1. 서 론
1.1 연구배경 및 목적
｢2020 하수도통계｣에 따르면 국내 하수도 보급률은 94.5%로 2015년 국내 하수도 보급률 92.9%보다 1.6% 증가하였다. 하수처리시설은 2015년 3,907개소에서 2020년 4,281개소로 5년 동안 374개소가 신설되었다(MOE, 2020). 또한, 2000년대 이후부터 지속적인 방류수 기준 강화와 국민의 환경에 대한 인식 증대로 고도처리 기술들의 개발 적용이 진행되고 있어 하수처리시설 운영을 위한 에너지 소비량은 매년 증가하고 있다(MOE, 2020).
하수처리시설은 에너지 다소비 시설로 분류되어 에너지 절감 대책의 필요성이 대두됨에 따라 환경부는 2030년까지 에너지 자립률 50%까지 달성하기 위한 ｢공공하수처리시설 에너지 자립화 기본계획｣을 수립하였다(MOE, 2010). 하지만 2019년 시설용량 500 m3/d 이상 하수처리시설의 에너지 자립률(하수처리시설의 연간 전력 사용량 대비 신⋅재생 에너지 생산을 통한 에너지 절감량 합계 비율)은 3.9%에 불과하다(MOE, 2019; Table 1).
Table 1
Energy Self-Reliance Rate of 500 m3/d Public Sewage Treatment Facilities in 2019 (MOE, 2019)
환경부에서 에너지 절감 및 자립화 필요성 증대의 대안으로 ｢제2차 국가 하수도 종합계획(’16~’25)｣과 ｢제1차 국가물관리기본계획(’21~’30)｣을 발표하여 하수처리시설의 효율적인 제어⋅관리 시스템 개발을 통해 에너지 자립화 사업을 추진하는 계획을 세웠으며, ICT 기반 지능형 하수처리장 구축을 통한 실시간 수질⋅수량 정보 모니터링, 수질사고 징후의 사전 예측, 신속 대응 또는 원격 제어를 스마트 기술을 통한 유지 관리 성능 고도화과제의 세부 내용으로 명시하였다(MOE, 2015).
2020년 전국 하수처리시설 연간 총 전력 사용량 합계는 3,144 백만kWh/년으로 이는 국가 전체 전력 판매량의 0.62%이다(EPC, 2020). 특히 하수처리시설은 생물학적 공정이 포함되어 있어 폭기 시 많은 에너지가 필요하다. 하수처리시설의 주요 전력 사용량은 폭기, 송풍기 40.1% 유입수 펌프 21.3%, 슬러지 탈수 처리 6.4% (MOE, 2008; Fig. 1)이며 폭기, 송풍기에 사용되는 에너지 저감 및 시설 운영 효율 증대가 필요하다(MOE, 2018).
따라서, 본 연구에서는 제거율 기반 하수처리 자가 진단 애플리케이션 개발을 통해 시설 운영 효율 증대를 통한 에너지 절감, 하수처리시설 현장 운영자가 사용하기 쉬운 시뮬레이터를 제공하고 자가 진단 결과에 대한 조치사항 작성, 의사결정 및 운영 가이드라인을 제시하는 하수처리시설의 ICT 기반 자가 진단 애플리케이션 개발 연구를 수행하였다.
1.2 국내외 연구사례 및 시뮬레이터 개발 현황
1.2.1 국내외 연구사례
P 제철(대한민국) 폐수처리시설에서 자동 공정에서 자동제어 시스템을 이용하여 표면 폭기를 제어한다. 폭기 에너지에 소비되는 비용을 약 40% 절감하는 성공적인 대표 사례가 있다(MOE, 2019).
