02분반 3조 OptimusWater

프로젝트 개요

기술개발 과제

국문 : 수처리 공정 시뮬레이션 연구 보조 프로그램

영문 : An Assistant Program for Wastewater Treatment Simulation Studies

과제 팀명

Optimus Water

지도교수

오희경 교수님

개발기간

2025년 03월 ~ 2025년 06월 (총 04개월)

구성원 소개

서울시립대학교 환경공학부 2021890058 이재학(팀장)

서울시립대학교 환경공학부 2019890033 양성희

서울시립대학교 환경공학부 2020890042 어진

서론

개발 과제의 개요

개발 과제 요약

 본 과제에서 개발한 프로그램명은 “수처리 공정 시뮬레이션 연구 보조 프로그램”이며 하수처리 공정 시뮬레이션(EQPS) 활용 연구 보조를 위해 반복적인 실험을 프로그래밍 제어하며 간단한 분석 및 시각화를 제공하는 프로그램

개발 과제의 배경

 최근 우리나라의 하수처리시설 보급률은 95.4%에 달한다. 그에 따라 시설의 양적인 확대보다 질적 고도화와 운영 최적화가 더욱 중요한 과제로 부상하고 있다. 특히, 수질 기준을 안정적으로 충족하는 것을 넘어, 에너지 절감, 온실가스 저감, 슬러지 처리 효율 향상 등 다차원적인 성과를 동시에 추구하는 스마트 운영이 요구되고 있다. 이러한 환경에서는 신규 시설의 증설보다는 기존 시설의 정밀 운영 및 관리 고도화가 실질적인 개선책으로 떠오르고 있다.
 또한, 인구 감소 및 고령화에 따라 향후 수처리 운영 인력의 부족이 현실화될 것으로 전망되며, 이에 따라 운영 효율성과 자동화 수준을 올리는 기술적 기반 마련이 필요하다. 다행히 최근에는 컴퓨팅 자원과 인공지능(AI) 알고리즘의 발전으로 인해, 기존에는 현실적으로 어려웠던 복잡한 하수처리 운영의 디지털 기반 자동화가 가능한 여건이 조성되고 있다.
 이러한 흐름 속에서, 하수처리장의 자율 운영(Auto-operation)을 실현하기 위한 전 단계로서, 공정 상태를 실시간으로 모니터링하고 예측하는 디지털트윈 기반 운영 시스템이 핵심 기술로 주목받고 있다. 그러나 디지털트윈 구현을 위해서는 실제 공정을 모사할 수 있는 정확한 시뮬레이션 기반 제어 프로그램, 그리고 이를 통해 다양한 연구 과제(운전 조건 최적화, 민감도 분석, 모델 보정 등)를 수행할 수 있는 유연한 소프트웨어 환경이 필수적이다.
 따라서 본 과제에서는 하수처리 공정의 시뮬레이션을 제어하고 연구에 활용할 수 있도록 설계된 공정 제어 소프트웨어 개발을 통해, 향후 디지털트윈 및 자율 운영 시스템의 핵심 기반 기술을 마련하고자 한다.

개발 과제의 목표 및 내용

a. 개발 목표

 1) 사용자가 다양한 조건으로 시뮬레이션 프로그램을 쉽게 제어해 결과 데이터를 얻는다.
 2) 사용자가 시뮬레이션 결과에 대해 분석(최적 제어, 상관성)과 시각화할 수 있다.

b. 개발 내용

 1) 자동 시뮬레이션: 사용자가 원하는 조건으로 반복 시뮬레이션 진행하고 데이터 추출
 2) 최적 제어 분석: 시뮬레이션 결과의 다양한 조건 중, 방류수 수질 기준 충족하며 에너지, 온실가스 배출 비용이 적은 제어 조건 탐색
 3) 상관성 분석: 모델 파라미터 값별, 실제 운영 결과(방류수 수질 등) 및 시뮬레이션 결과 상관성 분석

관련 기술의 현황

관련 기술의 현황 및 분석(State of art)

