초록 ▼

본 발명에 따른 빅데이터 기반의 머신러닝을 활용한 스마트 하수처리시스템은, 유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 수질에 대한 오염도 데이터를 측정하는 단계(S01),유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 유량 및 온도를 측정하는 단계(S02), 유입수에 대하여 상기 단계에서 측정된 오염도 데이터, 유량 및 온도에 맞추어 빅데이터 기반의 머신러닝모듈을 가동하여 반응조가 최소의 에너지를 소모하도록 운전조건을 산출하는 단계(S03), 상기 S03에서 산출된 반응조의 운전조건 및 유입수의 수질에 대

본 발명에 따른 빅데이터 기반의 머신러닝을 활용한 스마트 하수처리시스템은, 유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 수질에 대한 오염도 데이터를 측정하는 단계(S01),유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 유량 및 온도를 측정하는 단계(S02), 유입수에 대하여 상기 단계에서 측정된 오염도 데이터, 유량 및 온도에 맞추어 빅데이터 기반의 머신러닝모듈을 가동하여 반응조가 최소의 에너지를 소모하도록 운전조건을 산출하는 단계(S03), 상기 S03에서 산출된 반응조의 운전조건 및 유입수의 수질에 대한 오염도 데이터를 종합적으로 분석하여 빅데이터 기반의 머신러닝모듈을 가동하여 반응조에서 방출되는 방출수의 수질에 대한 오염도 데이터를 예측하는 단계(S04), 제어부가 상기 S04단계에서 예측된 유입수의 오염도 데이터가 관리자가 목적하는 오염도에 부합하는지를 판단하는 단계(S05), 예측된 유입수의 오염도 데이터가 목적하는 오염도에 부합하다고 판단되는 경우, 제어부가 반응조를 S03에서 산출된 운전조건에 따라 가동시키는 단계(S06), 예측된 유입수의 오염도 데이터가 목적하는 오염도에 부합하다고 판단되지 않는 경우, 제어부의 지시에 따라 머신러닝모듈이 상기 S03단계부터 S04단계를 재차 반복적으로 수행하여 방출수의 오염도 데이터가 목적하는 오염도에 부합되는 경우, 제어부가 반응조를 산출된 운전조건에 따라 가동시키는 단계(S07) 및 반응조에서 방출되는 방출수의 수질에 대한 오염도 데이터를 측정하는 단계(S08)를 포함하는 것을 특징으로 한다,

대표청구항 ▼

유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 수질에 대한 오염도 데이터를 측정하는 단계;(S01) 유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 유량 및 온도를 측정하는 단계;(S02) 유입수에 대하여 상기 단계에서 측정된 오염도 데이터, 유량 및 온도에 맞추어 빅데이터 기반의 머신러닝모듈을 가동하여 반응조가 최소의 에너지를 소모하도록 운전조건을 산출하는 단계;(S03) 상기 S03에서 산출된 반응조의 운전조건 및 유입수의 수질에 대한 오염도 데이터를 종합적으로 분석하여 빅데이터 기반의 머신러닝모듈을 가동

유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 수질에 대한 오염도 데이터를 측정하는 단계;(S01) 유량조정조에서 반응조로 유입수가 유입되는 시점에서 유입수의 유량 및 온도를 측정하는 단계;(S02) 유입수에 대하여 상기 단계에서 측정된 오염도 데이터, 유량 및 온도에 맞추어 빅데이터 기반의 머신러닝모듈을 가동하여 반응조가 최소의 에너지를 소모하도록 운전조건을 산출하는 단계;(S03) 상기 S03에서 산출된 반응조의 운전조건 및 유입수의 수질에 대한 오염도 데이터를 종합적으로 분석하여 빅데이터 기반의 머신러닝모듈을 가동하여 반응조에서 방출되는 방출수의 수질에 대한 오염도 데이터를 예측하는 단계;(S04)상기 S04단계에서 예측된 방출수의 오염도 데이터가 관리자가 목적하는 오염도에 부합하는지를 제어부가 판단하는 단계;(S05) 예측된 방출수의 오염도 데이터가 목적하는 오염도에 부합하다고 판단되는 경우, 제업부가 반응조를 S03에서 산출된 운전조건에 따라 가동시키는 단계;(S06) 예측된 방출수의 오염도 데이터가 목적하는 오염도에 부합하다고 판단되지 않는 경우, 제어부의 지시에 따라 상기 머신러닝모듈이 상기 S03단계부터 S05단계를 재차 반복적으로 수행하여 방출수의 오염도 데이터가 목적하는 오염도에 부합되는 경우, 제어부가 반응조를 산출된 운전조건에 따라 가동시키는 단계;(S07) 및반응조에서 방출되는 방출수의 수질에 대한 오염도 데이터를 측정하는 단계(S08)를 포함하고,상기 S03단계는 머신러닝모듈이 유입수의 유입시점에서의 오염도의 상태값에 해당하는 변수 X1 , X2 , X3 ……… Xn로부터, Y(소모되는 에너지) = f(X1 , X2 , X3 ……… Xn, Z1, Z2, Z3 ……… Zn)이라는 함수식에 따라 Y가 최소가 되는 운전조건 Z1, Z2, Z3 ……… Zn을 결정하는 것을 특징으로 하며, 상기 S04단계는 머신러닝모듈이 S03에서 산출된 반응조의 운전조건 및 유입수의 수질에 대한 오염도 데이터를 종합적으로 분석하여, Y(방출수의 오염도 값) = f(X1 , X2 , X3 ……… Xn, Z1, Z2, Z3 ……… Zn)이라는 함수식에 따라 방출수의 오염도 값(오염도 데이터)를 예측하는 것을 특징으로 하며,상기 오염도 값(오염도 데이터)는 BOD, COD, DO, TOC, TP, TN, SS, pH값에 추가적으로 NH4 농도값을 포함하고,상기 반응조는 상기 머신러닝모듈에서 산출되는 값에 따라 혐기 모드, 호기 모드, 무산소 모드, 침전 모드, 배출 모드, 휴지 모드를 정해진 시간동안 각각 번갈아 가면서 작동하는 한편,유입수와 활성슬러지를 교반장치를 이용하여 생물학적 활성슬러지가 유입수에 존재하는 유기물을 생물학적 반응에 의해 분해하도록 함으로써 유기물을 제거하는 것을 특징으로 하는 빅데이터 기반의 머신러닝을 활용한 스마트 하수처리시스템.