KR102580834B1 - 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 - Google Patents
철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 Download PDFInfo
- Publication number
- KR102580834B1 KR102580834B1 KR1020230039507A KR20230039507A KR102580834B1 KR 102580834 B1 KR102580834 B1 KR 102580834B1 KR 1020230039507 A KR1020230039507 A KR 1020230039507A KR 20230039507 A KR20230039507 A KR 20230039507A KR 102580834 B1 KR102580834 B1 KR 102580834B1
- Authority
- KR
- South Korea
- Prior art keywords
- hydrogen
- facility
- safety
- risk assessment
- railway
- Prior art date
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 196
- 239000001257 hydrogen Substances 0.000 title claims abstract description 196
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 193
- 238000012502 risk assessment Methods 0.000 title claims abstract description 84
- 238000011161 development Methods 0.000 title abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 95
- 230000001172 regenerating effect Effects 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000013135 deep learning Methods 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000009795 derivation Methods 0.000 claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims description 38
- 238000004880 explosion Methods 0.000 claims description 15
- 238000000556 factor analysis Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000010561 standard procedure Methods 0.000 claims description 6
- 208000024891 symptom Diseases 0.000 claims description 5
- 238000003891 environmental analysis Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 23
- 238000013480 data collection Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/60—Testing or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/10—Services
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Mechanical Engineering (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
본 발명은 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 관한 것으로서, 보다 상세하게는 철도 부지 회생전력을 활용한 수소 설비(10) 사고 시나리오 도출 및 위험성 평가 모델 개발, G 위험판단, 예측, 조기대응 등 모니터링 핵심 기술 개발, 플랫폼 구축 및 테스트베드 검증 수행을 통해 수소 설비(10)의 안전성을 높일 수 있다. 딥러닝 기반 이상 탐지 기술, 데이터 수집 기술, 안전 모니터링 플랫폼 등 다양한 기술을 활용하여 수소 설비(10)에서 발생할 수 있는 위험 요소를 사전에 예측하고 대응할 수 있다. 이를 통해 수소 설비(10)를 보다 안전하게 운영할 수 있으며, 친환경적인 교통 수단을 보급하여 지속 가능한 사회적 발전에 기여할 수 있는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 관한 것이다.
Description
본 발명은 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 관한 것으로서, 보다 상세하게는 철도 부지 회생전력을 활용한 수소 설비의 사고 시나리오 도출 및 위험성 평가 모델 개발, 위험판단, 예측, 조기대응 등 모니터링 핵심 기술 개발, 플랫폼 구축 및 테스트베드 검증 수행을 통해 수소 설비의 안전성을 높이고, 딥러닝 기반 이상 탐지 기술, 데이터 수집 기술, 안전 모니터링 플랫폼 등 다양한 기술을 활용하여 수소 설비에서 발생할 수 있는 위험 요소를 사전에 예측하고 대응할 수 있다. 이를 통해 수소 설비를 보다 안전하게 운영할 수 있으며, 친환경적인 교통 수단을 보급하여 지속 가능한 사회적 발전에 기여할 수 있는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 관한 것이다.
도시지역의 수소 인프라 확충을 위해서는 수소 생산 및 충전시설의 안전성 향상이 필수적이다.
이를 위해서는 첫째, 철도 인프라 내에 위치한 수소 시설물의 사고 시나리오 예측 및 대비 모델 개발, 둘째, 철도 환경에서 수소 생산 및 충전 시설물의 안전성을 향상시키는 기술 개발 등 두 가지 접근방식이 필요하다.
이러한 대책은 수소폭발 사고로 크게 훼손된 수소시설의 안전성에 대한 국민의 신뢰를 회복하는 데 결정적이다.
특히 강릉 수소폭발 사고에 따른 수소설비 안전성에 대한 대국민 신뢰가 추락된 상황에서 철도시설 내 수소설비 안전성 확보와 기술개발이 필수화되었다.
따라서, 철도 인프라 내 수소 설비의 안전성 확보 및 관련 기술 개발이 필요하게 되었다.
본 발명은 전술한 문제점을 개선하기 위해 안출된 것으로, 본 발명은 철도 시설 내 수소 설비의 안전성을 높이기 위해, 사고 예방 및 대응. 철도시설과 클라우드 연결하여 회생전력 이용한 수소 생산 및 충전 설비 사고 시나리오 도출 및 대응 방안 수립을 위한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 제공하는데 목적이 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예는 수소 설비는 철도시설 등과 클라우드로 연결된 클라우드 기반의 수소 설비의 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템을 제공하여 철도시설 내에서 수소 설비의 안전성을 높이는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 있어서,
수소 설비에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해 시나리오 기반의 위험 요소 분석과, 시나리오 기반의 위험 요소 분석에 기반한 시나리오 기반의 비상 대응 가시화 모듈을 제공함으로써 수소 설비에서 발생하는 비상 상황에 대한 대응 방안을 수립하게 한다.
