생 에너지 축전 장치가 위치하는 지역의 특정 일의 평균일조량 또는 평균풍속과, 해당 지역에 설치된 조도 센서 또는 풍속 센서를 통해 측정되는 상기 특정 일의 실제 데이터를 이용하여 축전량의 오차를 산출하는 단계, 및 상기 산출된 오차를 반영하여 상기 신재생 에너지 축전 예측량을 산출하는 단계로 산출될 수 있다.
상기 수질 개선 예측 시간을 산출하는 단계는, 상기 수집된 수질 정보를 트레이닝 데이터세트와 테스트 데이터세트로 분리하여 저장하는 1110 단계, 상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하는 1120 단계, 상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하는 1130 단계, 및 새로운 수질 정보가 수집되면, 상기 회귀계수를 이용하여 수질 개선 예측 시간을 산출하는 1140 단로 수행될 수 있다.
1030단계에서 산출된 수질 개선 예측 시간은 1210 단계에서 사용자에게 제공할 수 있다.
본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체 (magnetic media), CD-ROM, DVD와 같은 광기록 매체 (optical media), 플롭티컬 디스크 (floptical disk)와 같은 자기-광 매체 (magneto-optical media), 및 롬 (ROM), 램 (RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100: 수질개선 시스템
110: 정보 수집부
120: 처리부
130: 순환수 처리시설
140: 센서
150: 사용자
110: 정보 수집부
120: 처리부
130: 순환수 처리시설
140: 센서
150: 사용자
Claims (15)
- 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 정보 수집부; 및
상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하고, 상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 처리부;를 포함하고,
상기 처리부는,
상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 1 항에 있어서,
상기 처리부는,
상기 수집된 정보들을 분석하는 데이터 분석부;
상기 분석된 정보를 저장하는 데이터베이스부; 및
상기 분석된 정보를 사용자에게 제공하는 웹서버부;를 포함하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 2 항에 있어서,
상기 데이터 분석부는,
상기 수집된 정보들을 아파치 카프카를 통해 큐방식으로 상기 데이터베이스부에 저장하고, 하둡 시스템에 저장된 기존 데이터들을 기반으로 선형회귀를 수행하며, 상기 선형회귀를 수행한 기존 데이터를 상기 수집된 정보와 함께 아파치 스파크 스트리밍을 통해 분석하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 1 항에 있어서,
상기 처리부는,
상기 수집된 내부건식 호소 내 수질 정보를 이용하여 수질을 분석하여 순환수 처리시설 구동 필요여부를 판단하고, 순환수 처리시설 중 모터 구동 속도 및 모터 구동에 필요한 전력량이 축전 장치에 저장되어 있는지에 따라 구동 가능한 모터의 수를 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 1 항에 있어서,
상기 처리부는,
상기 수집된 환경 정보에 포함된 신재생 에너지 관련 정보들로부터 신재생 에너지 축전 예측량을 스파크 머신러닝의 선형회귀를 통해 산출하고,
상기 신재생 에너지 관련 정보는,
태양광 또는 풍력에 관한 정보인 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 5 항에 있어서,
상기 신재생 에너지 축전 예측량은,
신재생 에너지 축전 장치가 위치하는 지역의 특정 일의 평균일조량 또는 평균풍속과, 해당 지역에 설치된 조도 센서 또는 풍속 센서를 통해 측정되는 상기 특정 일의 실제 데이터를 이용하여 축전량의 오차를 산출하고, 상기 산출된 오차를 반영하여 상기 신재생 에너지 축전 예측량을 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 제 1 항에 있어서,
상기 처리부는,
상기 수집된 수질 정보를 트레이닝 데이터세트와 테스트 데이터세트로 분리하고, 상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하고, 상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하며, 새로운 수질 정보가 수집되면, 상기 회귀계수를 이용하여 수질 개선 예측 시간을 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 시스템. - 내부건식기법 호소 내 수질 정보, 환경 정보, 또는 순환수 처리시설 정보를 수집하는 단계;
상기 수집된 정보들을 이용하여 수질 오염 정도를 산출하여 순환수 처리시설 구동 필요여부를 판단하는 단계; 및
상기 순환수 처리시설 구동이 필요한 경우, 상기 환경 정보를 통해 신재생 에너지 축전 예측량을 산출하고, 상기 수질 오염 정도, 신재생 에너지 축전 예측량, 순환수 처리시설 정보를 이용하여 수질 개선 예측 시간을 산출하는 단계;를 포함하고,
상기 수질 개선 예측 시간을 산출하는 단계는,
상기 수집된 정보들을 클라우드 시스템을 통해 분석, 처리, 및 저장하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항에 있어서,
상기 순환수 처리시설 구동 필요여부를 판단하는 단계는,
상기 수집된 내부건식 호소 내 수질 정보를 이용하여 수질을 분석하여 순환수 처리시설 구동 필요여부를 판단하고, 순환수 처리시설 중 모터 구동 속도 및 모터 구동에 필요한 전력량이 축전 장치에 저장되어 있는지에 따라 구동 가능한 모터의 수를 산출하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항에 있어서,
상기 수질 개선 예측 시간을 산출하는 단계는,
상기 수집된 정보들을 아파치 카프카를 통해 큐방식으로 상기 데이터베이스부에 저장하고, 하둡 시스템에 저장된 기존 데이터들을 기반으로 선형회귀를 수행하며, 상기 선형회귀를 수행한 기존 데이터를 상기 수집된 정보와 함께 아파치 스파크 스트리밍을 통해 분석하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항에 있어서,
상기 수질 개선 예측 시간을 산출하는 단계는,
상기 수집된 환경 정보에 포함된 신재생 에너지 관련 정보들로부터 신재생 에너지 축전 예측량을 스파크 머신러닝의 선형회귀를 통해 산출하고,
상기 신재생 에너지 관련 정보는,
태양광 또는 풍력에 관한 정보인 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 11 항에 있어서,
상기 신재생 에너지 축전 예측량은,
신재생 에너지 축전 장치가 위치하는 지역의 특정 일의 평균일조량 또는 평균풍속과, 해당 지역에 설치된 조도 센서 또는 풍속 센서를 통해 측정되는 상기 특정 일의 실제 데이터를 이용하여 축전량의 오차를 산출하는 단계; 및
