KR20210048955A - 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 - Google Patents
실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20210048955A KR20210048955A KR1020190133278A KR20190133278A KR20210048955A KR 20210048955 A KR20210048955 A KR 20210048955A KR 1020190133278 A KR1020190133278 A KR 1020190133278A KR 20190133278 A KR20190133278 A KR 20190133278A KR 20210048955 A KR20210048955 A KR 20210048955A
- Authority
- KR
- South Korea
- Prior art keywords
- water
- index
- demand
- island
- drought
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 609
- 238000003860 storage Methods 0.000 claims abstract description 221
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 239000003673 groundwater Substances 0.000 claims description 93
- 238000007726 management method Methods 0.000 claims description 90
- 238000013528 artificial neural network Methods 0.000 claims description 51
- 238000001556 precipitation Methods 0.000 claims description 43
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012821 model calculation Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 7
- 239000008400 supply water Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 3
- -1 rainwater Substances 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims 1
- 230000000153 supplemental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000007704 transition Effects 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
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B3/00—Methods or installations for obtaining or collecting drinking water or tap water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hydrology & Water Resources (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Environmental Sciences (AREA)
- Evolutionary Biology (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
Abstract
극한가뭄이 발생하는 도서지역에 대하여 종래의 공급자 관점의 다양한 가뭄지수를 적용하여 것과 달리, 기상자료 및 지하수 등 보조수자원 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(Water Self-sufficiency Index: WSI)와 물 자립률지수(Water Independency Index: WII)를 적용함으로써, 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대한 통합운영관리를 효율적으로 수행하고, 가뭄발생시 지하 저류시설과 배수지간의 연계 운영을 통해 용수확보를 위한 골든타임을 확보할 수 있고, 또한, 현지에서 실측된 자료를 바탕으로 도서지역의 실제 용수 수요량 모델을 적용함으로써 선제적으로 도서지역 가뭄에 대응할 수 있는, 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법이 제공된다.
Description
본 발명은 도서지역 저류시설 통합운영관리 시스템에 관한 것으로, 보다 구체적으로, 기상자료 및 지하수 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(Water Self-sufficiency Index: WSI)와 물 자립률지수(Water Independency Index: WII)를 이용하여 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역 물 공급망의 통합운영관리를 수행할 수 있는, 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법에 관한 것이다.
통상적으로, 만조시 4면이 바다로 둘러싸인 지역을 도서(Islands)라고 하는데, 국내 대부분의 도서는 면적 100㎢ 이하로 극소규모 도서에 속한다. 특히, 규모가 작은 도서지역은 하천의 발달이 미약하기 때문에 용수원 확보가 용이하지 않고, 또한 지리적인 여건상 태풍, 가뭄 등의 재난에 취약하다.
이러한 도서지역에서는 식수원개발사업을 통해 안정적인 용수공급을 추진하고 있지만, 최근 기후변화로 인해 극한가뭄이 발생함으로써 기존 용수공급시설이 기능을 상실하거나 또는 제한적인 단수를 실시해야 하는 문제점이 발생되고 있다.
최근에는 이러한 도서지역에 수도법상 인정되고 있는 빗물이용시설 등을 설치하여 상수 대체율을 제고하고 있다. 여기서, 빗물이용시설이란 빗물을 모아 생활용수, 조경용수, 공업용수 등으로 이용할 수 있도록 처리하는 시설을 말한다.
이러한 빗물이용시설을 도서지역에 활용하기 위해서 별도의 집수시설, 저류시설, 수처리시설, 송수/배수시설 등이 필요하다. 하지만, 가정용 간이 빗물이용시설의 경우, 그 규모가 작고 이용량의 한계가 있으며, 유지관리가 어렵기 때문에 널리 보급되지 않고 있는 실정이다.
이에 따라, 최근에는 빗물이용시설의 설치 기준중 하나인 대지면적이 2,000㎡ 이상이고, 연면적이 3,000㎡ 이상인 건축물 또는 공공시설물 내 마을 단위의 물 자립률을 향상시키기 위해서 수백 톤 이상의 계곡수, 빗물, 지하수 등의 수자원을 저장할 수 있는 중규모 또는 대규모의 빗물이용시설, 저류시설 등을 설치하고 있다. 하지만, 이러한 중규모 또는 대규모의 빗물이용시설이나 저류시설은 기후변화로 인한 극한가뭄에 대응하기 위한 시설임에도 불구하고, 별도의 기상자료 또는 도서지역 내 용수 수요/공급 특성을 반영하지 않은 상태에서 설계 및 운영되고 있다.
한편, 국내의 가뭄 대응 시스템은 가뭄 관리를 위한 가뭄관련 정부 부처마다 기상학적 가뭄지수, 농업적 가뭄지수 또는 수문학적 가뭄지수를 분야별로 개별 관리를 시행하고 있지만, 이러한 가뭄지수들간의 연계성이 부족하고 일부가 중복되어 관리되는 문제점이 있다. 또한, 중앙부처에서 감시하고 있는 가뭄지수의 경우와 보조수자원으로 활용할 수 있는 지하수 함량 및 수질 감시 시스템의 경우, 주로 내륙지방에 초점을 맞추고 있다. 따라서 도서지역에 설치된 빗물이용시설이나 저류시설의 운영시, 저류량의 결정 및 분배가 용이하지 않고, 이에 따라, 가뭄에 대비한 골든타임 확보가 어렵다는 문제점이 있다.
이러한 실시간 가뭄지수와 관련하여, 국내 환경 특성에 맞게 개선하려는 시도도 적지 않았다. 지금까지도 가뭄발생의 시간적 공간적 분포를 묘사하기 위한 기술개발을 하고 있지만, 국내 수문ㅇ기상 자료 측면에서 가뭄지수를 이용한 전국적 가뭄 모니터링은 기상학적 가뭄지수를 이용할 수 있다. 또한, 토양학적 가뭄지수 및 수문학적 가뭄지수는 주요 댐, 저수지, 국가 하천 등 모니터링이 가능한 지역에 대해서 검증이 가능하지만, 미계측 지역에 대한 평가도 추가적으로 연구가 지속적으로 수행될 필요가 있다. 특히, 인공위성을 활용한 전국적 가뭄 모니터링은 공간적 확장성 측면에서 장점이 있지만, 실제 현장의 가뭄상황과는 차이가 있으며, 선제적 가뭄대응을 위해 가뭄지수를 활용하기에는 한계가 있다.
한편, 선행기술로서, 대한민국 등록특허번호 제10-923402호에는 "가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는 방법"이라는 명칭의 발명이 개시되어 있는데, 도 1 및 도 2를 참조하여 설명한다.
도 1은 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률 시스템의 구성도이고, 도 2는 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법의 동작흐름도이다.
도 1을 참조하면, 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률 시스템(10)은 ADI 트리거(11), 저수량 트리거(12), 정상운영률(Ordinary Operation Policy) 모델(13) 및 비상운영률(Emergency Operating Policy) 모델(14)을 포함한다.
정상운영률 모델(13)은 확률론적 유량을 예측하는 앙상블 유량예측(Ensemble Streamflow Prediction: ESP)과 미래 유입량의 불확실성을 고려한 추계학적 최적화 기법인 표본 추계학적 동적 프로그래밍(Sampling Stochastic Dynamic Programming: SSDP)이 결합된 모델이다.
비상운영률 모델(14)은 가뭄에 대비하기 위한 헤징 룰(hedging rule)과 상기 표본 추계학적 동적 프로그래밍이 결합된 모델이다.
ADI 트리거(Aggregate Drought Index trigger: 11)는 통합가뭄지수(Aggregate Drought Index: ADI)를 근거로 하여 가뭄의 존재여부와 심도를 구분하는 지표의 경계값을 나타낸다. 여기서, 통합가뭄지수(ADI)는 모든 가뭄 형태를 고려하여 산정한 지수로서, 기상학적 가뭄을 나타낼 수 있는 강수량과 수문학적 가뭄을 나타낼 수 있는 유출량, 지하수위 등을 모두 사용하고, 이를 하나의 지수로 산정하여 가뭄을 표현한다.
저수량 트리거(12)는 운영기간 단위에 따른 신뢰도 평가에 따라 설정된 기준수위를 나타낸다.
종래의 기술에 따른 가뭄관리를 위한 최적의 운영률 시스템(10)의 겨우, ADI 트리거(11) 및 저수량 트리거(12)의 작동에 따라 선택적으로 정상운영률 모델(13) 또는 비상운영률 모델(14)이 적용된다.
구체적으로, 도 2를 참조하면, 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법은, 먼저, 매월 강수량과 유출량을 모니터링하여(S11), 통합가뭄지수(ADI)를 산정하고, 월초 저수량을 관측해서 ADI 트리거(11)와 저수량 트리거(12)를 기준으로 가뭄의 발생 여부를 판단한다(S12).
다음으로, 수계의 상태가 정상적인 경우, 다중목적함수에 의한 표본 추계학적 동적 프로그래밍(SSDP)을 적용하여(S13), 계획방류량을 모두 방류하는 정상운영률을 시행한다(S14).
또한, 수계 상태가 비정상적인 경우, 용수부족의 단일목적함수에 의한 표본 추계학적 동적 프로그래밍(SSDP)을 적용하고(S15), 비상운영률 모델(14)에 기인한 최적의 감소계수를 산정하여 헤징 룰을 적용한다(S16).
다음으로, t 기간을 순차적으로 증가시켜 전술한 강수량과 유출량을 모니터링하는 S11 단계부터 S16 단계를 반복한다(S17). 여기서, t는 기간(Stage)인 개월수를 나타낸다.
종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법의 경우, 앙상블 유량예측(ESP)을 사용하므로, 용수부족량을 살펴볼 때, 정확도가 더 높은 앙상블 유량예측(ESP)을 사용할수록 정상운영률 모델(13)과 비상운영률 모델(14) 모두 용수부족량이 감소하는 경향을 나타낸다.
종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법은 가뭄에 대비하기 위한 헤징 룰(hedging rule)과 표본 추계학적 동적 프로그래밍(SSDP) 모델을 결합한 비상운영률 모델이 도입된 최적의 운영률 시스템 및 이를 적용하는 방법으로서, 정상 운영률 모델과 비상 운영률 모델이 도출되고, 이를 통해 가뭄과 같은 비정상적 상황에서 용수부족과 취약도를 고려하여 이를 관리할 수 있다.
하지만, 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률 시스템 및 그 방법의 경우, 가뭄에 대비하기 위한 헤징 룰과 표본 추계학적 동적 프로그래밍 모델을 사용하지만, 이러한 모델의 최적화된 상수를 도출하기 어렵고, 또한, 보조수자원 저류시설과 배수지간의 통합운영에 있어서 가뭄지수를 활용할 수 없다는 문제점이 있다.
한편, 전술한 문제점을 해결하기 위한 다른 선행기술로서, 대한민국 등록특허번호 제10-1718294호에는 "가뭄예측 시스템"이라는 명칭의 발명이 개시되어 있는데, 도 3a 및 도 3b를 참조하여 설명한다.
도 3a 및 도 3b는 각각 종래의 기술에 따른 가뭄예측 시스템을 설명하기 위한 구성도로서, 도 3a는 가뭄예측 시스템의 개략적인 구성도이고, 도 3b는 디스플레이의 구체적인 구성도이다.
도 3a를 참조하면, 종래의 기술에 따른 가뭄예측 시스템(20)은 제어부(21), 디스플레이(22), 입력부(23), 메모리(24) 및 통신부(25)를 포함한다.
제어부(21)는 소정의 조건을 기준으로 특정 시점의 가뭄상태를 심한 습윤 상태, 약한 습윤 상태, 정상 상태, 약한 가뭄 상태 및 심한 가뭄 상태 중 어느 하나의 상태로 산출하며, 디스플레이(22)는, 도 3b에 도시된 바와 같이, 제어부(21)에 의해 산출된 가뭄상태를 표시한다.
종래의 기술에 따른 가뭄예측 시스템(20)의 경우, 하천유량, 댐 유입량, 저수율 및 지하수위를 포함하는 용수공급정보를 기초로 하여 특정 시점의 용수공급을 고려한 가뭄지수를 산출하고, 상기 용수공급을 고려한 가뭄지수를 기초로 하여 소정의 조건을 기준으로 제1 가뭄상태를 산출한다.
다음으로, 시간단위별 강수 부족량을 포함하는 표준강수정보를 기초로 하여 표준강수지수(Standardized Precipitation Index: SPI)를 산출하고, 이를 기초로 하여 제2 가뭄상태를 산출하되 두 정보 값이 동일하지 않을 경우 파머가뭄지수(Palmer Drought Severity Index: PDSI)로 제3 가뭄상태를 산출한다.
다음으로, 제3 가뭄상태가 제1 및 제2 가뭄상태와 동일하지 않으면, 강수량, 댐 유입량 및 하천유량을 포함하는 수문학적 가뭄지수(Modified Surface Water Supply Index: MSWSI)를 산출하고, 이를 제4 가뭄상태로 산출한다.
마지막으로, 농작물의 생산량을 포함하는 토양 수분정보를 기초로 토양수분지수(Soil Moisture Index: SMI)로 제5 가뭄상태를 표시한다. 여기서, 제1 내지 제5 가뭄상태 각각은 심한 습윤 상태, 약한 습윤 상태, 정상 상태를, 약한 가뭄 상태 및 심한 가뭄 상태 중 어느 하나를 나타낼 수 있다.
그러나 종래의 기술에 따른 가뭄예측 시스템의 경우, 가뭄지표로 용수공급정보, 표준강수지수, 수문학적 가뭄지수, 토양수분지수 등 다양한 인자를 종합적으로 고려하지만, 이러한 가뭄지표들의 상호간 연관성도 떨어지고, 또한, 국내와 같이 산악지역이 많고 삼면이 바다로 이루어진 지형 조건에서 파머가뭄지수나 토양수분지수의 신뢰성이 떨어지는 문제점이 있다.
종래의 기술에 따른 가뭄예측 시스템의 경우, 내륙지역 등의 광범위한 지역에 대한 사전정보로서의 가뭄정보 상황을 제공하는 기술로 활용할 수 있으나, 실제 가뭄 사후대책의 일환으로 추진되는 집배수시설, 송배수시설, 수처리시설 등을 포함한 저류시설의 보조수자원 선택적 취수와 배수지 시설의 수위/수질 등을 종합한 통합운영에 있어서 가뭄지수를 활용할 수 없다는 문제점이 있다.
또한, 종래의 기술에 따른 가뭄예측 시스템의 경우, 다양한 가뭄지수를 단계별로 단순히 정보를 제공하는 기능에 한정되어 있다. 또한, 용수공급정보, 표준강수지수, 수문학적 가뭄지수, 토양수분지수 등 다양한 인자를 고려하지만, 상호간의 연관성도 낮을 뿐만 아니라 국내환경에 적합하지 않기 때문에 정확한 정보를 제공할 수 없다는 한계점을 갖고 있다.
전술한 문제점을 해결하기 위한 본 발명이 이루고자 하는 기술적 과제는, 기상자료 및 지하수 등 보조수자원 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(WWSI)와 물 자립률지수(WII)를 적용함으로써, 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대한 통합운영관리를 효율적으로 수행하고, 가뭄발생시 지하 저류시설과 배수지간의 연계 운영을 통해 용수확보를 위한 골든타임을 확보할 수 있는, 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법을 제공하기 위한 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는, 선제적으로 도서지역 가뭄에 대응할 수 있도록 현지에서 실측된 자료를 바탕으로 도서지역의 실제 용수 수요량 모델을 적용할 수 있는, 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법을 제공하기 위한 것이다.
전술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템은, 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 시스템에 있어서, 배수지, 지하 저류시설 또는 육상 저류시설을 포함하며, 각각 수위를 계측할 수 있도록 수위계가 설치되는 도서지역 저류시설; 기상청에서 실시간으로 공개적으로 제공되는 기상자료와 도서지역의 보조수자원 수위에 대한 실시간 정보를 수집하여, 상기 도서지역 저류시설에 대한 물 공급능력지수(WSI) 및 물 자립률지수(WII)를 모니터링하는 저류시설 모니터링부; 기상자료를 이용한 수요가 중심의 물 공급능력지수(WSI), 가뭄일수를 고려한 용수확보 가능량 및 대상지역 수요가의 물 수요패턴 모델을 반영하여 가뭄발생 전 용수 공급 및 저장 가능 여부를 해석하는 수요가 중심의 가뭄지수 해석부; 및 상기 수요가 중심의 가뭄지수 해석부에서 결정된 최적 수위를 유지하기 위하여 계곡수 또는 지하수의 보조 수자원을 포함한 도서지역 저류시설을 제어하는 저류시설 제어부를 포함하되, 실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 이용하여 다수의 지하 저류시설 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역 물 공급망의 통합운영관리를 수행하는 것을 특징으로 한다.
여기서, 상기 물 공급능력지수(WCI)는 도서지역 물 공급 구역 내에 있는 현재의 저류시설과 기존 배수지의 물 확보 가능량과 향후 공급해야 하는 수요량과의 물 수지를 평가함으로써, 가뭄 발생시 대상지역에 물 공급 가능한 시간을 정량화한 지수로서, 다음의 수학식 1과 같이 주어지며, 최종적인 물 공급능력지수(
) 값은 다음의 수학식 2와 같이 산출되며,
[수학식 1]
여기서, 
는 대상지역 내 수요가의 수요패턴을 반영한 물 수요량으로서, 시간적으로 익월 대상지역의 수요패턴을 반영한 용수 공급 가능량을 의미하고, 
는 지하수 또는 계곡수의 수위계 연동 물 확보 가능량으로서, 시간적으로 당월 지하수 또는 계곡수 수위계를 통해 확보 가능한 용수량을 의미하며;
[수학식 2]
여기서, 
는 최종 산출된 
값으로 표준 물 공급능력지수를 의미하며, 
은 저류시설에서 현재 저수량으로 공급할 수 있는 개월 수를 의미하고, 
는 
개월 동안 물을 공급한 후 남은 물 양이 현재부터 n개월 후의 공급계획량보다 작기 때문에 n개월 후의 해당 월에 대한 물 공급계획량 중 어느 정도를 감할 수 있는지를 의미하는 값인 것을 특징으로 한다.
여기서, 상기 물 자립률지수(WII)는 대상지역에서 사용하는 전체 용수 사용량에 대한 자체 공급량을 비율로 정의되며, 다음의 수학식 3과 주어지고,
[수학식 3]
여기서, 전체 물 공급량(Total Water Supply Amount: 
)에 대한 수요가 현재 물 수요량(Present Water Demand Amount: 
)의 비율로 나타내고, 이때, 전체 물 공급량(
)은 현재 공급되고 있는 기존 물 공급시설의 물 공급량(Main Water Demand Amount: 
)과 계곡수, 빗물 및 기타 지하수로부터 사용가능한 보조수자원의 물 공급량(Sub Water Demand Amount: 
)을 더한 값으로 주어지며, 상기 물 자립률지수(
)는 일정 수준의 자립률을 유지하는지 판단하는 지표로 사용되는 것을 특징으로 한다.
여기서, 상기 저류시설 모니터링부는, 상기 기상청 DB에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하는 가뭄빈도 분석부; 상기 기상청 DB의 강수량 자료로부터 표준강수지수(SPI)를 분석하는 표준강수지수 분석부; 도서지역의 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석하는 표준지하수지수 분석부; 도서지역 저류시설의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출하는 지하수 함량 및 물 확보 가능량 산출부; 인공신경망 모델을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출하는 수요패턴 반영 물 수요량 산출부; 수요가 중심의 물 수요패턴을 반영하여 수요가 중심의 물 공급능력지수(WSI)를 산출하는 수요가 중심 물 공급능력지수 산출부; 도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정하는 현재 물 확보량 결정부; 도서지역의 현재 물 수요량을 결정하는 현재 물 수요량 결정부; 및 표준 물 공급능력지수(SWSI) 및 물 자립률지수(WII)를 결정하는 표준 물 공급능력지수 및 물 자립률지수 결정부를 포함할 수 있다.