수소 누출, 화재 범위, 폭발하중을 포함하는 시뮬레이션 기반 시나리오별 위험분석(수소저장탱크 내부의 압력 변화나 외부 충격으로 인해 누출이 발생하는 시나리오 상황에서, 수소의 인화성으로 인해 폭발 및 화재 발생 가능성을 시뮬레이션 하여 위험도를 수치화하여 분석)을 하여 수소 설비에서 발생할 수 있는 위험을 최소화하며,
실제 수소 설비가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 실증부지 위험성 평가와, 이상탐지 알고리즘(실증부지에 대한 위험성 평가를 수행하는 데 있어, 평가 항목으로는 부지 내 유해 물질 농도, 폭발, 화재, 인명피해 등을 포함할 수 있다. 이를 토대로 위험성 등급을 평가하는 데, 이상탐지 알고리즘 적용하여 실정 부지 내에 이상탐지 센서를 설치하고, 이상탐지 알고리즘을 적용하는 데, 이상탐지 알고리즘은 부지 내에서 측정된 데이터를 분석하여 이상 여부를 판별하고, 이를 통해 부지 내에서 발생하는 이상사항을 실시간으로 탐지하여, 이상탐지 알고리즘이 탐지한 이상사항에 대해 분석을 수행하고, 분석 결과에 따라 위험성 평가 결과를 업데이트하거나, 대응 방안을 수립할 수 있다.)을 통해 위험성 평가를 진행하여, 실제 환경에서 수소 설비에서 발생할 수 있는 위험 요소를 미리 파악하고,
딥러닝기반위험예측 알고리즘으로 철도시설 내에서 수소 설비 사고 시나리오를 미리 예측하고 대비할 수 있는 모델과, 철도시설 회생전력을 이용한 수소 생산 및 충전 설비의 요소별 사고시나리오를 도출하고, 시나리오별 사고 영향 평가를 하여 이를 예측에 사용하고 대비한다.
예를 들어, 먼저 안전사고와 관련된 데이터를 수집하고, 전처리한다. 수집된 데이터는 크게 2가지 유형으로 분류될 수 있다. 이 중 하나는 안전사고가 발생한 데이터이고, 다른 하나는 안전사고가 발생하지 않은 데이터이다. 딥러닝 알고리즘이 학습하기 쉬운 형태로 데이터를 정제하고, 피처를 추출한다. 그리고, 딥러닝 알고리즘을 적용하여 안전사고 발생 가능성을 예측하는 모델을 학습한다. 학습된 모델은 새로운 데이터에 대해 예측값을 반환할 수 있다. 그리고 위험요소를 파악하고, 각 요소별로 사고시나리오를 도출한다. 예를 들어, 화학물질 저장소의 경우 누출, 화재 등의 요소가 있을 수 있다. 마지막으로 각 시나리오에 대해 사고 영향 평가를 실시한다. 사고 영향은 각 시나리오별로 고유한 영향이 있을 수 있기 때문에, 예를 들어, 인명피해, 환경오염, 재산피해 등에 대한 시나리오별 사고 영향을 정량적으로 측정하여 평가한다.
본 발명은 각 DB를 통해 데이터를 수집하는 클라우드 기반 안전모니터링 플랫폼; 집, 교통, 병원, 학교, 통신시설, 공원 데이터를 센싱하여 저장하는 주변 인프라 데이터 DB; 수소생산, 펌프, 저장, 밸브, 수소충전, 수소누출, 수소화재·폭발 데이터를 센싱하여 저장하는 위험요소 시뮬레이션 데이터 DB; 철도 데이터(전력생산량, 기차신호), 기후 데이터(온도, 계절기상)를 센싱하여 저장하는 환경분석 데이터 (Sensor Data) DB; 고장 및 손상 사고 시나리오 도출 모듈; 제도개선 모듈; 철도부지 내 환경조건 적용 위험성 평가 모듈; 안전대책 기준 제시 모듈;을 포함하는 제어부; 상기 제어부;로부터 도출 또는 제시된 데이터를 전달받아 통합 감시 모니터링하는 통합감시모니터링 모듈; 상기 데이터에 따라 유지 관리하는 유지관리시스템; 상기 데이터에 따라 딥러닝 이상탐지 알고리즘(이상치 탐지, 이상치 제거, 비정상적인 패턴 탐지 등의 분야에 사용되는 오토인코더 등)으로 예측하는 딥러닝예측시스템;을 포함한다.
본 발명은 클라우드 기반 안전모니터링 시스템과 광전용망으로 연결된 안전 수집장치;는 보안 전송(적색원 2번)으로 데이터가 전송된다.
회생전력변환기, 수소생산설비, 수소충전설비, 영상감시설비는 로컬 감시설비, 영상서버 등을 통해 안전 수집장치로 연결된다.
본 발명은 실시간 수소설비 감시, GIS 기반 가시화, 딥러닝 기반 이상감지, 정보 보안전송, 실시간 안전감시 감시, 안전감시 의사결정 지원, 안전수준 지수화 감시, 시나리오 기반 비상대응, GIS 기반 가시화, 빅데이터 기반 위험예측, 실시간 열차 운행 감시 기능을 통합감시모니터링; 딥러닝예측시스템; 정보종합시스템에 제공하는 클라우드 기반 안전모니터링 시스템; 종사자 단말기; 열차관제 단말기; 기관사 단말기; 승객 단말기; 연계기관 (45; 국가재난 등) 적색원 1번, 4번에서 보는 바와 같이, 철도 부지 내 수소 생산·충전 설비 및 기존 철도 현장의 안전정보를 수집하여 평가하는 철도부지내 환경조건 적용 위험성 평가 모듈; 안전관련 실시간 정보를 전달받아 고장 및 손상 사고 시나리오 도출 모듈; 의사결정지원을 위해 안전대책 기준안 제시 모듈; 안전대책 기준안 제시 모듈에서 안전대책 기준안을 포함하는 데이터를 통해 제도 개선 시나리오를 제공하는 제도개선 모듈;을 포함하되, 통합감시모니터링; 딥러닝예측시스템; 정보종합시스템; 들과 열차 감시설비, 전차선감시설비, 선로변안전설비 등도 보안 전송(적색원 2번)으로 데이터가 전송된다.
본 발명은 Off line에서 유지보수정보가 가용성 향상을 위한 정보종합관리시스템;으로 전송된다.
Off line에서는 수소설비 및 철도운영정보가 빅데이터 정보 DB에 저장된다.
또한, 의사결정지원 통합엔지니어링 시스템으로 부터 상태정보를 수집하여 빅데이터 정보 DB에 저장한다.
본 발명은 의사결정지원 통합엔지니어링 시스템으로 부터 안전관련 실시간 정보를 전달받는 가용성 향상을 위한 정보종합관리시스템; 딥 러닝 빅기반 이상징후 및 위험예측시스템으로 부터 위험예측정보를 전달받는 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템;을 포함한다.
본 발명은 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템은 안전정보 수집 게이트웨이로 부터 안전관련 감시정보를 수집하며, 정보종합관리시스템으로 부터 사고위험정보를 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템에 전달하고, 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템은 표준 프로토콜규격 모듈로 부터 표준 프로토콜규격을 전달받는다.
또한, 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템은 안전관제정보를 수소생산·충전 운영자 단말기, 철도관제 및 운행 종사자 단말기, 외부 관계기관 단말기에 전달하고, 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템은 SOP(철도 비상대응 표준운영절차)로 부터 비상대응절차를 전달받으며, 수소 분해장치, 수소 충전장치를 포함하는 도심 내 수소 생산·충전 설비로 부터 안전관련 정보를 추출하고, 신규 안전검지센서와 기존 철도 운영, 유지보수 및 안전검지 장치로 부터 안전관련 정보를 추출하여 안전정보 수집 게이트웨이로 전달하고,딥 러닝 빅기반 이상징후 및 위험예측시스템은 딥러닝 비지도 학습 기반의 이상 탐지 솔루션, 데이터 분석 기반의 이상 탐지 솔루션을 포함한다.
본 발명의 일 실시예에 따라 전철 등의 운행 시 발생하는 운동에너지나 제동 시 발생하는 열에너지를 전기에너지로 변환하여 재활용하는 회생 전력을 이용하여 철도시설 내 수소설비 안전모니터링 플랫폼 구축 기술을 조기에 확보하고, 철도시설 내 수소설비 안전성 평가모델 및 안전모니터링 시스템을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따르면 철도시설 내 수소설비 안전성 평가를 기반으로 타 부지에서의 위험성 판단 기초 자료로 활용이 가능하다.
또한, 본 발명은 철도시설 내 수소설비 이상탐지 알고리즘 기술 확보로 타 분야 확대 적용이 가능하다.
또한, 본 발명은 안전 모니터링 플랫폼 현장 운영 및 실증 완료에 따른 수소 모니터링 시스템 사업화 추진이 가능하다.
또한, 본 발명은 경제적 측면으로, 도심 내 수소 설비 안전성 확보에 따른 수소경제의 가속화를 기대할 수 있다.
또한, 본 발명은 안전 모니터링 플랫폼 현장 운영 및 실증 완료에 따른 수소 통합안전모니터링 사업화 추진 및 탄소중립 목표 달성을 위한 신재생에너지 인프라 구축에 기여할 수 있다.
또한, 본 발명은 수소 설비 통합안전관리를 통한 수소설비 안전에 대한 대국민적 신뢰성 제고를 기대할 수 있다.
또한, 본 발명은 수송분야의 '그린뉴딜,탄소중립' 등을 이행하기 위해 다양한 수소충전 인프라 중 도시철도형 수소인프라 모델의 수립과 확대를 기대할 수 있다.
또한, 본 발명은 철도시설 내 수소 생산·충전시설 안전성 평가 모델 및 안전관리 시스템을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 구현하는 구성요소 간의 관계를 개략적으로 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 나타내는 블럭도이다.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1에 도시된 바와 같이 수소 설비(10)는 철도시설 회생전력을 통해 철도시설(20) 등과 클라우드로 연결된 클라우드 기반의 수소 설비(10)의 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)을 제공하여 철도시설(20) 내에서 수소 설비(10)의 안전성을 높일 수 있다.
이를 통해 수소 설비(10)에서 발생하는 위험을 미리 예측하고 대비할 수 있다.
또한, 수소 설비(10)의 가동률을 유지할 수 있는 유지보수 기술을 제공하여 안전성을 더욱 보장할 수 있다.
수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해 시나리오 기반의 위험 요소 분석이 필요하다.
이 외에 시나리오 기반의 위험 요소 분석에 기반한 시나리오 기반의 비상 대응 가시화 모듈을 제공함으로써 수소 설비(10)에서 발생하는 비상 상황에 대한 대응 방안을 빠르게 수립할 수 있다. 이를 통해 더욱 빠르고 정확한 대응이 가능해지며, 수소 설비(10)의 안전성을 높일 수 있다.
또한, 수소 누출, 화재 범위, 폭발하중 등 시나리오별 위험 요소를 분석하여 수소 설비(10)에서 발생할 수 있는 위험을 최소화할 수 있다.
따라서 수소 설비(10)의 안전성을 높이기 위해서는 데이터 수집 기술 제공과 시제품 제작이 필요하다.
또한, 수소 설비(10)에서 발생하는 데이터를 수집하여 위험 요소를 미리 예측하고 대비할 수 있어 안전성을 확보할 수 있다.
실제 수소 설비(10)가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 위험성 평가를 진행해야 한다. 이를 통해 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 파악할 수 있다.
또한, 수소 생산 및 충전 설비 안전성을 개선하여 도심 내 수소 인프라를 확장할 수 있다.
이를 위해 철도시설(20) 내에서 수소 설비(10) 사고 시나리오를 미리 예측하고 대비할 수 있는 모델을 제공해야 한다.
또한, 철도 환경에서 수소 생산 및 충전 설비의 안전성을 높일 수 있는 기술을 제공해야 한다.
또한, 철도시설(20) 회생전력을 이용한 수소 생산 및 충전 설비가 증가할 경우 사고 시나리오를 예측하고 대비하지 않으면 큰 문제가 발생할 수 있다.
이에 따라 본 발명은 철도시설(20) 회생전력을 활용한 수소 설비(10) 사고 시나리오 도출 및 위험성 평가 모델을 제공한다. 이를 통해 수소 설비(10)의 안전성을 높이고 보호할 수 있다.
클라우드 기반의 수소 설비 위험성 평가 모델 및 통합 안전 모니터링 시스템 개발을 통해 수소 설비에서 발생하는 위험을 미리 예측하고 대비할 수 있다.
또한, 시나리오 기반의 위험 요소 분석을 통해 수소 설비에서 발생할 수 있는 위험을 최소화할 수 있다.
구체적으로, 철도시설(20) 회생전력을 이용한 수소 생산 및 충전 설비가 증가할 경우, 사고 시나리오를 예측하고 대비하기 위해 철도부지 내 수소 설비 사고 시나리오 미리 예측하고 대비할 수 있는 모델을 제공한다.
또한, 수소 생산 및 충전 설비 안전성을 높이기 위해 철도시설(20)에서 수소 설비의 안전성을 높일 수 있는 클라우드 기반의 수소 설비 위험성 평가 모델을 통해 수소 설비에서 발생하는 위험을 미리 예측하고 대비할 수 있어야 한다.
또한, 시나리오 기반의 위험 요소 분석을 통해 수소 설비에서 발생할 수 있는 위험을 최소화하고 데이터 수집 기술 개발 및 시제품 제작을 통해 위험 요소를 미리 예측하고 대비할 수 있는 기술을 개발해야 한다.
또한, 수소 생산 및 충전 설비의 가동률을 유지할 수 있는 유지보수 기술을 개발하여 안전성을 더욱 보장할 수 있다.
따라서 클라우드 기반의 안전 모니터링 플랫폼을 구축하고 정보 보안 전송 기술을 제공함으로써 수소 설비(10)의 안전성을 높일 수 있다.
종합하면, 본 발명에 따른 수소 설비(10)는 철도시설(20)과 클라우드를 연결하고, 클라우드 기반의 수소 생산 및 충전 설비를 갖춘 수소 설비(10)와 네트워크로 연결된 클라우드 기반의 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)을 제공하여 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼을 구축한다.
상기 플랫폼은 네트워크에 연결된 클라우드 기반 안전 모니터링 플랫폼(31)을 포함한 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)으로 구성된다.
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해, 시나리오 기반의 위험 요소 분석과, 이를 기반으로 한 시나리오 기반의 비상 대응 가시화 모듈을 제공하여, 수소 설비(10)에서 발생하는 비상 상황에 대한 대응 방안을 수립할 수 있게 한다.
또한, 수소 누출, 화재 범위, 폭발하중을 포함하는 시뮬레이션 기반의 시나리오별 위험 분석을 통해, 상기 수소 설비(10)에서 발생할 수 있는 위험을 최소화한다.
또한, 본 발명은 실증 부지 주변의 환경 조건을 고려하여 실증 부지 위험성 평가와 이상 탐지 알고리즘을 통해 위험성 평가를 진행하여, 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 파악할 수 있다.
또한, 딥러닝 기반 위험 예측 알고리즘을 사용하여 철도시설(20) 내에서 수소 설비(10)의 사고 시나리오를 미리 예측하고 대비할 수 있는 모델을 구축하며, 철도시설 회생전력을 이용한 수소 생산 및 충전 설비의 요소별 사고 시나리오를 도출하고, 시나리오별 사고 영향 평가를 수행하여 이를 예측에 활용하고 대비할 수 있다.
일실시예로서 수소 설비(10)는 철도시설 회생전력을 통해 철도시설(20)과 클라우드로 연결된 클라우드 기반의 수소 설비(10)와 네트워크로 연결된 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)을 제공하여 철도시설(20) 내에서 수소 설비(10)의 안전성을 높이는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼에 있어서, 상기 네트워크에 연결되어 각 DB를 통해 데이터를 수집하는 클라우드 기반 안전모니터링 플랫폼(31);을 포함하는 상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은, 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해 시나리오 기반의 위험 요소 분석과, 시나리오 기반의 위험 요소 분석에 기반한 시나리오 기반의 비상 대응 가시화 모듈을 제공함으로써 수소 설비(10)에서 발생하는 비상 상황에 대한 대응 방안을 수립하게 하고, 상기 비상 대응 가시화 모듈은 시나리오 기반의 위험 요소 분석에서 수소 누출, 화재 범위, 폭발하중의 경우에 따른 시나리오를 미리 저장하여 시나리오별 시뮬레이션하고, 상기 시나리오 기반의 위험 요소 분석을 하여 상기 수소 설비(10)에서 발생할 수 있는 위험을 최소화하며, 상기 수소 설비(10)가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 실증부지 위험성 평가와, 이상탐지 알고리즘을 통해 위험성 평가를 진행하여, 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 파악한다.
도 2에 도시된 바와 같이 본 발명은 도심 내 수소 생산·충전 설비 안전성 개선을 통한 수소 인프라 확충 기여하기 위해, 클라우드 기반 철도시설(20) 내 수소 생산과 충전 설비 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)을 제공한다.
또한, 클라우드 기반의 수소 설비(10)와 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)을 통해 철도시설(20) 내에서 수소 설비(10)의 안전성을 보다 높일 수 있다. 이를 통해 수소 설비(10)에서 발생하는 위험을 미리 예측하고 대비할 수 있다.
또한, 수소 설비(10)의 가동률을 제고할 수 있는 유지보수 기법 및 시스템을 제공하여 안전성을 더욱 보장할 수 있다.
또한, 철도시설(20) 내에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해 시뮬레이션 기반의 위험 요소 분석이 필요하다.
또한, 수소 누출, 화재 범위, 폭발하중 등 시나리오별 위험 요소를 분석하여 수소 설비(10)에서 발생할 수 있는 위험을 최소화할 수 있다.
또한, 수소 설비(10)의 안전성을 높이기 위해서는 수소 설비(10)에서 발생하는 데이터를 수집하여 위험 요소를 미리 예측하고 대비할 수 있어야 하며, 이를 바탕으로 안전성을 확보할 수 있다.
구체적으로 살펴보면 각 DB를 통해 데이터를 수집하는 클라우드 기반 안전모니터링 플랫폼(31)은 아래와 같은 DB를 포함한다.
즉, 집, 교통, 병원, 학교, 통신시설, 공원 데이터를 센싱하여 저장하는 주변 인프라 데이터 DB(311); 수소생산, 펌프, 저장, 밸브, 수소충전, 수소누출, 수소화재·폭발 데이터를 센싱하여 저장하는 위험요소 시뮬레이션 데이터 DB(313); 철도 데이터(전력생산량, 기차신호), 기후 데이터(온도, 계절기상)를 센싱하여 저장하는 환경분석 데이터 (Sensor Data) DB(312); 등이다.
상기 DB들을 통해 수소 설비(10)에서 발생하는 데이터를 실시간으로 감시할 수 있으며, 안전 관련 정보를 적시에 전달할 수 있다.
일실시예로서 본 발명은 고장 및 손상 사고 시나리오 도출 모듈; 제도개선 모듈; 철도부지 내 환경조건 적용 위험성 평가 모듈; 안전대책 기준(안) 제시 모듈;을 포함하는 제어부(35);를 더 포함한다.
여기에서 수소 설비(10)의 안전성을 높이기 위해서는 설비 고장 및 손상에 대한 예상 사고 시나리오를 미리 도출해야 한다. 이를 통해 설비 고장 및 손상 시 발생할 수 있는 위험 요소를 미리 파악하고 대비할 수 있다.
또한, 실제 수소 설비(10)가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 위험성 평가를 진행해야 한다.
이를 통해 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비할 수 있다.
상기 제어부(35);로부터 도출 또는 제시된 데이터를 전달받아 통합 감시 모니터링하는 통합감시모니터링 모듈(32); 상기 데이터에 따라 유지 관리하는 유지관리시스템(33); 상기 데이터에 따라 딥러닝으로 예측하는 딥러닝예측시스템(34);을 포함한다.
따라서 딥러닝예측시스템(34)으로 딥러닝 기반 이상 탐지 기술을 제공함으로써 수소 설비(10)의 안전성을 높일 수 있다.
또한, 이상 탐지 기술을 통해 수소 설비(10)에서 발생하는 이상 현상을 빠르게 감지하여 적절한 대응을 취할 수 있다.
도 3에 도시된 바와 같이, 클라우드 기반 안전모니터링 시스템(70)과 광전용망으로 연결된 안전 수집장치(60);는 보안 전송(적색원 2번)으로 데이터가 전송된다.
회생전력변환기(11), 수소생산설비(12), 수소충전설비(13), 영상감시설비(14)는 로컬 감시설비, 영상서버 등을 통해 안전 수집장치(60)로 연결된다.
일실시예로서 본 발명은 실시간 수소설비 감시, GIS 기반 가시화, 딥러닝 기반 이상감지, 정보 보안전송, 실시간 안전감시 감시, 안전감시 의사결정 지원, 안전수준 지수화 감시, 시나리오 기반 비상대응, GIS 기반 가시화, 빅데이터 기반 위험예측, 실시간 열차 운행 감시 기능을 통합감시모니터링(32); 딥러닝예측시스템(34); 정보종합시스템(35)에 제공하는 클라우드 기반 안전모니터링 시스템(70);으로 구성되어,
통합감시모니터링(32); 딥러닝예측시스템(34); 정보종합시스템(35); 열차 감시설비(21), 전차선감시설비(22), 선로변안전설비(23) 등도 보안 전송(적색원 2번)으로 데이터가 전송된다.
또한, 본 발명은 종사자 단말기(41); 열차관제 단말기(42); 기관사 단말기(43); 승객 단말기(44); 연계기관 (45; 국가재난 등) 등에 네트워크로 연결된다.
본 발명은 적색원 1번, 4번에서 보는 바와 같이, 철도 부지 내 수소 생산·충전 설비 및 기존 철도 현장의 안전정보를 수집하여 평가하는 철도부지내 환경조건 적용 위험성 평가 모듈(51); 안전관련 실시간 정보를 전달받아 고장 및 손상 사고 시나리오 도출 모듈(52); 의사결정지원을 위해 안전대책 기준안 제시 모듈(53); 안전대책 기준안 제시 모듈(53)에서 안전대책 기준안을 포함하는 데이터를 통해 제도 개선 시나리오를 제공하는 제도개선 모듈(54);를 포함한다.
이 외에도 안전 수집장치(60)와 연결된 추가센서가 더 포함될 수 있다.
도 4에 도시된 바와 같이, 본 발명은 임의의 Off line(81)에서 유지보수정보가 가용성 향상을 위한 정보종합관리시스템(73);으로 전송된다.
만일 네트워크 연결이 안되었지만 데이터가 생성되는 Off line(82)에서는 수소설비 및 철도운영정보가 빅데이터 정보 DB(721)에 저장된다.
또한, 의사결정지원 통합엔지니어링 시스템(72)으로 부터 상태정보를 수집하여 빅데이터 정보 DB(721)에 저장한다.
본 발명은 의사결정지원 통합엔지니어링 시스템(72)으로 부터 안전관련 실시간 정보를 전달받는 가용성 향상을 위한 정보종합관리시스템(73); 딥 러닝 빅기반 이상징후 및 위험예측시스템(74)으로 부터 위험예측정보를 전달받는 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30); 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 안전정보 수집 게이트웨이(71)로 부터 안전관련 감시정보를 수집한다.
정보종합관리시스템(73)으로 부터 사고위험정보를 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)에 전달한다.
클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 표준 프로토콜규격 모듈(84)로 부터 표준 프로토콜규격을 전달받는다.
클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 안전관제정보를 수소생산·충전 운영자 단말기(85), 철도관제 및 운행 종사자 단말기(86), 외부 관계기관 단말기(87)에 전달한다.
클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 SOP(83; 철도 비상대응 표준운영절차)로 부터 비상대응절차를 전달받는다.
수소 분해장치, 수소 충전장치를 포함하는 도심 내 수소 생산·충전 설비(91)로 부터 안전관련 정보를 추출하고, 신규 안전검지센서(92)와 기존 철도 운영, 유지보수 및 안전검지 장치(93)로 부터 안전관련 정보를 추출하여 안전정보 수집 게이트웨이(71)로 전달한다.
딥 러닝 빅기반 이상징후 및 위험예측시스템(74)은 딥러닝 비지도 학습 기반의 이상 탐지 솔루션, 데이터 분석 기반의 이상 탐지 솔루션 등을 포함할 수 있다.
또한, 상기 기존 철도 운영, 유지보수 및 안전검지 장치(93)는 철도차량, 궤도신호모듈, 전력설비, 시설물에서 안전정보를 추출한다.
또한, 시뮬레이션 기반 시나리오별 위험분석의 예로서 수소저장탱크 내부의 압력 변화나 외부 충격으로 인해 누출이 발생하는 시나리오 상황에서, 수소의 인화성으로 인해 폭발 및 화재 발생 가능성을 시뮬레이션 하여 위험도를 수치화하여 분석한다.
수소 저장 탱크 내부 압력 변화 시나리오에 대한 위험 분석을 위해 시뮬레이션 도구를 선택한다.
예를 들어, FDS (Fire Dynamics Simulator)와 같은 유한요소법 기반의 소방 시뮬레이션 도구를 사용할 수 있다. 즉, 모델링이 완료되면 시뮬레이션을 실행한다. 시뮬레이션 실행 중에는 수소 설비의 누출 구멍의 크기, 위치, 누출율, 환기구 위치, 공기 유속 등의 변수를 조정하며 여러 시나리오를 실행한다.
10: 수소 설비
20 : 철도 시설
21: 열차 감시설비
22: 전차선감시설비
23: 선로변안전설비
30 : 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템
32: 통합감시모니터링
34: 딥러닝예측시스템
35: 제어부
311: 주변 인프라 데이터 DB
313: 위험요소 시뮬레이션 데이터 DB
312: 환경분석 데이터 (Sensor Data) DB
41: 종사자 단말기
42: 열차관제 단말기
43: 기관사 단말기
44: 승객 단말기
45: 연계기관
51: 철도부지내 환경조건 적용 위험성 평가 모듈
52: 고장 및 손상 사고 시나리오 도출 모듈
53: 안전대책 기준안 제시 모듈
54: 제도개선 모듈
60: 안전 수집장치
70: 클라우드 기반 수소 생산·충전 안전모니터링 시스템
73: 유지보수정보가 가용성 향상을 위한 정보종합관리시스템
721: 빅데이터 정보 DB
72: 의사결정지원 통합엔지니어링 시스템
74: 딥 러닝 빅기반 이상징후 및 위험예측시스템
83: 철도 비상대응 표준운영절차
85: 수소생산·충전 운영자 단말기
86: 철도관제 및 운행 종사자 단말기
87: 외부 관계기관 단말기
91: 도심 내 수소 생산·충전 설비
92: 신규 안전검지센서
93: 기존 철도 운영, 유지보수 및 안전검지 장치
20 : 철도 시설
21: 열차 감시설비
22: 전차선감시설비
23: 선로변안전설비
30 : 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템
32: 통합감시모니터링
34: 딥러닝예측시스템
35: 제어부
311: 주변 인프라 데이터 DB
313: 위험요소 시뮬레이션 데이터 DB
312: 환경분석 데이터 (Sensor Data) DB
41: 종사자 단말기
42: 열차관제 단말기
43: 기관사 단말기
44: 승객 단말기
45: 연계기관
51: 철도부지내 환경조건 적용 위험성 평가 모듈
52: 고장 및 손상 사고 시나리오 도출 모듈
53: 안전대책 기준안 제시 모듈
54: 제도개선 모듈
60: 안전 수집장치
70: 클라우드 기반 수소 생산·충전 안전모니터링 시스템
73: 유지보수정보가 가용성 향상을 위한 정보종합관리시스템
721: 빅데이터 정보 DB
72: 의사결정지원 통합엔지니어링 시스템
74: 딥 러닝 빅기반 이상징후 및 위험예측시스템
83: 철도 비상대응 표준운영절차
85: 수소생산·충전 운영자 단말기
86: 철도관제 및 운행 종사자 단말기
87: 외부 관계기관 단말기
91: 도심 내 수소 생산·충전 설비
92: 신규 안전검지센서
93: 기존 철도 운영, 유지보수 및 안전검지 장치
Claims (8)
- 회생전력을 제공하는 철도시설(20);
상기 철도시설(20)의 회생전력을 통해 철도시설(20)과 클라우드로 연결된 클라우드 기반의 수소 설비(10); 및
상기 클라우드로 연결되어 각 DB를 통해 데이터를 수집하는 클라우드 기반 안전모니터링 플랫폼(31);을 포함하여 철도시설(20) 내에서 수소 설비(10)의 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 서비스를 제공하는 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30);을 포함하며,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은,
상기 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 예측하고 대비하기 위해 시나리오 기반의 위험 요소 분석과, 시나리오 기반의 위험 요소 분석에 기반한 시나리오 기반의 비상 대응 가시화 모듈을 제공함으로써 수소 설비(10)에서 발생하는 비상 상황에 대한 대응 방안을 수립하도록 외부 디스플레이 장치에 표시하게 하고,
수소 누출, 화재 범위, 폭발하중을 포함하는 시뮬레이션 기반의 시나리오별 위험 분석을 통해, 상기 수소 설비(10)에서 발생할 수 있는 위험을 외부 디스플레이 장치에 표시하여 최소화하며,
상기 수소 설비(10)가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 실증 부지 위험성 평가와 이상 탐지 알고리즘을 통해 위험성 평가를 진행하여, 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 파악하도록 외부 디스플레이 장치에 표시하며,
딥러닝 기반 위험 예측 알고리즘을 사용하여 철도시설(20) 내에서 수소 설비(10)의 사고 시나리오를 미리 예측하고 대비할 수 있는 모델을 구축하며, 철도시설 회생전력을 이용한 수소 생산 및 충전 설비의 요소별 사고 시나리오를 도출하고, 시나리오별 사고 영향 평가를 수행하여 예측에 활용하고,
상기 비상 대응 가시화 모듈은 시나리오 기반의 위험 요소 분석에서 수소 누출, 화재 범위, 폭발하중의 경우에 따른 시나리오를 미리 저장하여 시나리오별 시뮬레이션하고, 상기 시나리오 기반의 위험 요소 분석을 하여 상기 수소 설비(10)에서 발생할 수 있는 위험을 최소화하며, 상기 수소 설비(10)가 설치될 예정인 실증 부지 주변의 환경 조건을 고려하여 실증부지 위험성 평가와, 이상탐지 알고리즘을 통해 위험성 평가를 진행하여, 실제 환경에서 수소 설비(10)에서 발생할 수 있는 위험 요소를 미리 파악하는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
- 청구항 1에 있어서,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은,
상기 각 DB를 통해 수소 설비의 위험요소 시뮬레이션 데이터와 철도, 기후 데이터를 수집하는 클라우드 기반 안전모니터링 플랫폼(31);
집, 교통, 병원, 학교, 통신시설, 및 공원에서 생성되는 데이터를 센싱하여 저장하는 주변 인프라 데이터 DB(311);
수소생산, 펌프, 저장, 밸브, 수소충전, 수소누출, 수소화재·폭발 데이터를 센싱하여 저장하는 위험요소 시뮬레이션 데이터 DB(313);
철도 데이터, 기후 데이터를 센싱하여 저장하는 환경분석 데이터 DB(312);
고장 및 손상 사고 시나리오 도출 모듈; 제도개선 모듈; 철도부지 내 환경조건 적용 위험성 평가 모듈; 안전대책 기준 제시 모듈을 포함하는 제어부(35);와 네트워크로 연결되는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
- 삭제
- 청구항 1에 있어서,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)과 네트워크로 연결된 회생전력변환기(11), 수소생산설비(12), 수소충전설비(13), 영상감시설비(14)는 로컬 감시설비, 영상서버를 통해 안전 수집장치(60)로 연결되고,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30);은,
상기 수소생산설비(12)에 대한 실시간 수소설비 감시, GIS 기반 가시화, 딥러닝 기반 이상감지, 정보 보안전송, 실시간 안전감시 감시, 안전감시 의사결정 지원, 안전수준 지수화 감시, 시나리오 기반 비상대응, GIS 기반 가시화, 빅데이터 기반 위험예측, 실시간 열차 운행 감시 기능을 통합감시모니터링(32); 딥러닝예측시스템(34); 정보종합시스템(35)에 제공하고,
종사자 단말기(41); 열차관제 단말기(42); 기관사 단말기(43); 승객 단말기(44); 연계기관 단말기(45);와 망연계 장치를 통해 연결되며,
철도 부지 내 수소 생산·충전 설비 및 기존 철도 현장의 안전정보를 수집하여 평가하는 철도부지내 환경조건 적용 위험성 평가 모듈(51); 안전관련 실시간 정보를 전달받아 고장 및 손상 사고 시나리오를 도출하는 고장 및 손상 사고 시나리오 도출 모듈(52); 상기 안전감시 의사결정 지원을 위해 안전대책 기준안을 제시하는 안전대책 기준안 제시 모듈(53); 상기 안전대책 기준안 제시 모듈(53)에서 안전대책 기준안을 포함하는 데이터를 통해 제도 개선 시나리오를 제공하는 제도개선 모듈(54);과 네트워크로 연결되는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
- 삭제
- 청구항 4에 있어서,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은,
의사결정지원 통합엔지니어링 시스템(72)으로 부터 안전관련 실시간 정보를 전달받는 가용성 향상을 위한 정보종합관리시스템(73);을 포함하며,
임의의 Off line(81)에서 유지보수정보가 상기 가용성 향상을 위한 정보종합관리시스템(73);으로 전송되며,
임의의 Off line(82)에서는 수소설비 및 철도운영정보가 빅데이터 정보 DB(721)에 저장되고,
상기 의사결정지원 통합엔지니어링 시스템(72)으로 부터 상태정보를 수집하여 빅데이터 정보 DB(721)에 저장하며,
딥 러닝 빅기반 이상징후 및 위험예측시스템(74)으로 부터 위험예측정보를 전달받는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
- 청구항 6에 있어서,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 안전정보 수집 게이트웨이(71)로 부터 안전관련 감시정보를 수집하며,
정보종합관리시스템(73)으로 부터 사고위험정보를 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)에 전달하고,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 표준 프로토콜규격 모듈(84)로 부터 표준 프로토콜규격을 전달받는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
- 청구항 6에 있어서,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 안전관제정보를 수소생산·충전 운영자 단말기(85), 철도관제 및 운행 종사자 단말기(86), 외부 관계기관 단말기(87)에 전달하고,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 SOP(83)로 부터 비상대응절차를 전달받으며,
상기 클라우드 기반 위험성 평가 모델 및 통합 안전 모니터링 시스템(30)은 수소 분해장치, 수소 충전장치를 포함하는 도심 내 수소 생산·충전 설비(91)로 부터 안전관련 정보를 추출하고, 신규 안전검지센서(92)와 기존 철도 운영, 유지보수 및 안전검지 장치(93)로 부터 안전관련 정보를 추출하여 안전정보 수집 게이트웨이(71)로 전달하는 것을 특징으로 하는 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230039507A KR102580834B1 (ko) | 2023-03-27 | 2023-03-27 | 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230039507A KR102580834B1 (ko) | 2023-03-27 | 2023-03-27 | 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102580834B1 true KR102580834B1 (ko) | 2023-09-20 |
Family
ID=88191394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230039507A KR102580834B1 (ko) | 2023-03-27 | 2023-03-27 | 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102580834B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102662828B1 (ko) * | 2023-10-30 | 2024-05-03 | 대아티아이 (주) | 철도부지내 수소인프라 구축 의사결정 지원 시스템 및 이를 이용한 지원 방법 |
KR102662831B1 (ko) * | 2023-10-30 | 2024-05-07 | 대아티아이 (주) | 철도부지내 수소인프라 구축 안전관리시스템 및 이를 이용한 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101630774B1 (ko) * | 2015-12-11 | 2016-06-24 | 한국철도공사 | 스마트 그리드 기반 전기 철도 시스템 |
KR20200047856A (ko) * | 2018-10-25 | 2020-05-08 | 한국철도기술연구원 | 자율주행 열차의 제어장치 및 그 방법 |
KR102344625B1 (ko) * | 2021-07-16 | 2021-12-29 | 대아티아이 (주) | 클라우드 플랫폼 적용 lte-r 기반 철도 정보 통합감시 시스템 및 방법 |
KR20220116903A (ko) * | 2021-02-16 | 2022-08-23 | 리스크엔지니어링서비스 주식회사 | 위험성평가 기반의 위험관리 플랫폼 장치 및 시스템 |
KR20220149862A (ko) * | 2021-04-30 | 2022-11-09 | (주)성신알에스티 | 철도차량 사전진단 통합 유지보수 시스템 |
-
2023
- 2023-03-27 KR KR1020230039507A patent/KR102580834B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101630774B1 (ko) * | 2015-12-11 | 2016-06-24 | 한국철도공사 | 스마트 그리드 기반 전기 철도 시스템 |
KR20200047856A (ko) * | 2018-10-25 | 2020-05-08 | 한국철도기술연구원 | 자율주행 열차의 제어장치 및 그 방법 |
KR20220116903A (ko) * | 2021-02-16 | 2022-08-23 | 리스크엔지니어링서비스 주식회사 | 위험성평가 기반의 위험관리 플랫폼 장치 및 시스템 |
KR20220149862A (ko) * | 2021-04-30 | 2022-11-09 | (주)성신알에스티 | 철도차량 사전진단 통합 유지보수 시스템 |
KR102344625B1 (ko) * | 2021-07-16 | 2021-12-29 | 대아티아이 (주) | 클라우드 플랫폼 적용 lte-r 기반 철도 정보 통합감시 시스템 및 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102662828B1 (ko) * | 2023-10-30 | 2024-05-03 | 대아티아이 (주) | 철도부지내 수소인프라 구축 의사결정 지원 시스템 및 이를 이용한 지원 방법 |
KR102662831B1 (ko) * | 2023-10-30 | 2024-05-07 | 대아티아이 (주) | 철도부지내 수소인프라 구축 안전관리시스템 및 이를 이용한 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102580834B1 (ko) | 철도시설 회생전력을 활용한 수소 설비 사고 시나리오 도출 및 위험성 평가 플랫폼 | |
CN109686061B (zh) | 基于gis与bim的桥梁监测辅助决策*** | |
Peng et al. | Risk assessment of railway transportation systems using timed fault trees | |
CN105676842B (zh) | 一种高铁列控车载设备故障诊断方法 | |
WO2012047072A1 (ko) | 가스 충전소 안전 관리 방법 및 시스템 | |
KR20220116903A (ko) | 위험성평가 기반의 위험관리 플랫폼 장치 및 시스템 | |
CN103679293A (zh) | 智能变电站告警和辅助决策*** | |
CN108520359A (zh) | 城市轨道交通***的风险网络模型的构建方法 | |
CN112633740B (zh) | 一种城市轨道交通线网安全测评方法 | |
CN113674123B (zh) | 一种基于大数据服务的城市应急指挥***及方法 | |
CN108909773A (zh) | 一种信号设备故障综合分析*** | |
KR102517384B1 (ko) | 산업현장 방폭검사용 스마트 플랫폼 | |
CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
CN110728612B (zh) | 一种轨道交通应急仿真评估方法和*** | |
CN105574299A (zh) | 一种轨道交通信号***的安全预评估方法 | |
KR102189638B1 (ko) | 정비원 단말기를 이용한 전동차 유지보수 시스템 및 방법 | |
Yan et al. | A failure mapping and genealogical research on metro operational incidents | |
KR102264549B1 (ko) | 전기차 충전기 고장대응 시스템 및 그 방법 | |
CN110264585A (zh) | 公交售后诊断*** | |
RU147524U1 (ru) | Автоматизированная информационная система поддержки принятия управленческих решений в условиях чрезвычайной ситуации на железнодорожном транспорте | |
CN109981359A (zh) | 一种智能变电站遥控异常分析诊断方法和装置 | |
CN114925517A (zh) | 一种城市多灾种耦合分析的方法 | |
Wishart et al. | A Proposed Safety Case Framework for Automated Vehicle Safety Evaluation | |
KR20230149438A (ko) | 철도안전 의사결정 지원 시스템 | |
CN106896799B (zh) | 一种机车检修管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |