KR101484265B1 - Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing - Google Patents
Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing Download PDFInfo
- Publication number
- KR101484265B1 KR101484265B1 KR20140058047A KR20140058047A KR101484265B1 KR 101484265 B1 KR101484265 B1 KR 101484265B1 KR 20140058047 A KR20140058047 A KR 20140058047A KR 20140058047 A KR20140058047 A KR 20140058047A KR 101484265 B1 KR101484265 B1 KR 101484265B1
- Authority
- KR
- South Korea
- Prior art keywords
- water
- pump
- demand
- water demand
- data
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 273
- 238000009499 grossing Methods 0.000 title claims abstract description 50
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims description 28
- 238000005086 pumping Methods 0.000 title claims 2
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000012937 correction Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000005304 joining Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004760 aramid Substances 0.000 description 1
- 229920003235 aromatic polyamide Polymers 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
Description
본 발명은 정확한 물 수요 예측을 통해 배수지 펌프의 운영을 최적화하여 펌프 운영에 소요되는 전력비를 최소화할 수 있는 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템과 그 방법에 관한 것으로서, The present invention relates to a system for optimizing the operation of a drainage pump and a method for optimizing the operation of a drainage pump by minimizing the power cost required for the operation of the pump,
보다 상세하게는 과거에 실제 물 사용량과, 그때의 예측 수용량과의 오차, 그리고 외부영향 데이터를 아리마모델에 적용하여 물 수요량을 예측하고, 실제 물 사용량과 예측 수요량 간의 오차를 지수평활법에 적용하여서 아리마모델에 의해 예측된 물 수요량을 보정함으로써 보다 정확한 물 수요량을 예측하고, More specifically, the past water demand, the error between the predicted capacity and the external influence data are applied to the Arima model to forecast the water demand, and the error between the actual water consumption and the predicted demand amount is applied to the exponential smoothing method By correcting the water demand predicted by the Arima model, more accurate water demand can be predicted,
정확하게 예측된 물 수요량을 바탕으로 배수지 펌프의 구동시간에 대한 최적의 데이터를 취득하여 펌프를 운영함으로써, 전력비를 최대한 절약하며, 물 부족 사태를 예방할 수 있는 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템과 그 방법에 관한 것이다.
Based on the accurately predicted water demand, the optimal water data for the drainage pump operation time is obtained and the pump is operated to save the power cost, and the water demand forecast using the Arima model and the exponential smoothing method And a system for optimizing the operation of a water supply and drainage pump and a method thereof.
일반적으로 상수도 시설은 도시의 제반활동을 유지하는데 필수적이며, 도시의 인구집중, 생활수준의 향상, 경제성장 등의 사회 경제학적 요소에 따라 영향을 받는 기반시설로써, 양질의 물을 안정적으로 공급하도록 요구된다.
In general, water supply facilities are essential for maintaining the city's activities, and as an infrastructure affected by socioeconomic factors such as urban population concentration, improved living standards, and economic growth, Is required.
상수도 공급시스템에서 수도의 급배수는 배수지(혹은 배수타워(40))를 중심으로 구성되어 있으며, 이들 배수지들 간은 펌프를 통하여 연결되어 있다. In the water supply system, the water supply and drainage of the water supply system is centered on a drainage pipe (or a drainage tower 40), and these drainage pipes are connected through a pump.
배수지는 보통 12시간 이상의 물을 배수지내에 확보할 수 있는 용량을 가지고 있다. 이것은 물의 수요와 공급 간에 불균형을 해소하고 시민에게 안정적으로 물을 공급하기 위해서이다. The reservoir usually has a capacity to hold more than 12 hours of water in the reservoir. This is to eliminate the imbalance between demand and supply of water and to supply water to citizens in a stable manner.
물 수요량은 보통 아침과 낮, 저녁시간에 집중되어 있으며, 심야와 새벽에는 거의 수요량이 발생하고 있지 않다. Water demand is usually concentrated in the morning, daytime, and evening hours, and there is little demand at midnight and early morning.
따라서, 전력비가 적게 소요되는 심야 및 새벽에 배수지의 유효공간에 물을 최대한 확보함으로써, 펌프에 소요되는 전력비를 최대한 절약할 수 있는 방안을 도출할 필요가 있다.
Therefore, it is necessary to find a way to save the electric power cost for the pump as much as possible by securing the water to the effective space of the reservoir at the late night and early morning which requires a low power ratio.
우리나라의 경우, 2008년 말 기준 480개소 정수시설 중 설문지가 회수된 449개소를 대상으로 분석한 결과 정수시설의 총 연간전력사용량은 900,529,029 kWh/yr로 조사되었고, 처리량 당 전력소비원단위는 약 0.21 kWh/ton 이다. As a result of analyzing 449 sites surveyed among 480 water purification facilities in Korea at the end of 2008, the total annual electricity consumption of the water purification facilities was 900,529,029 kWh / yr, and the power consumption per unit throughput was about 0.21 kWh / ton.
특히, 정수처리시설의 전력 사용량 중 대부분은 펌프의 운영전력이 차지하고 있으며, 송수 펌프장과, 배수타워(40) 계통에 대한 최적 운영만으로도 정수처리시설의 전력소모량을 절감할 수 있을 것으로 예상된다.
Especially, most of the power consumption of the water treatment plant is occupied by the operating power of the pump, and it is expected that the power consumption of the water treatment plant can be reduced by the optimal operation of the water pump station and the drainage tower (40) system.
상수도 시설에서 가장 큰 운영비를 차지하는 급배수 펌프의 전력비를 최소화하기 위해서는 시간별 물 수요량의 정확한 예측이 전제가 되어서, 정확한 물 수용량 예측 데이터를 바탕으로 펌프의 구동시간에 관한 데이터를 취득하여야 한다.
In order to minimize the power ratio of the water drainage pump, which occupies the largest operating cost in the waterworks facility, it is necessary to accurately estimate the water demand over time, and data on the driving time of the pump should be acquired based on the accurate water capacity prediction data.
시간별 물 수요량의 예측방법은 크게 두 가지로 시간지수에 의한 방법과 중회귀와 시간지수를 결합한 방법이 있다. There are two methods of predicting the amount of water demand over time: a method based on time index, and a method based on a combination of the time series index and the time series index.
시간지수에 의한 방법은 매일 물 수요량이 반복된다고 가정하는 것으로서 물 수요량의 변동이 크지 않는 지역에 있어서는 유효한 방법이지만 계절에 따른 물 수요량의 차이가 명확한 지역에 있어서는 효과가 불명스럽다. The time index method assumes that the daily water demand is repeated. It is effective in the region where the fluctuation of the water demand is not large, but it is not effective in the region where the difference of the water demand amount according to the season is clear.
이러한 계절에 따른 물수요량의 차이가 명확한 지역에 있어서는 중회귀와 시간지수를 결합한 방법을 사용한다. In areas where the difference in water demand is seasonally clear, we use a combination of the Sanskrit ears and the time index.
이외에도 시간별 물수요량의 예측방법은 인공신경망, 퓨리에급수와 전이함수 ARIMA(Auto-regressive integrated moving average)를 이용한 방법이 있다.
In addition, the method of predicting the hourly water demand is artificial neural network, Fourier series and ARIMA (Auto-regressive integrated moving average).
시간별 물 수요량을 예측하는 방법에 관한 종래기술로는 등록특허 제10-1139161호 "단기 물 수요예측 시뮬레이터", 공개특허 제10-2006-0093079호 "지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템.", 등록특허 제10-0724497호 "물 수요 예측 시스템 및 방법" 등이 있다.
As a conventional technique for estimating the amount of water demanded over time, there is disclosed in Korean Patent No. 10-1139161 entitled " Short-term Water Demand Forecasting Simulator ", Published Patent No. 10-2006-0093079, Demand Prediction Method and System ", and Patent No. 10-0724497" Water Demand Forecasting System and Method ".
상기 등록특허 제10-1139161호 "단기 물 수요예측 시뮬레이터"는 선형 모델인 선형회귀 모델(AR), 다중선형회귀 모델(MR), 칼만모델(KF)과 비선형 모델인 다층 퍼셉트론 모델(MLP), 신경회로망 모델(ELM), 퍼지-뉴로 모델(ANFIS)을 이용하여 물 수용량을 예측하고, The above-mentioned "Short-term Water Demand Forecasting Simulator" of the above-mentioned Patent No. 10-1139161 includes a linear regression model AR, a multiple linear regression model MR, a Kalman model KF and a multilayer perceptron model MLP, Predict water capacity using neural network model (ELM) and fuzzy-neuro model (ANFIS)
상기 공개특허 제10-2006-0093079호 "지역별 시간변동계수를 갖는 공적분 모형을 이용한 장기상수도 수요예측 방법 및 시스템."은 선형 함수(linear function)와 사인 코사인 등의 삼각함수(trigometric function)로 구성되는 푸리에 플렉서블 폼(fourier flexible form)을 기저함수로 두고 공적분 회귀모형식을 이용하여 물 수요량을 예측하고, 10-2006-0093079 entitled " Method and System for Predicting Long-Term Water Supply Demand Using a Cointegration Model with Time-Dependent Coefficient of Variation ", comprises a trigonometric function such as a linear function and a sine cosine (Fourier flexible form) as a basis function, predicts water demand by using cointegration regression model,
상기 등록특허 제10-0724497호 "물 수요 예측 시스템 및 방법"은 ARIMA모델을 이용하여 물 수요량을 예측한다.
No. 10-0724497 entitled " Water Demand Forecasting System & Method "predicts water demand using the ARIMA model.
이처럼 물 수요량의 예측에는 다양한 방법이 사용되고 있는데, 이들 대부분은 과거의 실제 물 사용량과 예측하는 날의 요일, 기후, 온도 등의 외부 영향 데이터를 변수로 한 전이함수를 이용한다. In this way, various methods are used to predict the water demand. Most of them use the transition function of external influence data such as the actual water usage in the past and the day of the week, the climate, and the temperature as variables.