여기서, 상기 수요가 중심의 가뭄지수 해석부에서 수요가 중심의 물 공급능력지수(WSI)는 대상 지역의 실측된 자료를 바탕으로 선제적 가뭄대응의 시간적 기준에 따른 예상 가능 부족율을 고려하여 산정될 수 있다.
여기서, 상기 산출된 수요가 중심의 물 공급능력지수(WSI)를 이용하여 가뭄 발생시 상기 물 자립률지수(WII)가 일정 수준 유지되도록 최소한의 저류시설 또는 배수지 수위가 관리되도록 연계하는 것을 특징으로 한다.
여기서, 상기 수요가의 물 수요패턴 모델은 배수지 수위 이력과 기상청 강우자료를 이용한 인공신경망 모델(ANN)로부터 산출할 수 있다.
여기서, 상기 인공신경망 모델은 모델 입력부, 인공신경망 모델 연산처리부 및 모델 출력부을 포함하며, 상기 모델 입력부에 배수지 수위, 시간계수, 기온 및 표준강수지수를 모델 인자로 입력하고, 상기 인공신경망 모델 연산처리부에서 처리한 후, 상기 모델 출력부에서 공급 가능량을 산출하여 출력하는 것을 특징으로 한다.
여기서, 상기 인공신경망 모델 연산처리부는 입력층과 출력층 사이에 은닉층을 두는 다층 구조를 갖고, 데이터베이스에서 추출된 과거 데이터를 훈련시키는 다층 퍼셉트론 알고리즘을 이용하는 것을 특징으로 한다.
여기서, 상기 가뭄일수를 고려한 용수확보 가능량은 기상 데이터를 고려한 지하수 수위 모델과 대상지역에서 확보 가능한 계곡수 또는 빗물의 자료로부터 산출되며, 이를 위해 지하수의 경우, 대상지역인 도서지역내 지하수 수위를 실시간으로 측정하고 과거 이력과의 비교를 통해, 지하수 공급량을 분석하여 상기 수요가 물 공급능력지수(WSI)가 운영자 설정값 이상을 만족할 수 있도록 도서지역 저류시설이 최소 유지량을 확보할 수 있다.
한편, 전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법은, 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 방법에 있어서, a) 기상청 DB에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하는 단계; b) 기상청 DB의 강수량 자료로부터 표준강수지수(SPI)를 분석하는 단계; c) 도서지역의 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석하는 단계; d) 도서지역 저류시설의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출하는 단계; e) 인공신경망 모델을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출하는 단계; f) 수요가 중심의 물 수요패턴을 반영하여 수요가 중심의 물 공급능력지수(WSI)를 산출하는 단계; g) 도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정하는 단계; h) 도서지역의 현재 물 수요량을 결정하는 단계; I) 표준 물 공급능력지수(SWSI) 및 물 자립률지수(WII)를 결정하는 단계; 및 j) 저류시설 제어부가 도서지역의 물 자립률 설정값을 유지시키고 도시지역 저류시설과 배수지가 최소 수위를 유지하도록 제어하는 단계를 포함하되, 실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 이용하여 다수의 지하 저류시설 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역 물 공급망의 통합운영관리를 수행하는 것을 특징으로 한다.
여기서, 상기 a) 단계에서 기상청 DB에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석할 수 있다.
여기서, 상기 b) 단계에서 기상청 DB에 저장된 도서지역의 최대 가뭄일수 이상을 기준으로 표준강수지수(SPI)를 분석할 수 있다.
본 발명에 따르면, 극한가뭄이 발생하는 도서지역에 대하여 종래의 공급자 관점의 다양한 가뭄지수를 적용하여 것과 달리, 기상자료 및 지하수 등 보조수자원 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 적용함으로써, 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대한 통합운영관리를 효율적으로 수행하고, 가뭄발생시 지하 저류시설과 배수지간의 연계 운영을 통해 용수확보를 위한 골든타임을 확보할 수 있다.
본 발명에 따르면, 현지에서 실측된 자료를 바탕으로 도서지역의 실제 용수 수요량 모델을 적용함으로써 선제적으로 도서지역 가뭄에 대응할 수 있다.
도 1은 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률 시스템의 구성도이다.
도 2는 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법의 동작흐름도이다.
도 3a 및 도 3b는 각각 종래의 기술에 따른 가뭄예측 시스템을 설명하기 위한 구성도로서, 도 3a는 가뭄예측 시스템의 개략적인 구성도이고, 도 3b는 디스플레이의 구체적인 구성도이다.
도 4는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 개략적인 구성도이다.
도 5는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 모식도이다.
도 6은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 구체적인 구성도이다.
도 7은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 저류시설 모니터링부의 구체적인 구성도이다.
도 8은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 수요가 용수 수요값과 표준지하수지수를 결정하기 위한 인공신경망 모델을 나타낸다.
도 9는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템이 적용된 다수의 배수지와 저류지 운영 시뮬레이터 해석 결과를 나타내는 도면이다.
도 10은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법을 나타내는 동작흐름도이다.
도 2는 종래의 기술에 따른 가뭄관리를 위한 최적의 운영률을 적용하는 방법의 동작흐름도이다.
도 3a 및 도 3b는 각각 종래의 기술에 따른 가뭄예측 시스템을 설명하기 위한 구성도로서, 도 3a는 가뭄예측 시스템의 개략적인 구성도이고, 도 3b는 디스플레이의 구체적인 구성도이다.
도 4는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 개략적인 구성도이다.
도 5는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 모식도이다.
도 6은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 구체적인 구성도이다.
도 7은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 저류시설 모니터링부의 구체적인 구성도이다.
도 8은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 수요가 용수 수요값과 표준지하수지수를 결정하기 위한 인공신경망 모델을 나타낸다.
도 9는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템이 적용된 다수의 배수지와 저류지 운영 시뮬레이터 해석 결과를 나타내는 도면이다.
도 10은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법을 나타내는 동작흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
[실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템(100)]
도 4는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 개략적인 구성도이고, 도 5는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 모식도이다.
도 4 및 도 5를 참조하면, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템은, 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 시스템으로서, 도서지역 저류시설(100), 저류시설 모니터링부(200), 수요가 중심 가뭄지수 해석부(300) 및 저류시설 제어부(400)를 포함한다.
도서지역 저류시설(100)은, 도 5에 도시된 바와 같이, 배수지(110), 지하 저류시설(120) 또는 육상 저류시설(130) 등을 포함하며, 각각 수위를 계측할 수 있도록 수위계(140)가 설치된다. 또한, 도 5에 도시된 바와 같이, 도서지역 내 지하수에도 수위계(140)가 설치되어 수위를 계측한다. 이때, 지하 저류시설(120) 또는 육상 저류시설(130)은 별도의 집수시설, 저류시설 등을 일체로 포함하고 있고, 기존 설치 운영 중인 배수지(110) 관망 계통과 연계시킴으로써 기후에 따른 용수공급 능력을 예측하여 가뭄 등 위기가 도래하기 전에 선택적으로 물을 취수 및 저장할 수 있다.
저류시설 모니터링부(200)는 기상청 DB(500)로부터 실시간으로 공개적으로 제공되는 기상자료와 도서지역의 보조수자원 수위에 대한 실시간 정보를 수집하여, 상기 도서지역 저류시설(100)에 대한 물 공급능력지수(WSI) 및 물 자립률지수(WII)를 모니터링한다.
수요가 중심의 가뭄지수 해석부(300)는 기상자료를 이용한 수요가 중심의 물 공급능력지수(WSI), 가뭄일수를 고려한 용수확보 가능량 및 대상지역 수요가의 물 수요패턴 모델을 반영하여 가뭄발생 전 용수 공급 및 저장 가능 여부를 해석한다.
본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템의 경우, 대상지역에서 전체 용수 사용량은 기존 방식의 자체 공급량과 계곡수, 빗물 또는 지하수 등 사용가능한 보조수자원의 합으로 정의한다. 또한, 자체 공급량은 대상지역의 시간별 또는 일별 물 수요량의 수요패턴이 반영되어야 한다. 이러한 수요패턴은 과거의 이력으로부터 산출하되, 일반적으로 비선형모델 형태의 함수로서, 이를 반영하기 위하여 물수요량, 시간계수, 기온 및 일사량 등을 표준화하여 비선형 모델을 구현하거나, 또는 인공신경망 또는 유전자 프로그래밍(Genetic programming) 등 과거 데이터의 딥러닝 기법을 통해 예측 모델을 만들 수 있다. 본 발명의 실시예에서, 상기 수요가 중심의 가뭄지수 해석부(300)는, 후술하는 도 8에 도시된 바와 같이, 인공신경망 모델(ANN)을 이용할 수 있지만, 이에 국한되는 것은 아니다.
저류시설 제어부(400)는 상기 수요가 중심의 가뭄지수 해석부(300)에서 결정된 최적 수위를 유지하기 위하여 계곡수 또는 지하수의 보조 수자원을 포함한 도서지역 저류시설(100)을 제어한다.
이에 따라, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템은, 도 5에 도시된 바와 같이, 수요가 중심 물 수요패턴에 따라 대상지역 물 공급능력지수를 해석함으로써 수요자 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 연계하여 가뭄 대응 배수지 및 저류시설을 통합적으로 운영 및 관리할 수 있다.
구체적으로, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템은, 기후변화로 인하여 극심한 가뭄이 지속되고 있는 도서지역 등에 위치한 마을 단위에 계곡수, 지하수 등의 보조수자원을 저장하기 위한 신규로 설치하는 다수의 지하 저류시설(120) 또는 육상 저류시설(130) 등과 기존 물 공급시설의 배수지(110) 및 공급 네트워크에 대하여, 기상청 DB(500)에 저장된 기상자료 및 지하수 등 보조수자원 등에서 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 획득하며, 이를 이용하여 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대하여 통합운영관리를 효율적으로 수행할 수 있다.
한편, 도 6은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 구체적인 구성도이며, 도 7은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 저류시설 모니터링부의 구체적인 구성도이다.
도 6 및 도 7을 참조하면, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템은, 도서지역 저류시설(100), 저류시설 모니터링부(200), 수요가 중심 가뭄지수 해석부(300) 및 저류시설 제어부(400)를 포함한다.
도서지역 저류시설(100)은 배수지(110), 지하저류시설(120) 및 육상 저류시설(130)을 포함하며, 각각 수위계(140)가 설치되며, 상기 수위계(140)를 통해 계측된 수위 데이터는, 도 7에 도시된 바와 같이, 실시간으로 수위 DB(600)에 저장된다. 여기서, 상기 배수지(Service Reservoir: 110)는 정화 과정을 거쳐 깨끗해진 물이 가정에 공급되기 전에 마지막으로 거치는 연못을 말하는데, 급수량을 조절하면서 안정적으로 물을 공급하는 역할을 하며, 이러한 배수지(110)는 물을 많이 사용하는 시간대에는 많은 물을 공급하고, 물의 사용이 적은 새벽에는 물의 공급량을 줄이는 등, 급수량을 조절하면서 안정적으로 물을 공급하는 시설이다.
저류시설 모니터링부(200)는 기상청 DB(500)로부터 실시간으로 공개적으로 제공되는 기상자료와 도서지역의 보조수자원 수위에 대한 실시간 정보를 수집하여, 상기 도서지역 저류시설(100)에 대한 물 공급능력지수(WSI) 및 물 자립률지수(WII)를 모니터링한다. 즉, 상기 저류시설 모니터링부(200)는 상기 도서지역 저류시설(100)로부터 저류시설 및 지하수에 대한 수위 데이터를 수신하여 상기 도서지역 저류시설(100)의 저류 상태를 모니터링하고, 기상청 DB(500)로부터 실시간 기상자료를 제공받아 상기 도서지역 저류시설(100)에 대한 물 공급능력지수(WSI) 및 물 자립률지수(WII)를 모니터링한다. 다시 말하면, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템은, 지하 또는 육상 저류시설(120, 130)~배수지(110)~수요가(마을)간 연계 운영을 위하여 기상청에서 제공되는 표준화된 가뭄지수를 제공받고, 이를 활용한다.
여기서, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템에 적용되는 실시간 물 공급능력지수(WCI)는 도서지역 물 공급 구역 내에 있는 현재의 저류시설(120, 130)과 기존 배수지(110) 등의 물 확보 가능량과 향후 공급해야 하는 수요량과의 물 수지(Hydrological Balance)를 평가함으로써, 가뭄 발생시 대상지역에 물 공급 가능한 시간을 정량화한 지수이다. 또한, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템에 적용되는 물 자립률지수(WII)는 대상지역에서 사용하는 전체 용수 사용량에 대한 자체 공급량을 비율로 정의된다.
수요가 중심의 가뭄지수 해석부(300)는 기상자료를 이용한 수요가 중심의 물 공급능력지수(WSI), 가뭄일수를 고려한 용수확보 가능량 및 대상지역 수요가의 물 수요패턴 모델을 반영하여 가뭄발생 전 용수 공급 및 저장 가능 여부를 해석한다. 여기서, 상기 수요가 중심의 물 공급능력지수(WSI)는 대상 지역의 실측된 자료를 바탕으로 선제적 가뭄대응의 시간적 기준에 따른 예상 가능 부족율을 고려하여 산정되며, 상기 산출된 수요가 중심의 물 공급능력지수(WSI)를 이용하여 가뭄 발생시 상기 물 자립률지수(WII)가 일정 수준 유지되도록 최소한의 저류시설 또는 배수지 수위가 관리되도록 연계시킬 수 있다.
저류시설 제어부(400)는 상기 수요가 중심의 가뭄지수 해석부(300)에서 결정된 최적 수위를 유지하기 위하여 계곡수 또는 지하수의 보조 수자원을 포함한 도서지역 저류시설(100)을 제어한다.
이에 따라, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 경우, 특히, 실시간 수요가 중심의 물 공급능력지수와 물 자립률지수 산출은 대상지역에 대한 기상청으로부터 공개된 기상자료를 이용한 표준강수지수와 표준지하수지수를 이용하되, 물 공급능력지수 산출시 해당지역의 지하수 수위계 등의 실시간 정보를 활용하여 데이터의 정확성을 높일 수 있다.
구체적으로, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템의 경우, 우선, 극한가뭄시 도서지역의 선제적인 물 공급관리를 위해서는 특정시점의 기상자료와 수위 자료를 활용하는 것이 아니라, 수요가의 물 사용 패턴, 과거 가뭄 이력 자료, 현재 지하수 수위 및 기타 보조 수자원을 저장할 수 있는 저류시설의 용량 등을 고려하여야 한다.
즉, 저류시설 및 배수지 통합 운영을 위해서 무엇보다 시간적 개념을 반영하는 것이 중요하다. 기존에 제시된 가뭄지수는 용수공급, 수문학, 토양 관점에서 단순히 물 부족에 관한 지수이지만, 상호간에 연관성도 낮고 저류시설과 배수지간의 통합운영을 위해 불필요한 가뭄지수를 사용할 필요가 없다. 또한, 기존 기상청에서 제공하고 있는 다양한 기상가뭄, 농업가뭄, 수문학적 가뭄, 사회경제적 가뭄 판단기준은 평년의 기상학적 상태 및 수문학적 상태에 대비하기 때문에 실제 가뭄대응을 위한 용수 공급시설의 운영시 효과적인 의사결정을 판단하기가 쉽지 않다.
이에 따라, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템의 경우, 수요가 중심의 시간적 기준의 실시간 물 공급능력지수와 물 자립률지수는 대상지역의 과거의 기상정보, 지하수위, 배수지 수위 정보를 통해 가뭄진행 상황과 앞으로의 가뭄발생 여부를 파악할 수 있어서 무엇보다 가뭄발생시 용수확보를 위한 골든타임을 확보할 수 있는 장점이 있다.
예를 들면, 극심한 가뭄이 예상되는 도서지역에 과거 최대 가뭄일수와 물 사용량 패턴을 고려하여 기상청의 가뭄예측시기를 통해 지하수 수위가 풍부한 시기의 지하수를 가뭄을 위한 별도의 지하 저류시설 또는 육상 저류시설에 저장하여 가뭄시기에 활용할 수 있다.
또한, 대상지역의 용수 수요 패턴이 반영된 물 자립률지수를 적용함으로써 공급량과 저장량을 조절할 수 있는 장점이 있다. 즉, 본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템을 구체화시키는 수요가 중심의 물 공급능력지수는 종래의 수요량과 공급량의 부족량의 부족율을 고려한 가뭄지수와 달리, 현지에서 실측된 자료를 바탕으로 선제적 가뭄대응의 시간적 기준에서 예상 가능 부족률을 고려한 가뭄지수이다.
상기의 수요 측면의 시간적 기준에서 예상 가능 부족은 일반적으로 도서지역에서 발생할 수 있는 특징으로 가뭄으로 인한 물 부족 발생 원인이 수요량의 증가보다는 공급량의 감소에 의해서 주로 발생하기 때문에, 저류시설 등을 통해 계곡수 및 지하수 등 사용가능한 보조수자원 확보 가능량을 시간적 변화를 수위계 센서 등을 이용하여 산출한다.
본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템에 적용되는 수요가 중심의 물 공급능력지수(Water Self-sufficiency Index: 
)는 다음의 수학식 1에 의하여 산정할 수 있고, 수요와 공급에 대한 상대적인 변화율을 이용하여 장래 가뭄피해의 발생확률을 예상할 수 있다.
예를 들면, 실제 도서지역에 가뭄이 발생하였을 경우, 가용한 물 공급 및 저장시설에서 과거 최대 가뭄지속일수를 고려하여 현재의 시점 기준이 아닌 시간에 따른 패턴을 반영하여 물 공급 및 저장이 가능한 물의 양을 파악하여 가뭄에 대응할 수 있는 정도를 파악한다.
본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템에 적용되는 물 공급능력지수(
)는 도서지역 물 공급 구역 내에 있는 현재의 저류시설(120, 130)과 기존 배수지(110) 등의 물 확보 가능량과 향후 공급해야 하는 수요량과의 물 수지(Hydrological Balance)를 평가함으로써, 가뭄 발생시 대상지역에 물 공급 가능한 시간을 정량화한 지수이다.
이때, 도서지역 저류시설(100)의 가뭄 평가를 위한 물 공급능력지수(
) 산출 과정에서 해당 구역내 저류시설을 통해 확보할 수 있는 지하수 또는 계곡수에 대한 추가적인 유입량은 고려하지 않는다. 그 이유는 물 공급능력지수(
)가 가뭄을 가정하여 향후 강수량이 없고 저류시설(120, 130)로의 유입량이 없는 최악의 기상상황에서 향후 몇 개월의 공급능력이 있는지 판단한 지수이기 때문이다. 구체적으로, 상기 물 공급능력지수(
)는 다음의 수학식 1과 같이 주어지며, 구체적인 산출 과정은 아래의 순서를 따른다.
여기서, 
는 대상지역 내 수요가의 수요패턴을 반영한 물 수요량으로서, 시간적으로 익월 대상지역의 수요패턴을 반영한 용수 공급 가능량을 의미한다. 또한, 
는 지하수 또는 계곡수 수위계 연동 물 확보 가능량으로서, 시간적으로 당월 지하수 또는 계곡수 수위계를 통해 확보 가능한 용수량을 의미한다. 이때, 
는 당월을 나타내고, 
+1은 익월을 의미한다.
구체적으로, 먼저, 과거 계곡수 또는 지하수 수위 모델을 구축하고, 현재의 데이터와 비교함으로써 물 확보 가능 여부와 대상지역의 표준지하수지수를 판단하고, 물 공급능력지수(
)를 산출하기 위한 수학식 1에 반영할 물 확보 가능량(
)을 산출한다. 이때, 물 공급능력지수(
) 값에 따라 가뭄 대응능력이 떨어지면 사전에 확보할 수 있도록 의사결정 할 수 있다.
대상지역의 수요패턴을 반영한 용수 공급 가능량(
)은 단순히 대상 주민의 1인당 1일 물 최소 사용량(Liter/Person??Day: LPCD)을 기초로 산출하지 않고, 대상지역 물 공급 구역내 과거 수요패턴을 고려한 수요량을 의미한다.
여기서, 
의 의미는 물 수요패턴 모델로부터 산출한 익월 수요량을 의미한다. 구체적으로, 물 공급능력지수(
) 산출시, 먼저 
= 0으로 간주하여 초기에 저류시설 등에 물 유입량은 없다고 가정하고, 
인가를 판단한다.
이후, 
인 경우, 
, 
로 하고, 또한, 
가 아니고 
경우, 전술한 수학식 1에서 제시된 바와 같이, 
로 한다.
다음으로, n값을 증가시키면서 순차적으로 반복하여 계산함으로써, 최종적인 물 공급능력지수(
) 값은 다음의 수학식 2로 산출할 수 있다.
여기서, 
는 최종 산출된 
값을 의미하며, 
은 저류시설에서 현재 저수량으로 공급할 수 있는 개월 수를 의미한다. 또한, 
는 
개월 동안 물을 공급한 후 남은 물 양이 현재부터 n개월 후의 공급계획량보다 작기 때문에 n개월 후의 해당 월에 대한 물 공급계획량 중 어느 정도를 감할 수 있는지를 의미하는 값이 된다.
전술한 수학식 1과 수학식 2에 반복된 계산으로 얻어진 다수의 
를 표준화하면 표준 물 공급능력지수(SWSI)가 되고, 이러한 표준 물 공급능력지수(SWSI)는 도서지역의 가뭄 취약성 또는 대응능력을 평가할 수 있는 지표로 사용할 수 있다.
이때, 전술한 수학식 1과 수학식 2에서 산출한 물 공급능력지수(
) 값은 대상지역의 계곡수 또는 지하수 분포 특성, 기존 물 공급시설과 지하 저류시설 등의 규모 등에 따라 달라질 수 있다.
또한, 상기 표준 물 공급능력지수(SWSI)는 기상청에서 제공하는 표준강수지수(Standardized Precipitation Index: SPI)와 연관성이 높기 때문에, 이를 활용하면, 대상 도서지역별 가뭄 대응능력 향상을 위한 저류시설 설치 수량과 용량 등을 설계할 수 있을 뿐만 아니라 운영지표로 활용할 수 있다.
예를 들면, 대상 도서지역의 과거 10년간~30년간 가뭄빈도 사례를 분석하여 지속적으로 발생한 가뭄일수와 대상지역 주민의 물 수요 패턴과 지하수 수위 모델을 통해 변동량을 파악할 수 있다. 이를 통해, 과거 최대 가뭄 발생기간을 고려한 
를 만족시키는 저류시설의 저장 용량과 가뭄단계별 최소 수위를 결정할 수 있다.
또한, 기상청 데이터베이스(500)에 저장된 강수량 자료를 통해 얻은 표준강수지수(SPI)를 분석하되, 구체적으로 대상지역의 최대가뭄일수 이상이 고려되도록 기준일수를 설정한다.
통상적으로, 기상청에서는 3개월 및 6개월 단위의 표준강수지수(SPI)를 산정하고 있다. 이후, 대상 도서지역내 지하수 관정을 통해 실시간 지하수 수위를 측정하고, 이를 수위 데이터베이스로 관리하여 과거 이력과의 비교를 통해 표준 지하수지수와 지하수 공급 가능량을 분석한다.
다음으로, 배수지 과거 수위 데이터베이스 모델로부터 수요량 모델을 도출하고, 이를 토대로 향후 가뭄발생시 수요가 측면의 최소 수요량을 결정한다. 이전 단계에서 결정한 가뭄발생시 저류시설의 공급 가능량을 산정하여 물 공급능력지수를 분석하게 된다.
본 발명의 실시예에 적용되는 물 공급능력지수는 실시간으로 모니터링되며, 이는 현재의 공급 가능량이 향후 극한가뭄 발생시 과거 최대 가뭄지속일수를 고려하여 요구되는 수요량에 대해 얼마나 충분한지에 대한 정보를 전달한다. 즉, 이 방법은 향후 가뭄 발생 시간적 기준 관점에서 가뭄 발생기간 동안 요구되는 최소 수요량이 공급 가능량보다 많은 상태에서도 가뭄을 판단할 수 있고, 실제로 과거 이력으로부터 공급 가능량을 저류시설에 저장하고 있으므로, 저류시설과 기존 물 공급시설 탱크의 최소수위를 유지하도록 한다.
한편, 본 발명의 실시예에 따른 표준 물 공급능력지수 대신에 기상청에서 제공되는 표준강수지수(SPI)를 사용할 수 있는데, 이는 약자로 기상학적 가뭄지수로 표시한다. 이때, 상기 표준강수지수(SPI)는 관측지점별로 시간단위 강수 부족량 3개월 단위로 계산하여 각각의 용수공급원이 가뭄에 미치는 영향을 산정하는 가뭄지수이다. 대상 도서지역에 가장 인근 관측소의 데이터를 활용한다. 지수가 높은 값을 나타낼수록 수분상태가 양호함을 나타내고 -1.0 이하부터 건조 상태를 의미한다.
본 발명의 실시예에 따른 수요가 중심의 물 공급능력지수를 산출하기 위하여 분자항의 수요패턴을 반영한 공급 가능량은 평상시와 가뭄시 사용되는 수요패턴을 고려하되, 즉, 기상청 표준가뭄지수의 단계에 따라 수요량의 가중치를 고려하여 보정된 공급량을 산출한다.
또한, 본 발명의 실시예에서는 기상청 데이터베이스(500)에서 추출한 자료에 의해 산출한 표준강수지수(Standardized Precipitation Index: SPI)를 통해 향후 장래의 특정 시기에 가뭄이 일어날 것을 예측하는데, 본 발명의 실시예에 따른 도서지역의 경우, 현장의 실시간 지하수 수위 및 기상청 데이터베이스를 활용한다. 이를 통해 현재 상태 또는 가뭄 발생시 필요한 최소 수요량 모델과 저류시설의 공급 가능량의 비교를 통해 얻을 수 있는 실시간 물 공급능력지수(WSI) 산출 및 모니터링을 통해 사전에 현재의 최소 수요량보다 공급 가능량을 확보하도록 하고, 대체수자원을 저장하는 저류시설과 배수지의 최소 수위를 유지하도록 한다.
이에 따라, 수요가 중심의 가뭄지수에서 가뭄이 발생하더라도 최소한의 수요가 모델으로부터 도출된 용수공급량을 만족시키기 위하여 최소 수위를 유지하고, 이를 통해 대상지역의 현재의 물 자립률과 가뭄발생시 예측 가능한 물 자립률을 모니터링할 수 있다. 여기서, 물 자립률지수(Water Independency Index: 
)는 다음의 수학식 3에 의해 정의된다.
여기서, 전체 물 공급량(Total Water Supply Amount: 
)에 대한 수요가 현재 물 수요량(Present Water Demand Amount: 
)의 비율로 나타내고, 이때, 전체 물 공급량(
)은 현재 공급되고 있는 기존 물 공급시설의 물 공급량(Main Water Demand Amount: 
)과 계곡수, 빗물 및 기타 지하수로부터 사용가능한 보조수자원의 물 공급량(Sub Water Demand Amount: 
)을 더한 값으로 주어진다. 이러한 물 자립률지수(
)는 일정 수준의 자립률을 유지하는지 판단하는 지표로 사용한다.
또한, 도 7을 참조하면, 상기 저류시설 모니터링부(200)는 가뭄빈도 분석부(210), 표준강수지수 분석부(220), 표준지하수지수 분석부(230), 지하수 함량 및 물 확보 가능량 산출부(240), 수요패턴 반영 물 수요량 산출부(250), 수요가 중심 물 공급능력지수 산출부(260), 현재 물 확보량 결정부(270), 현재 물 수요량 결정부(280) 및 표준 물 공급능력지수 및 물 자립률지수 결정부(290)를 포함한다.
가뭄빈도 분석부(210)는 상기 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하며, 표준강수지수 분석부(220)는 상기 기상청 DB(500)의 강수량 자료로부터 표준강수지수(SPI)를 분석하고, 표준지하수지수 분석부(230)는 도서지역의 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석한다.
지하수 함량 및 물 확보 가능량 산출부(240)는 도서지역 저류시설(120, 130)의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출한다.
수요패턴 반영 물 수요량 산출부(250)는 인공신경망 모델(310)을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출한다.
수요가 중심 물 공급능력지수 산출부(260)는 수요가 중심의 물 수요패턴을 반영하여 수요가 중심의 물 공급능력지수(WSI)를 산출한다.
현재 물 확보량 결정부(270)는 도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정하고, 현재 물 수요량 결정부(280)는 도서지역의 현재 물 수요량을 결정한다.
표준 물 공급능력지수 및 물 자립률지수 결정부(290)는 표준 물 공급능력지수(SWSI) 및 물 자립률지수(WII)를 결정한다.
이후, 저류시설 제어부(400)가 도서지역의 물 자립률 설정값을 유지시키고 도시지역 저류시설(120, 130)과 배수지(110)가 최소 수위를 유지하도록 제어하게 된다.
한편, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 수요가 중심 가뭄지수 해석부(300)의 수요가의 물 수요패턴 모델은 배수지 수위 이력과 기상청 강우자료를 이용한 인공신경망 모델(Artificial Neural Network: ANN)(310)로부터 산출한다.
여기서, 상기 인공신경망 모델(310)은, 도 6에 도시된 바와 같이, 모델 입력부(311), 인공신경망 모델 연산처리부(312) 및 모델 출력부(313)을 포함하며, 상기 모델 입력부(311)에 배수지 수위, 시간계수, 기온 및 표준강수지수를 모델 인자로 입력하고, 상기 인공신경망 모델 연산처리부(312)에서 처리한 후, 상기 모델 출력부(313)에서 공급 가능량을 산출하여 출력한다.
도 8은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템에서 수요가 용수 수요값과 표준지하수지수를 결정하기 위한 인공신경망 모델을 나타낸다.
도 8을 참조하면, 상기 인공신경망 모델 연산처리부(312)는 입력층(312a)과 출력층(312c) 사이에 은닉층(312b)을 두는 다층 구조를 갖고, 데이터베이스에서 추출된 과거 데이터를 훈련시키는 다층 퍼셉트론 알고리즘을 이용한다.
구체적으로, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 경우, 수요패턴 반영을 위한 공급량 모델은 과거 배수지 수위 이력으로부터 산출된다. 이는 평상시 사용되는 수요량과 달리 가뭄발생시 대상 지역 주민 1인당 최소 용수 사용량, 즉 해당지역의 용수 사용 특성 값이 고려한 값이 반영된다.
이러한 수요패턴 반영을 위한 공급량 모델은 시간별 또는 일별 물수요량의 예측을 위해 주기적인 물수요량의 변동과 외부 영향의 요인 등을 고려하여 비선형모델을 통계적으로 모델을 통하여 예측할 수 있다.
예를 들면, 계절에 따른 주기적인 물 수요량의 변동 모델을 위해 푸리에 급수와 전이함수 ARIMA 모델 등을 이용할 수 있고, 비선형모델을 반영하기 위하여 물 수요량, 시간계수, 기온 및 일사량 등을 표준화하여 비선형 모델을 구현하거나, 인공신경망(Artificial Neural Network) 또는 유전자 프로그래밍(Genetic programming) 등 과거 데이터의 딥러닝 기법을 통해 예측 모델을 만들 수 있다.
본 발명에서 수요가 중심의 가뭄지수를 구현하기 위해 사용되는 수요패턴을 반영한 공급 가능량 수학식 3과 같은 인공신경망 모델에 의하여 비선형 모델을 수립한다. 상기 인공신경망 모델부는, 상기 인공신경망 모델 적용시 입력층과 출력층 간에 은닉층을 두는 다층 구조를 갖고, 데이터베이스에서 추출된 과거 데이터를 훈련시키는 다층 퍼셉트론 알고리즘을 이용한다.
상기 인공신경망 모델은 블랙박스 모델을 갖는 구조이기 때문에 상기 예측값 및 상기 실제 값에 대한 오차를 감소시키는 방향으로 상기 인공신경망 모델의 연결강도를 조정한다. 또한, 모델 형성을 위한 피드백부는, 실제값과 예측값 간의 오차가 임계치 이하인 경우, 상호간 일치하는 것으로 간주하고, 최종 모델을 완성하고, 임계치 이상이면, 반복 알고리즘으로 인공신경망 모델을 재적용하여 모델을 완성한다.
상기의 연결강도 노드를 조절함에 있어 인공신경망 모델은 델타 규칙이 적용한다. 즉, 인공신경망 모델은 p번째의 입력패턴 및 출력 패턴이 제시되는 경우에 노드 i에서 노드 j로의 연결강도를 다음의 수학식 4를 이용하여 조절한다.
여기서, 
는 p번째 목표패턴의 j 성분이고, 
는 p번째 입력패턴에서 인공신경망 모델(122)이 계산한 출력패턴의 j 성분이고, 
는 p번째 입력패턴의 i 성분이고, 
= (
- 
)는 목표패턴과 실제패턴의 차이(오차)를 나타낸다.
특히, 상기 인공신경망 모델 알고리즘에서는 자기회귀 모델(Autoregressive model) 알고리즘이 포함되는데, 다음의 수학식 5로 나타낸 바와 같이, 주어진 현재시간에서의 시스템 출력값은 과거의 시스템 입력값은 물론, 출력값에도 의존적으로 결정된다.
여기서, 종속변수인 출력 값 y(t)의 다음 값은 이전 출력값 및 독립 입력값(외부입력) u(t)의 이전 값에 회귀된다.
다시 말하면, 본 발명의 실시예에 따른 인공신경망 모델(310)은 입력층 및 출력층 사이에 은닉층을 둔 다층구조에서 데이터를 훈련시키는 알고리즘을 내포하는 다층 퍼셉트론을 이용한 기계적 학습을 통해 이루어지며, 이러한 인공신경망모델은, 입력조건이 입력층에 입력되면, 은닉층에 있는 노드에 의해 수행된 연산결과가 다음 레벨에 있는 노드의 입력값이 되며, 이러한 과정을 출력층까지 수행하여 최종 결과를 도출한다. 이때, 각 층에 있는 노드를 연결시켜 주는 역할을 수행하는 것이 연결강도이다.
이러한 연결은 같은 층에 있는 노드를 연결할 수 없고, 다른 층에 있는 노드를 연결할 수 있으며, 일반적으로 하나의 노드는 다음 층에 있는 모든 노드와 연결된다. 또한, 인공신경망모델의 경우, 각 노드를 인공 뉴런으로 모델화시킬 수 있다. 각 뉴런은 입력된 외부 자극을 합산하여 그 결과에 따라 반응한다.
한편, 도 9는 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템이 적용된 다수의 배수지와 저류지 운영 시뮬레이터 해석 결과를 나타내는 도면이다.
본 발명의 실시예에 따른 도서지역 저류시설 통합운영관리 시스템의 경우, 도 9에 도시된 바와 같이, 해당지역의 과거 기상자료와 지하수 수위자료 등과 지능형 알고리즘을 활용하여 월 또는 주단위로 기존 물 공급시설뿐만 아니라 지하 또는 육상 저류시설의 물 확보 가능량과 물 수요량을 이용한 수요가 중심의 물 공급능력지수를 도출하여 다수의 저류시설 및 배수지를 통합 운영할 수 있다.
결국, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템의 경우, 극한가뭄이 발생하는 도서지역에 대하여 종래의 공급자 관점의 다양한 가뭄지수를 적용하여 것과 달리, 기상자료 및 지하수 등 보조수자원 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 적용함으로써, 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대한 통합운영관리를 효율적으로 수행하고, 가뭄발생시 지하 저류시설과 배수지간의 연계 운영을 통해 용수확보를 위한 골든타임을 확보할 수 있다.
[실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법]
도 10은 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법을 나타내는 동작흐름도이다.
도 10을 참조하면, 본 발명의 실시예에 따른 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법은, 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 방법으로서, 먼저, 대상지역인 도서지역의 가뭄빈도를 분석한다(S110). 이때, 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량 등을 분석하여 도서지역의 가뭄빈도를 분석한다.
다음으로, 기상청 DB(500)의 강수량 자료로부터 표준강수지수(SPI)를 분석한다(S120). 이때, 최대 가뭄일수 이상을 기준으로 표준강수지수(SPI)를 분석한다.
다음으로, 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석한다(S130). 즉, 도서지역의 지하수 수위에 따라 도서지역의 표준지하수지수를 분석한다
다음으로, 도서지역 저류시설(120, 130)의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출한다(S140).
다음으로, 인공신경망 모델을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출한다(S150). 즉, 수요가의 물 수요패턴 모델은 배수지 수위 이력과 기상청 강우자료를 이용한 인공신경망 모델(Artificial Neural Network: ANN)(310)로부터 산출할 수 있다.
다음으로, 수요가 중심의 물 공급능력지수(WSI)를 산출한다(S160). 즉, 전술한 수학식 1 및 수학식 2에 따라 수요가 중심의 물 공급능력지수(WSI)를 산출한다.
다음으로, 도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정한다(S170).
다음으로, 도서지역의 현재 물 수요량을 결정한다(S180).
다음으로, 표준 물 공급능력지수 및 물 자립률지수를 결정한다(S190).
다음으로, 저류시설 제어부(400)가 도서지역의 물 자립률 설정값을 유지시키고 도시지역 저류시설(120, 130)과 배수지(110)가 최소 수위를 유지하도록 제어한다(S200).
이에 따라, 실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 이용하여 다수의 지하 저류시설(120) 또는 육상 저류시설(130) 및 기존 배수지(110)를 포함한 도서지역 물 공급망의 통합운영관리를 수행할 수 있다.
결국, 본 발명의 실시예에 따르면, 기상자료 및 지하수 등 보조수자원 등에서 실시간으로 획득한 수요가 중심의 물 공급능력지수(WWSI)와 물 자립률지수(WII)를 적용함으로써, 다수의 지하 또는 육상 저류시설 및 기존 배수지를 포함한 도서지역의 물 공급망에 대한 통합운영관리를 효율적으로 수행할 수 있고, 또한, 현지에서 실측된 자료를 바탕으로 도서지역의 실제 용수 수요량 모델을 적용함으로써 선제적으로 도서지역 가뭄에 대응할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 도서지역 저류시설
200: 저류시설 모니터링부
300: 수요가 중심 가뭄지수 해석부 400: 저류시설 제어부
500: 기상청 DB 600: 수위 DB
110: 배수지 120: 지하 저류시설
130: 육상 저류시설 140: 수위계
210: 가뭄빈도 분석부 220: 표준강수지수 분석부
230: 표준지하수지수 분석부
240: 지하수 함량 및 물 확보 가능량 산출부
250: 수요패턴 반영 물 수요량 산출부
260: 수요가 중심 물 공급능력지수 산출부
270: 현재 물 확보량 결정부
280: 현재 물 수요량 결정부
290: 표준 물 공급능력지수 및 물 자립률지수 결정부
310: 인공신경망 모델 320: 피드백부
311: 모델 입력부 312: 신경망모델 연산 처리부
312a: 입력층 312b: 은닉층
312c: 출력층 313: 모델 출력부
321: 오차 계산부 322: 피드백 제어부
300: 수요가 중심 가뭄지수 해석부 400: 저류시설 제어부
500: 기상청 DB 600: 수위 DB
110: 배수지 120: 지하 저류시설
130: 육상 저류시설 140: 수위계
210: 가뭄빈도 분석부 220: 표준강수지수 분석부
230: 표준지하수지수 분석부
240: 지하수 함량 및 물 확보 가능량 산출부
250: 수요패턴 반영 물 수요량 산출부
260: 수요가 중심 물 공급능력지수 산출부
270: 현재 물 확보량 결정부
280: 현재 물 수요량 결정부
290: 표준 물 공급능력지수 및 물 자립률지수 결정부
310: 인공신경망 모델 320: 피드백부
311: 모델 입력부 312: 신경망모델 연산 처리부
312a: 입력층 312b: 은닉층
312c: 출력층 313: 모델 출력부
321: 오차 계산부 322: 피드백 제어부
Claims (18)
- 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 시스템에 있어서,
배수지(110), 지하 저류시설(120) 또는 육상 저류시설(130)을 포함하며, 각각 수위를 계측할 수 있도록 수위계(140)가 설치되는 도서지역 저류시설(100);
기상청에서 실시간으로 공개적으로 제공되는 기상자료와 도서지역의 보조수자원 수위에 대한 실시간 정보를 수집하여, 상기 도서지역 저류시설(100)에 대한 물 공급능력지수(Water Self-sufficiency Index: WSI) 및 물 자립률지수(Water Independency Index: WII)를 모니터링하는 저류시설 모니터링부(200);
기상자료를 이용한 수요가 중심의 물 공급능력지수(WSI), 가뭄일수를 고려한 용수확보 가능량 및 대상지역 수요가의 물 수요패턴 모델을 반영하여 가뭄발생 전 용수 공급 및 저장 가능 여부를 해석하는 수요가 중심의 가뭄지수 해석부(300); 및
상기 수요가 중심의 가뭄지수 해석부(300)에서 결정된 최적 수위를 유지하기 위하여 계곡수 또는 지하수의 보조 수자원을 포함한 도서지역 저류시설(100)을 제어하는 저류시설 제어부(400)를 포함하되,
실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 이용하여 다수의 지하 저류시설(120) 또는 육상 저류시설(130) 및 기존 배수지(110)를 포함한 도서지역 물 공급망의 통합운영관리를 수행하는 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제1항에 있어서,
상기 물 공급능력지수(WCI)는 도서지역 물 공급 구역 내에 있는 현재의 저류시설(120, 130)과 기존 배수지(110)의 물 확보 가능량과 향후 공급해야 하는 수요량과의 물 수지(Hydrological Balance)를 평가함으로써, 가뭄 발생시 대상지역에 물 공급 가능한 시간을 정량화한 지수로서, 다음의 수학식 1과 같이 주어지며, 최종적인 물 공급능력지수() 값은 다음의 수학식 2와 같이 산출되며,
[수학식 1]
여기서,는 대상지역 내 수요가의 수요패턴을 반영한 물 수요량으로서, 시간적으로 익월 대상지역의 수요패턴을 반영한 용수 공급 가능량을 의미하고,
는 지하수 또는 계곡수 수위계 연동 물 확보 가능량으로서, 시간적으로 당월 지하수 또는 계곡수 수위계를 통해 확보 가능한 용수량을 의미하며;
[수학식 2]
여기서,는 최종 산출된
값으로 표준 물 공급능력지수를 의미하며,
은 저류시설에서 현재 저수량으로 공급할 수 있는 개월 수를 의미하고,
는
개월 동안 물을 공급한 후 남은 물 양이 현재부터 n개월 후의 공급계획량보다 작기 때문에 n개월 후의 해당 월에 대한 물 공급계획량 중 어느 정도를 감할 수 있는지를 의미하는 값인 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템.
- 제1항에 있어서,
상기 물 자립률지수(WII)는 대상지역에서 사용하는 전체 용수 사용량에 대한 자체 공급량을 비율로 정의되며, 다음의 수학식 3과 주어지고,
[수학식 3]
여기서, 전체 물 공급량(Total Water Supply Amount:)에 대한 수요가 현재 물 수요량(Present Water Demand Amount:
)의 비율로 나타내고, 이때, 전체 물 공급량(
)은 현재 공급되고 있는 기존 물 공급시설의 물 공급량(Main Water Demand Amount:
)과 계곡수, 빗물 및 기타 지하수로부터 사용가능한 보조수자원의 물 공급량(Sub Water Demand Amount:
)을 더한 값으로 주어지며, 상기 물 자립률지수(
)는 일정 수준의 자립률을 유지하는지 판단하는 지표로 사용되는 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템.
- 제1항에 있어서, 상기 저류시설 모니터링부(200)는,
상기 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하는 가뭄빈도 분석부(210);
상기 기상청 DB(500)의 강수량 자료로부터 표준강수지수(SPI)를 분석하는 표준강수지수 분석부(220);
도서지역의 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석하는 표준지하수지수 분석부(230);
도서지역 저류시설(120, 130)의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출하는 지하수 함량 및 물 확보 가능량 산출부(240);
인공신경망 모델(310)을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출하는 수요패턴 반영 물 수요량 산출부(250);
수요가 중심의 물 수요패턴을 반영하여 수요가 중심의 물 공급능력지수(WSI)를 산출하는 수요가 중심 물 공급능력지수 산출부(260);
도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정하는 현재 물 확보량 결정부(270);
도서지역의 현재 물 수요량을 결정하는 현재 물 수요량 결정부(280); 및
표준 물 공급능력지수(SWSI) 및 물 자립률지수(WII)를 결정하는 표준 물 공급능력지수 및 물 자립률지수 결정부(290)를 포함하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제1항에 있어서,
상기 수요가 중심의 가뭄지수 해석부(300)에서 수요가 중심의 물 공급능력지수(WSI)는 대상 지역의 실측된 자료를 바탕으로 선제적 가뭄대응의 시간적 기준에 따른 예상 가능 부족율을 고려하여 산정되는 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제5항에 있어서,
상기 산출된 수요가 중심의 물 공급능력지수(WSI)를 이용하여 가뭄 발생시 상기 물 자립률지수(WII)가 일정 수준 유지되도록 최소한의 저류시설 또는 배수지 수위가 관리되도록 연계하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제1항에 있어서,
상기 수요가의 물 수요패턴 모델은 배수지 수위 이력과 기상청 강우자료를 이용한 인공신경망 모델(Artificial Neural Network: ANN)(310)로부터 산출하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제7항에 있어서,
상기 인공신경망 모델(310)은 모델 입력부(311), 인공신경망 모델 연산처리부(312) 및 모델 출력부(313)을 포함하며, 상기 모델 입력부(311)에 배수지 수위, 시간계수, 기온 및 표준강수지수를 모델 인자로 입력하고, 상기 인공신경망 모델 연산처리부(312)에서 처리한 후, 상기 모델 출력부(313)에서 공급 가능량을 산출하여 출력하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제8항에 있어서,
상기 인공신경망 모델 연산처리부(312)는 입력층(312a)과 출력층(312c) 사이에 은닉층(312b)을 두는 다층 구조를 갖고, 데이터베이스에서 추출된 과거 데이터를 훈련시키는 다층 퍼셉트론 알고리즘을 이용하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 제1항에 있어서,
상기 가뭄일수를 고려한 용수확보 가능량은 기상 데이터를 고려한 지하수 수위 모델과 대상지역에서 확보 가능한 계곡수 또는 빗물의 자료로부터 산출되며, 이를 위해 지하수의 경우, 대상지역인 도서지역내 지하수 수위를 실시간으로 측정하고 과거 이력과의 비교를 통해, 지하수 공급량을 분석하여 상기 수요가 물 공급능력지수(WSI)가 운영자 설정값 이상을 만족할 수 있도록 도서지역 저류시설(100)이 최소 유지량을 확보하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템. - 다수의 분산된 지역의 지하 또는 육상 저류시설 및 배수지에 대한 도서지역 저류시설 통합운영관리 방법에 있어서,
a) 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하는 단계;
b) 기상청 DB(500)의 강수량 자료로부터 표준강수지수(SPI)를 분석하는 단계;
c) 도서지역의 실시간 지하수 수위에 따라 도서지역의 표준지하수지수를 분석하는 단계;
d) 도서지역 저류시설(120, 130)의 수위 및 상기 표준지하수지수에 따라 지하수 함량 및 물 확보 가능량을 산출하는 단계;
e) 인공신경망 모델을 적용하여 결정되는 수요가 중심의 물 수요패턴을 반영하여 물 수요량을 산출하는 단계;
f) 수요가 중심의 물 수요패턴을 반영하여 수요가 중심의 물 공급능력지수(WSI)를 산출하는 단계;
g) 도서지역의 기존 및 지하저류시설의 현재 물 확보량을 결정하는 단계;
h) 도서지역의 현재 물 수요량을 결정하는 단계;
I) 표준 물 공급능력지수(SWSI) 및 물 자립률지수(WII)를 결정하는 단계; 및
j) 저류시설 제어부(400)가 도서지역의 물 자립률 설정값을 유지시키고 도시지역 저류시설(120, 130)과 배수지(110)가 최소 수위를 유지하도록 제어하는 단계를 포함하되,
실시간으로 획득한 수요가 중심의 물 공급능력지수(WSI)와 물 자립률지수(WII)를 이용하여 다수의 지하 저류시설(120) 또는 육상 저류시설(130) 및 기존 배수지(110)를 포함한 도서지역 물 공급망의 통합운영관리를 수행하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법. - 제11항에 있어서,
상기 a) 단계에서 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 및 용수 사용량을 분석하여 도서지역의 가뭄빈도를 분석하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법. - 제11항에 있어서,
상기 b) 단계에서 기상청 DB(500)에 저장된 도서지역의 최대 가뭄일수 이상을 기준으로 표준강수지수(SPI)를 분석하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법. - 제11항에 있어서,
상기 물 공급능력지수(WCI)는 도서지역 물 공급 구역 내에 있는 현재의 저류시설(120, 130)과 기존 배수지(110의 물 확보 가능량과 향후 공급해야 하는 수요량과의 물 수지(Hydrological Balance)를 평가함으로써, 가뭄 발생시 대상지역에 물 공급 가능한 시간을 정량화한 지수로서, 다음의 수학식 1과 같이 주어지며, 최종적인 물 공급능력지수() 값은 다음의 수학식 2와 같이 산출되며,
[수학식 1]
여기서,는 대상지역 내 수요가의 수요패턴을 반영한 물 수요량으로서, 시간적으로 익월 대상지역의 수요패턴을 반영한 용수 공급 가능량을 의미하고,
는 지하수 또는 계곡수 수위계 연동 물 확보 가능량으로서, 시간적으로 당월 지하수 또는 계곡수 수위계를 통해 확보 가능한 용수량을 의미하며;
[수학식 2]
여기서,는 최종 산출된
값을 의미하며,
은 저류시설에서 현재 저수량으로 공급할 수 있는 개월 수를 의미하고,
는
개월 동안 물을 공급한 후 남은 물 양이 현재부터 n개월 후의 공급계획량보다 작기 때문에 n개월 후의 해당 월에 대한 물 공급계획량 중 어느 정도를 감할 수 있는지를 의미하는 값인 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법.
- 제11항에 있어서,
상기 물 자립률지수(WII)는 대상지역에서 사용하는 전체 용수 사용량에 대한 자체 공급량을 비율로 정의되며, 다음의 수학식 3과 주어지고,
[수학식 3]
여기서, 전체 물 공급량(Total Water Supply Amount:)에 대한 수요가 현재 물 수요량(Present Water Demand Amount:
)의 비율로 나타내고, 이때, 전체 물 공급량(
)은 현재 공급되고 있는 기존 물 공급시설의 물 공급량(Main Water Demand Amount:
)과 계곡수, 빗물 및 기타 지하수로부터 사용가능한 보조수자원의 물 공급량(Sub Water Demand Amount:
)을 더한 값으로 주어지며, 상기 물 자립률지수(
)는 일정 수준의 자립률을 유지하는지 판단하는 지표로 사용되는 것을 특징으로 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법.
- 제11항에 있어서,
상기 f) 단계의 수요가의 물 수요패턴 모델은 배수지 수위 이력과 기상청 강우자료를 이용한 인공신경망 모델(Artificial Neural Network: ANN)(310)로부터 산출하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법. - 제16항에 있어서,
상기 인공신경망 모델(310)은 모델 입력부(311), 인공신경망 모델 연산처리부(312) 및 모델 출력부(313)을 포함하며, 상기 모델 입력부(311)에 배수지 수위, 시간계수, 기온 및 표준강수지수를 모델 인자로 입력하고, 상기 인공신경망 모델 연산처리부(312)에서 처리한 후, 상기 모델 출력부(313)에서 공급 가능량을 산출하여 출력하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법. - 제17항에 있어서,
상기 인공신경망 모델 연산처리부(312)는 입력층(312a)과 출력층(312c) 사이에 은닉층(312b)을 두는 다층 구조를 갖고, 데이터베이스에서 추출된 과거 데이터를 훈련시키는 다층 퍼셉트론 알고리즘을 이용하는 것을 특징으로 하는 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190133278A KR102358106B1 (ko) | 2019-10-24 | 2019-10-24 | 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190133278A KR102358106B1 (ko) | 2019-10-24 | 2019-10-24 | 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210048955A true KR20210048955A (ko) | 2021-05-04 |
| KR102358106B1 KR102358106B1 (ko) | 2022-02-04 |
Family
ID=75913965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190133278A KR102358106B1 (ko) | 2019-10-24 | 2019-10-24 | 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102358106B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118710021A (zh) * | 2024-08-28 | 2024-09-27 | 众诚测试科技(大连)有限公司 | 一种基于云计算的水资源监测与调度管理系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050051955A (ko) * | 2003-11-28 | 2005-06-02 | 주식회사 비츠로시스 | 신경망을 이용한 물수요 예측 방법 |
| KR100923402B1 (ko) | 2008-02-22 | 2009-10-23 | 재단법인서울대학교산학협력재단 | 가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는방법 |
| KR101440932B1 (ko) | 2014-01-16 | 2014-09-25 | 세종대학교산학협력단 | 실시간 앙상블 가뭄전망정보 관리방법 |
| KR101651747B1 (ko) | 2014-11-14 | 2016-09-05 | 재단법인 국가농림기상센터 | 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법 |
| KR20170005553A (ko) * | 2015-07-06 | 2017-01-16 | 주식회사 유일기연 | 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발 |
| KR101718294B1 (ko) | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | 가뭄예측 시스템 |
| KR101784441B1 (ko) | 2016-04-28 | 2017-10-11 | 세종대학교산학협력단 | 컴퓨터가 수행하는 자연가뭄지수 산정 방법 |
| KR101840433B1 (ko) * | 2017-10-18 | 2018-03-20 | 주식회사 유일기연 | 예측 시스템 |
| KR101927898B1 (ko) | 2018-01-11 | 2018-12-11 | 서울대학교산학협력단 | 기후변화의 불확실성을 고려하여 실물옵션분석을 기반으로 한 의사결정나무 구축 방법 |
-
2019
- 2019-10-24 KR KR1020190133278A patent/KR102358106B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050051955A (ko) * | 2003-11-28 | 2005-06-02 | 주식회사 비츠로시스 | 신경망을 이용한 물수요 예측 방법 |
| KR100923402B1 (ko) | 2008-02-22 | 2009-10-23 | 재단법인서울대학교산학협력재단 | 가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는방법 |
| KR101440932B1 (ko) | 2014-01-16 | 2014-09-25 | 세종대학교산학협력단 | 실시간 앙상블 가뭄전망정보 관리방법 |
| KR101651747B1 (ko) | 2014-11-14 | 2016-09-05 | 재단법인 국가농림기상센터 | 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법 |
| KR20170005553A (ko) * | 2015-07-06 | 2017-01-16 | 주식회사 유일기연 | 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발 |
| KR101784441B1 (ko) | 2016-04-28 | 2017-10-11 | 세종대학교산학협력단 | 컴퓨터가 수행하는 자연가뭄지수 산정 방법 |
| KR101718294B1 (ko) | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | 가뭄예측 시스템 |
| KR101840433B1 (ko) * | 2017-10-18 | 2018-03-20 | 주식회사 유일기연 | 예측 시스템 |
| KR101927898B1 (ko) | 2018-01-11 | 2018-12-11 | 서울대학교산학협력단 | 기후변화의 불확실성을 고려하여 실물옵션분석을 기반으로 한 의사결정나무 구축 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118710021A (zh) * | 2024-08-28 | 2024-09-27 | 众诚测试科技(大连)有限公司 | 一种基于云计算的水资源监测与调度管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102358106B1 (ko) | 2022-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zounemat-Kermani et al. | Neurocomputing in surface water hydrology and hydraulics: A review of two decades retrospective, current status and future prospects | |
| Cai et al. | Identification of optimal strategies for improving eco-resilience to floods in ecologically vulnerable regions of a wetland | |
| Jinno | Risk assessment of a water supply system during drought | |
| Merabtene et al. | Risk assessment for optimal drought management of an integrated water resources system using a genetic algorithm | |
| Kamrani et al. | Using Bayesian networks to evaluate how agricultural water distribution systems handle the water-food-energy nexus | |
| CN107609787A (zh) | 基于自动生成预案的闸泵群联合自动调度方法 | |
| Sumner et al. | Calibration of a modified SFB model for twenty-five Australian catchments using simulated annealing | |
| Ghose et al. | Prediction and optimization of runoff via ANFIS and GA | |
| Sakthivadivel et al. | Rehabilitation planning for small tanks in cascades: A methodology based on rapid assessment | |
| Zeng et al. | A simulation-based water-environment management model for regional sustainability in compound wetland ecosystem under multiple uncertainties | |
| Cembrano et al. | PLIO: a generic tool for real-time operational predictive optimal control of water networks | |
| Kefayati et al. | Empirical evaluation of river basin sustainability affected by inter‐basin water transfer using composite indicators | |
| Bozorgi et al. | Development of multi-hazard risk assessment model for agricultural water supply and distribution systems using bayesian network | |
| Kofinas et al. | Daily multivariate forecasting of water demand in a touristic island with the use of artificial neural network and adaptive neuro-fuzzy inference system | |
| Kaur et al. | Integrated level of service index for buried water infrastructure: Selection and development of performance indicators | |
| KR102358106B1 (ko) | 실시간 물 공급능력지수와 물 자립률지수 연동형 도서지역 저류시설 통합운영관리 시스템 및 그 방법 | |
| Ünes | Dam reservoir level modeling by neural network approach: A case study | |
| JP4399318B2 (ja) | ポンプ制御装置 | |
| Kizilöz | Prediction of daily failure rate using the serial triple diagram model and artificial neural network | |
| Iglesias et al. | Economic drought management index to evaluate water institutions’ performance under uncertainty | |
| Abolpour et al. | Optimization model for allocating water in a river basin during a drought | |
| Cañón et al. | Reservoir operation and water allocation to mitigate drought effects in crops: a multilevel optimization using the drought frequency index | |
| Meyer et al. | Northeastern Illinois Water Supply Planning Investigations: Opportunities and Challenges of Meeting Water Demand in Northeastern Illinois--Full Report | |
| Lee et al. | Improving applicability of neuro-genetic algorithm to predict short-term water level: a case study | |
| Katambara et al. | A hybrid conceptual–fuzzy inference streamflow modelling for the Letaba River system in South Africa |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |