메뉴 건너뛰기

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

(신한대학교, 신한대학교 일반대학원)

지도교수
김종규
발행연도
저작권
신한대학교 논문은 저작권에 의해 보호받습니다.

이용수7

표지
AI에게 요청하기
추천
검색

초록· 키워드

상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!
인공지능을 활용한 하수처리 공정(A2O) 자율제어 가상물리시스템 개발 및 적용 Development and application of Autonomous Control Cyber Physical System(CPS) for Sewage Treatment Process(A2O) using Artificial Intelligence 산업이 발달하고 하수도 보급률이 증가함에 따라 하수처리장에 유입되는 유량 과 수질의 변동 폭이 커지고 있으며, 방류수 수질 기준이 강화됨에 따라 안정적으 로 방류수질을 유지함과 동시에 효율적인 하수처리장 운영이 중요한 이슈로 떠오 르고 있다. 현재 하수처리장은 하수처리장으로 유입되는 하수의 오염부하량이 지 속적으로 증가하고 있으나 정확한 체계 없이 운전자의 경험에 의존하여 공정을 운영하고 있는 상황이다. 이러한 상황들로 인하여 실제 현장에서는 하수처리장 운 영 기준 보다 송풍량, 내부 반송량, 슬러지 반송량을 과도하게 운영하고 있어 하 수처리장에서는 불필요한 에너지 소비 및 탄소가 발생되고 있는 상황이다. 운영을 문제를 해결하고자 이전부터 ASM 모델과 같은 수학적 모델 기반 제어, 실시간 센서 데이터 기반 제어 등 다양한 방법을 통해 효율적으로 제어하고자 하였으나, 실제 하수처리장의 경우 물리, 화학, 생물학적 반응들이 복잡하게 서로 연계되어 있어 기존의 방법으로는 하수처리 공정을 자율제어 하기에는 많은 어려움이 있었 다. 최근 이러한 문제를 해결하고자 최근 하수처리장에서는 Digital Twin을 기반 으로 가상의 공간에서 현장에 대한 상황을 사전에 검증하고 도출된 최적의 공정 운영 조건을 실제 현장에 적용하는 가상물리시스템(Cyber Physical System, CP S)에 대한 연구가 조금씩 진행되고 있다. 현재 가상물리시스템은 스마트 공장에서 주로 사용되고 있으며 최근에는 정수 및 하수처리장까지 범위가 확대되고 있는 상황이다. 따라서 본 연구에서는 하수처리 공정 중 가장 대중적으로 사용되어지고 있는 공정 중 하나인 A2O 공정을 대상으로 하수처리 공정을 자율제어 할 수 있 는 가상물리시스템을 개발하였다. 개발된 가상물리시스템을 실제 A2O 공정 하수 처리 현장에 적용하여 방류수 수질기준 달성 여부와 송풍량, 내부 반송량, 슬러지 반송량을 분석하여 에너지 저감량을 분석하여 효율적인 하수처리 공정 운영 가능 성을 분석하고자 하였다. 본 연구를 통해 개발된 가상물리시스템을 실제 현장에 적용하고자 서울특별시에 위치한 A하수처리장 내에 60m3/일 규모의 A2O 공정 Pi lot Plant를 구축하여 연구를 실시하였다. Pilot Plant로 유입되는 하수의 특성(유 량 및 수질)에 따른 방류수 수질 및 공정 운영 조건(송풍량, 내부 반송량, 슬러지 반송량)을 예측하고, 예측된 값을 A2O 공정의 Pilot Plant에 적용하여 공정을 운영 하였다. 또한, 가상물리시스템 적용 유·무에 따른 방류수 수질과 송풍량, 내부 반송 량, 슬러지 반송량을 비교하여 효율적인 하수처리 공정 운영 여부를 판단하였다. 본 연구에서는 하수처리 공정 자율제어 가상물리시스템을 개발하기 위하여 STP -Monitor, Simulator, Controller, Builder 총 4개의 하위 요소로 구성하였다. STP- Monitor는 IoT 기반의 센서를 통해 실시간으로 유입과 유출 시, 생물반응조 내 수 질 항목 측정하여 하수처리 공정의 정상 운영 여부를 실시간으로 모니터링 하였다. STP-Simulator는 인공지능(Artificial Intelligence, AI)의 인공신경망 모델 중 하나 인 CNN+DNN 모델을 기반으로 하여 유입수질에 따른 방류수 수질 및 공정 운영 조건인 송풍량, 내부 반송량, 슬러지 반송량을 예측하여 실시간으로 유입되는 원수 에 따른 최적의 하수처리 공정 운영 조건을 도출할 수 있도록 구현하였다. STP-Co ntroller는 STP-Simulator를 통해 예측된 결과값을 송풍기, 내부 반송펌프, 슬러지 반송펌프에 전달하여 원하는 조건에서 운영되도록 하였다. 마지막으로 STP-Builde r를 통해 Digital Twin을 기반으로 구현된 가상의 공간과 구성 요소인 STP-Monit or, Simualtor, Controller를 결합하여 가상세계에서 구현한 최적 운영 조건을 현실 에 실시간으로 동기화 하여 적용할 수 있는 3D 플랫폼을 나타내었다. 최종적으로는 4개의 하위 요소를 결합하여 하수처리 공정 자율제어 가상물리시스템을 구축하였 다. 가상물리시스템을 적용하지 않은 일반적인 운영 조건에서의 유입수는 TOC 59.12 0mg/L, SS 155mg/L, T-N 35.002mg/L, 그리고 T-P 2.124mg/L로 측정되었으며, 처리 된 방류수의 경우 TOC 3.575mg/L, SS 3.678mg/L, T-N 3.443mg/L, 그리고 T-P 0.18 mg/L으로 처리되었다. 즉, TOC의 처리효율은 93.95%, SS는 97.63%, T-N는 90.16%, 그리고 T-P의 경우 91.53%으로 나타났다. Pilot Plant에 가상물리시스템을 적용한 운영 조건에서의 유입수는 TOC 73.451mg/L, SS 187.545mg/L, T-N은 37.261mg/ L, T-P 2.256mg/L로 측정되었으며, 처리된 방류수의 경우 TOC 4.47mg/L, SS 0. 46mg/L, T-N 3.02mg/L, T-P 0.04mg/L로 처리되었다. 즉, TOC의 처리효율은 9 3.91%, SS는 99.7%, T-N는 91.37%, T-P는 98.12%으로 나타남에 따라 가상물리 시스템을 적용하였을 때 저감 효율이 높아짐에 따라 가상물리시스템에 의해 안정 적으로 하수처리 공정이 운영된 것으로 판단된다. 또한 송풍량의 경우 일반적인 운영 조건에서는 평균적으로 시간당 42.72m3의 송풍량으로 하수를 처리하였으나, 가상물리시스템을 적용한 경우 평균적으로 시간당 35.49m3의 송풍량으로도 충분 히 방류수 수질 기준을 만족시키는 결과를 도출함에 따라 시간당 약 7.23m3의 송 풍량이 절감되었으며, 에너지 절감 효율은 약 16.59%으로 나타났다. 내부 반송량 의 경우 일반적인 운영 조건에서는 평균적으로 시간당 4.99m3의 내부 반송량으로 공정이 운영되었으며, 가상물리시스템으로 공정을 운영한 조건에서는 시간당 4.46 m3의 내부 반송량으로도 공정이 운영됨에 따라, 약 10.61%의 내부 반송량 절감이 가능한 것을 확인하였다. 마지막으로 슬러지 반송량의 경우 일반적인 운영조건에 서는 시간당 0.72m3의 슬러지 반송량으로 공정이 운영되었으며, 가상물리시스템으 로 공정을 운영한 조건에서는 시간당 0.71m3의 슬러지 반송량으로 운영됨에 따라 차이가 크지 않았다. 실험 결과를 통해 하수처리 공정 내 가상물리시스템을 도입 하여 자율제어를 실시할 경우 방류수 수질기준을 만족시킴과 동시에 송풍량의 경 우 약 16.59%, 내부 반송량의 경우 약 10.61%의 절감 효율을 나타냄에 따라 운영 비를 절감할 수 있어 효율적으로 하수처리 공정이 운영된 것으로 판단된다. 본 연 구를 통해 하수처리장 내 가상물리시스템을 적용하여 유입수질에 따라 방류수 수 질과 공정 운영 조건인 송풍량, 내부 반송량, 슬러지 반송량을 예측하고 예측된 결과를 바탕으로 하수처리 공정을 제어하여 효율적인 하수처리 공정이 이루어지 도록 하였다. 따라서, 본 연구를 통해 개발된 가상물리시스템을 국내 하수처리장 에 적용하게 된다면 운전자 경험에 의존하고 있는 기존 방법에서 벗어나 체계적 이며 안정적으로 하수처리 공정 운영이 가능함과 동시에 과도하게 사용되어지고 있는 에너지를 효율적으로 절감할 수 있어 그 결과로 탄소중립 실현에 이바지 할 수 있을 것으로 판단된다.

As the industry develops and the supply rate of sewage increases, the range of changes in sewage flows and sewage water quality into sewage treatment plants is increasing. And as discharge water quality standards are strengthened, the need to operate sewage treatment plants efficiently while maintaining stable discharge water quality is emerging as an important issue. However, while the pollution load of sewage flowing into sewage treatment plants continues to increase, sewage treatment plants currently operate processes based on the operator''s experience without an accurate system. Due to these circumstances, the actual site operates higher than the standard for the operation of the sewage treatment plant, so unnecessary energy consumption and large amounts of carbon are generated in the sewage treatment plant. Many researchers have tried to efficiently control sewage treatment plants to solve these problems through methods such as real-time sensor data-based control or mathematical model-based control using ASM models. However, in the case of actual sewage treatment plants, physical, chemical, and biological reactions are intricately linked to each other, making it difficult to autonomously control the sewage treatment process with existing methods. Recently, in order to solve this problem, the sewage treatment plant is conducting research on the Cyber Physical System (CPS) that verifies the situation of the site in advance in a virtual space based on Digital Twin and applies the derived optimal process operating conditions to the actual site. CPS is mainly used in smart factories, and recently, the scope has been expanded to water purification and sewage treatment plants. Therefore, in this study, CPS was developed that can autonomously control the sewage treatment process for the A2O process, which is one of the most commonly used processes among sewage treatment processes. The developed CPS was applied to the A2O process pilot plant of the 60m3/day sewage treatment plant located in Seoul to analyze whether the effluent water quality standards were achieved, as well as the amount of blowing, internal return, and external return. In addition, the energy reduction was analyzed to analyze the possibility of efficient sewage treatment process operation.
In order to develop CPS for the field, it was composed of four sub-components: STP-Monitor, Simulator, Controller, and Builder. STP-Monitor measures water quality influence factors in the bioreactor through IoT-based sensors to monitor the normal operation of the sewage treatment process in real time. Based on the CNN+DNN model (Artificial neural network model), STP-Simulator is implemented to predict the quality of effluent water, blowing volume, internal return volume, and external return volume according to the water quality of raw water entering in real time to derive optimal sewage treatment process operating conditions. The STP-controller delivers the predicted result values through the STP-Simulator to the blower, the internal transport pump, and the external transport pump so that they operate under the desired conditions.
Finally, STP-Builder combined the virtual space implemented based on Digital Twin with components STP-Monitor, Simulator, and Controller to show a 3D platform that can synchronize and apply the optimal operating conditions implemented in the virtual world in real time. It was shown that the quality of influent under normal operating conditions without CPS to the pilot plant was measured as TOC 59.120 mg/L, SS 155 mg/L, T-N 35.002 mg/L, T-P 2.124 mg/L, and treated effluent water quality was found to be TOC 3.575 mg/L, SS 3.678 mg/L, T-N 3.443 mg/L, and T-P 0.18 mg/L. In order words, the treatment efficiency of TOC was 93.95%, SS 97.63%, T-N 90.16% and T-P 91.53% respectively. The water quality of influent under the operating conditions of applying CPS to the pilot plant was measured as TOC 73.451mg/L, SS 187.545mg/L, and T-N was measured as 37.261mg/L, and T-P 2.256mg/L. For treated effluent, TOC 4.47mg/L, SS 0.46mg/L, T-N 3.02mg/L, and T-N 0.04mg/L. As a result of this, the treatment efficiency of TOC was 93.91%, SS 99.7%, T-N 91.37% and T-P 98.12%, so it can be explained that the sewage treatment process was stably operated by CPS as the reduction efficiency increased when CPS was applied. In addition, in the case of air volume, sewage was treated with an average air volume of 42.72m3 per hour under general operating conditions, but when CPS was applied, the average air volume of 35.49m3 per hour was sufficiently satisfied, resulting in a reduction of about 7.23m3 per hour, and the energy-saving efficiency was about 16.59%. In the case of internal recycle(IR), the process was operated at an internal recycle of 4.99m3 per hour on average under general operating conditions, and it was confirmed that the internal recycle amount was reduced by about 10.61% as the process was operated at an internal recycle amount of 4.46m3 per hour under the conditions of operating the process with CPS. Finally, in the case of return activated sludge(RAS), the process was operated at an return activated sludge amount of 0.72m3 per hour under general operating conditions, and under the conditions of operating the process with CPS. The difference was not significant as the process was operated at return activated sludge amount of 0.71m3 per hour. The experimental results show that when CPS is introduced in the sewage treatment process and autonomous control is carried out, it satisfies the effluent water quality standards, and at the same time, it shows a saving efficiency of about 16.59% for air volume and about 10.61% for internal recycle, indicating that the sewage treatment process was operated efficiently. In conclusion, this study predicts the effluent water quality and process operating conditions, such as blowing volume, internal return volume, and external return volume, and controls the sewage treatment process based on the predicted results to achieve an efficient sewage treatment process by applying CPS in the sewage treatment plant. Therefore, if the CPS developed through this study is applied to domestic sewage treatment plants, it will be possible to operate the sewage treatment process systematically and stably. In addition, it is believed that it can efficiently reduce excessively used energy and contribute to the realization of carbon neutrality.

목차

  1. 제1장 서론 1
    1. 연구 배경 1
    2. 연구 목적 3
    3. 연구 범위 6
    제2장 이론적 배경 8
    2.1 활성슬러지 공법 8
    2.1.1 활성슬러지 공법 정의 8
    2.1.2 활성슬러지 변법 10
    2.2. 가상물리시스템(Cyber Physical System, CPS) 14
    2.3. 인공지능 16
    2.3.1 인공지능의 개념 17
    2.3.2 인공지능의 분류 19
    2.4. 인공신경망23
    2.4.1 인공신경망(Artificial Neural Network) 정의 23
    2.4.2 인공신경망 구성 및 동작24
    2.4.3 인공신경망 종류 25
    2.4.4 인공신경망 데이터 전처리 33
    2.4.5 인공신경망의 학습34
    2.4.6 인공신경망 성능 평가36
    2.4.6.1 Loss Function36
    2.5. 하수처리 공정 제어 38
    2.5.1 기존 하수처리 공정 제어38
    2.5.2 모델링을 활용한 하수처리 공정 운영 39
    2.5.3 센서 기반 하수처리 공정 제어 사례 41
    2.5.4 인공신경망을 활용한 하수처리 공정 제어43
    제3장 실험 방법45
    3.1 하수처리 공정 자율제어를 위한 가상물리시스템(CPS) 개발 45
    3.2 STP-Monitor, Controller(Pilot Plant) 구축46
    3.3 인공지능 기반 STP-Simulator 개발51
    3.3.1 공정모사를 통한 인공지능 모델 학습데이터 확보 52
    3.3.2 학습데이터 정리 63
    3.3.3 학습데이터 전처리 & 분석 및 특정 추출 71
    3.3.4 A2O 공정 인공지능 모델 설계 72
    3.3.4.1 강화학습 모델72
    3.3.4.2 공정 운영조건을 예측하는 시계열 모델 73
    3.3.4.3 방류수 수질을 예측하는 회귀 모델 78
    3.3.4.4 방류수 수질을 예측하는 회귀 모델을 이용한 최적 제어조건 도출 알고
    리즘82
    3.4 STP-Builder 개발86
    3.5 Pilot Plant 내 A2O 공정 인공지능 모델 적용86
    제4장 실험 결과87
    4.1 A2O 공정 Pilot Plant 구축(STP-Monitor, STP-Controller 구축) 87
    4.2 인공지능 모델 학습데이터 확보 93
    4.2.1 내부 반송량 200% 조건 94
    4.2.2 내부 반송량 100% 조건 101
    4.2.3 내부 반송량 50% 조건 107
    4.2.4 내부 반송량 0% 조건 114
    4.3 인공지능 기반 STP-Simulator 개발 121
    4.3.1 운영인자간 상관관계 분석 121
    4.3.2 변수들간 자기상관 함수(ACF) 분석 127
    4.3.3 변수들간 부분 자기상관 함수(PACF) 분석 129
    4.3.4 인공지능을 활용한 하수처리 공정 예측 모델 개발133
    4.3.4.1 공정운영 조건을 예측하는 시계열 모델 개발 133
    4.3.4.2 방류수 수질을 예측하는 회귀 모델(DNN+CNN) 개발 140
    4.4 STP-Builder 개발 160
    4.5 인공지능 기반 하수처리 자율제어 시스템 현장 적용 161
    제5장 결론 190
    참고문헌194
    Abstract208

최근 본 자료

전체보기