• 전 세계적인 기술현황

a. K-ECO Tool-kit

 공공 하수처리시설의 에너지 사용량을 모니터링하고 절감하기 위해 개발된 시스템으로, SCADA(Supervisory Control And Data Acquisition) 시스템을 기반으로 한다. 이 시스템은 설비별 기기의 가동 시간, 효율, 고유 소비전력을 활용해 전력 소비량을 예측하며, 예측값과 실제 측정값을 비교하고 보정하여 데이터의 신뢰도를 확보한다. 또한 모니터링된 소비 전력 데이터를 기반으로 에너지 효율 지표를 도출할 수 있다. 제어 방식은 두 단계로 구성되며, 첫 단계에서는 방류수의 TN, BOD, COD, TP 중 하나를 기준으로 DO(Dissolved Oxygen) 목표치를 1.0~5.0 mg/L 사이에서 설정하고, 이를 현재 농도와 비교해 동적으로 조정한다. 두 번째 단계에서는 설정된 DO 목표치와 실제 DO 농도를 비교하여 송풍량을 조절한다. 예를 들어 TN 기준으로 운영 시, 평균 DO 농도가 8.0에서 4.0 mg/L로 낮아지고, 방류수 내 TN 농도는 4.0 mg/L 수준으로 유지되며, 이 과정에서 송풍량은 약 28% 줄고 전체 전력 사용량은 1,175 kWh에서 1,103 kWh로 약 6.2% 절감된다. 그러나 단일 수질 인자만을 기준으로 제어가 이루어져 다변량 기반의 최적화가 어렵고, 실측 데이터 기반의 제어 방식이기 때문에 다양한 환경 조건 변화에 대한 유연성은 떨어지는 한계가 있다.

b. BioWin + BW Controller

 하수처리 공정의 생물학적, 화학적, 물리적 과정을 통합적으로 시뮬레이션하는 소프트웨어이며, BW Controller는 BioWin과 연동되어 다양한 제어 전략의 설계 및 평가를 가능하게 해준다. 이 시스템은 실제 공정 조건에 따른 시뮬레이션 기반의 제어 전략 수립에 활용되며, 예를 들어 반응조 내 암모니아 농도에 따라 DO 설정값을 조정하거나, 유출수의 질산염 농도에 따라 혼합액 재순환 유량을 제어할 수 있다. 제어 방식은 On/Off, High/Low, 비례(P), PI, PID 등 다양하게 구성할 수 있고, MLSS 농도나 pH 변화 등을 활용한 공정 최적화 전략도 설계 가능하다. 다만, 모델 설정이 복잡하여 전문가의 도움이 필요하며, 실시간 제어보다는 시뮬레이션 중심이라는 한계가 있다.

c. GPS-X + SimuWorks (Hydromantis) - **State of art**

 다양한 하수처리 공정의 동적 시뮬레이션을 위한 대표적인 도구이며, SimuWorks는 이를 기반으로 한 교육 및 운영 훈련용 인터페이스를 제공한다. 활성슬러지 및 MBR과 같은 공정 모델링과 시뮬레이션이 가능하고, DO, 슬러지 반송률, 약품 투입량 등 다양한 제어 변수를 조정하여 전략을 구성할 수 있다. 또한 실제 SCADA 환경과 유사한 인터페이스를 제공하여 운영자 교육에 활용할 수 있으며, 강우나 계절 변화 등의 다양한 시나리오 기반의 공정 반응 분석도 가능하다. 그러나 고급 기능을 활용하려면 별도의 학습이 필요하고, 실제 제어 시스템과의 실시간 연동은 제한적이라는 점이 단점이다.

• 특허조사

• 기술 로드맵

개발과제의 기대효과

a. 에너지 소비 최적화를 통해 전력 소비량 절감

 새로운 소프트웨어는 전력 소비를 최소화하고 운영 효율을 극대화해 에너지 소비를 줄임으로써 운영 비용(전력비)를 절감한다. 
 소프트웨어 구축 전 단계이므로, 수치적으로 계산하기 위해 다른 연구를 인용하고자 한다. Seojun Lee et al., 2024에서는 생물학적 처리 공정의 최적화를 위하여 다양한 DO, MLR, RAS 조건을 반영한 총 80개의 시나리오를 정상상태 조건에서 시뮬레이션하였다. 최적 운전 조건은 초기 조건 대비 전력 소비를 하루 11.64 MWh 감소시키는 결과를 도출하였으며, 이를 연간 수치로 환산 시 연간 4,248.6 MWh임을 확인할 수 있다.
 산업용 전력비는 고압/전압, 계절, 부하(시간대)에 따라 최저 79.5원/kWh에서 최고 146.5원/kWh까지 변동하나, 계산의 편의상 100원/kWh로 가정하여 계산하면 연간 약 4억 6,819만 5,720원의 전력비 절감 효과를 가져올 것으로 예상된다.

b. 온실가스 배출 저감

 정책적으로는 에너지 자립화 프로젝트를 통해 신재생에너지를 활용하거나 하수 슬러지를 통한 에너지 회수로 에너지 절약을 도모하고 있으나, 여전히 하수처리장 운영에서 시스템 제어 중심의 실질적인 접근은 미흡한 실정이다. 정부는 2020년까지 하수처리장의 에너지 자립률을 50%까지 끌어올리겠다는 목표를 세웠으나, 2022년 기준 실제 자립률은 12.9%에 불과하였다. 이에 따라 목표 달성 시점을 2030년으로 연장하였으며, 이는 하수처리장 차원에서 에너지 자립률을 높이고 온실가스 배출을 줄이는 실질적 기술적 접근의 필요성을 보여준다.
 예를 들어, Seojun Lee et al., 2024 연구에서는 다양한 조건을 시뮬레이션한 결과, 최적 운전 조건에서 초기 대비 하루 1,348 kg의 CO₂-eq를 절감할 수 있는 것으로 나타났다. 이를 연간으로 환산하면 약 492,020 kg, 즉 492.02톤의 온실가스를 줄일 수 있는 셈이다. 미국 환경보호청(EPA)에 따르면, 승용차 1대가 1년 동안 배출하는 이산화탄소의 양은 평균 약 4.6톤(4,600 kg CO₂-eq)이다. 따라서 최적값을 도출하는 것만으로 승용차 약 107대가 1년간 배출하는 이산화탄소를 줄이는 것과 동일한 효과를 얻을 수 있다. 이처럼 효과적인 시스템 제어 기반의 최적화는 하수처리장의 온실가스 배출 저감과 에너지 효율 향상에 실질적으로 기여할 수 있다.

c. 연구를 위한 대량 시뮬레이션 데이터 확보 효율성 제고

 본 프로그램은 사용자가 정의한 다양한 운전 조건과 파라미터 설정을 기반으로 시뮬레이션을 자동 반복 수행할 수 있는 기능을 제공한다. 이를 통해 수작업으로 반복해야 했던 시뮬레이션 과정이 대폭 단축되며, 모델 민감도 분석, 변수 간 상관성 평가, 조건별 반응 특성 연구 등 다양한 연구 목적에 적합한 대규모 데이터셋 확보가 용이해진다. 결과적으로 실험 설계와 모델 개발에 필요한 기초 데이터 수집에 소요되는 시간과 비용을 줄일 수 있다.

d. 디지털 트윈 기반 하수처리장 운영 기술 고도화 기여

 본 프로그램은 디지털 트윈 환경 구축에 필요한 고품질 학습 데이터와 공정 반응 예측 정보를 제공함으로써, 다음과 같은 핵심 연구과제 해결에 기여할 수 있다.
- 다양한 환경 조건에 따른 모델 파라미터 최적값 도출 및 갱신 주기 분석
- 변수 간 상관관계 기반 파라미터 집합 구성 및 정합성 평가
- AI 기반 예측 모델 및 운영 제어 모델 개발을 위한 학습용 시뮬레이션 데이터 구축
- 공정 제어 최적화를 위한 운전 조건 탐색 및 시나리오 분석 자동화
- 모델 정확도 향상을 위한 센서 설치 위치 제안 및 실험 조건 도출 보조
 이처럼 시뮬레이션 기반 데이터 확보와 분석 기능을 통합한 본 소프트웨어는 디지털 트윈 시스템의 실효성 제고에 있어 핵심 도구로 활용될 수 있으며, 나아가 하수처리장의 자율 운영 및 스마트화 구현의 기반 기술로 확장 가능하다.