전이함수는 입력정보와 현재 상태를 기반으로 출력 상태를 결정하는 함수로서, 현재 상태(실제 물 사용량에 해당)와 입력정보(외부영향 데이터에 해당)로 출력상태(예측 물 수요량)을 설명할 수 있는 때에, 즉, 예측하고자 하는 출력 상태가 일정 패턴(경향)을 가져서 지난 과거의 현상(현재 상태)를 반복하는 경우에 사용하는 함수이다.
The transition function is a function that determines the output state based on the input information and the current state and can describe the output state (predicted water demand) with the current state (corresponding to actual water usage) and input information (corresponding to external influence data) Is a function used when the output state to be predicted has a certain pattern (tendency) to repeat past past phenomena (current state).
이러한 전이함수를 이용한 예측 모델로 대표적이며 본 발명에서도 사용하는 것이 ARIMA모델(Auto-regressive integrated moving average model)이다.
An ARIMA model (Auto-regressive integrated moving average model) is used as a prediction model using such a transition function and also used in the present invention.
ARIMA모델을 이용하여 예측되는 값은 도1과 같이 실측 값을 조금씩 벗어나는 경향이 있다. 즉, 도1의 실선이 나타내는 실제 관측되는 물 사용량이 도1의 점선이 나타내는 ARIMA모델에 의해 예측되는 물 사용량 보다 조금씩 많은 경우(주로, 실제 물 사용량이 상대적으로 적은 시기)와 또는 그 반대로 조금씩 적은 경우(주로, 실제 물 사용량이 상대적으로 많은 시기)가 종종 발생된다. 다시 말해 ARIMA모델만으로는 예측되는 값의 정확도가 다소 떨어진다.
The predicted value using the ARIMA model tends to deviate slightly from the measured value as shown in Fig. That is, when the actual observed water usage shown by the solid line in Fig. 1 is slightly larger than the water usage predicted by the ARIMA model indicated by the dotted line in Fig. 1 (mainly, the actual water usage is relatively small) and vice versa (Often a period when the actual water usage is relatively large). In other words, the accuracy of the predicted value is somewhat less than with the ARIMA model alone.
그래서 물 수요량을 예측함에 있어서 종래기술과 같이 단순하게 ARIMA모델만을 이용할 것이 아니라 ARIMA모델에 의해 예측되는 물 수요량을 보정하여 보다 정확한 물 수요량의 예측이 될 수 있도록 하는 수단이 필요하다.
Therefore, in order to predict the water demand, it is necessary to provide a means for predicting the water demand amount more accurately by correcting the water demand predicted by the ARIMA model rather than simply using the ARIMA model as in the prior art.
그리고 정확하게 예측된 물 수요량 데이터를 이용해서 수용가에 부족함 없이 물을 공급하되, 예측된 물 수요량 데이터를 적극적으로 활용하여 상수도 공급 시스템(특히, 펌프)의 운영을 최적화할 수 있는 구체적인 방안의 필요성이 크다.
In addition, it is necessary to provide a concrete method of optimizing the operation of the water supply system (especially, the pump) by actively utilizing the predicted water demand data, while supplying the water adequately to the consumer by using the water demand data accurately predicted .
그런데 종래기술은 물 수요량 예측의 정확도가 떨어질 뿐만 아니라, 예측된 물 수요량 데이터를 상수도 공급시스템의 운영 최적화에 이용할 수 있는 구체적인 방안을 제시하지 아니하고 있어서, 현재 상수도 공급시스템은 시간별 물 수요에 부족함이 없도록 배수타워(40)의 수위가 유지되도록 하는 선에서 물 수요량 예측데이터를 이용하고 있다. However, the prior art does not provide a concrete method of using the predicted water demand data to optimize the operation of the water supply system as well as the accuracy of the prediction of the water demand forecast. Therefore, The water demand prediction data is used in a line that allows the water level of the
다시 말해, 현재의 상수도 공급시스템은 예측된 물 수요량 데이터를 수용가에 부족함 없이 물을 공급하는 수준에서 이용하고 있을 뿐이고, 상수도 공급시스템의 운영 비용을 최소화하고 운영에 과부하가 걸리지 않도록 하는, 즉, 상수도 공급시스템의 운영을 최적화하는데 물 수용량 예측 데이터를 이용하지 않고 있다.
In other words, the present water supply system only uses the predicted water demand data at the level of supplying water without any shortage of the consumers, minimizes the operation cost of the water supply system and prevents overloading of the operation, that is, And does not use water capacity prediction data to optimize the operation of the supply system.
본 발명은 위와 같이 종래기술이 물 수요량 예측의 정확도가 떨어지고, 예측된 물 수요량 데이터를 상수도 공급 시스템의 운영 최적화에 적극적으로 활용하지 못하는 문제를 해결하기 위해 안출된 발명으로서, As described above, the present invention is directed to solve the problem that the accuracy of prediction of the water demand is low and the predicted water demand data can not be actively utilized for the operation optimization of the water supply system.
물 수요량을 예측함에 있어서 단순히 ARIMA모델만을 이용함으로써 예측되는 물 수요량이 실제 사용하는 물 사용량과 다소 많은 오차가 발생되는 문제를 지수평활법을 이용해 보완해 보다 정확한 물 수요량을 예측하고, 보다 정확하게 예측되는 물 수요량 예측 데이터를 적극적으로 활용하여 상수도 공급 시스템(특히, 급배수 펌프)의 최적화된 운영이 가능하도록 하는 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템과 그 방법을 제공함을 목적으로 한다.
In estimating the water demand, it is possible to estimate the water demand more precisely by using the exponential smoothing method to solve the problem that the predicted water demand by using only the ARIMA model is slightly different from the actual water use amount, Water demand forecasting using the Arima model and exponential smoothing method, which optimizes the operation of the water supply system (especially the water supply pump) by actively utilizing water demand prediction data, The present invention is directed to a method of manufacturing a semiconductor device.
이와 같은 목적을 달성하기 위한 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템은
In order to achieve the above object, the water demand prediction using the Arima model and the exponential smoothing method according to the present invention, and the operation optimization system of the water supply and drainage pump
지난날들의 물 사용량 데이터를 아리마(ARIMA)모델에 적용하여 물 수요량 예측 데이터를 취득하고, 지난날들에 예측된 물 수요량과 그날 실제 물 사용량의 오차를 지수평활법에 적용하여 상기 물 수요량 예측 데이터를 보정한 물 수요량 보정 데이터를 취득하는 물 수요 예측모델(10);
The water demand data of past days is applied to the ARIMA model to acquire the water demand forecast data, and the water demand predicted data of the past days and the actual water use error of the day are applied to the exponential smoothing method to correct A water demand prediction model (10) for acquiring water demand correction data;
상기 물 수요 예측모델(10)에서 취득된 물 수요량 보정 데이터와 시간대별 전기요금 데이터를 정수계획법에 적용하여 급배수 펌프의 구동시간 데이터를 취득하는 펌프 운영 최적화 스케줄모듈(20);을 포함하여 이루어진다.
And a pump operation optimization schedule module (20) for applying the water demand correction data and hourly electricity bill data acquired in the water demand prediction model (10) to the integer programming method to acquire driving time data of the water supply and drainage pump .
그리고 상기 펌프 운영 최적화 스케줄모듈(20)에서 취득한 구동시간 데이터에 따라 급배수 펌프를 구동시키는 펌프 구동 제어모듈(30);을 더 포함하는 것을 특징으로 하고,
And a pump drive control module (30) for driving the water supply and drainage pump in accordance with the drive time data acquired by the pump operation optimization schedule module (20)
상기 펌프 구동제어모듈(30)은 상기 배수타워(40)의 수위와 배수타워(40)에서 수용가로 공급되는 물 사용량을 실시간으로 모니터링하는 것을 특징으로 하고,
The pump
상기 물 수요 예측모델(10)에서 지수평활법의 적용 시에 최근 일의 오차에 더 많은 가중치를 부여하는 것을 특징으로 하고,
In the water
펌프 운영 최적화 스케줄모듈(20)은 The pump operation
상기 물 수요 예측모델(10)에서 취득된 시간대별 물 수요량 보정 데이터를 합산하여 당일의 예상 물 수요량의 총량을 취득하고, By-time water demand correction data acquired in the water
배수타워의 저장용량 최대치와 최소치, 시간대별 전기요금을 지수평활법에 적용하여 급배수 펌프의 구동시간 데이터를 취득하는 것을 특징으로 한다.
The storage time of the water supply and drainage pump is obtained by applying the storage capacity maximum value, the minimum value, and the electricity rate by time of the drainage tower to the exponential smoothing method.
그리고 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 방법은The water demand prediction using the Arima model and the exponential smoothing method and the operation optimization method of the water supply pump
지난날들의 물 사용량 데이터를 아리마(ARIMA)모델에 적용하여 물 수요량 예측 데이터를 취득하는 아리마모델 적용단계(S10);An Arima model application step (S10) of acquiring water demand forecast data by applying water usage data of past days to an ARIMA model;
지난날들에 예측된 물 수요량과 그날 실제 물 사용량의 오차를 지수평활법에 적용하여 상기 물 수요량 예측 데이터를 보정한 물 수요량 보정 데이터를 취득하는 지수평활법 적용단계(S20);를 포함하여 이루어진다.
An exponential smoothing method applying step (S20) of obtaining the water demand correction data by correcting the water demand prediction data by applying an error of the water demand predicted in the past days and an actual water use amount to the exponential smoothing method.
그리고 상기 지수평활법 적용단계(S20)에서 보정되어 예측된 물 수요량 보정 데이터와 시간대별 전기요금 데이터를 정수계획법에 적용하여 급배수 펌프의 구동시간 데이터를 취득하는 펌프 구동시간 스케줄단계(S30);를 더 포함하는 것을 특징으로 하고,
A pump driving time scheduling step (S30) of acquiring driving time data of the water supply and drainage pump by applying the water demand correction data corrected and predicted in the exponential smoothing method application step S20 and the electricity bill data by time to the integer programming method; Further comprising:
상기 펌프 구동시간 스케줄단계(S30)에서 취득된 펌프의 구동시간 데이터에 따라 급배수 펌프를 온오프 가동시키는 펌프 구동단계(S40);를 더 포함하는 것을 특징으로 하고,
And a pump driving step (S40) of turning on and off the water supply / drain pump in accordance with the driving time data of the pump acquired in the pump driving time scheduling step (S30)
상기 지수평활법 적용단계(S20)는 최근 일의 오차에 더 많은 가중치를 부여하는 것을 특징으로 한다.
The exponential smoothing method applying step S20 is characterized in that more weight is given to the error of the recent work.
이와 같이 구성되는 본 발명은 아리마(ARIMA)모델만을 이용하는 경우 종종 발생되는 예측 물 수요량이 실제 사용하는 실측 물 수요량에 비해 상당한 오차를 갖는 것을 시기에 따른 가중치를 주는 지수평활법을 이용해 상당양 해소하여 보다 정확하게 물 수요량이 예측되고, The present invention having such an arrangement can solve the problem by using an exponential smoothing method which gives a weight according to a time when the predicted water demand amount, which is often generated when using only the ARIMA model, has a considerable error with respect to the actually used water demand amount Water demand is predicted more accurately,
보다 정확하게 예측된 물 수요량을 기초로 하여 펌프 운영의 최적화에 영향을 미치는 인자(변수)들을 정수계획법에 대입하여 최적의 펌프 구동시간에 대한 데이터를 산출함으로써, 약 20 ~ 30%의 전력 절감효과가 발생하는 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템과 그 방법으로, 산업발전에 매우 유용한 발명이다.
By calculating the optimal pump drive time data by substituting the factors (variables) that affect the optimization of the pump operation based on the more accurately predicted water demand into the integer programming method, about 20-30% power saving effect Water demand forecasting using Arima model and exponential smoothing method, and optimization system and method of operation of water supply and drainage pump through it, and it is a very useful invention for industrial development.
도 1 은 아리마모델을 이용한 예측치가 실측치와 오차가 발생됨을 보여주는 그래프.
도 2 는 본 발명이 적용된 상수도 공급시스템의 개념도.
도 3 은 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템의 블럭 구성도.
도 4 는 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 방법의 절차도.
도 5 는 아리마모델 적용단계(S10) 및 지수평활법 적용단계(S20)의 절차도.
도 6 은 펌프 구동시간 스케줄단계(S30)의 절차도.
도 7 은 아리마모델만을 적용한 경우와 지수평활법도 적용한 경우의 예측치의 정확도를 보여주는 그래프.
도 8 은 아리마모델만을 적용한 경우와 지수평활법도 적용한 경우의 예측치의 정확도를 보여주는 테이블.
도 9 는 종래기술과 본 발명에 따른 펌프의 구동과 그에 따른 배수타워의 수위 변화를 보여주는 도면.
도 10 은 본 발명에 의해 취득되는 물 수요량 예측치, 배수타워의 물 인출입량, 배수타워의 수위변화, 스케줄된 펌프 구동시간을 보여주는 화면의 일례도.
도 11 은 배수타워의 내부에 설치되어서 수위를 감지하는 수위계의 사시도.
도 12 내지 14 는 본 발명에 따른 시스템이 모니터를 통해 관리자에게 제공하는 화면의 일례를 도시한 것으로서, 도12는 본 발명에 따른 시스템의 개략적인 전체 구성도, 도13은 각 상수도 라인별 수용가로 공급되는 물 수요량의 과부족을 보여주는 도면, 도14는 펌프 구동 제어모듈에 의해 제어되는 급배수 펌프 시스템의 구성도. FIG. 1 is a graph showing that an actual value and an error are generated by using predicted values using an Arima model.
2 is a conceptual diagram of a water supply system to which the present invention is applied.
FIG. 3 is a block diagram of a water demand forecasting system using an Arima model and an exponential smoothing method according to the present invention, and a system for optimizing the operation of a water supply and drainage pump.
FIG. 4 is a flow chart of a water demand forecasting method using an Arima model and an exponential smoothing method according to the present invention, and a method of optimizing operation of a water supply and drainage pump.
5 is a flow chart of the application of the arithmetic model (S10) and the step of applying the exponential smoothing method (S20).
6 is a flow chart of the pump driving time schedule step S30.
7 is a graph showing the accuracy of predicted values when the arima model alone is applied and when the exponential smoothing method is also applied.
FIG. 8 is a table showing the accuracy of predicted values when only the Arima model is applied and when the exponential smoothing method is also applied.
9 is a view showing the driving of the pump according to the prior art and the present invention and the change of the water level of the drain tower according to the present invention.
10 is an example of a screen showing a water demand forecast value obtained by the present invention, a water withdrawal amount of a drainage tower, a water level change of a drainage tower, and a scheduled pump drive time.
11 is a perspective view of a water level meter installed inside the drainage tower to sense the water level.
12 to 14 show an example of a screen provided by a system according to the present invention to a manager through a monitor. FIG. 12 is a schematic overall configuration diagram of a system according to the present invention. FIG. 14 is a block diagram of a water supply and drainage pump system controlled by a pump drive control module; FIG.
이하, 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
Hereinafter, the present invention will be described in more detail with reference to the drawings.
도면을 참조하여 본 발명을 보다 구체적으로 설명하기에 앞서, Before describing the present invention in more detail with reference to the drawings,
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 구현예(態樣, aspect)(또는 실시예)들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. While the present invention has been described in connection with certain embodiments, it is obvious that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the invention. It is to be understood, however, that the invention is not intended to be limited to the particular forms disclosed, but on the contrary, is intended to cover all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.
각 도면에서 동일한 참조부호, 특히 십의 자리 및 일의 자리 수, 또는 십의 자리, 일의 자리 및 알파벳이 동일한 참조부호는 동일 또는 유사한 기능을 갖는 부재를 나타내고, 특별한 언급이 없을 경우 도면의 각 참조부호가 지칭하는 부재는 이러한 기준에 준하는 부재로 파악하면 된다.In the drawings, the same reference numerals are used for the same reference numerals, and in particular, the numerals of the tens and the digits of the digits, the digits of the tens, the digits of the digits and the alphabets are the same, Members referred to by reference numerals can be identified as members corresponding to these standards.
또 각 도면에서 구성요소들은 이해의 편의 등을 고려하여 크기나 두께를 과장되게 크거나(또는 두껍게) 작게(또는 얇게) 표현하거나, 단순화하여 표현하고 있으나 이에 의하여 본 발명의 보호범위가 제한적으로 해석되어서는 안 된다.In the drawings, the components are expressed by exaggeratingly larger (or thicker) or smaller (or thinner) in size or thickness in consideration of the convenience of understanding, etc. However, It should not be.
본 명세서에서 사용한 용어는 단지 특정한 구현예(태양, 態樣, aspect)(또는 실시예)를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, ~포함하다~ 또는 ~이루어진다~ 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the term " comprising " or " consisting of ", or the like, refers to the presence of a feature, a number, a step, an operation, an element, a component, But do not preclude the presence or addition of one or more other features, integers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.
도2는 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템이 적용된 상수도 공급시스템을 개략적으로 도시한 도면이고, FIG. 2 is a view schematically showing a water supply system to which water demand prediction using the Arima model and exponential smoothing method according to the present invention, and an operation optimization system of the water supply and drainage pump based thereon are applied,
도3은 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템의 블럭 구성도로서, FIG. 3 is a block diagram of a water demand forecasting system using an Arima model and an exponential smoothing method according to the present invention, and an operation optimization system of the water /
본 발명에 따른 시스템(S)은 도3에서 보는 바와 같이 물 수요 예측모델(10), 펌프 운영 최적화 스케줄모듈(20), 펌프 구동 제어모듈(30)의 구성요소로 대별될 수 있다.
The system S according to the present invention can be categorized into the water
우선, 상수도 공급시스템은 유량계(flow meter)와 수위계(level meter)를 이용해 수용가(end user)로 공급되는 물 사용량과 배수타워(40)의 수위를 실시간으로 계측하여서, 수용가에 공급하는 물의 부족함이 없도록 급배수 펌프(Pump station)를 구동시키는데, First, the water supply system measures the water usage supplied to the end user and the water level of the
본 발명은 도2 및 도3에서 보는 바와 같이 상기 물 수요 예측모델(10)에서 상기 유량계(flow meter)에서 매일 매시간별로 계측되는 물 사용량(즉, 과거의 실제 물 사용량 데이터)을 데이터화하고, 계측된 물 사용량 데이터를 이용해 다음날의 매 시간별 물 수요량을 예측하고, 상기 펌프 운영 최적화 스케줄모듈(20)에서 예측된 물 수용량 데이터와 펌프의 용량, 시간별 전기요금 등을 변수로 하여 펌프 운영을 최적화(비용 절감, 과부하 방지 등)하는 펌프 구동시간에 관한 데이터를 스케줄링하고, 상기 펌프 구동 제어모듈(30)에서 스케줄링된 펌프 구동시간에 대한 데이터를 기초로 하면서 그 시기에 실시간으로 계측되는 물 사용량과 배수타워(40) 수위를 고려하여 급배수 펌프를 구동시킨다.
As shown in FIG. 2 and FIG. 3, the water
이들을 보다 구체적으로 설명하면 아래와 같다. These will be described in more detail as follows.
상기 물 수요 예측모델(10)은 상기 유량계(flow meter)에서 매일 실시간으로 계측되는 물 사용량과, 계측되는 실제 물 사용량과 그때의 예측 물 수요량과의 오차를 시간별로 데이터화하고, The water
계측된 지난날들(예; 1달 동안, 1주일 동안)에 대한 물 사용량 데이터를 아리마모델에 적용하여 시간별 물 수요량 예측 데이터를 연산하고, Calculate the hourly water demand forecast data by applying the water usage data for the measured past days (eg, 1 month, 1 week) to the Arima model,
지난날의 실제 물 사용량과 예측 물 수요량 간의 오차를 지수평활법에 적용하여 상기 물 수요량 예측 데이터의 정확도(신뢰도)를 높이도록 보정한 물 수요량 보정 데이터를 연산한다.
An error between the actual water use amount of the past day and the predicted water demand amount is applied to the exponential smoothing method to calculate the water demand correction data corrected so as to increase the accuracy (reliability) of the water demand prediction data.
상기 펌프 운영 최적화 스케줄모듈(20)은 상기 물 수요 예측모델에서 예측된(취득된) 상기 물 수요량 보정 데이터를 분석하여 수용가(end user)에 공급되는 물이 부족한 상황이 발생되지 않는다는 조건을 만족하면서 급배수 펌프(P)의 용량, 효율, 시간별 에너지 비용, 시간별 전기료 등을 정수계획법에 적용하여 펌프(P) 운영에 과부하거 걸리지 않고, 운영 비용을 최소화하는 등 급배수 펌프의 운영을 최적화할 수 있는 펌프 구동시간 데이터를 취득하여 스케줄링 한다. 즉, 펌프 운영을 최적화하는 시간별 펌프의 온오프(구동, 정지)에 관한 데이터를 생성한다.
The pump operation
상기 펌프 구동 제어모듈(30)은 상기 펌프 운영 최적화 스케줄모듈(20)에서 생성된 펌프 구동시간 데이터에 따라 급배수 펌프(P)를 구동시키되, 유량계(flow meter)와 수위계(level meter)에 계측되는 실시간 물 사용량과 배수타워(40) 수위를 모니터링하면서, 수용가에 공급되는 물이 부족한 상황이 발생되지 않도록 한다. The pump
다시 말해, 스케줄링된 펌프 구동시간 데이터에 따라 펌프를 구동시키는 도중이더라도 실시간으로 모니터링되는 배수타워(40)의 수위가 기준치 이하로 줄거나 물 사용량이 급격하게 증가하는 시기에는 펌프가 오프 상태로 스케줄링되어 있더라도 온 상태 전환하거나, 펌프의 시간당 가동용량(시간당 물 공급량)이 낮게 스케줄링되어 있더라도 가동용량을 높게 전환하여, 수용가에 공급되는 물이 부족한 상황이 발생되지 않도록 한다.
In other words, even when the pump is driven according to the scheduled pump drive time data, the pump is scheduled to be off when the water level of the
이하에서는 도4 이하의 도면을 참조하여 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 방법에 대하여 보다 구체적으로 설명하며, 이를 통해 본 발명의 시스템(S)도 보다 명확하게 이해될 수 있을 것이다.
Hereinafter, the water demand prediction using the Arima model and the exponential smoothing method according to the present invention and the operation optimization method of the water supply and drainage pump using the Arima model and the exponential smoothing method according to the present invention will be described in detail with reference to the following drawings. S) can be understood more clearly.
도4에서 보는 바와 같이 본 발명에 따른 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 방법은 아리마모델 적용단계(S10), 지수평활법 적용단계(S20), 펌프 구동시간 스케줄단계(S30), 펌프구동단계(S40)로 절차가 대별된다.
As shown in FIG. 4, the water demand prediction using the Arima model and the exponential smoothing method according to the present invention and the operation optimization method of the water supply and drainage pump using the Arima model and the exponential smoothing method according to the present invention can be performed by applying the Arima model (S10) A driving time schedule step S30, and a pump driving step S40.
상기 아리마모델 적용단계(S10)에서는 과거의 일정기간(예; 1달, 1주일) 동안의 시간별 실제 물 사용량에 관한 데이터를 아리마모델에 적용하여 다음날의 시간별 물 수요량을 예측한 물 수요량 예측 데이터를 연산하여 취득한다. 보다 정확하게는 시간은 연속적이므로 일자가 바뀌는 24시(00시) 직후(금일)에 그 전날까지의 시간별 물 사용량 데이터를 아리마모델에 적용하여 금일의 이후 시간별 물 수요량 데이터를 예측한다.
In the arminger model application step (S10), data on actual water consumption over a certain period of time (for example, one month, one week) is applied to the Arima model to estimate water demand forecast data for the next day . More precisely, since the time is continuous, the hourly water usage data up to the day before 24:00 (00:00), which is the day when the date changes, is applied to the Arima model to predict the water demand data of the day after that day.
물 수요량 예측에 사용되는 상기 아리마모델은 아래의 [수식1]과 같다. The Arima model used to predict water demand is shown in [Equation 1] below.
여기서, here,
μ: 정수 (평균값), μ: integer (average value),
Y_t : 출력계열 - 예측 물수요량(t 시점의 출력) Y_t: Output series - Forecast water demand (output at time t)
X_(i,j) : 입력계열 - t 시점의 입력값 X_ (i, j): input series - input value at time t
w_i(B)/δ_i(B) : 전이함수 분자연산자(직접적 요인)/ 분모연산자(간접적 요인) w_i (B) / δ_i (B): Transition function Molecular operator (direct factor) / Denominator (indirect factor)
ψ(B) : AR과정 - 자기회귀 연산자ψ (B): AR process - autoregressive operator
θ(B) : MA과정 -이동평균 연산자θ (B): MA process - moving average operator
a_t : 백색잡음 -t 시점에서의 랜덤오차 a_t: white noise-random error at time t
이다.
to be.
상기 [수식1]의 아리마모델은 물 수요 예측에 널리 사용되는 모델(수식)으로, 주지관용기술이라고 할 수 있으므로 이에 대한 구체적인 설명은 생략한다.
The Arima model of Equation (1) is a model (equation) widely used in water demand forecasting, and can be said to be well-known technology, so a detailed description thereof will be omitted.
아리마모델은 예측하고자 하는 시계열 데이터를 이전 실제 관측치들을 이용해 연산되고, 단기간의 예측에 적합하고 과거 값에 대한 피팅이 용이한 장점을 갖지만, 패턴을 이용한 방식이어서 패턴이 변화하면 예측이 어렵고 데이터의 상호 작용을 무시하기 때문에 종종 데이터의 오차가 발생되는 문제가 있다.
The Arima model is computed using previous real observations, and is suitable for short-term prediction and easy fitting to past values. However, it is difficult to predict if the pattern changes, There is a problem that an error of data is often generated.
상기 지수평활법 적용단계(S20)에서는 아리마모델이 패턴을 이용한 방식이어서 패턴이 변화하면 예측이 어렵고 데이터의 상호 작용을 무시하기 때문에 종종 데이터의 오차가 발생되는 문제를 보완하여, 물 수요량 예측의 정확성을 높인다. In the exponential smoothing method application step (S20), since the arima model uses a pattern, it is difficult to predict if the pattern changes and neglects the interaction of the data. Therefore, the problem of data error is often compensated, .
즉, 아리마모델에 의해 연산되는 물 수요량 예측 데이터를 보정하여 물 수요량 보정 데이터를 취득한다.
That is, the water demand amount prediction data calculated by the arithmetic model is corrected to acquire the water demand amount correction data.
지수평활법은 최신의 데이터에 가중치를 지수함수에 따라 부여하여 예측하고자하는 값의 정확도를 높이다. The exponential smoothing method increases the accuracy of the value to be predicted by assigning the weight to the latest data according to the exponential function.
즉, 시계열에 따른 과거의 실측 값들로부터 예측 값을 연산함에 있어, 최신의 실측 값에 더 많은 가중치를 부여한다. 다시 말해, 내일의 시간별 물 수요량을 예측하는 경우에 오늘 실제 사용되어 실측된 시간별 물 사용량이 어제 사용되어 실측된 시간별 물 사용량 보다 예측 물 수용량과의 오차가 적고, 어제 실측된 물 사용량은 그제 실측된 물 사용량 보다 예측 물 사용량과의 오차가 적을 것이라는 경험칙에 의해 최신의 실측 값에 더 많은 가중치를 부여하여, 아리마모델에 의해 연산되는 예측 물 수요량을 보정한다.
That is, in calculating the predictive value from past measured values according to the time series, more weight is given to the latest measured value. In other words, in case of predicting tomorrow's hourly water demand, the measured daily water use actually used and used today was less than the predicted water use less than the measured water usage per hour, and the measured water usage yesterday A weighted value of the predicted water calculated by the arithmetic model is corrected by giving more weight to the latest measured value by the empirical rule that the error with the predicted water use amount is smaller than the water use amount.
지수평활법은 사용이 간편, 즉, 수식이 간단하여 아리마모델에 의해 예측된 물 수요량의 보정이 신속하고, 단기 예측의 정확도가 높고 시계열에 따른 실측 값에 가중치를 신축성 있게 조절할 수 있고, 데이터 보유 소요가 적은 장점을 갖는다.
The exponential smoothing method is simple to use, that is, it has a simple formula, so that the water demand predicted by the Arima model can be quickly corrected, the accuracy of the short-term prediction is high, the weight can be adjusted to the measured value according to the time series, It has the advantages of less demand.
아래의 [수식2]는 지수평활법에 대한 수식이다. [Equation 2] below is an expression for the exponential smoothing method.
ε_i=R_i-P_i ----- [수식2] epsilon_i = R_i-P_i ----- [Equation 2]
P_(i+2)=P_(i+1)+aㆍε_i+(1-a)ε_(i-1)P_ (i + 2) = P_ (i + 1) + a ε_i + (1-a)
여기서, R_i는 실측 데이터(과거의 실측 물 수요량)이고, P_i는 예측 데이터(예측 물 수요량)이고, P_(i+2)는 예측 계산 값이고, P_(i+1)는 현재 예측 값이다.
(I + 2) is a predicted calculation value, and P_ (i + 1) is a current predicted value. In this case, R_i is the actual data (past demanded quantity of water), P_i is the predicted data
도5는 아리마모델과 지수평활법을 이용해 물 수요량을 예측하는 과정을 도시한 플로우차트이다. 5 is a flowchart showing a process of predicting water demand using the Arima model and the exponential smoothing method.
도5는 최근 4일 동안 유량계로부터 계측된 매시간별 실제 물 사용량 데이터를 사용하여서, 아리마모델 적용단계(S10)를 통해 금일(0시 직후 ; (D)일) 시간별 물 수요량 예측 데이터와 어제((D-1)일)의 실측 물 사용량과 금일((D)일) 예측된 물 수요량의 오차를 계산하고, 지수평활법 적용단계(S20)를 통해 그제((D-2)일)와 어제((D-1)일)의 시간대별 실측 물 사용량과 예측 물 수요량의 오차에 가중치를 부여하여서 금일((D)일) 물 수요량을 보정하는 일례를 도시하고 있다.
FIG. 5 is a graph showing the relationship between the water demand forecast data for the day and the water demand forecast data for the day yesterday through the arithmetical model application step (S10) using the actual water use data for each hour measured from the flow meter for the last four days. (D-2) days) and yesterday ((D-1) days) through the exponential smoothing method application step (S20) (D) days) by weighting the error between the measured water use amount and the predicted water demand amount by the time period of the day (D-1) days.
도 5의 아리마 모델 적용단계(S10)를 좀 더 상세하게 살펴보면, 5, in step S10,
[1]의 단계에서는 최근 4일간의 공급량을 DB로부터 끌어와 Dataset을 구성하며, 이 데이터에서 결측치 및 이상치가 있을 경우 이 부분을 보정하는 내용을 포함하고 있다.In the step [1], the supply amount of the last 4 days is pulled from the DB to construct a Dataset, and the data includes a correction value for missing values and anomaly values.
[2]에서는 각 시간대별 Index를 구하는 단계를 나타내고 있다. Dataset을 이용하여 이동평균법을 적용하여 1차적인 예측치를 구하고, 이에 대해 당 시간대에 대해 Dataset 기간 동안의 Average ratio를 구하고, 이를 전체 Average ratio의 평균으로 나누어 Index값을 구해준다. [2] shows the step of obtaining an index for each time slot. The first estimate is obtained by applying the moving average method using Dataset, and the average ratio during the Dataset period is obtained for the current time period, and the Index is obtained by dividing the average ratio by the average of the total average ratio.
[3]에서는 실측값을 Index로 나누어주어 나온 1차 예측값과 실측값을 이용해 회귀분석을 수행하고, 이를 통해 Y절편값과 X1값을 구해준다. In [3], the regression analysis is performed using the first-order predicted value and the measured value obtained by dividing the measured value by the index, and the Y intercept value and the X1 value are obtained through the regression analysis.
[4]에서는 이를 적용하여 1차적인 Index를 통한 1차 예측값에 X1값과 Y절편값을 적용한 뒤 처음에 나누어준 Index값을 곱해 2차적인 예측값을 구한다. 이후, 이 2차적인 예측값과 실측값과의 차이를 통해 Error값을 산출한다.[4] applies the X1 value and the Y intercept value to the first-order predicted value through the first index and then multiplies the first divided index value to obtain a second predicted value. Then, an Error value is calculated based on the difference between the second predicted value and the measured value.
참고로, 물 수요량 예측에 아리마모델을 이용하는 것, 즉, 아리마 모델 적용단계(S10)는 공지기술이어서 본 발명이 속하는 기술분야의 통상의 기술자가 도5와 위의 기재내용으로부터 본 발명을 이해하는데 부족함이 없을 것이다.
For reference, the use of the Arima model for predicting water demand, i.e., the application of the Arima model (S10), is well known in the art, so that one of ordinary skill in the art will understand the present invention from FIG. There will be no shortage.
도5의 [5] ~ [7]은 지수평활법 적용단계(S20)로서, 물 수요량 예측 데이터의 오차를 줄이기 위해 어제((D-1)일)의 오차량에는 가중치를 90% 적용하고, 그제((D-2)일)의 오차량에는 가중치를 10% 적용하는 것을 도시하고 있다.
(5) to (7) of FIG. 5 are the steps (S20) of applying the exponential smoothing method. In order to reduce the error of the water demand prediction data, a weight of 90% 10% is applied to the error of the ((D-2)) days.
도6은 상기 펌프 구동시간 스케줄단계(S30)의 일례를 도시한 것이다. FIG. 6 shows an example of the pump driving time schedule step S30.
도 6의에서는 도 5에서 나타난 상기 지수평활법 적용단계(S20)를 통해 예측치가 보정된 물 수요량 보정데이터와 함께 펌프 운영의 최적화에 영향을 미치는 인자들을 대입하여 수용가(End user)에 물 공급이 부족해지는 상황이 발생하지 않는다는 조건을 충족시키면서 펌프 운영이 최적화되는 펌프 구동시간에 관한 데이터(즉, 펌프의 온오프 시기)를 시간순으로 스케줄을 구성하는 방법을 나타내고 있다.
In FIG. 6, the water demand correction data corrected with the predicted value and the factors influencing the optimization of the pump operation are inputted through the exponential smoothing application step (S20) shown in FIG. 5, (I.e., on-off timing of the pump) in which the pump operation is optimized while satisfying the condition that no shortage occurs.
도6을 자세히 보면, 우선 아리마모델 적용단계(S10)와 지수평활법 적용단계(S20)를 통해 취득된 시간별 물 수요량 보정 데이터를 모두 합산하여 하루 동안 사용될 것으로 예상되는 물의 총량을 산출(D)하고, 합산한 값(D)을 배수타워(40)의 최대 용량(Max_v)과 더하고 최소용량(Min_v)에서 빼서 하루 동안 배수타워(40)의 최대 공급량과 최소공급량을 산출하고, 시간별 전기요금에 관한 데이터를 입력하여 펌프 운영 비용을 최소화할 수 있는 펌프의 시간별 온오프(가동 또는 정지)에 관한 정보, 즉, 펌프 구동시간에 관한 스케줄링된 데이터를 산출한다.
6, first, the total amount of water expected to be used for one day is calculated (D) by summing all of the hourly water demand correction data acquired through the application of the Arima model (step S10) and the exponential smoothing method application step S20 , The summed value D is added to the maximum capacity Max_v of the
도 6의 송수 최적화 단계를 좀 더 상세하게 살펴보면, 6 will be described in more detail.
[1]의 단계에서는 도5를 통해 구성된 예측값을 DB로부터 끌어와 Dataset을 구성하는 내용을 나타내고 있다.In step [1], the predicted value constructed through FIG. 5 is drawn from the DB to represent the contents constituting the Dataset.
[2]는 제한조건을 제시하는 단계 중 하나로 배수지의 운영범위를 제한하는 단계이다. 본 도6에서는 예시로서 최대 용량(Max_v)은 900으로, 최소 용량(Min_v)는 300으로 잡았다.[2] is one of the steps to limit the operation of the reservoir. In FIG. 6, the maximum capacity (Max_v) is taken as 900 and the minimum capacity (Min_v) is taken as 300 as an example.
[3] 또한 제한조건을 제시하는 단계로써 시간대별 전기세 자료를 입력하는 단계이다. [3] In addition, it is a step to present the restriction condition and to input the electricity tax data by time zone.
[4] 또한 제한조건을 제시하는 단계로써 실제적인 시간당 펌프 송수량을 정해주는 단계이다. 이 설정값에 맞추어 펌프의 유량이 결정된다.[4] It is also a step to set limit conditions and to set actual pump transfer rate per hour. The flow rate of the pump is determined according to this set value.
마지막의 [5] 단계는 정수계획법의 적용단계로서 본 제한조건과 입력값에서의 정수계획법의 풀이를 통해 최종적인 펌프 운영 스케줄을 얻어낼 수 있게 된다.
The final step [5] is the application step of the integer programming method. As a result, the final pump operation schedule can be obtained by solving the integer programming method in this constraint and the input value.
다시 말해, 상기 펌프 구동시간 스케줄단계(S30)는 상기 아라미모델 적용단계 및 지수평활법 적용단계(S20)를 통해 정확하게 예측된 시간대별 물 수요량에 관한 데이터와 시간대별 전기요금과, 하루 배수지의 최대 공급량과 최소 공급량과, 펌프의 용량 등으로부터 최적화된 시간의 흐름에 따른 펌프의 온오프에 관한 데이터를 취득한다.
In other words, the pump driving time scheduling step (S30) may include data on the water demand amount accurately predicted through the application of the aramid model and the exponential smoothing application step (S20), the electricity rate per time period, The data on the pump on-off according to the optimized time flow from the maximum supply amount and the minimum supply amount, the capacity of the pump, and the like are acquired.
상기 펌프 구동시간 스케줄단계(S30)에서는 모든 펌프의 구동이 On/Off이고 또한 신뢰할 수 있는 전역해를 구하기 위해 정수계획법을 사용한다. 정수계획법이란 최적화기법의 하나로서 최적화를 이루는 함수의 목적함수 값이 정수(Integer)로 제한되는 함수이다.
In the pump driving time schedule step S30, all the pumps are turned on / off and an integer programming method is used to obtain a reliable global solution. Integer programming is one of the optimization techniques, in which the objective function value of an optimization function is limited to an integer.
펌프 운영의 최적화(펌프의 운영 비용이 가장 중요함)에 사용되는 정수계획법은 아래의 [수식3]과 같고, [수식4]와 [수식5]의 조건을 만족시키면서 [수식3]을 만족시키는 정수값이 구하고자하는 펌프 구동시간에 대한 데이터가 된다. The integer programming method used in the optimization of the pump operation (the operation cost of the pump is the most important) is as in the following [Equation 3], satisfying the condition of [Equation 4] and [Equation 5] The integer value is the data for the pump drive time to be obtained.
여기서, t ; 시간 인터벌, C_t ; 전기요금, X_t ; 펌프의 온오프 상태, E(X_t) : 펌프의 시간당 전력사용량, V_min ; 배수타워의 최저 저장용량, V_max ; 배수타워의 최대 저장용량, In_t : 펌프에 의한 물의 시간당 유입 유량, Out_t : 펌프에 의한 물의 시간당 유출 유량이다.
Here, t; Time interval, C_t; Electricity charge, X_t; Off state of the pump, E (X_t): power consumption per hour of the pump, V_min; Minimum storage capacity of drainage tower, V_max; In_t is the flow rate of water per hour by the pump, and Out_t is the flow rate of water per hour of the water by the pump.
도7은 종래기술에 따라 아리마모델만을 활용하여 예측한 물 수요량과 본 발명에 따라 아리마모델 및 지수평활법을 활용하여 예측한 물 수요량을 각각 실제 관측된 물 사용량과 비교한 도면으로서, 본 발명에 의할 때 예측된 물 수요량과 실제 사용된 물 사용량의 오차가 적음을 확인할 수 있다.
FIG. 7 is a graph comparing water demand predicted using only the Arima model according to the prior art and water demand predicted using the Arima model and exponential smoothing method according to the present invention, with actual observed water use amounts, respectively. It can be confirmed that the error between the predicted water demand and the actual water use amount is small.
도8은 종래기술에 따라 아리마모델만을 활용하여 예측한 물 수요량과 본 발명에 따라 아리마모델 및 지수평활법을 활용하여 예측한 물 수요량의 정확도를 비교한 테이블로서, 본 발명에 의할 때 예측된 물 수요량이 보다 정확하고 오차가 적음을 확인할 수 있다.
FIG. 8 is a table comparing the predicted water demand using only the Arima model according to the prior art and the predicted water demand using the Arima model and the exponential smoothing method according to the present invention. It can be seen that the water demand is more accurate and less error.
도9는 종래기술((a),(b))과 본 발명((c), (d))에서 시간별로 펌프를 운영하는 데이터와 그에 따른 배수타워(40)의 수위를 비교한 도면으로, 종래기술은 배수타워(40)의 수위가 평균 2.5.m.로 낮게 유지되고, 일 평균 3~4회 펌프가 가동(1회 약 2시간)되나, 본 발명은 전기사용량이 적어서 전기요금이 저렴한 심야 및 새벽 시간대에 1일 1회 약 3시간 가동되어 배수타워(40)에 충분한 양의 물을 저장시켜 놓아서 전기요금이 비싼 낮 시간 동안에는 펌프가 구동되지 않도록 하여 펌프 운영의 비용이 저렴하게 되고, 펌프 운영을 위한 전력이 부족해지는 상황이 발생되는 것을 예방하게 된다.
FIG. 9 is a diagram comparing the data of the pump operating in the prior art ((a), (b)) and the present invention ((c), (d)) and the water level of the
도10은 본 발명이 상수도 공급 시스템에 적용되어 사용되는 화면의 일례를 개략적으로 보여주는 도면으로서, a)는 아리미모델과 지수평활법을 통해 정확하게 예측된 시간별 물 수요량에 관한 그래프이고, b)는 펌프 온오프 상태(즉, 가동여부)에 따라 시간별 배수타워(40)에 물이 공급 및 배출되는 양을 보여주는 그래프이고, c)는 두번째 그래프에 의할 때 배수타워(40)의 수위 변화를 보여주는 그래프이고, d)는 펌프 구동시간에 관한 데이터가 시간별로 스케줄링된 일례를 보여주는 화면이다.
10 is a view schematically showing an example of a screen to which the present invention is applied and applied to a water supply system, in which FIG. 10A is a graph of a demanded water demand accurately predicted through an ARIMI model and an exponential smoothing method, A graph showing the amount of water supplied and discharged to the
도11은 배수타워(40)의 내부에 설치되어서 수위를 감지하는 수위계(B)를 도시한 것이다.
FIG. 11 shows a water level meter B installed inside the
상기 수위계(B)는 수위감시센서(M)가 내장된 하우징(Bf)과, 이 하우징의 개구부를 덮는 메쉬타입 커버(Bc)와, 이 하우징을 배수타워(40)의 내벽(W)에 고정하는 결합부재(Au)(Aℓ)으로 구성되어 있다.
The water level gauge B includes a housing Bf in which the water level monitoring sensor M is incorporated, a mesh type cover Bc covering the opening of the housing, and a housing fixed to the inner wall W of the
상기 결합부재는 하나 또는 복수개가 구비될 수 있는데, 도면에서는 상하 결합부재(Au)(Aℓ) 2개로 구성되어 있다.
One or a plurality of the coupling members may be provided, and the coupling members are composed of two upper and lower coupling members Au.
각 결합부재(Au)(Aℓ)는 다양한 내벽(W) 구조를 갖는 배수타워(40) 모두에 적용할 수 있도록 길이 및 각도조절이 가능하도록 구성되어 있어, 도11과 같이 설치 내벽(W)이 곡면을 이루는 경우에도 쉽게 설치할 수 있다.
Each of the joining members Au is configured to be adjustable in length and angle so as to be applicable to all the drainage towers 40 having various inner wall W structures, It can be easily installed even if it forms a curved surface.
각 결합부재(Au)(Aℓ)는 내벽(W)에 결합되는 제1 링크(A1), 길이 및 각도조절을 위한 제2 링크(A2), 하우징(Bf)에 결합되는 제3 링크(A3)로 구성되고, 각 링크(A1, A2, A3)에는 길이 조절을 위한 다수의 구멍이 형성되어 있다.
Each engaging member Au includes a first link A1 coupled to the inner wall W, a second link A2 for adjusting the length and angle, a third link A3 coupled to the housing Bf, And a plurality of holes for adjusting the length are formed in each of the links A1, A2, and A3.
제2링크(A2)는 제1 및 제3 링크(A1, A3)에 삽입된 형태로 길이가 조절되며, 길이 및 각도 조절 상태는 긴 볼트(Ab)에 의하여 고정된다.
The length of the second link A2 is adjusted in a state of being inserted into the first and third links A1 and A3, and the length and the angle adjustment state are fixed by the long bolt Ab.
다음으로 수위감시센서(M)의 장입 및 교체 편리성을 위하여 커버(Bc)의 탈착 용이성이 보장되면서도, 부주의한 교체 과정에서 커버(Bc)의 추락으로 작업자가 다치는 상황을 방지하기 위한 구조 개선이 필요하다. Next, the ease of detachment of the cover (Bc) is ensured for the convenience of loading and replacement of the level monitoring sensor (M), and structural improvement to prevent the operator from being hurt by the fall of the cover (Bc) need.
이를 위하여 상기 하우징(Bf)은 상부 내측에 제1 걸림부(Bf1) 및 상부 외측의 제2 걸림부(bf2)가 계단 형태로 연속 형성되어 있다.
To this end, the housing Bf is formed with a first latching portion Bf1 inside the upper portion and a second latching portion bf2 outside the upper portion in a stepped fashion.
또 상기 커버(Bc)는 제1 또는 제2 걸림부(Bf1, Bf2)에 결합되는 상부 제1 돌기(Bc1)와, 하부 제2 돌기(Bc2)를 갖는다.
The cover Bc has an upper first protrusion Bc1 and a lower second protrusion Bc2 coupled to the first or second latching portions Bf1 and Bf2.
나아가 하우징(Bf)의 하부에는 스프링, 특히 비틀림 코일스프링(H5)에 의하여 탄성 지지되는 형태로 축핀(Hs)에 의하여 하우징 지지부(H4)에 고정된 후크(H)가 구비되어 있다.
A hook H fixed to the housing support H4 by the shaft pin Hs is provided in the lower part of the housing Bf in such a manner as to be elastically supported by a spring, particularly a torsion coil spring H5.
상기 후크(H)는 상기 커버(Bc)의 제2돌기(Bc2)에 의하여 가압되어 비틀림 코일스프링(H5)이 변형되면서 상부로 상승하도록 하기 위하여 연속 형성된 제1 및 제2 경사걸림턱(H1, H2)을 갖는다.
The hook H is urged by the second projection Bc2 of the cover Bc so that the torsion coil spring H5 is deformed so as to rise upward, H2.
상기 커버(Bc)의 결합시에는 커버(Bc)의 상부 제1 돌기(Bc1)를 하우징(Bf)의 상부 내측 제1 걸림부(Bf1)에 걸친 상태에서When the cover Bc is engaged, the upper first protrusion Bc1 of the cover Bc is engaged with the upper inner first latching portion Bf1 of the housing Bf
커버(Bc)의 하부 제2 돌기(Bc2)를 하우징쪽으로 밀면, When the lower second projection Bc2 of the cover Bc is pushed toward the housing,
제2 돌기(Bc2)가 후크(H)의 제2 경사걸림턱(H2)을 지나면서 비틀림 코일스프링(H5)을 변형시키고 후크(H)가 축핀(Hs)을 중심으로 회전 상승하게 되며, The second projection Bc2 passes the second inclined stopping hook H2 of the hook H to deform the torsion coil spring H5 so that the hook H rotates upward about the axis pin Hs,
계속 밀면 제2 돌기(Bc2)가 후크(H)의 제1 경사걸림턱(H1)까지 통과한 후 제2 돌기로 인한 가압력이 해소되므로The second projection Bc2 passes to the first inclined stopping hook H1 of the hook H and then the pressing force due to the second projection is released
후크(H)는 비틀림 코일스프링(H5)의 탄성에 의하여 축핀(Hs)을 중심으로 회전 하강하여 The hook H is rotated downward about the axis pin Hs by the elasticity of the torsion coil spring H5
제2 돌기(Bc2)와 제1 경사걸림턱(H1)이 엇물려 The second projection Bc2 and the first inclined stopping hook H1 are staggered
커버(Bc)와 하우징(Bf)의 결합이 완료되고 커버는 이탈이 방지된다.
The engagement of the cover Bc and the housing Bf is completed and the cover is prevented from being released.
수위감시센서(M)의 교체 또는 수리를 위하여 커버(Bc)를 개방하는 경우에는When the cover Bc is opened for replacement or repair of the level monitoring sensor M
커버(Bc)를 전체적으로 들어 올리면 되는데(이를 위하여 커버에는 적절한 손잡이가 구비되는 것이 바람직하다)The cover Bc is lifted as a whole (for this purpose, it is preferable that the cover is provided with a suitable handle)
이에 따라 제2 돌기(Bc2)와 제1 경사걸림턱(H1)을 가압하므로 비틀림 코일스프링(H5)이 변형되면서 축핀(Hs)을 중심으로 후크(H)가 회전 상승하게 된다.
The second protrusion Bc2 and the first inclined stopping hook H1 are pressed so that the torsion coil spring H5 is deformed and the hook H rotates upward about the axis pin Hs.
이에 따라 커버(Bc)의 상부 제1 돌기(Bc1)는 하우징(Bf)의 상부 내측 제1 걸림부(Bf1)에 걸린 상태에서 벗어나고 The upper first protrusion Bc1 of the cover Bc is released from the state of being caught by the upper inner first latching portion Bf1 of the housing Bf
커버(Bc)의 제1 돌기(Bc1)는 하우징(Bf)의 상부 외측 제2 걸림부(Bf2)걸리게 된다.
The first projection Bc1 of the cover Bc is caught by the upper outer second latching portion Bf2 of the housing Bf.
이 상태에서 커버(Bc)의 제2 돌기(Bc2)는 후크(H)의 제2 경사걸림턱(H2)에 위치하므로 다시 비틀림 코일스프링(H5)의 탄성에 의하여 축핀(Hs)을 중심으로 회전 하강하면서 제2 돌기(Bc2)와 제2 경사걸림턱(H2)이 엇물린 상태가 된다.
In this state, the second projection Bc2 of the cover Bc is located at the second inclined stopping hook H2 of the hook H, and thus the second projection Bc2 of the cover Bc is rotated about the axial pin Hs by the elasticity of the torsion coil spring H5 The second projection Bc2 and the second inclined stopping hook H2 are in a staggered state.
이때 작업자가 손으로 후크(H)를 들어 올려 제2 경사걸림턱(H2)에 의한 제2 돌기(Bc2)의 구속을 해제한다.At this time, the operator lifts the hook H by hand and releases the restraint of the second projection Bc2 by the second inclined stopping hook H2.
커버(Bc)는 상부 제1 돌기(Bc1)가 하우징(Bf)의 상부 내측 제1 걸림부(Bf1)에 걸쳐진 상태에서 들어 올리는 것이 가능하고, 필요에 따라 커버를 하우징에서 완전히 분리하는 것도 가능한데, The cover Bc can lift the upper first protrusion Bc1 in a state in which the upper first protrusion Bc1 extends over the upper inner first latching portion Bf1 of the housing Bf and completely separate the cover from the housing if necessary,
작업자의 수나 현장 상황에 따라 알맞은 상태에 두고 수리 또는 교체 작업을 진행하면 된다.
Depending on the number of workers or the situation of the site, repair or replacement work can be carried out in an appropriate condition.
이상에서 본 발명을 설명함에 있어 첨부된 도면을 참조하여 특정 절차를 갖는 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템과 그 방법에 대해 설명하였으나 본 발명은 당업자에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 보호범위에 속하는 것으로 해석되어야 한다.
While the present invention has been described with reference to the accompanying drawings, it is to be understood that the present invention has been described with respect to a water demand forecasting method using an Arima model and an exponential smoothing method having a specific procedure, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.
10 : 물 수요 예측모델 20 : 펌프 운영 최적화 스케줄모듈
30 : 펌프 구동 제어모듈 40 : 배수타워10: Water Demand Forecast Model 20: Pump Operation Optimization Schedule Module
30: Pump drive control module 40: Drain tower
Claims (5)
상기유량계에서 계측된 지난날들의 물 사용량 데이터를 이용하여 물 수요량 예측 데이터를 연산하여 취득하는 아리마(ARIMA)모델과,
지난날들에 예측된 물 수요량과 그날 실제 물 사용량의 오차를 이용하여 상기 물 수요량 예측 데이터를 보정한 물 수요량 보정 데이터를 연산하여 취득하는 지수평활법을 탑재한 물 수요 예측모델(10);
상기 물 수요 예측모델(10)에서 취득된 물 수요량 보정 데이터와 시간대별 전기요금 데이터를 정수계획법에 적용하여 급배수 펌프의 구동시간 데이터를 취득하는 펌프 운영 최적화 스케줄모듈(20);
상기 펌프 운영 최적화 스케줄모듈(20)에서 취득한 구동시간 데이터에 따라 급배수 펌프를 구동시키는 펌프 구동 제어모듈(30);을 포함하되,
상기 펌프 구동제어모듈(30)은 배수타워(40)의 수위와 배수타워(40)에서 수용가로 공급되는 물 사용량을 실시간으로 모니터링하는 아리마모델과 지수평활법을 이용한 물 수요 예측 기반의 급배수 펌프의 운영 최적화 시스템에 있어서,
상기 배수타워(40)의 내부에는 수위를 감지하는 수위계(B)가 설치되고,
상기 수위계(B)는 수위감시센서(M)가 내장된 하우징(Bf)과, 상기 하우징(Bf)의 개구부를 덮는 메쉬타입 커버(Bc)와, 상기 하우징(Bf)을 배수타워(40)의 내벽(W)에 고정하는 상하 두 결합부재(Au)(Aℓ)를 포함하여 이루어지되,
상기 상하 두 결합부재(Au)(Aℓ)는 각각 내벽(W)에 결합되는 제1 링크(A1), 길이 및 각도조절을 위한 제2 링크(A2), 하우징(Bf)에 결합되는 제3 링크(A3)로 구성되고, 각 링크(A1, A2, A3)에는 길이 조절을 위한 다수의 구멍이 형성되고, 제2링크(A2)는 제1 및 제3 링크(A1, A3)에 삽입된 형태로 길이가 조절되며, 길이 및 각도 조절 상태는 긴 볼트(Ab)에 의하여 고정되고,
상기 하우징(Bf)은 상부 내측에 제1 걸림부(Bf1) 및 상부 외측의 제2 걸림부(bf2)가 계단 형태로 연속 형성되고, 하부에는 비틀림 코일스프링(H5)에 의하여 탄성 지지되는 형태로 축핀(Hs)에 의하여 하우징 지지부(H4)에 고정된 후크(H)가 구비되고,
상기 후크(H)는 상기 커버(Bc)의 제2돌기(Bc2)에 의하여 가압되어 비틀림 코일스프링(H5)이 변형되면서 상부로 상승하도록 하기 위하여 연속 형성된 제1 및 제2 경사걸림턱(H1, H2)을 갖고,
상기 커버(Bc)는 제1 또는 제2 걸림부(Bf1, Bf2)에 결합되는 상부 제1 돌기(Bc1)와, 하부 제2 돌기(Bc2)를 갖는 것을 특징으로 하는 아리마모델과 지수평활법을 이용한 물 수요 예측 기반의 급배수 펌프의 운영 최적화 시스템. In the flow meter, the error between the amount of water measured daily in real time, the amount of water to be measured, and the demanded amount of water at that time is dataized by time,
An ARIMA model for calculating and obtaining water demand forecast data using water usage data of past days measured by the flowmeter;
A water demand forecasting model (10) equipped with an exponential smoothing method for calculating and acquiring water demand correction data corrected for the water demand forecast data by using the water demand predicted in past days and the actual water use error of the day;
A pump operating optimization schedule module (20) for applying the water demand correction data and the electricity rate data acquired in the water demand forecasting model (10) to the integer programming method to obtain driving time data of the water supply and drainage pump;
And a pump drive control module (30) for driving the water supply and drainage pump in accordance with the drive time data acquired by the pump operation optimization schedule module (20)
The pump drive control module 30 includes an Arima model for monitoring in real time the water level of the drainage tower 40 and the water usage amount supplied to the customer from the drainage tower 40 and a water demand prediction based water drainage pump 1. A system for optimizing an operating system,
A water gauge (B) for sensing a water level is installed inside the drainage tower (40)
The water level meter B includes a housing Bf in which a water level monitoring sensor M is installed, a mesh type cover Bc covering an opening of the housing Bf, , And two upper and lower joining members (Au) (A l) for fixing to the inner wall (W)
The upper and lower coupling members Au and Al each have a first link A1 connected to the inner wall W, a second link A2 for adjusting the length and angle, a third link A2 coupled to the housing Bf, A plurality of holes for adjusting the length are formed in each of the links A1, A2 and A3 and a second link A2 is formed in the form of being inserted into the first and third links A1 and A3 The length and the angle adjustment state are fixed by the long bolt Ab,
The housing Bf has a first engagement portion Bf1 on the upper side and a second engagement portion bf2 on the outer side of the upper portion of the housing Bf in a continuous manner in a stepped fashion and a lower portion thereof elastically supported by a torsion coil spring H5 A hook H fixed to the housing supporting portion H4 by the axial pin Hs is provided,
The hook H is urged by the second projection Bc2 of the cover Bc so that the torsion coil spring H5 is deformed so as to rise upward, H2)
The cover Bc has an upper first protrusion Bc1 and a lower second protrusion Bc2 coupled to the first or second latching portions Bf1 and Bf2 and an arithmetic model and an exponential smoothing method Operation Optimization System of Water Supply and Pumping Pump Based on Water Demand Forecasting.
상기 물 수요 예측모델(10)에서 지수평활법의 적용 시에 최근 일의 오차에 더 많은 가중치를 부여하는 것을 특징으로 하는 아리마모델과 지수평활법을 이용한 물 수요 예측 기반의 급배수 펌프의 운영 최적화 시스템. The method according to claim 1,
In the water demand forecasting model 10, when the exponential smoothing method is applied, more weight is given to the error of the recent work. The operation optimization of the water supply pump based on the water demand prediction using the Arima model and the exponential smoothing method system.
펌프 운영 최적화 스케줄모듈(20)은
상기 물 수요 예측모델(10)에서 취득된 시간대별 물 수요량 보정 데이터를 합산하여 당일의 예상 물 수요량의 총량을 취득하고,
배수타워의 저장용량 최대치와 최소치, 시간대별 전기요금을 지수평활법에 적용하여 급배수 펌프의 구동시간 데이터를 취득하는 것을 특징으로 하는 아리마모델과 지수평활법을 이용한 물 수요 예측 기반의 급배수 펌프의 운영 최적화 시스템. The method according to claim 1 or 4,
The pump operation optimization schedule module 20
By-time water demand correction data acquired in the water demand forecasting model 10 to obtain the total amount of the expected water demand amount on that day,
The water supply pump driving time data is acquired by applying the maximum and minimum values of the storage capacity of the drainage tower and the electricity rate by time to the exponential smoothing method. Operating optimization system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20140058047A KR101484265B1 (en) | 2014-05-14 | 2014-05-14 | Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20140058047A KR101484265B1 (en) | 2014-05-14 | 2014-05-14 | Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101484265B1 true KR101484265B1 (en) | 2015-01-20 |
Family
ID=52590942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR20140058047A KR101484265B1 (en) | 2014-05-14 | 2014-05-14 | Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101484265B1 (en) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203769A (en) * | 2016-06-23 | 2016-12-07 | 上海交通大学 | A kind of festivals or holidays based on the time difference coefficient sky level water requirement on-line prediction method |
| KR101877544B1 (en) | 2018-05-11 | 2018-08-09 | 주식회사 아이씨티솔루션스 | Energy optimization contril system using air blower deterioration prodiction and diagnosis |
| CN109242265A (en) * | 2018-08-15 | 2019-01-18 | 杭州电子科技大学 | Based on the smallest Urban Water Demand combination forecasting method of error sum of squares |
| CN109566353A (en) * | 2018-11-06 | 2019-04-05 | 河北工程大学 | A kind of community's water Optimization Scheduling based on dynamic control |
| KR101984264B1 (en) | 2018-11-22 | 2019-05-30 | 주식회사동일기술공사 | Optimizing system of demand response resource energy in water and sewage apparatus |
| CN110025221A (en) * | 2019-04-08 | 2019-07-19 | 安徽麦特雷勃净化科技股份有限公司 | A kind of water emptier overnight and timing method |
| CN110851977A (en) * | 2019-11-06 | 2020-02-28 | 武汉大学 | Water supply-power generation-ecological multi-target scheduling graph optimization method based on ecological flow |
| KR20220119969A (en) * | 2021-02-22 | 2022-08-30 | 주식회사 시스펜 | System for predicting advertisement order demand and operation method thereof |
| CN115860797A (en) * | 2022-12-08 | 2023-03-28 | 国网江苏省电力有限公司南通供电分公司 | Electric quantity demand prediction method suitable for new electricity price reform situation |
| CN117787568A (en) * | 2024-02-23 | 2024-03-29 | 深圳市南粤建工有限公司 | Intelligent monitoring and early warning method for road construction progress |
| CN118013469A (en) * | 2024-04-07 | 2024-05-10 | 企云方(上海)软件科技有限公司 | Time-dependent model analysis method for managing multidimensional data by enterprise architecture |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004295226A (en) | 2003-03-25 | 2004-10-21 | Matsushita Electric Works Ltd | Demand prediction support system, its program, and computer readable recording medium for recording this program |
| JP2007070829A (en) | 2005-09-05 | 2007-03-22 | Mitsubishi Electric Corp | Water supply operation control system |
| KR20110097040A (en) * | 2010-02-24 | 2011-08-31 | 울산광역시 | Method for estimating waterworks demand and system thereof |
-
2014
- 2014-05-14 KR KR20140058047A patent/KR101484265B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004295226A (en) | 2003-03-25 | 2004-10-21 | Matsushita Electric Works Ltd | Demand prediction support system, its program, and computer readable recording medium for recording this program |
| JP2007070829A (en) | 2005-09-05 | 2007-03-22 | Mitsubishi Electric Corp | Water supply operation control system |
| KR20110097040A (en) * | 2010-02-24 | 2011-08-31 | 울산광역시 | Method for estimating waterworks demand and system thereof |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203769A (en) * | 2016-06-23 | 2016-12-07 | 上海交通大学 | A kind of festivals or holidays based on the time difference coefficient sky level water requirement on-line prediction method |
| KR101877544B1 (en) | 2018-05-11 | 2018-08-09 | 주식회사 아이씨티솔루션스 | Energy optimization contril system using air blower deterioration prodiction and diagnosis |
| CN109242265A (en) * | 2018-08-15 | 2019-01-18 | 杭州电子科技大学 | Based on the smallest Urban Water Demand combination forecasting method of error sum of squares |
| CN109242265B (en) * | 2018-08-15 | 2022-03-01 | 杭州电子科技大学 | Urban water demand combined prediction method based on least square sum of errors |
| CN109566353B (en) * | 2018-11-06 | 2020-12-15 | 河北工程大学 | Community water use optimization scheduling method based on dynamic control |
| CN109566353A (en) * | 2018-11-06 | 2019-04-05 | 河北工程大学 | A kind of community's water Optimization Scheduling based on dynamic control |
| KR101984264B1 (en) | 2018-11-22 | 2019-05-30 | 주식회사동일기술공사 | Optimizing system of demand response resource energy in water and sewage apparatus |
| CN110025221A (en) * | 2019-04-08 | 2019-07-19 | 安徽麦特雷勃净化科技股份有限公司 | A kind of water emptier overnight and timing method |
| CN110851977A (en) * | 2019-11-06 | 2020-02-28 | 武汉大学 | Water supply-power generation-ecological multi-target scheduling graph optimization method based on ecological flow |
| CN110851977B (en) * | 2019-11-06 | 2023-01-31 | 武汉大学 | Water supply-power generation-ecological multi-target scheduling graph optimization method based on ecological flow |
| KR20220119969A (en) * | 2021-02-22 | 2022-08-30 | 주식회사 시스펜 | System for predicting advertisement order demand and operation method thereof |
| KR102642595B1 (en) * | 2021-02-22 | 2024-03-05 | 주식회사 시스펜 | System for predicting advertisement order demand and operation method thereof |
| CN115860797A (en) * | 2022-12-08 | 2023-03-28 | 国网江苏省电力有限公司南通供电分公司 | Electric quantity demand prediction method suitable for new electricity price reform situation |
| CN115860797B (en) * | 2022-12-08 | 2023-07-18 | 国网江苏省电力有限公司南通供电分公司 | Electric quantity demand prediction method suitable for new electricity price reform situation |
| CN117787568A (en) * | 2024-02-23 | 2024-03-29 | 深圳市南粤建工有限公司 | Intelligent monitoring and early warning method for road construction progress |
| CN117787568B (en) * | 2024-02-23 | 2024-05-24 | 深圳市南粤建工有限公司 | Intelligent monitoring and early warning method for road construction progress |
| CN118013469A (en) * | 2024-04-07 | 2024-05-10 | 企云方(上海)软件科技有限公司 | Time-dependent model analysis method for managing multidimensional data by enterprise architecture |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101484265B1 (en) | Optimization of Pumping Schedule Based on Water Demand Forecasting Using Combinated Model of ARIMA and Exponential Smoothing | |
| KR101864342B1 (en) | Method for Optimal Water Supply Pump Operation Based on Short-term Water Demand Forecasting Considering Disinfection Performance in Clearwell | |
| US7707125B2 (en) | Utility management system and method | |
| US10901476B2 (en) | Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same | |
| Cherchi et al. | Energy and water quality management systems for water utility's operations: A review | |
| Klingler et al. | Impacts of a forecast-based operation strategy for grid-connected PV storage systems on profitability and the energy system | |
| CN102592246A (en) | System and method for estimating demand response in electric power systems | |
| US20160086199A1 (en) | System and method for performing demand response optimizations | |
| KR20110139184A (en) | Energy supply system | |
| KR101674260B1 (en) | System and method for managing water in water pipe network | |
| WO2019169706A1 (en) | Demand prediction method, demand control method, and system | |
| DK201470104A (en) | System and method to optimize operation of a water network | |
| Nolan et al. | A methodology for estimating the capacity value of demand response | |
| US20150227358A1 (en) | Utility meter intelligent firmware update system and method | |
| WO2016098451A1 (en) | Pump operation planning system and pump operation planning method | |
| JP5932466B2 (en) | Water distribution operation control device | |
| JP5851259B2 (en) | Water distribution operation control device | |
| US9607343B2 (en) | Generating a demand response for an energy-consuming facility | |
| JP5703965B2 (en) | Water operation system and water operation method | |
| KR20190019346A (en) | A system for managing the manufacturing water | |
| WO2012101656A2 (en) | A system and method for electricity price forecasting | |
| KR20060125292A (en) | Water management system and method for optimal operation and control in wide-area waterworks using ubiquitous technology | |
| KR102050967B1 (en) | Operating system for energy storage device based on korean type power charges and method thereof | |
| CN114542442A (en) | Water treatment lift pump scheduling control method and device, electronic equipment and medium | |
| JP6375689B2 (en) | Water supply amount prediction device, water supply amount prediction system, water supply amount prediction method, and water supply amount prediction program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20171222 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20200114 Year of fee payment: 6 |