H 엔지니어링(대한민국)에서는 HAC Pro Water 자동 공정제어 시스템을 개발하였다. 간략화된 ASM (Active Sludge Model, 활성 슬러지 모델) 2d 모델을 적용하여 Full package ASM 2d 모델보다 계산속도가 빠르며 질산화, 탈질산화 종료 시점을 계산하여 과포기에 이용되는 폭기 에너지 비용 절감할 수 있다. 또한 수질 TMS를 활용하여 자동계측, 자동계산, 자동제어 시스템을 구축하여 실시간으로 공정의 상태 파악 및 시뮬레이션 결과를 이용하여 운전조건에 따른 방류 수질 예측이 가능하다(Hyosungbara Engineering Co, 2011).
K사(대한민국)는 ｢Dr.Wastewater 하수처리 진단 프로그램｣을 개발하였다. 연역적 진단 기법(Deductive Diagnosis Methodology, DDM) 알고리즘을 바탕으로 하여 하수처리시설의 방류 수질 자료를 기초로 발생확률을 분석하고 오염물질 간 상관관계 검토를 통해 수질기준을 초과하거나 초과할 가능성이 있는 오염물질들의 수준을 개별 평가하여 단위공정의 문제점을 도출하고 문제해결 방안을 제시하는 기능을 포함하고 있다(Kim et al., 2006).
EU 5개국(덴마크, 독일, 스코틀랜드, 슬로베니아, 폴란드)은 SMAC (SMArt Control) 프로젝트를 통해 각 하수처리시설에 적용된 제어 진단 시스템 전체를 하나로 묶어서 각각의 시스템을 연계 관리를 통해 강우량 예측에 따른 하수관거 관리, 하수처리시설의 자동화를 통해 유럽 하수도 시스템의 효율적 최적화 관리에 관한 연구를 수행 중이다(Kim and Kim, 2011).
1980년도부터 일본 오사카 근방에 위치한 카와마타 하수처리시설에서 반송비와 적절한 MLSS⋅DO 제어 시스템을 포함하는 폐슬러지 제어와 폭기조 유입 유량제어 시스템을 개발⋅설치하여 최적화 시스템을 도입하였다. 이후 1997년 ICA (Independent Component Analysis) 학회에서 제어, 컴퓨터와 통신의 세 가지 기술 융합을 통한 새로운 ICA 기술의 영역을 제시하였으며, 초소형 범용적인 기술의 개발과 상⋅하수의 관리자 제어 시스템이 비약적으로 발전하였다(Yoo, 2019).
1.2.2 시뮬레이터 개발 현황
GPS-X (캐나다)는 ASM 기반 하⋅폐수 시뮬레이터이며 Hydromatix (캐나다) 사에서 개발하였다. 여러 가지 공법의 하수처리시설을 모사할 수 있고, 정상상태, 동적 시뮬레이션을 진행해 운영 문제점을 파악할 수 있다. 49개의 단위공정 객체가 존재하며 각 단위공정의 매개변수를 조정하여 하수처리시설을 좀 더 정확히 모사할 수 있다(Seoul Environmental Technology Center, 2006).
WEST는 DHI (덴마크)에서 개발한 ASM 모델 기반의 하수 및 폐수 전용 시뮬레이터이다. ASM 모델을 기반으로 유럽 지역에서 많이 사용되는 프로그램으로 5개의 모듈로 구성되어 있어 사용자의 목적에 맞게 선택적 사용이 가능하다(Hydrosoft, 2012).
MassFlow3는 정상상태 시뮬레이션, 시뮬레이션 보고서 자동작성, 동적 시뮬레이션, 유입수 성상 분석, 민감도 분석, 호기조 용존산소 최적화, 고형물 체류시간 최적화, 탄소발자국 등의 다양한 기능을 포함하는 U사(대한민국)에서 개발한 시뮬레이터이다. 이는 ADM (Anaerobic Digestion Model) 1에 기반한 슬러지 처리 공정 12개, ASM 2d 기반 주 처리공정 16개의 단위공정 객체로 이루어져 있다. 각 단위공정의 복잡한 매개변수 보정을 통한 정확한 모사가 가능하고 하수처리시설의 설계 진단 시뮬레이션 정보를 제공한다(Jang, 2021; Table 2).
Table 2
Sewage Treatment Simulator Types
2. 연구 재료 및 방법
2.1 하수처리 시뮬레이터 선정
ICT 기반 지능형 하수처리시설 구축하고 안정적인 하수처리 및 에너지 사용량 절감을 실현하기 위해 하수처리 자가진단 웹 애플리케이션의 적절한 하수처리 시뮬레이터로 Massflow3를 사용하였다. 텍스트 기반의 시뮬레이터는 가격이 저렴하면서 계산속도가 빠르다는 이점을 가지고 있지만 초보자나 현장 운전자가 쉽게 사용하기 어렵고 숙련도를 요구한다. 반면 Massflow3와 같은 그래픽 기반의 시뮬레이터는 가격이 텍스트 기반 시뮬레이터보다 상대적으로 고가이고 유연하지 못하다는 한계가 있으나 초보자나 현장 운전자도 쉽게 운영할 수 있다는 장점이 있다.
① Massflow3는 ASM 2d를 기반으로 한 국내 하수처리 시뮬레이터이며 HRT, SRT, MLSS, F/M비 등 운영인자(시뮬레이션 값) 확인이 쉽다. 또한 다양한 공정을 지원하고 각 공정의 자세한 수질을 확인, 다양한 단위공정 객체의 레이아웃을 손쉽게 수정할 수 있어 실제 하수처리시설 모사를 쉽고 정확하게 시뮬레이션할 수 있다. 특히 모사가 어려운 활성슬러지 단위공정 객체의 레이아웃의 손쉬운 수정을 통해 실제 하수처리시설과 유사하게 시뮬레이션이 가능하다. 자가진단 알고리즘 Flow Chart 작성 시 참고 자료로 사용 가능하며 조치사항 및 유효성 확인이 가능하다.
② 메타 휴리스틱(Metaheuristic) 알고리즘의 하나인 하모니 서치(Harmony search)를 이용하여 추정하는 방법(Influent Characterization Method, ICM)을 이용하여 활성슬러지 모델에 민감한 매개변수인 유입 하수 COD 분율을 분석하였다. 제한된 입력자료를 이용하여 호흡율 분석하고 COD 분율 분석이 가능하다. 하수처리시설 일보(BOD, COD, SS, T-N, T-P) 데이터를 시뮬레이터에 입력하였을 때 계산되는 상태변수 오류를 하모니 서치를 통해 수정할 수 있어 시뮬레이션의 신뢰도가 높다(Yoo, 2019). 따라서 본 연구에서는 하수처리 시뮬레이터로 Massflow3를 선정하여 진행하였다.
2.2 G 하수처리시설 개요
Massflow3를 하수처리 시뮬레어터를 선정 후 시뮬레이터 보정 및 현장 값과 시뮬레이터 예측 값의 일치도를 확인하고자 G 하수처리시설의 2014년~2018년 운영일보(Table 3) 및 공정도를 이용하였다.
Table 3
Water Quality of Bio-Reactor and Outflow from 2014-2018 Sewage Treatment Plant
G 하수처리시설은 시설용량 40,000 m3/d의 하수처리시설로 생물반응조의 유입⋅방류수질 성상은 다음과 같다. 생물반응조 유입수질은 설계기준의 BOD 150%, T-N 139%, T-P 77%로 증가하고 있으나 C/N비, C/P 비는 각 5.9, 54.5로 N과 P를 처리하기 위한 적당한 탄소원이 안정적으로 유입되고 수질기준 이하로 안정적으로 방류되고 있다.
G 하수처리시설의 생물반응조는 DNR (Daewoo Nutrient Removal) 공법으로 운영하고 있다. 표준활성슬러지 공법을 변형한 공법으로 슬러지 탈질조, 혐기조, 무산소조, 호기조, 2차 침전조를 공정을 거쳐 방류하고 질산성 질소 제거를 위해 내부반송과 침전지 슬러지 반송으로 구성된다.
A2O 공법과 유사하나, 슬러지 탈질조가 혐기조 앞단에 설치되어 내생탈질에 의한 질산성 질소를 제거하여 혐기조에서 질산성 질소에 의한 인 방출 저해를 억제하는 특징이 있다.
3. 연구 결과
MassFlow3 시뮬레이터 보정을 위해 국내의 G 하수처리시설의 처리 공법과 전체 처리시설 계통도 및 평면도를 모사하여 공정도를 작성하였고(Fig. 2), 2014년~2018년 실제 운영일보를 입력 데이터로 사용하여 현장값과 시뮬레이터 예측값과의 신뢰성 검증을 진행하였다. 그 결과 BOD, SS, T-N, T-P 모두 높은 제거율의 일치율을 보였다(Table 4).
Table 4
Bioreactor Simulation Results
3.1 조치사항 항목 결정 및 유효성 검증
신뢰성 검증이 완료된 시뮬레이터를 이용하여 각각의 비정상 상태의 조치사항 및 유효성 검증을 진행하였다. 비정상상태의 조치사항 항목으로는 생물반응조의 DO조절, 잉여슬러지 인발량 조절, 내부반송량 조절, 외부반송량 조절 항목을 선정하였고이에 따른 조치사항 유효성 검증을 BOD 처리능 악화, SS 처리능 악화 T-N 처리능 악화 T-P 처리능 악화를 선정하여 조치사항에 따른 유효성 검증을 진행하였다.
생물반응조 운영 시 용존산소 농도는 호기성 종속영양미생물의 성장에 영향을 미치는 가장 중요한 운영인자이다. 반응조 내 용존산소가 낮을 경우 종속영양미생물의 성장 및 활성이 원활하게 이루어지지 않아 BOD 처리능, SS처리능이 감소할 뿐만 아니라 질산화 미생물, 인 축적 미생물의 성장뿐 아니라 질산화 미생물, 인 축적 미생물의 성장 및 활성에 저해를 발생시켜 T-N, T-P 처리능이 악화가 된다. 반면 생물반응조의 무산소 공정에서의 높은 용존산소는 탈질 미생물 및 인 축적 미생물에 저해를 발생시켜 질소, 인 처리능 악화를 야기한다.
잉여슬러지 인발량 조절은 생물반응조의 MLSS와 SRT를 조절하는 중요한 운영인자이다. SS와 T-P는 주로 슬러지 인발에 의해 제거되어 크게 영향을 받지만, BOD와 T-N은 소량 제거될 뿐이다. 잉여슬러지 과대 인발로 반응 조 내 MLSS의 감소및 F/M 비가 증가하게 되는데 즉 오염물질을 제거해야 할 미생물 양 감소로 결국 처리 효율을 감소시킨다. 반대로 잉여슬러지의 과소 인발은 반응조 내 MLSS의 과다축적 및 F/M 비의 감소로 미생물의 자산화가 이루어지는 등 처리공정에 악영향을 미친다.
내부반송은 호기조에서 무산소조로 이루어진다. 호기조에서 호기성 질산화 미생물에 의해 생성된 질산성 질소를 무산소조로 내부 반송하여 무산소조의 탈질 미생물에 의해 질산성 질소를 질소가스로 환원시켜 제거하는 것이 주된 목적이다.
외부반송량 조절은 2차 침전지에서 발생한 잉여슬러지를 생물반응조에 적당량 반송시킴으로 반응조 내의 미생물의 양을 적절하게 유지시켜 지속적으로 오염물질을 제거하도록 하는 것이 주된 목적이다. 생물반응조의 질산화 미생물, 인 축적 미생물들의 비성장속도가 유기물을 제거하는 일반적인 종속영양미생물보다 낮으므로 외부반송량 조절을 통해 적절한 MLSS를 유지해야 한다.
3.1.1 조치사항 유효성 검증
3.1.1.1 BOD 처리능 악화
시뮬레이션 결과 DO 농도가 1.0 mg/L 이상일 때 BOD 제거율이 양호하다. 하지만 DO 농도가 0.5 mg/L 이하일 때 종속영양미생물의 성장에 필요한 충분한 DO가 부족해 성장이 저해되기 때문에 BOD 제거율이 급격히 낮아진다. 잉여슬러지 인발량이 과다할 경우 F/M비의 증가와 MLSS의 감소로 인해 BOD 제거율이 감소한다. 하지만 잉여슬러지 인발량이 부족할 경우 F/M비의 감소와 MLSS 증가로 자산화가 이루어진다. 지속될 경우 MLSS가 점차 감소한다. 내부 반송량 조절을 통한 BOD 처리능의 영향은 미미하다. 외부반송량은 외부반송유량/유입유량이 0.2 이하일 때 MLSS의 감소로 BOD 제거율이 감소하였다.
3.1.1.2 SS 처리능 악화
생물반응조에서의 SS처리능 악화는 처리되지 않은 고농도 반류수, 음폐수, 가축폐수 등의 유입으로 생물반응조 SS가 증가 및 벌킹, 탈질에 의한 슬러지 부상, 자산화, 슬러지 부패 등 다양한 요인이 SS 처리능에 영향을 미친다.
시뮬레이션 결과 DO 농도가 0.9 mg/L 이상일 때 SS 처리가 잘 이루어졌으며 그 이하일 경우 낮은 DO 농도로 인한 종속영양미생물 활성 및 성장이 저해되어 SS 정상적으로 처리되지 않았다. 잉여슬러지 인발량의 경우 인발량이 부족할 경우 유출수의 SS가 높게 나타났다. 반면 외부반송율과 내부반송율의 조절에 따른 SS 처리능의 변화는 크지 않았지만 과다한 외부반송율과 내부반송율의 변화는 SRT의 증가로 SS의 제거율 감소 원인이 될 수 있다.
3.1.1.3 T-N 처리능 악화
T-N 처리능의 악화는 질산화 불량과 탈질 불량으로 나뉜다. 또 질산화 불량은 DO의 부족, 겨울철 수온 저하로 인한 질산화 미생물의 활동저하, 기질의 부족 등 다양한 요인이 있으며 탈질 불량은 혐기조에 DO의 유입, 유기물 부족의 원인이다.
시뮬레이션 결과, 생물반응조의 DO 농도가 1 mg/L 이하일 경우에 DO의 부족으로 인한 질산화의 불량으로 T-N 제거율이 감소했으며 다시 DO의 농도를 충분하게 공급하였을 때는 T-N 제거율이 다시 정상으로 회복되었다.
잉여슬러지 인발량이 증가함에 따라 T-N 제거율이 감소하는 것을 확인할 수 있었는데 과다한 잉여슬러지 인발로 인하여 외부 반송으로 재 공급되는 질산화 미생물이 같이 인발되어 질산화 미생물의 양이 줄어들었기 때문이다. 질산화 미생물은 일반적 종속영양미생물보다 비성장속도가 낮기 때문에 적절한 슬러지 반송이 필요하다.
호기조에서 무산소조로의 내부반송이 증가할 경우 호기조에서 질산화 미생물에 의해 생성된 질산성 질소가 무산소조로 공급되어 탈질 미생물에 의한 질산성 질소의 탈질 작용이 증가하여 T-N 제거율이 향상된다. 하지만 HRT가 증가한다는 단점이 있고 유입 유량의 3배 이상으로 내부반송을 진행시킬 경우 효율이 떨어져 적절한 내부반송 양을 유지해야 한다.
외부반송율이 증가할수록 T-N 제거율이 증가하였는데 질산화 미생물이 생물반응조의 체류시간 즉 SRT가 따라서 같이 증가하였다.
3.1.1.4 T-P 처리능 악화
T-P의 처리는 인 축적 미생물을 슬러지 형태로 제거함으로써 인을 제거하는데 인 제거 메커니즘은 유입수와 반송슬러지가 혐기성 반응조에 유입되면 인 축적 미생물의 인의 방출이 일어나고 호기성 상태에서는 인 축적 미생물에 의한 인의 과잉 섭취(luxury uptake)를 유도한 후 침전지에서 미생물을 침전시켜 인을 제거한다.
시뮬레이션 결과 호기조의 DO가 0.5 mg/L 이하일 경우 T-P 제거율이 감소하였고 이는 인 축적 미생물이 DO 감소한 성장의 저해와 인의 과잉 섭취(luxury uptake)를 위한 조건이 조성되지 않았기 때문이다.
슬러지 인발량이 증가하면 T-P의 제거율이 상승했는데 이는 T-P의 제거 메커니즘이 대부분 인 축적 미생물 슬러지 형태로 인발을 통해 제거되기 때문이다.
슬러지 인발량이 증가할수록 T-P 제거율이 감소했으며 이는 인 축적 미생물들이 슬러지 인발로 인하여 제거되었기 때문이다. 내부반송이 증가할수록 T-P 제거율이 감소했는데 이는 호기조에서 인을 섭취(luxury uptake)한 인 축적 미생물들이 흡수한 인을 다시 하수로 재방출함에 따라 반응조 내의 인이 계속 잔류되기 때문이다.
외부반송율이 과다할 경우 인을 과잉 섭취한 인 축적 미생물들이 인발되지 않고 다시 생물반응조로 유입되어 생물 반응조 내 인을 재방출하기 때문에 T-P 제거율이 감소하고 외부반송율이 매우 낮을 경우 인 축적 미생물 부족으로 T-P 제거율이 감소한다.
3.2 자가진단 알고리즘 구축
자가진단 알고리즘의 구축을 통해 운영자가 시뮬레이션의 결과를 이용하여 공정제어를 보다 쉽게 이용할 수 있다.
우선 최적의 조치사항 우선순위를 정리하여 체계적인 공정관리와 과다한 약품 사용량 감소 효과를 기대하고자했고 확장성과 응용성이 뛰어난 웹 기반으로 하여 연구했고 확장성과 응용성이 뛰어난 웹 기반으로 하여 연구 적용이 용이도록 하였다. 하수처리 통합모델 구축 의사결정나무, 인공신경망, 머신러닝과 같은 데이터 마이닝 기법을 이용한 하수처리시설 자동화, 고효율화가 가능하고 실시간 센서, 예측 모델, 성능평가 모델과 결합을 통해 하수처리시설 통합모델 구축이 가능하도록 하였다.
자가진단 알고리즘은 비정상 상태에 따른 조치사항 나열 후 시뮬레이터를 통하여 조치사항 간의 상호관계 파악 및 조치사항 우선순위를 결정한다. G 하수처리시설의 실제 운영 일보의 생물반응조에 투입되는 유입, 유출수를 이용하여 자가진단 알고리즘의 유효성 검증을 진행하였다.
3.3 FLOWCHART 작성 및 시각화
알고리즘의 유효성 검증이 완료되면 이를 Flowchart 형태로 시각화 및 도식화하여 사용자에게 제공하기 위해 컴퓨터 언어 Python의 패키지인 Schemdraw를 이용하였다. 여기서 Schemedraw는 Python 패키지로 전기회로, 집적회로, 논리회로, Flowchart를 작성하는 기능을 포함한 전기회로를 그리기 위한 패키지이다.
사용자가 설정한 목표 제거율에 따라서 입력한 설정값에 따른 계산된 생물반응조의 수질오염물질의 제거율이 같거나 높으면 목표 제거율을 달성했다고 판단하여 해당 과정이 이상 없음을 나타내는 녹색 화살표를 사용하였고 목표 제거율을 달성하지 못하였다고 판단될 경우 적색 화살표, 문제 발생 원인을 찾기 위한 과정의 화살표를 주황색으로 나타냈다.
사용자가 생물반응조 유입수질과 방류수질을 입력하는 시작 기호, 입력된 BOD, TSS, T-N, T-P 생물반응조 유입, 생물반응조 유출 데이터를 계산한 결과 비정상 상태에 따른 조치사항 나열 후 조치사항 간의 상호관계 파악 및 우선순위를 결정하여 도출된 제거율이 목표 제거율 달성 여부를 판단하는 조건 기호, 발생 원인을 찾기 위한 조건 기호, 이에 따른 조치사항을 알려주는 처리 기호 마지막으로 진단 완료를 나타내는 종료기호로 구성하였다(Fig. 3).
3.4 웹 프로그래밍
유효성 검증이 완료된 조치사항 항목을 컴퓨터 언어 Python과 프로그래밍 언어 JavaScript를 활용하여 시각화 및 웹 페이지를 구현하고 Python 기반 백엔드 프레임워크 Django를 이용하여 사용자가 웹 페이지에 입력한 데이터를 저장하는 데이터베이스를 구현하여 운영자가 공정제어를 더욱 쉽게 사용할 수 있는 제거율 기반 하수처리 자가 진단 웹 애플리케이션을 개발하고자 하였다(Fig. 4).
4. 결론 및 제언
하수처리시설 운영 효율 증대를 통한 에너지 절감을 위해 현장 운영자가 사용하기 쉬운 시뮬레이터를 제공하고 자가 진단 결과에 대한 조치사항 작성, 의사결정 및 운영 가이드라인을 제시하는 하수처리시설의 ICT 기반 자가 진단 애플리케이션 개발 연구를 수행하였다. 제거율 기반 하수처리 자가진단 웹 애플리케이션을 위한 연구 결과는 다음과 같다.
하수처리 시뮬레이터 Massflow3를 이용하여 G 하수처리시설의 2014~2018년 운영일보 데이터를 이용하여 실제 운영 데이터와의 일치 확인 및 보정을 진행하였다.
BOD, TSS, T-N, T-P 수질항목에 대하여 DO 조절, 잉여슬러지 인발량 조절, 내부반송량 조절, 외부반송량 조절과 같은 조치사항 항목을 선정하고 유효성 검증을 진행하였다.
조치사항 우선순위 결정 방안 표를 작성하여 단계별, 인자별 조치사항의 증감에 따른 수질을 계산, 개선효과에 따른 우선순위와 인자별 최적 조합을 구현하였다.
유효성 검증이 완료된 조치사항 항목을 컴퓨터 언어 Python과 프로그래밍 언어 JavaScript를 이용하여 시각화 및 웹 페이지를 구현하고 Python 기반 백엔드 프레임워크 Django를 이용하여 사용자가 웹 페이지에 입력한 데이터를 저장하는 데이터베이스 페이지에 입력한 데이터를 저장하는 데이터베이스를 구현하여 운영자가 공정제어를 더욱 쉽게 사용할 수 있는 제거율 기반 하수처리 자가 진단 웹 애플리케이션을 개발하였다.
본 연구에서는 사용자가 사용하기 쉬운 자가 진단 웹 애플리케이션 개발을 통하여 운영자가 유입 수질 입력을 통해 유출 수질을 예측하고 발생할 수 있는 문제 예측 및 해결방안 제시하였다. 향후 추가연구를 진행하여 데이터 마이닝을 통한 처리시설 에너지 최적화, 성능평가 등의 기능을 추가하여 지능형 하수처리시설 통합모델을 구축할 수 있다. 이를 위해서 고성능 센서를 통한 데이터의 수집, 응용프로그램의 개발이 더욱 개선되어야 할 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