기술개발 일정 및 업무체계

개발 일정

업무체계

설계

설계사양

소프트웨어 구조

a. 자동 시뮬레이션 구조도

 본 프로그램의 가장 기본적인 시뮬레이션 기능의 구조도이다. 해당 기능은 사용자가 실험에 필요한 몇 가지 조건을 입력하면 파이썬으로 개발된 서버에서 해당 요청을 처리해서 다시 UI에 출력하는 구조로 되어 있다. 사용자는 먼저 EQPS 시뮬레이션 소프트웨어의 UI를 활용하여 공정 레이아웃을 구성 및 저장한 후, 실험에 필요한 다양한 운전 조건을 엑셀 형식으로 입력한다. 이 두 입력 파일은 파이썬 기반 제어 프로그램에서 자동으로 불러와, 내부적으로 시뮬레이션 실행 준비를 진행한다. 이후, EQPS에서 제공하는 Python API를 활용하여 반복적 시뮬레이션을 자동 실행하고, 결과 데이터를 엑셀 파일로 저장한다. 저장된 결과는 후속적으로 시각화 및 통계 분석 모듈을 통해 처리되며, 분석 결과는 UI를 통해 사용자에게 제공된다.

b. UI 구조도

 본 프로그램은 비개발자 연구 인원의 편리한 사용을 위해 자바스크립트 기반으로 웹 페이지 방식 인터페이스를 개발하였다. UI는 사용자의 접근성과 실험 효율성을 고려하여 구성되며, 전체 기능은 세 가지 주요 기능 목록으로 구분되고, 각 기능은 입력 탭과 결과 탭의 이중 구조로 구성된다. 입력 탭에서는 기능 실행에 필요한 핵심 조건 및 설정값을 입력할 수 있으며, 실행 버튼을 통해 곧바로 기능이 실행된다. 결과 탭에서는 해당 기능의 실행 결과가 시각적으로 표현되며, 시뮬레이션의 경향성이나 민감도 분석 결과 등을 그래프 및 표 형태로 직관적으로 확인할 수 있다.

이론적 계산

최적 제어 분석

a. 시뮬레이션 결과의 방류수 수질 기준 충족 여부

 사용자는 먼저 시뮬레이션 결과 파일을 선택하고, 방류수 수질 항목별로 기준치를 설정한다. 해당 기준치는 BOD, COD, SS, TN, TP 등 항목별로 입력되며 각 항목에 대해 수질 기준 여유율을 설정한다. 여유율이란 수질 기준 대비 어느 정도의 여유를 두고 평가할지를 의미하며, 예를 들어 기준치가 5.0 mg/L인 경우, 여유율을 80%로 설정하면 실질적인 판단 기준은 4.0 mg/L가 된다.
 사용자가 설정한 수질 기준과 여유율을 바탕으로 모든 시뮬레이션 결과를 탐색하며, 이 조건을 모든 항목에 대해 동시에 충족하는 시나리오만을 필터링한다. 이 과정을 통과한 시나리오들을 다음 단계인 에너지 소비량 및 온실가스 배출량 평가 단계로 전달하게 된다. 만약 입력된 여유율 조건을 만족하는 시나리오가 존재하지 않을 경우, 조건을 만족하는 시나리오가 존재하지 않는다는 메시지와 함께 기준 재설정 또는 시뮬레이션 재실행을 유도한다.

b. 에너지 및 온실가스 점수 산정

 수질 기준을 충족한 시나리오들을 대상으로, 에너지 소비량(ENF) 및 온실가스 배출량(CF)을 점수화한다.

 총 온실가스(GHG) 배출량은 N₂O와 CH₄의 직접 배출량, 그리고 전력 소비에 따른 간접 배출량을 고려하여 평가한다. 이산화탄소 환산 단위(CO₂-eq)로 총 GHG 배출량을 계산하기 위해, 온실가스의 지구온난화지수 100년 기준(GWP-100)과 한국의 전력 생산 탄소배출 계수(carbon intensity)를 적용한다. N₂O의 GWP-100은 273, CH₄의 GWP-100은 27(Forster et al., 2021), 탄소배출 계수로 0.471 kg CO₂-eq/kWh를 사용한다(Park et al., 2013). N₂O 및 CH₄의 GWP-100 값을 각각의 가스 탈기율(stripping rate)과 곱하고, 전력 소비량에 탄소배출 계수를 곱하여 각 항목의 CO₂-eq 값을 산정한 후 이를 모두 합산한다. 간접배출은 이미 ENF에 반영되므로 중복 산정을 피하기 위해 CF 계산 시에는 N₂O와 CH₄의 직접 배출량만 고려한다(Gulhan et al., 2023) 

c. 최종 점수

 ENF와 CF는 서로 단위와 분포가 다르므로, 정규화하여 0~1 범위 내 점수로 환산한다.

 이후, 사용자가 지정한 가중치를 반영하여 최종 점수를 산정한다. 최종 점수는 클수록 우수한 시나리오를 의미하며, 이 기준으로 상위 시나리오들이 선별된다.

상관성 분석

 시뮬레이션 결과의 신뢰성과 예측 정확도를 평가하기 위해, 실제 데이터와 시뮬레이션 데이터 간의 상관성 분석을 수행한다. 상관성 분석은 실측값과 예측값 간의 일치 정도를 결정계수(coefficient of determination, )로 평가한다. 동일한 유입수 및 운전 조건 하에서 측정된 방류수 수질 항목(예: TN)을 기준 변수로 하고, 동일 조건 하에서 수행된 시뮬레이션 결과값을 예측값으로 설정한다. 이들 데이터 쌍을 기반으로 회귀 모델을 적용하고, 그에 대한 값을 계산한다.

 이 1에 가까울수록 시뮬레이션 결과가 실제값을 더 정확하게 설명함을 의미한다. 이러한 분석은 특정 변수(예: 질산화균 생장률)의 설정이 시뮬레이션 결과에 어떠한 영향을 미치는지를 정량적으로 평가하는 데 활용된다. 또한, 다수의 케이스를 비교 분석함으로써 실제 운영 데이터와 가장 유사한 경향성을 보이는 시뮬레이션 조건을 도출할 수 있으며, 이는 모델 보정 및 향후 제어 전략 수립의 근거 자료로 사용될 수 있다.

기능별 상세설계

자동 시뮬레이션

a. 입력

 “자동 시뮬레이션” 기능은 유저가 원하는 조건들로 시뮬레이션을 실행하고 결과 데이터를 저장한다. 해당 페이지는 “입력” 페이지로, 제공되는 조건 입력용 엑셀을 구성하고 공정 레이아웃 파일 경로, 결과 데이터 저장할 파일명을 입력하고 실행 버튼을 누르면 작동한다.

b. 결과

 결과 페이지에서는 실행된 시뮬레이션 결과 엑셀 파일과 시각화할 변수를 선택해 간단한 시각화를 제공한다.

최적 제어 분석

a. 입력

 “최적 제어 분석”은 이미 저장된 시뮬레이션 결과에 대해 어떤 운전 조건에서 최적 운영인지 분석하는 기능이다. 분석할 결과 엑셀을 선택하고 방류수 수질 기준, 각종 가중치를 입력하면 해당 기준들을 반영해 계산하고 최종 점수가 상위 랭크인 시나리오들에 대해 저장한다.

b. 결과

 결과 페이지에서는 선택된 최적 제어 분석 결과의 상위 점수 시나리오 10개에 대해 출력하게 된다. 각 시나리오의 운전 제어값과 최적화 점수를 나타내게 된다. 아래 막대그래프에서는 각 시나리오가 갖는 에너지 및 온실가스 지표 점수를 시각화한다.

상관성 분석

a. 입력

 “상관성 분석”은 분석 대상(모델 파라미터, 변수 등)의 값이 얼마일 때 실제 운영 결과와 가장 유사한지 분석하는 기능이다. 입력 페이지에서는 자동 시뮬레이션과 같은 값들을 입력하고 추가로 실제 운영 데이터 엑셀 파일 경로를 입력한다.

b. 결과

 결과 페이지에서는 분석된 결과에 대해 산점도로 시각화를 제공한다. 각 분석 대상 파라미터, 변수의 값별로 그래프를 출력한다. 시뮬레이션 결과(x축), 실제 운영 결과(y축)로 구성하고 상관계수 값으로 유사도를 확인한다.

결과 및 평가

완료 작품의 소개

시연 영상

파일:시연영상(OptimusWater).mp4

포스터

파일:포스터 2분반 3조 OptimusWater.pdf

관련사업비 내역서

완료작품의 평가

향후계획

a. 기능 고도화

 시뮬레이션 프로그램(EQPS)의 기술 참고서를 활용해 기능 고도화. 현재는 파이썬 라이브러리 수준만 이해하고 개발했으나 직접적으로 시뮬레이션을 실행하는 C언어 코드를 더 분석해 시뮬레이션 과정에서 데이터 저장하는 시간 단축.

b. 구체적인 연구 과제에 맞게 개발

 앞으로 진행할 모델 파라미터 최적화 연구에 맞게, 반복 실험 최적화와 json 기반 데이터베이스 구축. 연구의 첫 단계인 실험 설계부터 결과 분석 및 시각화까지 자유롭게 연구를 진행할 수 있도록 전체 시스템 개발.