상기 산출된 오차를 반영하여 상기 신재생 에너지 축전 예측량을 산출하는 단계;를 포함하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항에 있어서,
상기 수질 개선 예측 시간을 산출하는 단계는,
상기 수집된 수질 정보를 트레이닝 데이터세트와 테스트 데이터세트로 분리하여 저장하는 단계;
상기 트레이닝 데이터세트로부터 회귀 가중치를 산출하는 단계;
상기 회귀 가중치를 테스트 데이터세트에 반영하여 회귀계수를 산출하는 단계; 및
새로운 수질 정보가 수집되면, 상기 회귀계수를 이용하여 수질 개선 예측 시간을 산출하는 단계;를 포함하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항에 있어서,
상기 산출된 수질 개선 예측 시간을 사용자에게 제공하는 단계를 더 포함하는 것을 특징으로 하는 내부건식기법 호소의 수질개선 방법. - 제 8 항 내지 제 14 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160150357A KR20180053036A (ko) | 2016-11-11 | 2016-11-11 | 내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160150357A KR20180053036A (ko) | 2016-11-11 | 2016-11-11 | 내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180053036A true KR20180053036A (ko) | 2018-05-21 |
Family
ID=62453347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160150357A KR20180053036A (ko) | 2016-11-11 | 2016-11-11 | 내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180053036A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428914A (zh) * | 2020-03-10 | 2020-07-17 | 中国环境科学研究院 | 水环境治理工程方案的确定方法、装置及存储介质 |
| CN113912250A (zh) * | 2021-11-23 | 2022-01-11 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种乡村污水生物生态修复系统 |
| CN113935199A (zh) * | 2021-11-23 | 2022-01-14 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种乡村水环境生态链式修复系统 |
-
2016
- 2016-11-11 KR KR1020160150357A patent/KR20180053036A/ko not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428914A (zh) * | 2020-03-10 | 2020-07-17 | 中国环境科学研究院 | 水环境治理工程方案的确定方法、装置及存储介质 |
| CN111428914B (zh) * | 2020-03-10 | 2022-06-14 | 中国环境科学研究院 | 水环境治理工程方案的确定方法、装置及存储介质 |
| CN113912250A (zh) * | 2021-11-23 | 2022-01-11 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种乡村污水生物生态修复系统 |
| CN113935199A (zh) * | 2021-11-23 | 2022-01-14 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种乡村水环境生态链式修复系统 |
| CN113912250B (zh) * | 2021-11-23 | 2022-05-27 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种乡村污水生物生态修复系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10910840B2 (en) | Method and apparatus for photovoltaic power forecast based on numerical weather prediction | |
| CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
| CN104864548A (zh) | 一种空调运行的控制方法及系统 | |
| KR20180053036A (ko) | 내부건식기법 호소의 수질개선 전력 최소 비용을 위한 신재생에너지 IoT 시스템 및 그 방법 | |
| CN112435469B (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
| CN110929963A (zh) | 风速预测方法、装置以及存储介质 | |
| US20210273458A1 (en) | Real-time estimation of contributions from classes of energy generators in residual load signals | |
| US8670782B2 (en) | Systems and methods for analyzing spatiotemporally ambiguous events | |
| CN114519451B (zh) | 智能化孤岛型园区车辆碳排量预测方法和系统 | |
| CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
| CN108573327A (zh) | 基于天气数据的无线传感网节点太阳能收集功率预测算法 | |
| KR20210011745A (ko) | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 | |
| CN110705452A (zh) | 一种高速公路无人值守收费站设施智能管控方法及系统 | |
| Yao et al. | Study and application of an elevator failure monitoring system based on the internet of things technology | |
| CN104217247A (zh) | 用于预测风场中的风机的输出功率的方法和装置 | |
| KR102473018B1 (ko) | 태양광 발전 시스템 이상 감지 장치 및 방법 | |
| KR102192067B1 (ko) | 태양광 발전기의 발전량 예측 장치 및 방법 | |
| CN116701481A (zh) | 一种电采暖用电量波动分析系统及方法 | |
| CN116184214A (zh) | 车用动力电池寿命在线快速预测方法、装置及存储介质 | |
| US20170068226A1 (en) | Hybrid estimation of transition probability values in markov decision processes | |
| CN113689694B (zh) | 一种车流量预测方法、装置、设备及可读存储介质 | |
| WO2022110213A1 (zh) | 生成分析对象的预测模型的方法、装置和存储介质 | |
| CN115964843A (zh) | 考虑储能的提高区域电网新能源承载能力评估方法及系统 | |
| JP6489930B2 (ja) | 使用電力量管理装置 | |
| CN102404173A (zh) | Web服务吞吐率预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |