KR20230061678A - 배출 가스 측정 시스템 및 그 방법 - Google Patents
배출 가스 측정 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20230061678A KR20230061678A KR1020210146078A KR20210146078A KR20230061678A KR 20230061678 A KR20230061678 A KR 20230061678A KR 1020210146078 A KR1020210146078 A KR 1020210146078A KR 20210146078 A KR20210146078 A KR 20210146078A KR 20230061678 A KR20230061678 A KR 20230061678A
- Authority
- KR
- South Korea
- Prior art keywords
- exhaust gas
- sensor
- value
- humidity
- receiving
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 26
- 238000005259 measurement Methods 0.000 claims abstract description 77
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 239000000809 air pollutant Substances 0.000 claims abstract description 30
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 30
- 238000011109 contamination Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000011017 operating method Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 69
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910000041 hydrogen chloride Inorganic materials 0.000 description 2
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 description 2
- 229910000040 hydrogen fluoride Inorganic materials 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2247—Sampling from a flowing stream of gas
- G01N1/2258—Sampling from a flowing stream of gas in a stack or chimney
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법이 개시된다. 일 실시예에 따른 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치를 포함하며, 센서 장치는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.
Description
배출 가스 측정을 위한 기술로서 특히, 인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법에 관한 것이다.
굴뚝원격감시체계는 사업장 굴뚝에 설치된 자동측정기에서 실시간 측정된 대기오염물질의 측정값을 자료수집기(Datalogger)로 전송하고, 자료수집기는 통신망(인터넷)을 통해 한국환경공단으로 전송하는 시스템이다.
그러나, 굴뚝원격감시체계는 매우 고가의 장비로 대기환경보전법 상 사업장 분류 중 4,5 종에 해당하는 영세사업장에서 활용하는데 어려움이 있다. 반면, 배출 가스의 경우 매우 고온 및 다습한 성질을 가지고 있어 저가의 상용 센서를 이용하여 측정하는데 한계가 있다. 이에 따라, 인공 신경망을 이용하여 상용 센서의 정확도를 향상시킬 수 있는 기술 개발이 필요하다.
인공 신경망을 이용하여 배출 시설 환경에 최적화되는 배출 가스 측정 시스템 및 그 동작 방법을 제공하는데 목적이 있다.
일 양상에 따르면, 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치를 포함하며, 센서 장치는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.
센서 장치는 온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부; 및 센서부로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부를 포함할 수 있다.
인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다.
센서 장치는 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다.
센서 장치는 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장부에 저장할 수 있다.
배출 가스 측정 시스템은 외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함하며, 센서 장치는 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다.
일 양상에 따르면, 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 단계; 및 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 단계를 포함하며, 오염값을 계산하는 단계는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.
인공 신경망을 이용하여 센서 측정값을 보정함으로써 보다 정확하게 대기오염물질을 측정할 수 있다.
도 1은 일 실시예에 따른 배출 가스 측정 시스템의 구성도이다.
도 2는 일 실시예에 따른 센서 장치의 구성도이다.
도 3은 일 실시예에 따른 배출 가스 측정 방법을 도시한 흐름도이다.
도 2는 일 실시예에 따른 센서 장치의 구성도이다.
도 3은 일 실시예에 따른 배출 가스 측정 방법을 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 배출 가스 측정 시스템 및 그 동작 방법의 실시예들을 도면들을 참고하여 자세히 설명한다.
도 1은 일 실시예에 따른 배출 가스 측정 시스템의 구성도이다.
일 실시예에 따르면, 배출 가스 측정 시스템(100)은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치(110), 및 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치(120)를 포함할 수 있다.
일 예로, 배출 시설에서 발생하는 배출 가스는 고온 및 다습의 성질을 가지고 있다. 이에 따라, 고온 및 다습의 배출 가스에 포함된 대기오염물질을 직접 측정하기 위해서는 환경 조건에 강건한 센서를 이용하여야 한다. 그러나, 이러한 센서는 매우 고가이며, 공급량이 한정되어 있어 사용 및 유지 보수에 어려움이 있다. 반면, 고온 및 다습한 배출 가스의 온도 및 습도를 조절하는 전처리 과정을 거치는 경우, 환경 조건이 낮은 상용 센서를 이용하여 배출 가스에 포함된 대기오염물질을 측정할 수 있다.
도 2는 일 실시예에 따른 센서 장치의 구성도이다.
일 실시예에 따르면, 센서 장치(120)는 온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부(121) 및 센서부(121)로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부(123)를 포함할 수 있다.
일 예에 따르면, 센서부(121)는 온도,습도, 산소 및 유량 중 적어도 하나를 측정할 수 있는 센서를 포함할 수 있다. 또한, 센서부(121)는 먼지, 일산화탄소, 질소산화물, 이산화황, 염화수소, 불화수소, 암모니아 중 적어도 하나를 측정할 수 있는 대기오염물질 측정 센서를 포함할 수 있다.
일 예에 따르면, 센서 장치(120)는 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.
예를 들어, 배출 가스 측정 시스템(100)을 구성하고 있는 전처리 장치(110) 및 센서 장치(120)의 센서들은 제조 과정에서 오차가 발생할 수 있다. 또한, 배출 가스 측정을 수행할 배출 시설에 따라 온도, 습도, 배출량, 대기오염물질의 종류 등의 특성이 상이할 수 있다. 이에 따라, 배출 가스 측정 시스템을 설치 후 초기화를 통한 조율(tuning) 과정이 필요할 수 있다. 특히, 인공 신경망을 통한 배출 가스의 오염 정도를 측정하기 위해서는 환경에 맞는 학습 과정이 필요하다.
일 실시예에 따르면, 제어부(123)에 포함된 인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다.
일 예로, 배출 가스 측정 시스템(100)을 배출 시설에 설치 후 가동을 시작하면, 배출 시설 및 전처리 장치(110)의 동작에 따라 온도, 습도, 대기오염물질의 배출량 및 종류 등이 시시각각 변화할 수 있다. 이때, 인공 신경망은 센서부(121)를 구성하는 각각의 센서들을 통해 획득한 측정 정보를 입력 받을 수 있으며, 입력된 측정 정보에 기초하여 오염값을 계산하여 출력할 수 있다.
일 예로, 제어부(123)는 기준 측정 장치로부터 기준 오염값 정보를 수신할 수 있다. 예를 들어, 기준 측정 장치는 고온 및 다습한 배출 가스를 직접 측정할 수 있도록 제작되어 배출 시설에서 배출되는 대기오염물질을 전처리 과정 없이 직접 측정할 수 있으며, 측정값이 공인된 장치일 수 있다.
일 예로, 제어부(123)는 인공 신경망을 통해 계산된 오염값과 기준 측정 장치에서 측정한 기준 오염값을 비교할 수 있으며, 그 결과를 이용하여 인공 신경망을 학습시킬 수 있다.
일 실시예에 따르면, 센서 장치(120)는 소정 범위의 온도 및 소정 범위의 습도 내에서 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다.
일 예로, 전처리 장치(110)를 통해 센서 장치(120)로 입력되는 배출 가스의 온도 및 습도는 소정 범위 내의 값을 가질 수 있다. 예를 들어, 전처리된 배출 가스의 온도 범위는 30oC ~ 80oC 일 수 있으며, 습도 범위는 45% ~ 65% 일 수 있다.
이때, 인공 신경망은 온도 범위 내 소정 간격 및 습도 범위 내 소정 간격 마다 오염값에 대한 학습을 수행하며, 모든 경우에서 오염값의 오차가 임계값 이내가 되는 경우, 학습을 완료할 수 있다. 예를 들어, 온도 간격이 5oC인 경우, 30oC ~ 80oC 범위에서 5oC 간격으로 증가시키며 오염값을 계산할 수 있다. 또한, 습도 간격이 5%인 경우, 45% ~ 65% 내에서 5% 간격으로 증가시키며 오염값을 계산할 수 있다.
예를 들어, 인공 신경망은 30oC , 45% 환경에서 배출 가스의 오염값을 계산할 수 있으며, 이 조건에서의 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 해당 조건에서 학습이 완료된 경우, 온도 및 습도 조건을 위에서 설명한 바와 같이 변화시킬 수 있으며, 변화된 조건에서 반복적으로 인공 신경망을 학습시킬 수 있다.
일 예에 따르면, 배출 시설의 공정에 따라 온도, 습도 및 대기오염물질의 배출량 및 종류 등이 달라질 수 있다. 이에 따라, 인공 신경망은 공정에 따른 센서부(121)의 측정 정보를 획득하여 오염값을 계산할 수 있다. 또한, 센서 장치(120)는 동일한 공정에서 기준 측정 장치의 기준 오염값 정보를 획득할 수 있다. 센서 장치(120)는 배출 시설의 공정에 따른 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 이를 위해서, 초기화 과정은 오염값의 오차가 임계값 이내가 될 때까지 배출 시설의 공정을 반복 수행하여 수행될 수 있다.
일 실시예에 따르면, 센서 장치(120)는 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장부(미도시)에 저장할 수 있다.
일 예로, 센서 장치(120)는 초기화가 완료된 후 독립적으로 배출 가스의 오염을 측정할 수 있다. 이에 따라, 전처리 장치(110)는 배출 시설의 공정에서 발생하는 배출 가스를 전처리할 수 있으며, 센서 장치(120)는 각 공정에서 발생되는 대기오염물질을 측정할 수 있다. 또한, 센서 장치(120)는 계산된 오염값에 대한 정보를 별도의 저장부에 저장하여 관리할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템(100)은 외부 사용자 단말과 통신을 수행하는 통신 장치(미도시)를 더 포함할 수 있다. 예를 들어, 통신 장치는 LTE, 5G와 같은 셀룰러 통신, Wi-Fi 통신 등의 통신 기술을 이용하여 사용자 단말과 통신을 수행할 수 있다.
일 실시예에 따르면, 센서 장치(120)는 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다.
일 예로, 배출 시설에서 과도한 대기오염물질을 배출하는 경우, 배출 가스 측정 시스템은 배출 시설을 관리하는 관리자에게 해당 사실을 통지할 필요가 있다. 이에 따라, 배출 가스 측정 시스템은 센서 장치(120)에서 계산된 오염값이 소정 값 이상인 경우, 미리 지정된 사용자 단말로 해당 정보를 전송하여 배출 시설의 상태를 관리하도록 할 수 있다.
도 3은 일 실시예에 따른 배출 가스 측정 방법을 도시한 흐름도이다.
일 실시예에 따르면, 배출 가스 측정 시스템은 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절할 수 있다(310).
일 예로, 배출 가스 측정 시스템은 고온 및 다습한 배출 가스의 온도 및 습도를 조절하는 전처리 과정을 통하여 환경 조건이 낮은 상용 센서를 이용하여 배출 가스에 포함된 대기오염물질을 측정하도록 할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산할 수 있다(320).
일 실시예에 따르면, 배출 가스 측정 시스템은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 등의 각종 센서 및 센서로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함할 수 있다.
일 예에 따르면, 배출 가스 측정 시스템은 온도,습도, 산소 및 유량 중 적어도 하나를 측정할 수 있는 센서를 포함할 수 있다. 또한, 배출 가스 측정 시스템은 먼지, 일산화탄소, 질소산화물, 이산화황, 염화수소, 불화수소, 암모니아 중 적어도 하나를 측정할 수 있는 대기오염물질 측정 센서를 포함할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 오염값을 계산함에 있어서, 배출 시설과 직접 연결된 기준 측정 장치로부터 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템에 포함된 인공 신경망은 온도 센서, 습도 센서 및 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며, 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행할 수 있다.
일 예로, 인공 신경망은 각각의 센서들을 통해 획득한 측정 정보를 입력 받을 수 있으며, 입력된 측정 정보에 기초하여 오염값을 계산하여 출력할 수 있다.
일 예로, 배출 가스 측정 시스템은 기준 측정 장치로부터 기준 오염값 정보를 수신할 수 있다. 예를 들어, 기준 측정 장치는 고온 및 다습한 배출 가스를 직접 측정할 수 있도록 제작되어 배출 시설에서 배출되는 대기오염물질을 전처리 과정 없이 직접 측정할 수 있으며, 측정값이 공인된 장치일 수 있다.
일 예로, 배출 가스 측정 시스템은 인공 신경망을 통해 계산된 오염값과 기준 측정 장치에서 측정한 기준 오염값을 비교할 수 있으며, 그 결과를 이용하여 인공 신경망을 학습시킬 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 소정 범위의 온도 및 소정 범위의 습도 내에서 기준 측정 장치의 기준 오염값 정보와 계산된 오염값의 오차가 임계값 이내가 되는 경우 인공 신경망의 학습을 완료하여 초기화를 완료할 수 있다.
일 예에 따르면, 배출 시설의 공정에 따라 온도, 습도 및 대기오염물질의 배출량 및 종류 등이 달라질 수 있다. 이에 따라, 인공 신경망은 공정에 따른 센서들의 측정 정보를 획득하여 오염값을 계산할 수 있다. 또한, 배출 가스 측정 시스템은 동일한 공정에서 기준 측정 장치의 기준 오염값 정보를 획득할 수 있다. 배출 가스 측정 시스템은 배출 시설의 공정에 따른 기준 측정 장치의 기준 오염값 정보와 계산된 오염값을 비교하여 인공 신경망을 학습시킬 수 있다. 이를 위해서, 초기화 과정은 오염값의 오차가 임계값 이내가 될 때까지 배출 시설의 공정을 반복 수행하여 수행될 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 초기화가 완료된 경우, 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 계산된 오염값을 저장할 수 있다.
일 예로, 배출 가스 측정 시스템은 초기화가 완료된 후 독립적으로 배출 가스의 오염을 측정할 수 있다. 또한, 배출 가스 측정 시스템은 계산된 오염값에 대한 정보를 별도의 저장 장치에 저장하여 관리할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함할 수 있다. 예를 들어, 통신 장치는 LTE, 5G와 같은 셀룰러 통신, Wi-Fi 통신 등의 통신 기술을 이용하여 사용자 단말과 통신을 수행할 수 있다.
일 실시예에 따르면, 배출 가스 측정 시스템은 오염값이 소정 값 이상이 되는 경우, 통신 장치를 통하여 외부 사용자 단말로 오염값에 대한 정보를 전송할 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
100: 배출 가스 측정 시스템
110: 전처리 장치
120: 센서 장치
121: 센서부
123: 제어부
110: 전처리 장치
120: 센서 장치
121: 센서부
123: 제어부
Claims (7)
- 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 장치; 및
상기 전처리 장치로부터 전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 센서 장치를 포함하며,
상기 센서 장치는
상기 배출 시설과 직접 연결된 기준 측정 장치로부터 상기 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행하는, 배출 가스 측정 시스템.
- 제 1 항에 있어서,
상기 센서 장치는
온도 센서, 습도 센서 및 대기오염물질 측정 센서를 포함하는 센서부; 및
상기 센서부로부터 측정 정보를 수신하여 오염값을 계산하도록 학습되는 인공 신경망을 포함하는 제어부를 포함하는, 배출 가스 측정 시스템.
- 제 2 항에 있어서,
상기 인공 신경망은
상기 온도 센서, 상기 습도 센서 및 상기 대기오염물질 측정 센서 각각의 측정 정보를 입력 받아 오염값을 출력하며,
상기 기준 측정 장치의 기준 오염값 정보와 상기 계산된 오염값을 비교한 피드백 정보를 수신하여 학습을 수행하는, 배출 가스 측정 시스템.
- 제 3 항에 있어서,
상기 센서 장치는
상기 기준 측정 장치의 기준 오염값 정보와 상기 계산된 오염값의 오차가 임계값 이내가 되는 경우 상기 인공 신경망의 학습을 완료하여 초기화를 완료하는, 배출 가스 측정 시스템.
- 제 4 항에 있어서,
상기 센서 장치는
초기화가 완료된 경우, 상기 기준 측정 장치로부터 기준 오염값 정보를 수신하지 않으며, 상기 계산된 오염값을 저장부에 저장하는, 배출 가스 측정 시스템.
- 제 1 항에 있어서,
외부 사용자 단말과 통신을 수행하는 통신 장치를 더 포함하며,
상기 센서 장치는 오염값이 소정 값 이상이 되는 경우, 상기 통신 장치를 통하여 상기 외부 사용자 단말로 오염값에 대한 정보를 전송하는, 배출 가스 측정 시스템.
- 배출 시설로부터 배출 가스를 입력 받아 배출 가스의 온도 및 습도를 조절하는 전처리 단계; 및
전처리된 배출 가스를 입력 받아 온도, 습도 및 대기오염물질 농도를 측정하여 오염값을 계산하는 단계를 포함하며,
상기 오염값을 계산하는 단계는
상기 배출 시설과 직접 연결된 기준 측정 장치로부터 상기 배출 가스의 기준 오염값 정보를 수신하여 초기화를 수행하는, 배출 가스 측정 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146078A KR20230061678A (ko) | 2021-10-28 | 2021-10-28 | 배출 가스 측정 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210146078A KR20230061678A (ko) | 2021-10-28 | 2021-10-28 | 배출 가스 측정 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230061678A true KR20230061678A (ko) | 2023-05-09 |
Family
ID=86408900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210146078A KR20230061678A (ko) | 2021-10-28 | 2021-10-28 | 배출 가스 측정 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230061678A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200103356A (ko) | 2019-02-25 | 2020-09-02 | (주)일신종합환경 | 오염 방지시설의 모니터링 장치 및 방법 |
-
2021
- 2021-10-28 KR KR1020210146078A patent/KR20230061678A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200103356A (ko) | 2019-02-25 | 2020-09-02 | (주)일신종합환경 | 오염 방지시설의 모니터링 장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2423768B1 (en) | Sensor validation and value replacement for continuous emissions monitoring | |
| KR100896018B1 (ko) | 굴뚝 원격 감시 시스템 | |
| EP3692479A1 (en) | Systems and methods for tracking greenhouse gas emissions associated with an entity | |
| CN111796064B (zh) | 一种基于远程自动校准的tvoc检测设备数据质控方法及系统 | |
| US8244505B2 (en) | Predicting NOx emissions | |
| Irawan et al. | Real Time System Monitoring and Analysis-Based Internet of Things (IoT) Technology in Measuring Outdoor Air Quality. | |
| KR20090053028A (ko) | 지하철 모니터링 시스템 | |
| KR102313465B1 (ko) | 멀티 센서 기반 모바일 대기 상태 상황인지 고지 시스템 및 방법 | |
| KR20230061678A (ko) | 배출 가스 측정 시스템 및 그 방법 | |
| KR100851520B1 (ko) | 통계적 분석기법을 이용한 지하 공간의 대기 환경 예측장치 및 방법 | |
| Gayathri | Implementation of environment parameters monitoring in a manufacturing industry using IoT | |
| US20230393058A1 (en) | Systems and Methods for Measuring Emissions from a Building | |
| US20220381584A1 (en) | Extensible environmental data collection pack | |
| KR100383046B1 (ko) | 에어와치 시스템 | |
| RU2697571C1 (ru) | Автоматизированная система экологического мониторинга и прогнозирования загрязнения атмосферного воздуха промышленного региона | |
| WO2022049378A1 (en) | Automated sensor calibration device | |
| CN114929366A (zh) | 预测装置、成套设备、预测方法、程序以及配置程序 | |
| Diez et al. | Uncertainty propagation of meteorological and emission data in modeling pollutant dispersion in the atmosphere | |
| KR20050122623A (ko) | 이동형 에어와치 시스템 | |
| KR102588967B1 (ko) | 가스 센서를 자가 보정하는 방법 및 상기 방법을 수행하는 가스 센서 보정 시스템 | |
| CN113204189B (zh) | 脱硫系统控制模型、其建立方法和脱硫系统控制方法 | |
| TWI811167B (zh) | 氮氧化物的預測方法 | |
| Pratama et al. | Analysis of CO Pollutant Monitoring System Using MAPPI32 LORA in Bekasi City | |
| KR102404879B1 (ko) | IoT를 이용한 실시간 측정자료 입력 및 굴뚝관리 시스템 | |
| Sara et al. | The application of mobile sensing to detect CO and NO 2 emission spikes in polluted cities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |