| 1 |
1
역삼투 공정에서의 분리막 유지관리 의사결정 지원 시스템에 의한 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법에 있어서,역삼투 공정의 센서로부터 모니터링 데이터를 수집하여 데이터베이스화 하는 단계;상기 데이터베이스화된 데이터의 노이즈(noise)를 제거하는 단계;상기 노이즈(noise)가 제거된 데이터를 예측 알고리즘에 입력하여 분리막 오염을 예측하는 단계;상기 분리막 오염 예측 결과를 분류 알고리즘에 입력하여 분리막 오염 정도를 정상 운전 등급, 세정 필요 등급 및 분리막 교체 필요 등급으로 등급화하는 단계; 및상기 분리막 오염 정도를 등급화하는 단계 이후에, 상기 등급화된 분리막 오염 정도에 따라 각각 세정 횟수를 달리하였을 때 세정에 필요한 전기 사용량을 예측하여 각각 유지관리를 진행할 경우 유지관리 효율을 예측하는 단계를 포함하여 구성되어,상기 분리막 오염 정도를 등급화한 결과를 역삼투 공정 운전자에게 제공하여 역삼투 공정 운전자의 분리막 세정 또는 분리막 교체 결정을 지원하는 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 2 |
2
제1항에 있어서,상기 역삼투 공정의 센서로부터 수집되는 모니터링 데이터는 유입수 온도, 유입수 TDS 농도, 운전 압력, 유입수 유량, 생산수 유량, 생산수 TDS 농도, 생산수 압력 및 농축수 압력 중 어느 하나 이상인 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 3 |
3
제1항에 있어서,상기 데이터베이스는 1년 이상의 역삼투 공정 모니터링 데이터를 포함하는 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 4 |
4
제1항에 있어서,상기 데이터베이스화된 데이터의 노이즈(noise)는 칼만 필터(Kalman Filter) 알고리즘에 의해 제거되는 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 5 |
5
제1항에 있어서,상기 예측 알고리즘은 인공신경망 (Artificial Neural Network, ANN)인 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 6 |
6
제1항에 있어서,상기 분리막 오염 예측은 막 저항 예측, 생산수 유량 예측 및 압력강하 예측을 포함하는 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 7 |
7
제1항에 있어서,상기 분류 알고리즘은 서포트 벡터 머신 (Support Vector Machine, SVM)인 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
제1항에 있어서,상기 유지관리 효율 예측 결과를 역삼투 공정 운전자에게 제공하여 역삼투 공정 운전자의 분리막 세정 시기 및 분리막 세정 횟수 결정을 지원하는 것을 특징으로 하는 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법
|
