선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문은 에너지 플랜트 환경에서 특수성과 효율성 강화하여 유해화학물질 누출사고로 인한 대기 확산범위를 즉각적으로 산출하는 실시긴 대기확산 시스템을 설계하고 구현하며 누출 시점 및 지점을 지능형 알고리즘으로 결정함으로써 사고대응이 아닌 사전예방형 시스템으로 전환하는 방법을 모색하는 것을 목적으로 한다. 이를 위하여 본 연구는 가우시안모델과 SLAB모델에 의거하여 산출된 대기확산범위는 GIS기반의 사용자인터페이스에 ERPG (Emergency Response Planning Guideline)의 각 농도 기준에 따라 구분해서 표현한다.
- 본 연구에서는 에너지 플랜트 환경에서 지속적으로 수집된 다양한 실제 데이터와 기상정보를 이용하여 즉각적으로 대기확산피해범위 산출이 가능하고 대상시설 구동중에 사용 가능한 지능형 실시간 대기 확산시스템을 설계하고 구현했다. 대기확산모델은 누출된 유해화학물질의 특성에 따라 구분하여 구현 하였으며, 산출 된 결과는 GIS맵 기반의 유저인터페이스에 ERPG의 각 단계별 농도에 따라 3단계로 대기확산범위를 구분하여 표현했다.
제안 방법
- 이 시스템은 위험시설의 상태를 모니터링하며, 위험 시 비상대응 시스템과 연동하여 위험 시설을 제어함으로써 안전관리를 유지한다. 기존 대기확산 시스템을 개선하기 위한 방법으로 본 논문은 관제시스템과 연동되어 비상 대응을 효율적으로 수행하고 사용자의 간섭을 최소화할 수 있는 실시간 대기확산 시스템을 Fig. 2와 같이 개선하였다.
- 구현된 실시간 대기확산시스템은 누출물질에 특성에 따라 가우시안과 SLAB의 대기확산모델이 내부적으로 구현되어있다. 누출사고 판단과 누출지점 특정은 사용자가 직접 판단하고 입력하게 구현했다. 누출로 인한 대기 확산이 실제 발생하거나 위험이 탐지되면 실시간 대기확산시스템이 가동되어서 지속적으로 수집된 실제 데이터와 기상정보가 이용되어 특정 된 누출지점에서부터 유해화학물질의 대기확산범위가 실시간으로 산출된다.
- 신경망 학습 모델은 압력, 온도, 진동, 가스누출, 배관식별자를 입력으로 하여 배관식별자와 배관 상태를 출력으로 보여준다. 누출원 지능화는 신경망 학습 모델의 결과값과 실제값 차이인 잔차를 분석하여 베이지안 추론을 적용하고 대상시설 누출가능성을 판별하였다. 본 논문의 베이지안 추론 알고리즘은 잔차 경향 및 변화폭을 입력으로 받고 베이지안 규칙을 생성하여 대상시설에 대한 정장, 주의, 전조, 경고를 확률로 제공하였다.
- 본 연구에서는 에너지 플랜트 환경에서 지속적으로 수집된 다양한 실제 데이터와 기상정보를 이용하여 즉각적으로 대기확산피해범위 산출이 가능하고 대상시설 구동중에 사용 가능한 지능형 실시간 대기 확산시스템을 설계하고 구현했다. 대기확산모델은 누출된 유해화학물질의 특성에 따라 구분하여 구현 하였으며, 산출 된 결과는 GIS맵 기반의 유저인터페이스에 ERPG의 각 단계별 농도에 따라 3단계로 대기확산범위를 구분하여 표현했다. 산출 된 대기확산 피해범위 산출결과를 토대로 해당 범위에서 작업 중인 작업자의 모바일기기를 통해 신속하게 확산사고 상황을 전파 할 수 있도록 구현했다.
- 유해화학물질의 대기확산범위에 작업하고 있는 작업자를 실시간 대기확산시스템에서 산출된 대기확산범위와 시설에서 작업 중인 작업자의 모바일기기를 통해 수집된 GPS를 비교하여 대기확산범위 내에 존재하는 작업자를 판별한다. 대기확산범위 내에 작업 중인 작업자에게 누출사고가 발생과 사고 정보, 대기확산범위, 사고대응조치 등을 모바일기기로 전파할 수 있도록 구현했다. 그림 5는 대기확산 범위 산출결과와 사고대응조치를 모바일기기를 이용하는 작업자에게 전파하는 그림으로 모바일환경의 시뮬레이터이다.
- 지능화모듈에서 탐지한 누출여부 판단을 토대로 누출의 시점을 자율적으로 특정하고 대기확산범위 산출이 수행된다. 또한 시설에서 수집된 각 종 데이터를 토대로 실시간 대기확산 시스템이 자율적으로 누출지점을 특정 할 수 있게 설계한다. 실시간 대기확산시스템의 누출에 대한 위험과 누출 발생여부에 대한 판단, 누출지점을 자율적으로 특정할 수 있는 지능화모듈을 실시간 대기확산시스템에 설계해서 기존의 시나리오기반 대기확 산모델 시뮬레이션의 임의로 특정해서 대기확산범 위산출보다 사용자의 부가적인 입력사항 없이 대기확산범위 산출 될 수 있게 한다.
- 산출된 대기확산범위를 토대로 누출사고에 대한 사고대응조치를 대기확산범위에 있는 작업자에게 모바일기기를 이용하여 신속하게 전파 할 수 있게 구현해서 유해화학물질의 누출로 인한 대기확산피해 최소화에 활용한다. 또한 신경망 모델과 베이지안 추론을 바탕으로 누출사고 이전에 위험성이 있는 누출 지점과 시점을 자동 추천하는 지능형 실시간 대기확산 시스템을 제시한다.
- 또한 실시간 대기확산 시스템의 누출 시점과 지점을 지능화하는 방안을 제시하고 모듈을 구현하였다. 이를 위해 첫 번째 단계로서 지능화 모델 구축하고 두 번째 단계로서 누출원 지능화를 수행한다.
- 다양한 독성가스 확산에 대한 예측은 대기확산 모델만으로는 불가능하다. 물성정보, 시설정보, 상태 정보 등이 대기확산 모델에 누출속도로 제공되어야 가능하며 Fig. 1은 본 논문에서 확장성과 이식성을 고려하여 설계한 대기확산 시스템의 구성 및 데이터 흐름도를 보여주며, 크게 물질(material), 시설(vessel), 시나리오(scenario), 소스(source), 확산(dispersion), 표현(rendering) 컴포넌트로 구성되었다.
- 잔차의 경향은 최종누출지역을 선정하기 위하여 입력으로 사용되며 누출지역 판별을 위하여 베이지안 추론 알고리즘을 사용한다. 베이지안 추론은 충분가능성(LS, Likelihood of sufficiency)와 필요가능성 (LN, Likelihood of Necessity)을 활용하여 사후확률을 계산함 으로써 특정사건의 발생 가능성을 확률로 제공하여 누출시점을 결정한다.
- 시설의 누출 위험성은 원격 측정된 정상 데이터 집합을 이용하여 비정상 데이터를 판별함으로써 누출 시점과 지점을 추천하는 방법론을 제시하여 실시간 대기확산 시스템의 지능화를 수행한다. 본 논문에서 제시하는 누출원 자동 추천 방법론은 크게 지능화 모델 구축과 누출지역 판별로 나뉠 수 있다. 지능화 모델은 신경망 알고리즘을 이용하여 대상시설에 대한 학습 모델을 구축하였다.
- 누출원 지능화는 신경망 학습 모델의 결과값과 실제값 차이인 잔차를 분석하여 베이지안 추론을 적용하고 대상시설 누출가능성을 판별하였다. 본 논문의 베이지안 추론 알고리즘은 잔차 경향 및 변화폭을 입력으로 받고 베이지안 규칙을 생성하여 대상시설에 대한 정장, 주의, 전조, 경고를 확률로 제공하였다.
- 본 연구에서는 시설식별자와 상태의 잔차 경향에 대한 패턴을 경고, 전조, 주의, 정상으로 분류하고 패턴 별 LS와 LN 값을 선정하여 규칙을 생성하고 Fig. 8 과 같이 베이지안 트리를 생성하여 추론을 수행한다. 추론된 베이지안 결과는 대상시설에 대한 정상, 주의, 전조, 경고를 확률로 제공하여 누출시점을 결정한다.
- 본논문의 신경망 학습 모델은 Fig. 6과 같이 입력층, 은닉층, 출력층으로 구성된다. 입력층은 압력, 온도, 진동, 가스누출, 배관식별자, 시간 등의 센싱값을 최대/최소값을 기반으로 정규화하여 입력으로 받는다.
- 대기확산모델은 누출된 유해화학물질의 특성에 따라 구분하여 구현 하였으며, 산출 된 결과는 GIS맵 기반의 유저인터페이스에 ERPG의 각 단계별 농도에 따라 3단계로 대기확산범위를 구분하여 표현했다. 산출 된 대기확산 피해범위 산출결과를 토대로 해당 범위에서 작업 중인 작업자의 모바일기기를 통해 신속하게 확산사고 상황을 전파 할 수 있도록 구현했다.
- 시나리오 컴포넌트는 누출의 원인이 되는 균열(crack), 구멍(leak), 파열(rupture) 등의 시설 상태 시나리오에 따른 질량값의 변화를 보여준다. 소스 시나리오는 대기온도, 대기습도, 대기압력, 풍향, 퐁속 등 누출물질이 대기와 직면하는 시기에 영향을 주는 요소를 이용하여 누출속도를 계산하다. 확산 컴포넌트는 확산 모델과 누출속도를 이용하여 x와 y 좌표 지점의 농도를 계산해주며, 표현 컴포넌트는 이를 응용 프로그램에서 제공한다.
- 시설의 누출 위험성은 원격 측정된 정상 데이터 집합을 이용하여 비정상 데이터를 판별함으로써 누출 시점과 지점을 추천하는 방법론을 제시하여 실시간 대기확산 시스템의 지능화를 수행한다. 본 논문에서 제시하는 누출원 자동 추천 방법론은 크게 지능화 모델 구축과 누출지역 판별로 나뉠 수 있다.
- 유해화학물질의 대기확산범위 산출에 필요한 데이터는 가상으로 설정 된 시나리오에서 임의로 특정한 데이터가 아닌 시설에서 실시간으로 수집 된 실제 데이터를 이용한다. 실시간 대기확산시스템은 누출사고 위험성이 높은 배관을 대상시설 로 선정하였으며 각종 센서와 계측장비가 실시간으로 배관의 상태와 누출과 관련 된 데이터를 지속적으로 수집한다. 유해화 학물질의 누출위험이 탐지되거나 누출사고가 발생 하면 대기확산범위 산출에 필요한 데이터는 각 종센서와 계측장비로 수집된 실제 데이터가 입력되어 대기확산범위 산출이 실시간으로 수행되며 산출된 대기확산범위를 즉시 확인 할 수 있다.
- 또한 시설에서 수집된 각 종 데이터를 토대로 실시간 대기확산 시스템이 자율적으로 누출지점을 특정 할 수 있게 설계한다. 실시간 대기확산시스템의 누출에 대한 위험과 누출 발생여부에 대한 판단, 누출지점을 자율적으로 특정할 수 있는 지능화모듈을 실시간 대기확산시스템에 설계해서 기존의 시나리오기반 대기확 산모델 시뮬레이션의 임의로 특정해서 대기확산범 위산출보다 사용자의 부가적인 입력사항 없이 대기확산범위 산출 될 수 있게 한다.
- 실시간으로 산출된 유해화학물질의 대기확산범 위는 GIS맵 위에 ERPG의 각 단계별로 농도를 기준으로 구분되어 사용자인터페이스 상에 투명도를 달리해서 즉시 표현했다. 누출사고 상황이 종료되거나 누출위험이 감소해서 배관 상태가 정상으로 돌아오거나 지능화모듈이 스스로 판단하면 사용자인터페 이스 표시된 대기확산범위는 종료된다.
- 산출된 대기 확산범위는 작업자에게 모바일기기를 이용해서 전파된다. 유해화학물질의 대기확산범위에 작업하고 있는 작업자를 실시간 대기확산시스템에서 산출된 대기확산범위와 시설에서 작업 중인 작업자의 모바일기기를 통해 수집된 GPS를 비교하여 대기확산범위 내에 존재하는 작업자를 판별한다. 대기확산범위 내에 작업 중인 작업자에게 누출사고가 발생과 사고 정보, 대기확산범위, 사고대응조치 등을 모바일기기로 전파할 수 있도록 구현했다.
- 입력층은 압력, 온도, 진동, 가스누출, 배관식별자, 시간 등의 센싱값을 최대/최소값을 기반으로 정규화하여 입력으로 받는다. 은닉층은 활성함수로 탄젠트 시그모이드함수를 적용하였고 출력층의 활성함수로 선형활성함수를 적용하며 출력으로서 배관식별자와 상태를 보인다. 모멘텀 역전파 알고리즘을 이용하여 신경망 시설모 델의 학습을 수행한다.
- 본 논문은 에너지 플랜트 환경에서 특수성과 효율성 강화하여 유해화학물질 누출사고로 인한 대기 확산범위를 즉각적으로 산출하는 실시긴 대기확산 시스템을 설계하고 구현하며 누출 시점 및 지점을 지능형 알고리즘으로 결정함으로써 사고대응이 아닌 사전예방형 시스템으로 전환하는 방법을 모색하는 것을 목적으로 한다. 이를 위하여 본 연구는 가우시안모델과 SLAB모델에 의거하여 산출된 대기확산범위는 GIS기반의 사용자인터페이스에 ERPG (Emergency Response Planning Guideline)의 각 농도 기준에 따라 구분해서 표현한다. 산출된 대기확산범위를 토대로 누출사고에 대한 사고대응조치를 대기확산범위에 있는 작업자에게 모바일기기를 이용하여 신속하게 전파 할 수 있게 구현해서 유해화학물질의 누출로 인한 대기확산피해 최소화에 활용한다.
- 또한 실시간 대기확산 시스템의 누출 시점과 지점을 지능화하는 방안을 제시하고 모듈을 구현하였다. 이를 위해 첫 번째 단계로서 지능화 모델 구축하고 두 번째 단계로서 누출원 지능화를 수행한다. 지능화 모델은 신경망 알고리즘을 이용하여 입력층, 은닝층, 출력층이 존재하는 신경망 학습 모델을 구축하였다.
- 본 논문에서 제시하는 누출원 자동 추천 방법론은 크게 지능화 모델 구축과 누출지역 판별로 나뉠 수 있다. 지능화 모델은 신경망 알고리즘을 이용하여 대상시설에 대한 학습 모델을 구축하였다. 신경망 알고리즘은 그래프 형태와 수학적 알고리즘으로 유닛과 유닛 사이의 가중치 연결로 구성되며 결함내구성, 일반화, 적용성의 장점이 존재하여 본 대상 도메인에 적합하다.
- 이를 위해 첫 번째 단계로서 지능화 모델 구축하고 두 번째 단계로서 누출원 지능화를 수행한다. 지능화 모델은 신경망 알고리즘을 이용하여 입력층, 은닝층, 출력층이 존재하는 신경망 학습 모델을 구축하였다. 신경망 학습 모델은 압력, 온도, 진동, 가스누출, 배관식별자를 입력으로 하여 배관식별자와 배관 상태를 출력으로 보여준다.
- 3은 제안하고자 하는 실시간 대기확산시스템의 지능화모듈 개념을 설명한 그림이다. 지속적으로 수집된 데이터는 IT분야의 데이터마이닝기법으로 구성 된 지능화모듈을 설계한다. 구체적으로 배관에서의 누출위험이 지능화모듈의 신경망에 학습된다.
- 8 과 같이 베이지안 트리를 생성하여 추론을 수행한다. 추론된 베이지안 결과는 대상시설에 대한 정상, 주의, 전조, 경고를 확률로 제공하여 누출시점을 결정한다.
- 확산 모듈은 (그림 4)에서 점선 화살표로 표시된 세부 요소로 구성되며 실시간으로 수집되는 데이터를 이용하기 때문에 가상의 사고경우(scenario)를 생성하는 시나리오 컴포넌트를 제거함으로써 기존 대기확산 시스템과 차별화하였다. 특히, 시나리오 컴포넌트에서 구멍 크기(size) 등 누출원인의 크기를 분류하던 과정을 없애고 시설 별 최악의 경우(worst case)로 확산 모듈을 구동하였다. GIS 모듈과 GIS 엔진은 표현 컴포넌트에서 담당했던 농도 표시를 GIS 맵과 연동하여 실시간으로 시설과 농도를 동시에 화면에 그려주며 에너지 플랜트의 관제 시스템과 상호 연동된다.
대상 데이터
- 본 논문에서는 다양한 유해물질에서 독성가스를 주요 대상으로 하고 신속하게 확산을 처리할 수 있는 가우시안 모델과 SLAB 모델을 선정하였다. 가우시안 모델은 정규분포를 이용하여 확산범위를 산정하며 공기보다 가벼운 독성가스에 적용된다.
- 실제 여수산업단지의 석유화학공장의 GIS맵 위에 사용자인터페이스가 구성했다. 간단한 플랜트 시설정보, 지속적으로 각종 센서와 계측장비로 수집되는 실제 데이터, 주변 지역의 실시간 기상정보 등을 유저인터페이스에서 볼 수 있다.
이론/모형
- 은닉층은 활성함수로 탄젠트 시그모이드함수를 적용하였고 출력층의 활성함수로 선형활성함수를 적용하며 출력으로서 배관식별자와 상태를 보인다. 모멘텀 역전파 알고리즘을 이용하여 신경망 시설모 델의 학습을 수행한다.
- 7은잔차의 경향, 변화폭 등을 도식화하여 보여준다. 잔차의 경향은 최종누출지역을 선정하기 위하여 입력으로 사용되며 누출지역 판별을 위하여 베이지안 추론 알고리즘을 사용한다. 베이지안 추론은 충분가능성(LS, Likelihood of sufficiency)와 필요가능성 (LN, Likelihood of Necessity)을 활용하여 사후확률을 계산함 으로써 특정사건의 발생 가능성을 확률로 제공하여 누출시점을 결정한다.
성능/효과
- 누출이 발생하거나 누출 위험이 높아지면 대기확산 범위 산출에서 필요한 데이터는 서버에 저장 된 데이 터가 전처리되어 실시간 대기확산시스템에 입력된다. 실제 측정 된 데이터를 이용하며 사용자 입력을 최소 화해서 기존 시뮬레이션 기반의 대기확산범위 산출의 제약을 극복한다.
- 이를 통해 기존 대기확산모델 시뮬레이션의 한계를 극복한 유해화학물질의 실시간 대기확산시스템 구현이 가능하였으며 산출 된 대기확산범위를 토대로 적절한 확산사고대응조치와 유해화학물질의 위험을 전파해서 대기확산사고피해를 최소화 할 수 있음을 확인했다.
후속연구
- 본 지능형 실시간 대기확산 시스템은 대규모 복합 산업시설에 구역(zone)별로 누출가능 확률을 제공함으로써 누출 지점 및 시점을 추천할 수 있다. 향후계획으로는 시험적으로 구현된 지능화 모듈 구현을 최종 완료하여 대기확산시스템의 세부 구성요소로 안전화 할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.