KR20220127728A - 미세먼지 자동 보정 측정 장치 및 방법 - Google Patents
미세먼지 자동 보정 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR20220127728A KR20220127728A KR1020210127261A KR20210127261A KR20220127728A KR 20220127728 A KR20220127728 A KR 20220127728A KR 1020210127261 A KR1020210127261 A KR 1020210127261A KR 20210127261 A KR20210127261 A KR 20210127261A KR 20220127728 A KR20220127728 A KR 20220127728A
- Authority
- KR
- South Korea
- Prior art keywords
- fine dust
- concentration
- measurement
- measured
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000010419 fine particle Substances 0.000 title description 2
- 239000000428 dust Substances 0.000 claims abstract description 193
- 238000005259 measurement Methods 0.000 claims abstract description 84
- 238000012937 correction Methods 0.000 claims abstract description 38
- 239000002245 particle Substances 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000000691 measurement method Methods 0.000 claims description 14
- 239000003344 environmental pollutant Substances 0.000 claims description 7
- 231100000719 pollutant Toxicity 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000000470 constituent Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000004576 sand Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000005250 beta ray Effects 0.000 description 1
- 239000003610 charcoal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- 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
- G06Q50/10—Services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Tourism & Hospitality (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Atmospheric Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 측정된 미세먼지의 농도를 실시간으로 자동 보정하는 기술에 관한 것으로, 더욱 상세하게는 미세먼지 입자 밀도와 형상을 고려하여 측정된 미세먼지 농도를 실시간으로 자동 보정하는 장치 및 방법에 관한 것이다.
Description
본 발명은 측정된 미세먼지의 농도를 실시간으로 자동 보정하는 기술에 관한 것으로, 더욱 상세하게는 미세먼지 입자 밀도와 형상을 고려하여 측정된 미세먼지 농도를 실시간으로 자동 보정하는 장치 및 방법에 관한 것이다.
미세먼지를 측정하는 방법으로 여과지를 이용한 중량법과 베타 레이 또는 광 산란 방식을 이용한 간접 측정법이 사용되고 있다. 중량법은 미세먼지의 무게를 직접 칭량하기에 정확한 질량을 알 수 있는 장점이 있으나, 최소 6시간 측정 후 24시간 항온 항습 시킨 후 측정하는 등 비교적 오랜 시간 시료를 포집 해야 하는 불편함으로 인하여 실시간 농도의 변화를 파악할 수 없다. 간접 측정법은 실시간으로 측정이 가능하여 농도의 변화를 즉시 파악할 수 있는 장점은 있으나, 정확한 농도를 구하기 위하여 중량법과 비교를 통하여 검증해야 한다. 특히 간접 측정법은 미세먼지의 등가 구형 직경(Equivalent Spherical Diameter; ESD)으로 미세먼지의 부피가 측정되고, 이는 중량법에서 측정되는 공기 역학 직경(Aerodynamic Equivalent Diameter)을 대응되지 못하는 문제가 있다.
본 발명의 배경기술은 대한민국 등록특허 제10- 2134545호에 게시되어 있다.
본 발명은 간접 측정법에서 측정되는 미세먼지의 등가 구형 직경을 중량법의 공기 역학 직경으로 변환하여 미세먼지 농도를 자동으로 실시간 보정하는 미세먼지 자동 보정 측정 장치 및 방법을 제공한다.
본 발명은 온도, 압력에 대해서도 실시간으로 보정하여 간접 측정법의 정확도를 향상시키는 미세먼지 자동 보정 측정 장치 및 방법을 제공한다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 측면에 따르면, 미세먼지 자동 보정 측정 장치가 제공된다.
본 발명의 일 실시 예에 따른 미세먼지 자동 보정 측정 장치는 미세먼지 농도를 실시간 측정하는 미세먼지 측정부, 기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 측정된 미세먼지 농도를 보정하는 미세먼지 보정부 및 보정한 미세먼지 농도를 산출하는 미세먼지 계산부를 포함할 수 있다.
본 발명의 다른 일 측면에 따르면, 미세먼지 자동 보정 측정 방법 및 이를 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램이 제공된다.
본 발명의 일 실시 예에 따른 미세먼지 자동 보정 측정 방법 및 이를 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램은 미세먼지 농도를 실시간 측정하는 단계, 기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 측정된 미세먼지 농도를 보정하는 단계 및 보정한 미세먼지 농도를 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 간접 측정법에서 측정되는 미세먼지의 등가 구형 직경을 중량법의 공기 역학 직경으로 변환하여 미세먼지 농도를 자동으로 실시간 보정할 수 있다.
본 발명의 일 실시 예에 따르면, 온도, 압력에 대해서도 실시간으로 보정하여 간접 측정법의 정확도를 향상시킬 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시 예에 따른 미세먼지 측정 예측 시스템을 설명하기 위한 도면.
도 2 내지 도 7은 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 장치를 설명하기 위한 도면들.
도 8 내지 도 10은 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 장치를 설명하기 위한 도면들.
도 11은 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 방법을 설명하기 위한 도면.
도 12는 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 방법을 설명하기 위한 도면.
도 2 내지 도 7은 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 장치를 설명하기 위한 도면들.
도 8 내지 도 10은 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 장치를 설명하기 위한 도면들.
도 11은 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 방법을 설명하기 위한 도면.
도 12는 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 방법을 설명하기 위한 도면.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 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 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우 뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시 예에 따른 미세먼지 측정 예측 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 미세먼지 측정 예측 시스템은 미세먼지 자동 보정 측정 장치(100) 및 3차원 미세먼지 농도 예측 장치(200)를 포함한다.
미세먼지 자동 보정 측정 장치(100)는 실시간으로 미세먼지 농도를 측정하고, 측정된 미세먼지의 등가 구형 직경 정보를 공기 역학 직경 정보로 변환하여 미세먼지 농도를 보정한다. 미세먼지 자동 보정 측정 장치(100)는 기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 산출한 미세먼지 입자 밀도 정보 및 형상 계수 정보를 이용하여 측정된 미세먼지의 등가 구형 직경 정보를 공기 역학 직경 정보로 변환할 수 있다. 미세먼지 자동 보정 측정 장치(100)는 이하 도 2에서 더욱 상세히 설명하기로 한다.
3차원 미세먼지 농도 예측 장치(200)는 미세먼지 자동 보정 측정 장치(100)로부터 입력된 미세먼지 농도를 이용하여 측정 대상 장소의 3차원 미세먼지 농도를 예측한다. 3차원 미세먼지 농도 예측 장치(200)는 측정 대상 장소의 복수의 미리 설정된 지점마다, 복수의 미리 설정된 높이에서 측정된 미세먼지 농도들의 평균 값과 기준 농도 값을 이용하여 3차원 미세먼지 농도를 예측할 수 있다. 여기서, 미리 설정된 지점 및 미리 설정된 높이는 측정 대상 장소의 용도, 구조 및 규모 중 적어도 하나에 의해 달라질 수 있다. 3차원 미세먼지 농도 예측 장치(200)는 이하 도8에서 더욱 상세히 설명하기로 한다.
도 2 내지 도 4는 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 장치를 설명하기 위한 도면들이다.
도 2를 참조하면, 실시간 미세먼지 자동 보정 측정 장치는 미세먼지 측정부(110), 미세먼지 보정부(120) 및 미세먼지 농도 산출부(130)를 포함한다.
미세먼지 측정부(110)는 실시간 미세먼지 농도를 측정한다. 미세먼지 측정부(110)는 실시간 입자량 측정으로 추정된 중량 값(ESD; 등가 구형 직경에 근거)과 실시간 공기 측정 값을 사물인터넷 통신을 통해 확보한다. 미세먼지 측정부(110)는 또한, 온도 정보 및 습도 정보를 실시간 측정할 수 있다.
도 3를 참조하면, 미세먼지 측정부(110)는 입자량 측정부(112), 공기 측정부(114) 및 사물인터넷부(116)를 포함한다.
입자량 측정부(112)은 측정된 미세먼지의 입자 직경과 입자 개수로 실시간 등가 입자량 정보를 산출한다.
공기 측정부(114)는 미세먼지가 측정되는 공기의 온도와 대기압의 실시간 측정 값을 포함한 공기 측정 정보를 생성한다.
사물인터넷부(116)는 산출된 등가 입자량 정보 및 생성된 공기 측정 정보 중 적어도 하나를 데이터베이스에 저장하고, 미세먼지 보정부를 포함한 다른 장치로 전송한다.
다시 도 2를 참조하면, 미세먼지 보정부(120)는 기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 측정된 미세먼지 농도를 보정한다. 더욱 상세하게 미세먼지 보정부(120)는 기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 미세먼지 입자 밀도 정보 및 형상 계수 정보를 산출한다.
도 4를 참조하면, 미세먼지의 형상 계수는 기후적 특성 값 및 오염원의 특성 값에 기반하여 형상 계수가 상이할 수 있다. 미세먼지의 형상 계수는 예를 들면, 도 4의 (a)와 같이 공장지역의 비산재의 경우에는 형상 계수가 1일 수 있으며, 도 4의 (b)와 같이 도심, 도로 중심 지역의 모래의 경우에는 형상 계수가 1.4일 수 있다.
미세먼지 보정부(120)는 산출된 미세먼지 입자 밀도 정보 및 형상 계수 정보를 이용하여 측정된 미세먼지의 등가 구형 직경 정보를 공기 역학 직경 정보로 변환한다. 미세먼지 보정부(120)는 변환된 공기 역학 직경 정보를 이용하여 측정된 미세먼지 농도를 보정한다. 미세먼지 보정부(120)는 또한, 측정된 온도 정보 및 습도 정보를 이용하여 측정된 미세먼지 농도를 표준 상태에서의 미세먼지 농도로 보정할 수 있다.
도 5을 참조하면, 미세먼지 보정부(120)는 입자량 보정부(122) 및 공기량 보정부(124)를 포함한다.
입자량 보정부(122)는 지역별, 계절별 자동 입력 값인 평균 입자밀도, 평균 입자 형상을 사용하여 입자량을 보정한다.
아래의 수학식1과 같이 공기 역학 직경을 갖는 측정 입자량은 입자 형상에 영향을 받게 된다. 공기중에서 측정되는 입자 형상은 지역별, 계절별 미세먼지 입자의 구성 물질 형상계수 및 구성 비율에 따라 아래의 수학식2로 추정할 수 있다.
입자의 구성물질 즉 미세먼지는 다양한 유기탄소, 원소탄소, 중금속, 이온화 등 30가지 이상의 성분의 혼합체로 구성될 수 있다. 향후 실시간 입자 구성성분 및 형상계수를 파악하게 되는 기술이 개발된다면 미세먼지 측정 정확도가 향상되어 참값(True Value)에 가까운 측정이 가능하다.
여기서 ρ0 = 비중 (1 g/cm3); ρp = 미세먼지 밀도; χ = 형상 계수.
도 6의 (a) 내지 (d)와 같이, 공기 중 부유하는 미세먼지는 미확인 물질(황사 또는 도로 먼지로 추정)이 매시간마다 다양하다. 서울시 실험 데이터는 월별 평균 0~17.3%이며 베이징은 최고 값은 37%, 일본은 15%이다. 국내 타 연구(자동차 미세입자와 황사, 2012)에서는 미확인 물질의 경우 47%로 결과 치를 제시하였다. 이에 입자밀도를 포함하는 형상계수는 황사(미확인 물질) 등의 먼지 비중에 따라 일정 공간의 다른 구성물질이 부피 비율에 영향을 주게 된다. 이에 아래의 수학식3과 같이 미확인물질을 고려하여 형상계수를 보정할 수 있다. 여기서 일정 공간의 먼지 구성물질은 새로운 미확인 물질의 비율에 따라 동일 비율로 감소하는 것으로 가정하였다.
공기량 보정부(124)은 측정된 온도 정보 및 습도 정보를 이용하여 측정된 미세먼지 농도를 표준 상태에서의 미세먼지 농도로 보정할 수 있다. 더욱 구체적으로 공기량 보정부(220)은 아래 수학식 4를 이용하여 측정위치별 온도(T2), 압력(P2) 자동 입력 값으로 실내공기질 표준온도(25°C), 표준압력(1atm)을 사용할 수 있다.
V(25°C, 1atm) = V × T(25°C)/T2 × P2/P(1atm) (수학식 4)
V(25° : 25 °기압일 때 기체의 부피(m 3 )
T(25° : 25 °C의 절대온도(°°K = 273+25 °C)
P(1atm) : 1기압(atm)
V : 실제로 채취한 기체의 부피(m3)
T2 : 기체를 채취할 때의 절대온도(°°K=273+°C)
P2 : 기체를 채취할 때의 기압(atm)
미세먼지 계산부(130)는 보정된 미세먼지 농도를 산출한다. 미세먼지 계산부(130)는 간접 측정법에서 측정되는 미세먼지의 등가 구형 직경을 중량법의 공기 역학 직경으로 변환하여 미세먼지 농도를 자동으로 실시간 보정하여 산출할 수 있다. 또한, 미세먼지 계산부(130)는 측정된 온도 정보 및 압력 온도를 이용하여 측정된 미세먼지 농도를 실시간으로 보정하여 간접 측정법의 정확도를 향상시킬 수 있다.
도 7을 참조하면, 미세먼지 계산부(130)는 공기 역학 입자량 농도 계산부(132) 및 앱 서비스부(134)를 포함한다.
공기 역학 입자량 농도 계산부(132)는 간접 측정법에서 측정되는 미세먼지의 등가 구형 직경을 중량법의 공기 역학 직경으로 변환하여 미세먼지 농도를 산출한다. 또한, 공기 역학 입자량 농도 계산부(132)는 측정된 온도 정보 및 압력 온도를 이용하여 측정된 미세먼지 농도를 실시간으로 보정한다.
앱 서비스부(134)는 공기 역학 직경으로 변환한 미세먼지 농도 정보를 네트워크를 통하여 앱 어플리케이션 서비스를 이용하는 단말기로 제공한다.
도 8 내지 도 10은 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 장치를 설명하기 위한 도면들이다.
도 8을 참조하면, 본 발명의 따른 3차원 미세먼지 농도 예측 장치는 기준 측정기의 단위 면적당 측정시간(미세먼지(6시간)), 측정 위치(중앙 1 지점)을 개선하여 측정 값의 정확도를 합리적으로 개선할 수 있다.
단 측점 기준농도는 한지점의 지정된 높이에서 측정 값을 제시하여 실제 측정 공간의 다양한 농도 분포를 대표하는 데 한계성을 가지고 있다.
이에 다 측점 공간의 평균값을 사용한다면 측정 공간의 표준 오차 측정 및 공간 측정 횟수 증가에 따른 측정오차는 감소한다.
기준농도를 측정하는 챔버나 측정 대상 실내 공간에서의 측정은 측정 농도, 즉 공간 측정 변수(p)의 측정 불확도는 일반적으로 95%, 90% 등 해당 신뢰 수준에서의 포함인자(t)와 표본수(n), 표준편차(s)를 이용하여 아래 수학식5에 의해 구할 수 있다.
여기서, n : 측정 대상 공간의 수,
s : 대상 공간 측정값의 표준편차,
t: t-분포표에 제시된 95% 신뢰수준에서의 포함인자임.
도 9를 참조하면, 3차원 미세먼지 농도 예측 장치(200)는 미세먼지 측정 성능 검증부(210), 보정계수 산출부(220) 및 3차원 미세먼지 농도 예측부(230)를 포함한다.
미세먼지 측정 성능 검증부(210)는 측정 공간의 미리 설정된 지점 별 높이 별 측정한 미세먼지 농도의 평균 농도를 산출하고, 미리 설정된 중앙 지점의 기준 측정기에서 미세먼지 농도를 측정한다. 미세먼지 측정 성능 검증부(210)는 측정 공간에 따라 산출한 미세먼지 농도의 평균 농도 및 기준 농도를 저장한다.
도 10을 참조하면, 미세먼지 측정 성능 검증부(210)은 미세먼지 측정부(212), 3차원 평균농도 산출부(214) 및 측정공간 데이터베이스(216)를 포함한다.
미세먼지 측정부(212)는 측정 공간의 미리 설정된 지점 별 높이 별 미세먼지 농도를 측정한다. 미세먼지 측정부(212)는 또한, 미리 설정된 중앙 지점의 기준 측정기에서 미세먼지 농도를 측정한다.
3차원 평균농도 산출부(214)는 측정 공간의 미리 설정된 지점 별 높이 별 미세먼지 농도의 평균 농도를 산출한다. 3차원 평균농도 산출부(214)는 아래 수학식6을 이용하여 측정 공간의 지점 별 높이 별 미세먼지의 농도의 평균 농도를 산출할 수 있다.
예를 들어 고가 및 분석이 오래 걸리는 측정장비를 이용한 기준농도 값을 저가 및 실시간 기반의 측정장비 여러 대를 사용하여 다 측점 농도를 측정할 수 있다면 측정 오차를 최소화하여 참값에 가까운 농도 측정이 가능하다. 이를 통해 다양한 데이터 기반의 환경 및 에너지 관리 운영을 할 수 있다.
측정공간 데이터베이스(216)는 미리 설정된 중앙 지점의 기준 측정기에서 측정한 미세먼지 농도 및 측정 공간의 미리 설정된 지점 별 높이 별 산출한 미세먼지 농도의 평균 농도를 저장한다. 측정공간 데이터베이스(216)는 측정공간 별로 미세먼지 농도 및 미리 설정된 지점 별 높이 별 산출한 미세먼지 농도의 평균 농도를 저장할 수 있다.
보정계수 산출부(220)는 측정 공간에 따른 보정계수를 산출한다. 이는 실제 측정 공간의 공기질 측정이 여러 변수, 대상 건물의 규모(연면적 등), 용도(학교, 실내 주차장, 공동주택 등), 구조(학교 책상 등 비품 비율 등)에 따라 영향을 받을 수 있기 때문이다.
보정계수 산출부(220)는 아래 수학식7을 이용하여 규모, 용도 및 구조 중 적어도 하나를 고려한 측정 공간별 보정계수를 산출할 수 있다. 여기서, 보정계수는 측정 공간의 종류별 기준측정기 측정값과 실제 대상 공간의 다지점의 측정 평균 값의 비일 수 있다.
여기서,
r : reference value 기준 값,
m : measurement value 측정 값임.
보정계수 산출부(220)는 다지점 높이별 미세먼지 측정의 공간 평균 값 및 기준 측정 값을 이용하여 산출한 측정 공간 별 보정계수를 데이터베이스에 저장할 수 있다.
3차원 미세먼지 농도 예측부(230)는 산출한 보정계수를 이용하여 3차원 미세먼지 농도를 예측한다. 3차원 미세먼지 농도 예측부(230)는 아래의 수학식 8을 이용하여 3차원 미세먼지 농도를 산출할 수 있다.
여기서,
3차원 미세먼지 농도 예측부(230)는 규모, 용도, 구조 외에 지역별 실내외 기상(온도, 대기압, 습도 등), 용도별 특성(학생수, 자동차 수 등) 다양한 영향변수를 고려한 보정계수를 계산하고 다양한 측정 대상 공간의 측정 농도를 예측할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 미세먼지 입자 밀도, 형상을 고려한 실시간 미세먼지 자동 보정 측정 방법을 설명하기 위한 도면이다.
도 11을 참조하면, 단계 S1110에서 미세먼지 자동 보정 측정 장치(100)는 간접 측정법에 의해 미세먼지 농도를 실시간 측정한다.
단계 S1120에서 미세먼지 자동 보정 측정 장치(100)는 기후적 특성 값 및 오염원 특성 값에 기반하여 측정된 미세먼지 농도를 보정한다. 미세먼지 자동 보정 측정 장치(100)는 더욱 상세하게는 기후적 특성 값 및 오염원 특성 값에 기반하여 미세먼지 입자 밀도 정보 및 형상 계수 정보를 산출한다. 여기서, 미세먼지의 형상 계수는 기후적 특성 값 및 오염원의 특성 값에 기반하여 형상 계수가 상이할 수 있다. 예를 들면, 공장지역의 비산재의 경우에는 형상 계수가 1일 수 있으며, 도심, 도로 중심 지역의 모래의 경우에는 형상 계수가 1.4일 수 있다.
단계 S1130에서 미세먼지 자동 보정 측정 장치(100)는 산출된 미세먼지 입자 밀도 정보 및 형상 계수 정보를 이용하여 측정된 미세먼지의 등가 구형 직경 정보를 공기 역학 직경 정보로 변환한다.
단계 S1140에서 미세먼지 자동 보정 측정 장치(100)는 변환된 공기 역학 직경 정보를 이용하여 미세먼지 농도를 보정한다.
단계 S1150에서 미세먼지 자동 보정 측정 장치(100)는 보정된 미세먼지 농도를 산출한다.
도 12는 본 발명의 일 실시 예에 따른 3차원 미세먼지 농도 예측 방법을 설명하기 위한 도면이다.
도 12를 참조하면, 단계 S1210에서 3차원 미세먼지 농도 예측 장치(200)는 IoT미세먼지 측정 센서를 활용하여 측정 공간의 지점 별 높이 별 미세먼지의 농도를 측정하고, 미리 설정된 중앙 지점의 기준 측정기의 미세먼지 농도를 측정한다.
단계 S1220에서 3차원 미세먼지 농도 예측 장치(200)는 측정 공간의 지점 별 높이 별 미세먼지의 농도의 평균 농도를 산출한다.
단계 S1230에서 3차원 미세먼지 농도 예측 장치(200)는 측정 공간의 지점 별 높이 별 미세먼지의 농도 정보, 측정 공간의 지점 별 높이 별 미세먼지의 농도의 평균 농도 정보 및 미리 설정된 중앙 지점의 기준 측정기의 미세먼지 농도 정보를 데이터베이스에 저장한다.
단계 S1240에서 3차원 미세먼지 농도 예측 장치(200)는 측정 공간에 따른 보정계수를 산출한다. 여기서, 보정계수는 측정 공간의 종류별 기준측정기 측정값과 실제 대상 공간의 다지점의 측정 평균 값의 비일 수 있다.
단계 S1250에서 3차원 미세먼지 농도 예측 장치(200)는 측정 대상 장소에 대해 산출한 기준 측정 값에 보정계수를 이용하여 신뢰성 높은 3차원 미세먼지 농도를 예측한다.
상술한 본 발명에 따른 방법은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.
이상에서, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
도면에서 동작들이 특정한 순서로 도시되어 있지만, 반드시 동작들이 도시된 특정한 순서로 또는 순차적 순서로 실행되어야만 하거나 또는 모든 도시 된 동작들이 실행되어야만 원하는 결과를 얻을 수 있는 것으로 이해되어서는 안 된다. 특정 상황에서는, 멀티태스킹 및 병렬 처리가 유리할 수도 있다. 더욱이, 위에 설명한 실시 예 들에서 다양한 구성들의 분리는 그러한 분리가 반드시 필요한 것으로 이해되어서는 안 되고, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키지 될 수 있음을 이해하여야 한다.
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 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (5)
- 미세먼지 자동 보정 측정 장치에 있어서,
미세먼지 농도를 실시간 측정하는 미세먼지 측정부;
기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 측정된 미세먼지 농도를 보정하는 미세먼지 보정부; 및
보정한 미세먼지 농도를 산출하는 미세먼지 계산부를 포함하는 미세먼지 자동 보정 측정 장치.
- 제1항에 있어서,
상기 미세먼지 측정부는
미세먼지가 측정되는 공기의 온도와 대기압의 실시간 측정 값을 포함한 공기 측정 정보를 생성하는 공기 측정부; 및
생성된 공기 측정 정보 중 적어도 하나를 전송하는 사물인터넷부를 포함하는 미세먼지 자동 보정 측정 장치.
- 제2항에 있어서,
상기 미세먼지 측정부는
측정된 미세먼지의 입자 직경과 입자 개수로 실시간 등가 입자량 정보를 산출하는 입자량 측정부를 더 포함하는 미세먼지 자동 보정 측정 장치.
- 제1항에 있어서,
상기 미세먼지 계산부는
측정된 온도 정보 및 압력 온도를 이용하여 측정된 미세먼지 농도를 실시간으로 보정하는 미세먼지 자동 보정 측정 장치.
- 미세먼지 자동 보정 측정 방법에 있어서,
미세먼지 농도를 실시간 측정하는 단계;
기후적 특성, 지역적 특성 및 오염원 특성 중 적어도 하나에 기반하여 측정된 미세먼지 농도를 보정하는 단계; 및
보정한 미세먼지 농도를 산출하는 단계를 포함하는 미세먼지 자동 보정 측정 방법.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210031891 | 2021-03-11 | ||
KR20210031891 | 2021-03-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220127728A true KR20220127728A (ko) | 2022-09-20 |
KR102601017B1 KR102601017B1 (ko) | 2023-11-13 |
Family
ID=83446271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210127261A KR102601017B1 (ko) | 2021-03-11 | 2021-09-27 | 미세먼지 자동 보정 측정 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102601017B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102615037B1 (ko) * | 2022-12-01 | 2023-12-19 | (주)켄텍 | 교정 기능을 구비한 미세먼지필터를 이용한 베타레이 미세먼지 측정 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180041828A (ko) * | 2016-10-17 | 2018-04-25 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
KR20180065588A (ko) * | 2016-12-08 | 2018-06-18 | 에스케이테크엑스 주식회사 | 미세먼지 센서를 이용한 기상 정보 관리 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
KR20200009707A (ko) * | 2018-07-20 | 2020-01-30 | 순천향대학교 산학협력단 | 미세먼지 측정 장치 및 방법 |
KR102199066B1 (ko) * | 2019-10-30 | 2021-01-06 | (주)지피지기소프트 | 미세먼지 측정기를 통해 산출된 미세먼지 측정 데이터의 오류를 기계학습을 기반으로 보정할 수 있는 미세먼지 측정 데이터 보정 장치 |
-
2021
- 2021-09-27 KR KR1020210127261A patent/KR102601017B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180041828A (ko) * | 2016-10-17 | 2018-04-25 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
KR20180065588A (ko) * | 2016-12-08 | 2018-06-18 | 에스케이테크엑스 주식회사 | 미세먼지 센서를 이용한 기상 정보 관리 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
KR20200009707A (ko) * | 2018-07-20 | 2020-01-30 | 순천향대학교 산학협력단 | 미세먼지 측정 장치 및 방법 |
KR102199066B1 (ko) * | 2019-10-30 | 2021-01-06 | (주)지피지기소프트 | 미세먼지 측정기를 통해 산출된 미세먼지 측정 데이터의 오류를 기계학습을 기반으로 보정할 수 있는 미세먼지 측정 데이터 보정 장치 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102615037B1 (ko) * | 2022-12-01 | 2023-12-19 | (주)켄텍 | 교정 기능을 구비한 미세먼지필터를 이용한 베타레이 미세먼지 측정 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR102601017B1 (ko) | 2023-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Quantification of trans-Atlantic dust transport from seven-year (2007–2013) record of CALIPSO lidar measurements | |
Ryder et al. | Coarse and giant particles are ubiquitous in Saharan dust export regions and are radiatively significant over the Sahara | |
Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
Chatzidiakou et al. | Characterising low-cost sensors in highly portable platforms to quantify personal exposure in diverse environments | |
Kelly et al. | Ambient and laboratory evaluation of a low-cost particulate matter sensor | |
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
Marenco et al. | Measurement of ozone and water vapor by Airbus in‐service aircraft: The MOZAIC airborne program, An overview | |
Schepanski et al. | Saharan dust transport and deposition towards the tropical northern Atlantic | |
Rajesh et al. | Characteristics and source apportionment of black carbon aerosols over an urban site | |
KR20220127728A (ko) | 미세먼지 자동 보정 측정 장치 및 방법 | |
Deng et al. | Dual-wavelength optical sensor for measuring the surface area concentration and the volume concentration of aerosols | |
Drakaki et al. | Modeling coarse and giant desert dust particles | |
KR20220127729A (ko) | 3차원 미세먼지 농도 예측 장치 및 방법 | |
Hofman et al. | Mapping air quality in IoT cities: Cloud calibration and air quality inference of sensor data | |
Febo et al. | Local air pollution and long–range mass transport of atmospheric particulate matter: A comparative study of the temporal evolution of the aerosol size fractions | |
Van Der Laan et al. | Inferring 222 Rn soil fluxes from ambient 222 Rn activity and eddy covariance measurements of CO 2 | |
Williams et al. | Examining the compatibility of aircraft moisture observations and operational radiosondes | |
Staufer et al. | Trajectory matching of ozonesondes and MOZAIC measurements in the UTLS–Part 1: Method description and application at Payerne, Switzerland | |
JP6728648B2 (ja) | 算出装置および算出プログラム | |
Sahu et al. | Impact of the tropical cyclone Nilam on the vertical distribution of carbon monoxide over Chennai on the Indian peninsula | |
Gorchakov et al. | Stratification of Aleurite and Sand Particle Size Distribution in Windsand Flux over Desertified Areas | |
Friedman et al. | ESSA research flight facility aircraft participation in the Barbados Oceanographic and Meteorological Experiment | |
Bell et al. | METEC controlled test protocol: Survey emission detection and quantification | |
Souhar et al. | Measuring and modeling atmospheric ammonia from agricultural sources at a landscape scale | |
Finger et al. | Upper-air measurements and instrumentation workshop |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |