KR20230104500A - 인공지능 기반 배출가스 정밀 예측 시스템 - Google Patents

Abstract

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 배출가스 데이터를 수집하고 모니터링 하여, 과 배출 시 경보 기능을 제공하고, 가스 배출량을 인공지능을 통해 예측할 수 있다. 아울러, 작업현장 감시기능, 배출량 분석통계 기능 및 원격제어기능을 제공하여 통합 모니터링 및 작업자에게 가이던스 하는 시스템을 제공한다. 또한, 실시예에서는 주조 사업장, 단조 사업장 및 가열로, 전기로, 용융로 등 유해물질 다 배출 굴뚝에서 배출되는 대기오염물질과 개별 설비에서 배출되는 대기오염물질을 상시 측정하여 배출 상황을 관제센터에서 24시간 관리하도록 하고, 빅데이터 분석을 통해 원인을 파악하고 총량에 도달 전 미리 예측하여 경보 및 사전에 선제적 조치를 할 수 있는 시스템을 제공한다.

Description

인공지능 기반 배출가스 정밀 예측 시스템{ARTIFICIAL INTELLIGENCE-BASED EXHAUST GAS PRECISE PREDICTION SYSTEM}

본 개시는 인공지능 기반 배출가스 정밀 예측 시스템에 관한 것으로 구체적으로, 설비 별 배출가스 예측을 위한 인공지능 모델 기반의 시스템 및 방법에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

최근 대기업 및 중견 중소 기업 등 산업계의 대기오염물질 배출 저감을 위한 접근 방법 변화 요구되고 있다. 의무적으로 환경부에 직접 배출 총량을 전송해야 하는 법적 제재 대상인 메인 굴뚝의 배출총량 측정방식을 적용하고 있는 반면, 기업에서는 하나의 굴뚝에 여러 개의 설비가 연결되어 유해가스를 배출하고 있어, 메인 굴뚝의 측정 량이 법적 허용치 초과 시 설비 전체를 조업 정지 등 가동 중단해야 하는 문제로 심각한 생산 차질이 우려되는 실정이다.

정부는 대기오염이 심각한 지역의 대기환경을 개선하기 위하여 종합적인 시책을 추진하고, 대기오염원을 체계적이고 광역적으로 관리함으로써 지역 주민의 건강을 보호하고 쾌적한 생활환경을 조성함을 목적으로 '20년 10월 “대기관리권역법”을 전국적으로 확대 실시하였다. 대기관리 권역법은 먼지, 질소산화물(NOx), 황산화물(SOx) 등을 규제이상으로 배출하고 있는 사업장은 굴뚝 자동 측정기기(TMS: Tele Metering System)를 설치하고 상시 관리해야 하는 법안이다. 법적 제재 대상인 환경관리 문제에 대해서, 사전 조치를 통해서 예방하고자 하는 센서기반의 모니터링 시스템은 시중에 상용화 되어 있다. 하지만, 메인 굴뚝 하나에 법적 제재 대상이 아닌 여러 개의 설비가 유해가스를 배출할 경우 각 개별설비에 대한 배출량 측정은 되지 않아, 법적 허용치 초과 시 설비 전체를 가동 중단해야 하는 문제로 생산의 차질이 우려된다. 이에 따라, 굴뚝뿐만 아니라 각 단위 설비 별 배출가스를 수집, 분석 및 예측하여 미리 오염물질 배출의 총량관리를 할 수 있는 솔루션 필요하다. 또한, 과 배출 설비인 가열로, 열처리로, 전기로, 정련로, 집진기 등의 인과관계를 센서 기반으로 측정하여 빅데이터 분석을 통해서 배출가스 배출 원인을 파악하고 예측 및 경보 할 수 있는 시스템이 요구되고 있다.

아울러, ESG(`Environment` `Social` `Governance`) 경영에 대한 눈높이가 높아지고 각국의 수출입시에 이러한 기준들이 새로운 무역장벽의 형태로 고착화되기 전에 제품의 생산과정에서 나오는 탄소 및 배출물질의 정량적 측정기술을 확보하고, 절감할 수 있는 방안의 필요가 증가하고 있다. 탄소 배출량이 많은 기업이 부담해야 하는 탄소배출권 가격은 매년 치솟고 있고, 오염물질 배출량이 많은 기업은 향후 오염물질배출권 구매의 추가부담이 예상된다. 이에 따라 설비 별 정밀 배출 가스량 사전예측 및 선제적 조치를 위한 가이던스 서비스가 필요하다. 특히, 공정 및 단위설비 단위에 대한 오염물질 배출량 예측모델 스마트 기술에 대한 중요성이 날로 확대되고 있다.

1. 한국 특허등록 제10-2118088호 (2020.05.27) 2. 한국 특허등록 제10-1661664호 (2016.09.26)

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 배출가스 데이터를 수집하고 모니터링 하여, 과 배출 시 경보 기능을 제공하고, 가스 배출량을 인공지능을 통해 예측할 수 있다. 아울러, 작업현장 감시기능, 배출량 분석통계 기능 및 원격제어기능을 제공하여 통합 모니터링 및 작업자에게 가이던스 하는 시스템을 제공한다.

또한, 실시예에서는 주조 사업장, 단조 사업장 및 가열로, 전기로, 용융로 등 유해물질 다 배출 굴뚝에서 배출되는 대기오염물질과 개별 설비에서 배출되는 대기오염물질을 상시 측정하여 배출 상황을 관제센터에서 24시간 관리하도록 하고, 빅데이터 분석을 통해 원인을 파악하고 총량에 도달 전 미리 예측하여 경보 및 사전에 선제적 조치를 할 수 있는 시스템을 제공한다.

또한, 인공지능을 통해 배출 가스 감소를 위한 운전 최적화 가이던스를 제공한다.

또한, 실시예에서는 머신 러닝을 통한 배출량 초과 설비 예측 체계를 제공한다. 이를 위해, 데이터 수집 및 분석 서버를 구성하고, 연료 투입량, 로압, 배출량 등 인자 수집하고, 투입 연료량과 로압의 관계, 온도, 배출유량, 배출가스 성분 등을 복합적으로 학습하여 인자간 상관관계분석을 통한 배출량 초과 학습 등을 통한 학습모델을 제공한다.

또한, 실시예에서는 배출량 초과예상 시 모니터링 시스템에 경고 및 문제예상설비 지정 도출하고, 초과방지를 위한 운전 가이던스 제공하여 설비 운전을 최적화하도록 한다.

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 굴뚝과 설비 간에 연결된 배관에 설치되고, 굴뚝을 포함하는 개별설비에서 발생하는 배출가스 데이터를 수집하는 데이터 수집 모듈; 개별설비의 질소산화물, 황산화물 및 TSP(Total Suspended Particles)를 포함하는 오염물질 배출량 및 연료 적산량을 산출하는 모니터링 모듈; 설비 별 배출 기준량에 따라 배출량 기준 경고 등급을 설정하고, 산출된 오염물질 배출량에 따라 초과 배출량을 산출하는 초과 배출 예측모듈; 및 가열로, 전기로, 정렬로, 집진기, 굴뚝을 포함하는 TMS(Tele Metering System) 연관설비의 3차원 객체 라이브러리를 모델링 하는 3차원 시각화 모듈; 수집된 배출가스 데이터, 오염물질 배출량 및 연료 적산량을 포함하는 모니터링 인자 및 초과 배출량을 포함하는 예측 인자를 분석하여 설비 별 운영 가이던스를 생성하는 가이던스 생성모듈; 및 모니터링 인자 및 예측인자에 따라 이상동작을 예측하고, 이상신호를 감지하는 경우, 이상신호가 발생한 설비의 세부 정보를 제공하는 이상신호 알림 모듈; 을 포함한다.

이상에서와 같은 인공지능 기반 배출가스 정밀 예측 시스템은 가스 배출량을 정확히 예측함으로써, 가스 과배출로 인한 제재 조치 수행을 방지하여 설비 생산량을 안정적으로 유지할 수 있도록 한다.

또한, 이상 신호를 나타내는 설비를 파악하고 설비의 고장 등 이상 동작을 인공 지능을 통해 미리 예측하여 설비 안정성을 향상시킬 수 있다.

또한, 설비의 최적 운영을 위한 가이던스 정보를 제공함으로써, 설비 운용 효율을 극대화시킬 수 있도록 한다.

또한, 실시예에 따른 예측 시스템은 배출가스 초과를 미리 빠르고 정확하게 탐지하여 이를 알림으로써 현장 관리자가 해당 문제를 초기에 예방할 수 있도록 한다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템을 나타낸 도면
도 2는 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템 구성을 나타낸 도면
도 3은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 처리 구성을 나타낸 도면
도 4는 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 처리과정을 나타낸 도면
도 5는 실시예에 따른 변수 유형 및 분석 방법을 설명하기 위한 도면
도 6은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 분석과정을 나타낸 도면
도 7은 실시예에 따른 TMS 연관설비 시각화를 위한 3차원 객체 라이브러리 구축 예
도 8은 실시예에 따른 배출량 통계 분석 그래프를 나타낸 도면
도 9 및 도 10은 실시예에 따른 데이터 실시간 연계 표시 UI를 나타낸 도면

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 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.

도 1은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템을 나타낸 도면이다.

도 1을 참조하면, 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 메인 스택(Main Stack) 및 개별 설비를 포함하는 TMS (Tele Metering System) 관련 데이터를 수집하고, TMS 연관설비 시각화(Visualization)를 위한 3차원 객체 라이브러리(Object Library)를 구축한다. 또한, 3D 디지털 트윈 기능을 제공하고, 개별설비 대기오염물질측정을 위한 설비부착용 NOx 측정장치 및 레거시 시스템(Legacy System) (MES, 3D HMI) 연계 모듈을 제공한다.

또한, 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 대기오염 저감을 위한 설비 별 정밀 배출가스 측정장치를 제공하여, 통합 모니터링 플랫폼을 SOx, NOx 다 배출 설비를 보유한 수요기업서 이용할 수 있도록 한다.

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 가스 배출 총량의 법적 제재 대상인 SOx, NOx 배출 굴뚝 하나에, 법적 제재 대상이 아닌 여러 설비가 유해가스를 배출하고, 배출량이 법적 허용치 초과하는 경우의 설비 전체 가동 중단으로 인한 생산의 차질 문제를 해결할 수 있다. 또한, 설비 별 실시간 대기오염 물질 배출량 감시 센서 및 선제적 조치를 위한 AI기반 배출 가스 사전 위험요소 인지 표준모델을 제공한다. 아울러, 위치기반 운전 최적화 가이던스 제공 및 통합 모니터링, 경고 서비스를 위한 디지털 트윈 기반의 3D 통합 모니터링 플랫폼을 개발 및 실증한다.

실시예에서는 레거시 시스템(Legacy System)(MES, 3D HMI) 연계 소프트웨어를 제공하고, TMS 관련 데이터의 기존 MES, 3D HMI 연계 프로그램을 구현한다. 예컨대, PLC 및 유량계 업로드 소켓(Upload Socket) 통신 프로그램, 설비 별 TMS 관리 프로그램과 OPC 서버 간 Socket 통신 프로그램을 제공하여, 로 데이터(RAW Data) 취득 후, 실시간 모니터링, 분석을 위한 소스로 활용하도록 한다. 또한, 실시예에서는 기존 MES 시스템과의 인터페이스 프로그램을 제공하여

MSsql 서버에 업데이트 되는 실시간 데이터를 Socket.io 통해 클라이언트에게 전송하도록 한다. 또한, 실시예에서는 MES (Manufacturing Execution System)의 정보를 작업 스케쥴로 인터페이스 하고, 설비 별 TMS 관련 실적데이터를 3D HMI 전환할 수 있다. 또한, O/S에 비 종속적인 UI 제공하고, 통계 및 분석 데이터 가시화에 최적화된 UI 제공한다. 또한, 플랫폼화 된 UI 기능 제공하고, 도 7에 도시된 바와 같은 3차원 객체 라이브러리를 제공하여 3D UI를 통한 실시간 설비 모니터링을 가능하게 한다.

도 2는 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템 구성을 나타낸 도면이다.

도 2를 참조하면, 실시예에 따른 디지털 트윈 플랫폼은 배출가스 자동측정장치(TMS); SNS(Smart Nox Sensor); 송신기 및 인공지능 기반 배출가스 정밀 예측 시스템(100) 등을 포함하여 구성될 수 있다.

배출가스 자동측정장치(TMS, Tele Monitoring System)는 각 굴뚝에 설치되고, 샘플가스를 추출하여 집계수치를 생성한다. SNS(Smart Nox Sensor)는 각 굴뚝과 설비 간에 연결된 배관에 설치되고, 개별설비에서 발생하는 배출가스 데이터를 수집한다. 유량계는 각 설비 별 사용하는 에너지를 수집한다. 송신기는 배출가스자동측정장치, SNS, 유량계에서 생성된 데이터를 데이터 서버로 송신한다. 데이터 서버는 생산과정 중 모니터링을 통해 배출가스 절감을 유도하고, 수집된 데이터를 개별 굴뚝, 설비에 위치 기반 형태로 표현하며, 3D디지털환경에서 예측데이터를 생성하여 시각적인 배출가스 감시체계를 구축한다. 실시예에 서는 각 굴뚝에 배출가스자동측정장치(TMS)를 부착하고 해당 장치로부터 샘플(sample) 가스를 추출하여 데이터 분석 장비를 집계치를 생성한다(1). TMS 장비를 통해 생성된 데이터를 송신기를 통해 한국공단관제센터로 송신하고(2), TMS 장비를 통해 생성된 데이터를 전용 Data송신 미들웨어(M/W)를 통해 데이터서버 송신한다(3). 또한, 각 굴뚝과 설비 간에 연결된 배관에 SNS(Smart Nox Sensor)를 통해 개별설비에서 발생하는 배출가스 데이터를 수집하고 각 설비 별 사용하는 에너지를 유량계를 통해 해당 데이터를 수집하여 데이터 송신한다(4). 실시예를 통해, 인공지능 기반 배출가스 정밀 예측 시스템(100)에 수집된 데이터를 MES에 송신하여 생산과정 중 모니터링을 통해 배출가스 절감을 유도하고(5), 수집된 데이터를 개별 굴뚝, 설비에 위치 기반 형태로 표현할 수 있다(6). 또한, 전용 데이터 송신 미들웨어(M/W)를 사용, 3D디지털환경에서 예측데이터를 송신하고 시각적인 배출가스 24시간 감시체계 구축하고(7), 머신러닝을 통해 예상배출가스 총량 감안한 대응 방안 모색을 지원할 수 있다(8).

도 3은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 처리 구성을 나타낸 도면이다.

도 3을 참조하면, 실시예에 따른 인공지능 기반 매출가스 정밀 예측 시스템(100)은 데이터 수집모듈(110), 통합모니터링 모듈(120), 초과배출 예측 모듈(130), 3차원 시각화 모듈(140), 가이던스 생성모듈(150) 및 이상신호 알림 모듈(160)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.

데이터 수집 모듈(110)은 굴뚝과 설비 간에 연결된 배관에 설치되고, 굴뚝을 포함하는 개별설비에서 발생하는 배출가스 데이터를 수집하고, 모니터링 모듈(120)은 개별설비의 질소산화물, 황산화물 및 TSP(Total Suspended Particles)를 포함하는 오염물질 배출량 및 연료 적산량을 산출한다. 실시예에서 모니터링 모듈(120)은 수집된 모니터링 데이터를 두가지 상태값인 0또는 1로 산출하고, 각 상태값의 발생 빈도와 비율 및 상태값 변환 빈도, 상태값 유지 시간을 파악하는 이진형 변수 분석 및 수집된 모니터링 데이터를 이용해 도 8에 도시된 바와 같은 시계열 그래프를 생성하여 시간에 따른 모니터링 데이터 변화 추이를 탐색하는 연속형 변수 분석을 수행할 수 있다.

초과 배출 예측모듈(130)은 설비 별 배출 기준량에 따라 배출량 기준 경고 등급을 설정하고, 산출된 오염물질 배출량에 따라 초과 배출량을 산출한다. 실시예에서 초과 배출 예측모듈(130)은 연료 투입량, 로압, 배출량을 포함하는 예측인자를 수집하고, 예측 인자간 상관분석을 통해 학습모델을 산출할 수 있다.

3차원 시각화 모듈(140)은 가열로, 전기로, 정렬로, 집진기, 굴뚝을 포함하는 TMS 연관설비 3차원 객체 라이브러리를 모델링 한다. 가이던스 생성모듈(150)은 수집된 배출가스 데이터, 오염물질 배출량 및 연료 적산량을 포함하는 모니터링 인자 및 초과 배출량을 포함하는 예측 인자를 분석하여 설비 별 운영 가이던스를 생성한다. 실시예에서 가이던스 생성모듈(150)은 탐색적 데이터 분석 (Exploratory Data Analysis)을 수행하여, 데이터의 분포와 특이점 및 데이터 패턴을 산출할 수 있다.

이상신호 알림 모듈(160)은 모니터링 인자 및 예측인자에 따라 이상동작을 예측하고, 이상신호를 감지하는 경우, 이상신호가 발생한 설비의 세부 정보를 제공한다. 실시예에서 이상신호 알림 모듈(160)은 수치형 변수를 포함하는 연속형 변수에 대해, 변수별로 취할 수 있는 가능 범위를 지정하고, 가능 범위를 벗어나는 값을 이상치로 판정하고, 범주형 변수인 경우, 취할 수 있는 범주값을 정의하고 정의된 범주를 벗어나면 이상치로 판정하고 이상신호 발생을 알릴 수 있다. 또한, 이상신호 알림 모듈(160)은 인공지능 모형의 성능을 평가할 수 있는 평가 지표를 사용하여 평가 지표에 따라 인공지능 모형을 선택하는 데이터 모형 평가를 수행하여, 배출가스 초과를 탐지할 수 있다. 또한, 실시예에서는 연료 사용량 대비 SOx, NOx 배출량 AI 모델을 제공하고, TMS 관련 데이터분석, 태그(Tag) 분석, 인자도출, 전처리 및 정련과정을 수행한다. 아울러, 투입 연료량 대비 로압, 배출량, 배출가스 성분의 분석을 통해 초과 배출량 탐지 모델을 제공한다. 실시예에서는 초과배출탐지 모델 머신러닝 적용 및 배출량 초과 예상 설비 사전 경고를 수행하도록 한다.

도 4는 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 처리과정을 나타낸 도면이다.

도 4를 참조하면, 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 데이터 수집(data collection), 데이터 분석(data analysis) 및 시스템 적용(system apply) 과정을 수행한다. 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 데이터 수집(Data Collection) 과정에서 데이터 서버는 현재 수요기업에서 가동되고 있는 다 배출 설비 중 현업관리자와의 협의를 통해 일정기간 배출가스 배출량을 판단할 수 있는 충분한 데이터와 변수를 가진 설비를 선정한다. 이때, 정밀 예측 시스템은 중요 변수 선정하는데 예컨대, 배출가스 센서 및 에너지 사용과 관련이 있는 연관 변수들을 선정하여 분석에 활용할 수 있도록 한다. 도 5에 도시된 바와 같이, 실시예에는 가동되고 있는 설비의 센서 데이터는 밸브(VV), 오픈(OPEN), 클로즈(CLOSE) 등 0 과 1 로 이루어진 이진형 데이터와, 배출가스 량, 온도, 연소 공기 유량, 공기압 등 실수형태의 연속형 데이터 두 유형이 존재한다. 따라서, 실시예에서는 각 데이터 유형별로 적용하는 분석기법이 다르게 설정하고, 데이터 파악을 다르게 수행해야 하므로, 변수에 따른 명확한 유형 정의를 미리 수행한다. 실시예에서 이진형 데이터는 0 과 1의 상태값을 가지는 데이터 밸브, 문 열림, 동작여부 등을 포함하고, 실시예에서 이진형 데이터는 빈도, 상태 변화 빈도, 상태 유지 시간 등을 파악하여 분석할 수 있다. 실시예에서 연속형 데이터는 실수값을 가지는 데이터로서, 배출 가스량, 에너지사용량 등의 변수를 포함하고, 시계열 분석, 히스토그램 등으로 연속형 데이터를 분석할 수 있다.

또한 실시예에서 인공지능 기반 배출가스 정밀 예측 시스템은 탐색적 데이터 분석 (Exploratory Data Analysis)을 수행하여, 데이터를 수집하였을 때 탐색적 자료 분석을 통해 다양한 각도에서 데이터를 분석한다. 이를 통해, 데이터의 분포와 특이점을 쉽게 발견할 수 있도록 하고, 데이터가 표현하는 현상을 더욱 용이하게 파악하고, 잠재적인 문제를 발견할 수 있도록 한다. 또한, 문제 정의단계에서 예상하지 못했던 다양한 패턴을 발견할 수 있도록 한다.

또한, 실시예에서 인공지능 기반 배출가스 정밀 예측 시스템은 데이터 모형 평가를 수행하여, 배출가스 초과를 미리 빠르고 정확하게 탐지하고 이를 알림으로써 현장 관리자가 해당 문제를 초기에 예방할 수 있게 한다. 이를 위해서는 특징(Feature)과 모델 자체의 설계도 중요하지만 가장 중요하게 작용하는 것은 모형의 성능이므로, 실시예에서는 모형의 성능을 평가할 수 있는 평가 지표를 사용하여 평가 지표에 따라 가장 좋은 성능을 나타내는 모형을 선택할 수 있도록 한다. 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 분류모형 평가 지표 및 회귀 모형 평가 지표를 이용하여 평가 지표에 따라 가장 좋은 성능을 나타내는 모형을 선택할 수 있도록 한다.

실시예에서 분류모델 성능 평가는 하나의 목표를 가지고 여러 가지 분류 모델을 생성하여 그 중 어떤 모델이 가장 나을지 판단할 때, 분류 모델 평가 지표를 이용한다. 분류 모델 평가 방법은 실제 데이터와 예측 결과 데이터 유사도에 기반하여 분류모델의 성능을 평가한다. 또한, 정확도, 오차행렬, 정밀도, 재현율 등의 지표를 통해 분류 모델의 성능을 평가한다.

오차행렬(Confusion Matrix)는 분류의 예측 범주와 실제 데이터의 분류 범주를 교차표(cross table)형태로 정리한 행렬이다. 실시예에서 산출되는 오차행렬은 이진 분류의 예측 오류 정도와 함께 어떤 유형의 오류가 발생하고 있는지 함께 나타낼 수 있다.

[표1: 오차행렬]

실시예에서는 오차 행렬에서 산출한 TP, FP, FN, TN 값을 통해 정확도, 정밀도 재현율 및 F1스코어를 산출할 수 있다.

정확도(Accuracy)는 전체 데이터 중에 정확하게 예측한 데이터의 수로서, 수학식 1에 따라 산출될 수 있다.

수학식 1

정밀도(precision)는 양성으로 판단한 것 중 실재 양성의 비율로서, 수학식 2에 따라 산출될 수 있다.

수학식 2

재현율(Recall)은 진짜 양성이 것들 중에서 올바르게 양성으로 판단한 비율로서, 양성 결과를 정확히 예측하는 정도를 나타내는 지표로서 모델의 완전성을 평가하는 지표로 사용된다. 재현율은 실시예에서 수학식 3을 통해 산출된다.

수학식 3

정밀도와 재현율을 포지티브 데이터 세트의 예측 성능에 좀더 초점을 맞춘 평가 지표로서 이진 분류 모델의 특성에 따라 특정 평가 지표가 더 중요한 지표로 간주될 수 있다. 예컨대, 재현율은 실제 양성(Positive)인 데이터 예측을 음성(Negative)으로 잘못 판단하게 되면 업무 상 큰 영향이 발생하는 경우 더 중요한 지표로 간주되고, 정밀도는 실제 음성인 데이터를 양성으로 잘못 판단하게 되었을 때 큰 문제가 발생하는 경우 더 중요한 지표로 간주된다.

F1스코어는 정밀도와 재현율을 결합하여 만든 지표로서 정밀도와 재현율이 어느 한쪽으로 치우치지 않는 수치를 나타낼 때 F1스코어는 높은 값을 나타내게 된다. 실시예에서 F1 스코어는 수학식 4를 통해 산출될 수 있다.

수학식 4

정확도, 정밀도, 재현율 및 F1 스코어는 모두 0에서 1의 값으로 산출되고 1에 가까워질 수록 성능이 뛰어나다는 것을 의미한다.

또한, 실시예에서는 회귀 모형 평가 지표를 이용하여 평가 지표에 따라 가장 좋은 성능을 나타내는 모형을 선택할 수 있도록 한다. 실시예에서는 회귀 모형 평가 수행을 위해, 회귀 모형 평가 지표인 MAE(Mean Absolute Error), MSE(Mean Squared Error) 및 RMSE(Root Mean Squared Error)를 산출하여 모형을 평가할 수 있다.

MAE는 실제 값과 예측 값의 차이를 절대값으로 변환해 평균으로 나타낸 값으로 수학식 5를 통해 산출된다.

수학식 5

N: 샘플 수, y_i: 실제값

: 예측값

MSE는 실제값과 예측값 차이를 제곱해 평균한 것으로 수학식 6을 통해 산출할 수 있다.

수학식 6

N: 샘플 수, y_i: 실제값

: 예측값

RMSE는 오류의 제곱을 산출하고, 산출된 값이 실제 오류 평균보다 더 커지는 특성이 있어 MSE에 루트를 씌운 값으로 수학식 7을 통해 산출할 수 있다.

수학식 7

N: 샘플 수, y_i: 실제값

: 예측값

도 6은 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템의 데이터 분석과정을 나타낸 도면이다.

도 6을 참조하면, 실시예에서는 로 데이터 수집, 데이터 정련(cleaned data), 데이터 레이블 지정(labeled data)을 수행하고, 데이터 레이블이 지정된 데이터를 트레인 데이터(Train data)와 테스트 데이터(test data)로 분류하고, 모델 생성 및 모델 평가 과정을 수행한다. 이후, 모델 평가 과정에 따라 최종 모델을 구축하고 구축된 최종 모델을 시스템에 적용한다.

실시예에서 인공지능 기반 배출가스 정밀 예측 시스템은 머신러닝(Machine Learning)을 위한 데이터 전처리를 수행한다. 예컨대, 인공지능 기반 배출가스 정밀 예측 시스템은 전처리 과정에서 이상치를 판별할 수 있다. 실시예에서는 각 수치형 변수를 포함하는 연속형 변수에 대하여는 변수별로 취할 수 있는 최소값, 최대값 등 가능한 범위를 지정하고 그 범위를 벗어나는 값을 이상치로 판정한다. 또한, 범주형 변수인 경우 취할 수 있는 범주값을 정의하고 정의된 범주를 벗어나면 이상치로 판정할 수 있다. 또한, 실시예에서는 발견된 모든 이상치 들을 결측치로 대체할 수 있다. 실시예에서는 결측치 처리를 직전 시점의 유효한 자료값으로 대체하여 수행할 수 있다.

또한, 실시예에서는 머신 러닝을 통한 배출량 초과 설비 예측 체계를 제공한다. 이를 위해, 데이터 수집 및 분석 서버를 구성하고, 연료 투입량, 로압, 배출량 등 인자 수집한다. 이후, 투입 연료량과 로압의 관계, 온도, 배출유량, 배출가스 성분 등을 복합적으로 학습하여 인자간 상관관계분석을 통한 배출량 초과 학습 등을 통한 학습모델을 제공할 수 있다. 실시예에서는 배출량 초과예상 시 모니터링 시스템에 경고 및 문제예상설비 지정 도출하고, 초과방지를 위한 운전 가이던스 제공하여 설비 운전을 최적화하도록 한다.

또한, 실시예에서는 초과 배출량 탐지 머신 러닝(Machine Learning)을 수행한다. 실시예에서는 초과 배출량 분석 및 기계학습을 위한 로 데이터(RAW Data) 분석 및 인자 도출을 수행한다. 예컨대, 주조공장, 단조 공장의 에너지 관련 데이터 인자를 도출하기 위해, 전처리 과정이 끝나고 설비 별 정련된 데이터를 사용해 설비 별 연료량 기반 배출량 환산을 위한 수식 및 통계 모델을 수립한다. 또한, 만들어진 통계 모델 및 수식 알고리즘을 파이선 기반으로 제공하여, 텐서플로우, 에저, AWI 등 머신러닝 API(Application Programming Interface)를 활용하여 초과배출 탐지를 위한 최적화 결과 값을 도출한다. 또한, 최적 결과 값 및 분석 모델은 머신러닝 시간과 현장의 상황, 로압, 배출량, 배출가스 등 인자의 특성이 변경될 때 오차를 일으킬 수 있으므로 현장 담당자 및 설비전문가, TMS 담당자가 모델을 평가하여 수식 및 모델을 수정할 수 있도록 다수의 피드백 과정을 거친다. 이후, 모델평가에서 초과 배출량이라 판단될 때 최종 모델로 선정하고 인자의 추가로 더 정확한 결과 값을 도출할 수 있도록 한다. 또한, 실시예에서는 모델평가과정에서 초과 배출량이라 판단될 때 최종 모델로 선정하고 인자의 추가로 더 정확한 결과 값을 도출할 수 있다.

또한, 실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 대상설비에서 나오는 데이터가 저장 되어있는 데이터베이스에서 설비 및 변수 선택을 통해 분석용 데이터를 추출한다. 이후, 데이터 전처리, EDA(Event-driven architecture) 등을 거쳐 분석 목적에 맞추어 모델링을 수행할 수 있다. 실시예에서는 모델링 과정 중 EDA의 일부를 시각화 하여 분석 관리자가 배출가스의 현재 상태를 확인할 수 있도록 하고, 관리 시스템에 모형을 적용하여 모니터링 시스템에 이상 감지 시 알람을 보내 관리자가 점검을 할 수 있도록 한다.

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 실증을 위한 설비부착용 측정장치를 제공하여 연관설비를 3차원 모델링하고 현장과 동일한 디지털 트윈(Digital Twin)을 구현함과 동시에, 센서 데이터 기반 데이터 소프트웨어 인터페이스(I/F) 및 모션을 구현하고 인공지능 모델을 제공하여 실시간 설비 별 측정 오염물질 정보를 제공한다.

또한, 통합 모니터링 체계를 구출하여 굴뚝 TMS, SNS 및 유량계 데이터를 수집하고, 도 9및 도 10에 도시된 바와 같이, 스마트에너지 시스템을 연계 및 가시화한다. 아울러 초과배출 사전 예측 및 경보 체계를 구축하여 초과배출 사전 알람 기능 및 ML(Machine learning)을 통한 배출량 예측체계를 구현한다. 이를 통해, 대기오염물질과 개별 설비에서 배출되는 대기오염물질을 상시 측정하여 배출 상황을 관제센터에서 24시간 관리하고, 빅데이터 분석을 통해 원인을 파악하고 총량에 도달 전 미리 예측하여 경보 및 사전에 선제적 조치를 할 수 있는 시스템 구축함으로써, 배출 가스 감소를 위한 운전 최적화 가이던스를 제공할 수 있다.

실시예에 따른 인공지능 기반 배출가스 정밀 예측 시스템은 배출가스 초과를 미리 빠르고 정확하게 탐지하여 이를 알림으로써 현장 관리자가 해당 문제를 초기에 예방할 수 있도록 한다.

개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.

Claims (7)

1. 인공지능 기반 배출가스 정밀 예측 시스템에 있어서,
   굴뚝과 설비 간에 연결된 배관에 설치되고, 굴뚝을 포함하는 개별설비에서 발생하는 배출가스 데이터를 수집하는 데이터 수집 모듈;
   상기 개별설비의 질소산화물, 황산화물 및 TSP(Total Suspended Particles)를 포함하는 오염물질 배출량 및 연료 적산량을 산출하는 모니터링 모듈;
   설비 별 배출 기준량에 따라 배출량 기준 경고 등급을 설정하고, 산출된 오염물질 배출량에 따라 초과 배출량을 산출하는 초과 배출 예측모듈; 및
   가열로, 전기로, 정렬로, 집진기, 굴뚝을 포함하는 TMS(Tele Metering System) 연관설비의 3차원 객체 라이브러리를 모델링 하는 3차원 시각화 모듈; 을 포함하는 배출가스 정밀 예측 시스템.
   
2. 제1항에 있어서, 상기 인공지능 기반 배출가스 정밀 예측 시스템은
   수집된 배출가스 데이터, 오염물질 배출량 및 연료 적산량을 포함하는 모니터링 인자 및 초과 배출량을 포함하는 예측 인자를 분석하여 설비 별 운영 가이던스를 생성하는 가이던스 생성모듈; 및
   상기 모니터링 인자 및 예측인자에 따라 이상동작을 예측하고, 이상신호를 감지하는 경우, 이상신호가 발생한 설비의 세부 정보를 제공하는 이상신호 알림 모듈; 을 더 포함하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   
3. 제1항에 있어서, 상기 초과 배출 예측모듈; 은
   연료 투입량, 로압, 배출량을 포함하는 예측인자를 수집하고, 예측 인자간 상관분석을 통해 학습모델을 산출하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   
4. 제1항에 있어서, 상기 모니터링 모듈; 은
   수집된 모니터링 데이터를 두 가지 상태값인 0또는 1로 산출하고, 각 상태값의 발생 빈도와 비율, 상태값 변환 빈도, 상태값 유지 시간을 파악하는 이진형 변수 분석 및 수집된 모니터링 데이터를 이용해 시계열 그래프를 생성하여 시간에 따른 모니터링 데이터 변화 추이를 탐색하는 연속형 변수 분석을 수행하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   
5. 제2항에 있어서, 상기 가이던스 생성모듈; 은
   탐색적 데이터 분석 (Exploratory Data Analysis)을 수행하여, 데이터의 분포와 특이점 및 데이터 패턴을 산출하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   
6. 제2항에 있어서, 상기 이상신호 알림 모듈; 은
   수치형 변수를 포함하는 연속형 변수에 대해, 변수별로 취할 수 있는 가능 범위를 지정하고, 상기 가능 범위를 벗어나는 값을 이상치로 판정하고,
   범주형 변수인 경우, 취할 수 있는 범주값을 정의하고 정의된 범주를 벗어나는 경우, 이상치로 판정하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   
7. 제6항에 있어서, 상기 이상신호 알림 모듈; 은
   인공지능 모형의 성능을 평가할 수 있는 평가 지표를 사용하여 평가 지표에 따라 인공지능 모형을 선택하는 데이터 모형 평가를 수행하고, 배출가스 초과를 탐지하는 것을 특징으로 하는 배출가스 정밀 예측 시스템.
   

Images