Korean Chem. Eng. Res., 50(6), 980-987 (2012) http://dx.doi.org/10.9713/kcer.2012.50.6.980 시스템해석에기초한하수관망오염매카니즘과관망모니터링및이상진단 강온유 이승철 김민정 유수민 유창규 경희대학교환경공학과 449-701 경기도용인시기흥구서천동 (2012 년 6 월 12 일접수, 2012 년 8 월 24 일채택 ) Sewer Decontamination Mechanism and Pipe Network Monitoring and Fault Diagnosis of Water Network System Based on System Analysis OnYu Kang, SeungChul Lee, MinJeong Kim, SuMin Yu and ChangKyoo Yoo Department of Environmental Science and Engineering, Center for Environmental Studies, College of Engineering, Kyung Hee University, Seocheon-dong, Giheung-gu, Yongin-si, Gyeonggi 449-701, Korea (Received 12 June 2012; accepted 24 August 2012) 요 약 비점오염원은세정에의해하수관내로유입되어수계까지흘러수계의오염부하를가중시킬뿐만아니라, 관의상태에따라누수및월류를야기하여오염을일으킨다. 이에따라하수관거의유지관리및환경오염방지를위한관거내하수의유량, 수질, 불명수및월류등을효율적으로관리하기위한모니터링의필요성이증가하고있다. 그러나하수관거의경우, 지하에설계되며그구조및연결이복잡한특성으로인해실제하수관거에대한모니터링은쉽지않다. 본연구에서는시스템해석이론에기초한하수관망오염제거해석과관망모니터링및이상진단방법을제시하였다. 먼저하수관망공정모사프로그램인 Stormwater & Wastewater Management Model for expert (XP-SWMM) 을이용하여관망내의오염물질의거동패턴을해석하였다. 둘째, 다변량통계모니터링을이용하여하수관망내의수질모니터링및하수관망유출을탐지하는관망이상진단을수행하였다. 정적 / 동적상태시스템에기초한하수관망오염매카니즘해석결과, 강우시총질소와총인부하량이비강우시보다급격하게증가함을확인하였으며, 이는수계의오염부하를가중시킬것으로판단되다. 이에따라하수관망내유출은강우로생긴유량및유입오염물질의농도증가로인한관망이상으로사료된다. 제안된하수관망모니터링및이상진단기법은도시유역에서의비점오염원관리와지속적인모니터링에있어효과적으로사용될수있을것으로예상된다. Abstract Nonpoint source pollution causes leaks and overtopping, depending on the state of the sewer network as well as aggravates the pollution load of the aqueous water system as it is introduced into the sewer by wash-off. According, the need for efficient sewer monitoring system which can manage the sewage flowrate, water quality, inflow/infiltration and overflow has increased for sewer maintenance and the prevention of environmental pollution. However, the sewer monitoring is not easy since the sewer network is built in underground with the complex nature of its structure and connections. Sewer decontamination mechanism as well as pipe network monitoring and fault diagnosis of water network system on system analysis proposed in this study. First, the pollution removal pattern and behavior of contaminants in the sewer pipe network is analyzed by using sewer process simulation program, stormwater & wastewater management model for expert (XP-SWMM). Second, the sewer network fault diagnosis was performed using the multivariate statistical monitoring to monitor water quality in the sewer and detect the sewer leakage and burst. Sewer decontamination mechanism analysis with static and dynamic state system results showed that loads of total nitrogen (TN) and total phosphorous (TP) during rainfall are greatly increased than non-rainfall, which will aggravate the pollution load of the water system. Accordingly, the sewer outflow in pipe network is analyzed due to the increased flow and inflow of pollutant concentration caused by rainfall. The proposed sewer network monitoring and fault diagnosis technique can be used effectively for the nonpoint source pollution management of the urban watershed as well as continuous monitoring system. Key words: Rainfall-Runoff Model, Sewer Network, Pollution Removal Mechanism, Stormwater & Wastewater Management Model(SWMM), Non-point Pollutant Source To whom correspondence should be addressed. E-mail: ckyoo@khu.ac.kr or ChangKyoo.Yoo@biomath.ugent.be 이논문은 KAIST 박선원교수님의정년을기념하여투고되었습니다. 980
1. 서론 시스템해석에기초한하수관망오염매카니즘과관망모니터링및이상진단 981 하수관망내에는하폐수뿐만아니라지표의비점오염물질이상당량유입된다. 비점오염물질은지표면강우로인한오염물질의세정작용 (wash-off) 에의해서발생된다고알려져있지만, 아직까지자세한생성매커니즘은밝혀지지않았다. 또한비점오염물질은일간, 계절간배출량의변화가크므로발생량에대한예측과정량화가어렵다. 이에따라비점오염원은수계시스템에서의주된문제로남아있으며이를해결하기위해비점오염원의저감에대한연구가많이진행되어왔다 [1-2]. 비점오염원은지표면의강우에의해하수관망으로유입되며, 이를통해수계로유입되어지는것으로알려져있다. 그러나우리나라대부분의하수관망의경우, 연장이길어오접합, 노후, 폐색등이자주발생하며이로인해관거내의비점오염물질이외부로유출되어지하수와토양은물론, 하천과호수등수계의오염을가중시키는것으로보고되어왔다 [3-5]. 또한하수관망에서합류식하수도월류수 (combined sewer overflows; CSOs) 가발생한경우, 월류수에포함된비점오염물질또한수계의부하를가중시키는것으로알려져있다. 따라서수계시스템에대한비점오염물질의저감을위해서는관거내의수질, 불명수등에대한효율적인관리가수행되어야한다. 최근하수관망내에서의수질, 불명수에대한모니터링의중요성이증가하고있으나, 지하에시공되는하수관망의특성으로인해하수관망내부상태의정확한파악은어렵다. 최근하수관망의상태와관거내수질을모니터링하기위해육안조사, CCTV 조사, 염료추적조사, 음량조사등하수관망에대한다양한연구가진행되어왔다 [6-8]. Kim 등은 CSOs를샘플링하여성상과유출농도를분석하였으며 [6], Gromaire 와 Guo 등은하수관망의유지관리를위해 CCTV와로봇을통한자동직접탐사, 센서를이용한 Sewer Scannger and Evaluation Technology (SSET) 방법을소개하였다 [7,8]. 하지만이러한선행연구는비용과정확도면에서큰문제를가지고있으며, 여러환경적제약이따른다는한계를갖는다. 따라서본연구에서는비교적환경적인제약이적은시뮬레이션방법을이용하여하수관망내비점오염물질에대한모델링및모니터링을수행하고자한다. 이를위해, 소도시유역모델을수립하여강우변동에따른하수의유출특성을판단하며다변량통계분석방법을적용하여하수관망의이상을진단하고자한다. 하수관망공정모사프로그램으로써는관망내유량및수질을모의할수있는수학적모델인 XP-SWMM (Stormwater & Wastewater Management Model for expert) 을이용하였다. 본연구는다음의순서를따라진행되었다. 시범유역을선정하고유량과수질데이터를수집한다. 수집된데이터를바탕으로 SWMM을통해시범유역의유출된오염물질의거동과유량변화를확인한다. 그후동적과정적시뮬레이션을통해하수관망내오염부하량및오염물질패턴을조사하고, 주성분분석 (Principal component analysis; PCA) 을이용해하수관망내의이상상태를진단하고자한다. 2. 연구이론 2-1. 하수관거시스템하수도는하수를처리하기위한시설물로도관과부대시설을말 Fig. 1. The example of sewer network sectional view. (Lee et al., 2011). 하며, 하수관거시스템은하수를유송시키는기능을맡는다. 하수관거시스템은배관이주로그물상태로배치되어있어하수관망시스템이라고도불리며, Fig. 1과같은형태를가지고있다. 하수관거는시간이흐를수록여러요인에의해관의손상을입어지하수가유입되거나, 하수가관외부로유출될뿐만아니라강도높은강우에의해서하수의월류가발생하기도한다. 따라서하수관거주변환경의오염을막기위해하수관내의수질변화상태를파악하고하천수질오염방지를위한초기강우분석및하수관상태의점검이필요하다. 2-2. SWMM을이용한유량및수질데이터모사 SWMM은하수및우수관망해석전용프로그램으로도시유역의유출량산정, 우수관거추적, 저수지추적등을통하여우수관거와저류지설계등과같은수량부분과관내의오염진행같은수질을분석할수있다. 프로그램을실행시키는 4개의주된블록을가지고있으며각각다른기능을수행하는데 Runoff 블록, Transport 블록, Extran 블록, Storage 블록으로구성된다. Runoff 블록은강우사상에대해배수유역에서의유출현상과수질변화를모의하며, 지표면, 지표하유출을추적할수있고, Tranport 블록은 Runoff 블록에서연산된결과를가지고하수시스템내의유량과오염물질, 하수시스템으로의침투를계산한다. Extran 블록은동역학방정식을통해개수로, 관수로등에서의흐름을추적하며, Storage 블록은유량과수질에대한조절, 처리장치의영향및비용의평가및연산이가능하다 [10]. 2-3. 집수관거지표수방정식지표수블록에서의표면기본방정식은비선형저장방정식으로써, 마찰경사가분지의경사면과같다고가정한후, 운동파동방정식을근사하여나타낸다. Fig. 2은지표수흐름의단면을보여주는데, 하위집수에서수위와유량은연속성방정식과 Manning의연속방정식 (1) 과 (2) 으로나타난다 [11,12].
982 강온유 이승철 김민정 유수민 유창규 Table 1. Equations of pollutant buildup and washoff Equation QFACT(2) PSHED=QFACT(3) t a PSHED QFACT(1) Build-up PSHED=QFACT(1) (1 e QFACT(2) t a ) QFACT( 1 t PSHED= a ) ------------------------------------ QFACT( 3) + t a Wash-off POFF(t r )= RCOEE r WASHPO PSHED POFF(t r )=RCOEE WELOW WASHPO Fig. 2. Cross section of the flow of runoff. -------- d = A dd dt s ----- = A dt s i Q 5 1 -- -- 3 2 Q = W 1 n -- ( d d p ) S (1) (2) 선택적으로사용하여계산할수있다 [13]. Table 1에서 PSHED는오염물의축적량 (kg), QFACT(1) 은오염물축적한계량 (kg/km-curb 또는 kg/ha), QFACT(2) 는오염물축적지수, QFACT(3) 는오염물축적계수, 그리고 t a 는선행건기일수 (day), t r 은강우시작이후시간, POFF는시간 t r 에서의오염물누적쓸림량 (kg), WASHPO는오염물쓸림지수, RCOEF는오염물쓸림계수, WELOW는지표면유출유량 (m 3 /s) 이다. 는물의체적 (=Ad), d는수심 (m), t는시간 (s), A s 는수표면적, i는초과강우강도 (m/s), Q는유출량 (m 3 /s), W는유역의폭 (m), n은 Manning의조도계수, d p 는지면저류깊이 (m), S는소유역의경사 (m/m) 이다. 간단히하기위해식 (2) 를식 (1) 에대입하여다음의비선형저류방정식을얻을수있다. ----- d i W 3 2 = -----------d ( d t n p ) S = i+ R ( d d p ) A s 1 -- 2 W S R = ------------- n A s 5 -- 1 -- 여기서 R은유역폭과경사및조도계수등으로구성된변수로서유역의특성에따라변화하는유역특성인자이다. 2-4. 하수관거유출방정식관거유출또한비선형저류방정식으로부터계산된다. Manning 식이각적분연산구간에서사용되며, 유출현상의동역학적거동이준정상상태로근사처리된다. 관거유출에서사용되는저류량은 는 Manning의평균유속공식을이용하여식 (5) 와같이구한다. = tq ( i + Q w + Q GW Q) (5) 여기서 Q는유출량, Q i 는상류유입량, Q w 는측방유입량, Q GW 는지하수유입량이다. 2-5. 집수관거에서의오염물질부하방정식유역에서의오염물배출과정은강우가시작되기이전의오염물축적과정과강우의개시에따른오염물쓸림과정으로크게구분하여설명한다. 유역에서의오염물축적과정은선행건기일수, 토지의이용정도, 강우조건, 바람, 도로의청소상태등과같이자연적인조건및인위적인조건들에의하여영향을받으나, 모든현상을반영할수있는수학적인모형으로구성하기는어려우므로경험적공식에의해세워진다. 오염물의축적과정은 Table 1과같이 3가지형태의식을 5 -- 3 (3) (4) 2-6. 다변량통계모니터링다변량통계모니터링중한방법인주성분분석 (Principal component analysis) 은상관관계가높은자료들을선형변환을통해고차원정보를유지하면서다차원적인변수를축소, 요약하는통계적방법이다 [14]. 주성분분석은데이터의분포를유지하고, 계산부하를감소시키며노이즈를제거함으로써에러를최소화시키는효과를가져올수있다 [15]. 따라서이는다량의데이터베이스에기반하여다변량통계를통한모델링및모니터링에적용되어왔으며, 특히환경분야에서는공정의분석, 감시및진단분야에대해다양하게사용되어왔다 [16-18]. 원래의변수들이가지고있는변이를설명할수있도록선형결합을통해새로운변수를구하게되며이새로운변수인주성분 (Principal component) 은서로독립적인관계를이룬다. 주성분분석은다음의 Eq. (6), (7) 과같이자료의공분산과고유치, 고유벡터를통해이루어진다. n S 1 = --------- x n 1 ( i x ) ( x i x) T Sv = λν i = 1 (6) (7) 여기서, S는공분산행렬, n은데이터개수, x는데이터행렬, x i 은 i번째데이터, x 는데이터평균, λ는고유값, ν는고유벡터이고각각의고유벡터가주성분축이된다. PCA를이용한모니터링은 Hoteling s T 2 차트를통해이루어진다. Hoteling s T 2 는 Shewhart의 X 관리도를다변량으로확장한것으로, Hotelling이제안한 T 2 통계량을사용하여데이터를관리하는차트이다. T 2 통계량을적용하기위해데이터들이서로독립이며동일한정규분포를따른다고가정한다. i번째관측데이터벡터 x의 T 2 통계량과관리한계선은다음의식을통해구할수있다. T 2 = ( x x) T S 1 ( x x) (8) nn ( d) ------------------- T 2 Fdn (, d) (9) ( n 2 1)d ( n 2 1)d UCL = ------------------- (10) nn ( d) F ( dn, d ) α
시스템해석에기초한하수관망오염매카니즘과관망모니터링및이상진단 983 여기서 F α (d,n-d) 는자유도 p, (n-d) 를갖는 F 분포의 (1-α) 분위수이다. 따라서이 UCL 값을초과할때데이터에서이상상태를감지할수있다. 3. 연구방법 3-1. 가상사례연구본연구에서는 SWMM을이용하여가상유역에대해하수관망의오염패턴해석및관망이상진단을수행하였다. Fig. 4의가상유역은 10개의노드와 9개의링크, 2개의유입구와 1개의유출구로이루어진네트워크로유역면적이총 10 ha, 모니터링가능한지점은 10개이다. 강우에따른수질변동을모의하기위해, 80년빈도의 100분데이터를사용하였으며, 평상시유입구에서의유입수농도는 Table 4와같다. 3-2. 하수관망의오염패턴해석및관망이상진단하수관망내비점오염원에대한오염패턴모니터링및관망유출에 Fig. 3. The proposed scheme of this study. Fig. 4. The sectional view of sewer network at an imaginary basin. 대한이상진단은 Fig. 3의연구순서를따라진행되었다. 본연구는 Fig. 3와같이 1) 대상지역에대한소유역자료수집, 2) SWMM을이용한모델링및하수관망내비점오염원의물질의거동패턴및유출농도모사, 3) PCA 분석을통한하수관망의이상진단, 3단계로나뉘어수행되었다. 자료가수집된후, 하수관망모델을설계하는과정은 1) 노드및링크범위선정, 2) 관망설계데이터입력, 3) 글로벌데이터입력의 3단계로나뉘어진다. 본연구에서는대상지역과동일하게 10개의노드, 9개의링크를사용하여하수관망모델을설계하였으며, 모식도는 Fig. 4와같다. Table 2와 3은각각의노드와링크에대한관망설계데이터를나타낸다. 관망설계데이터는하수관망의관망의관저고와지반고, 관의직경, 길이, 조도등관의물리적, 위치적특징을나타내는데이터를의미한다. 각노드의이름은 MHA No. 혹은 MHB No. 로이루어지는데 ( 예 ; MHA5, MHB2), 노드와연결된유입구의위치에따라, MHA와 MHB로나뉘어진다. Table 2. Specific data for designing individual nodes Node Sub catchment Ground elevation (m) Invert elevation (m) Impermeability (%) Concentration factor(min) MHA1 1 138.2 124.6 50 10 MHA2 1 135.1 122.5 50 10 MHA3 1 143.0 121.3 50 10 MHA4 1 133.6 118.4 50 10 MHA5 1 132.0 118.2 50 10 MHA6 1 129.0 118.0 50 10 MHA7 1 125.8 114.5 50 10 MHB1 1 137.2 128.2 50 10 MHB2 1 135.7 124.9 50 10 MHB3 1 133.0 123.1 50 10 Table 3. Specific data for designing individual links Conduit Upstream Invert elevation (m) Diameter (m) Downstream Invert elevation (m) Length (m) Rough-ness Shape LA1 124.60 1.20 122.50 200 0.014 Circular LA2 122.50 1.35 121.34 220 0.015 Circular LA3 121.34 1.50 118.40 152 0.018 Circular LA4 118.40 1.80 118.20 150 0.015 Circular LA5 118.20 3.00 118.00 91 0.035 Circular LA6 118.00 3.00 114.50 137 0.034 Circular LB1 128.20 1.35 124.90 155 0.015 Circular LB2 124.90 1.35 123.10 106 0.015 Circular LB3 123.10 1.60 118.20 145 0.015 Circular
984 강온유 이승철 김민정 유수민 유창규 Table 4. The influent average concentration of pollutants Unit (mg/l) Pollutants BOD 30 COD 50 TN 5 TP 0.5 하수관망모델링을위해서는강우데이터, 토지이용데이터, 강우및 wash-off에의해하수관망으로유입되는오염물질농도등다양한글로벌데이터가필요하다. 본연구에서토지이용데이터는각노드주변유역의주거지, 상업지, 나대지의분포도를퍼센트방식으로구별하였으며, wash-off는유량가중평균농도방식 (event mean concentration; EMC) 을이용하였다. 또한투수유역에서의침투를고려하기위해식 (11) 의 Horton 침투능방정식을사용하였다. f p = f c + ( f 0 f c )e kt (11) 여기서 f p 는임의시간 t(hr) 에대한침투능을, f 0 는초기침투능을, f c 는종기침투능을, k는토양의종류와식생피복에대한상수를의미한다. 하수관망의공정모사는정적상태와동적상태로나뉘어수행되었다. 본연구에서정적상태는비강우를, 동적상태는강우를의미하며, 강우사상을모의하기위해 80년빈도의 100분데이터를이용하였다. 따라서본연구의두번째단계에서는강우여부에따라하수 관망을공정모사하며, 이를통해시간에따른각노드와링크에서의비점오염물질패턴및부하량을산출하였다. 본연구의마지막단계에서는하수관망공정모사결과에대한 PCA 분석을수행하며, 이를통해하수관망내비점오염물질간의상관성분석및관망내이상을진단하였다. 일반적으로 PCA 분석에서는이상치를진단하기위해 Hotelling T 2 차트를이용하는데, 해당데이터가 T 2 한계를초과하는경우이상치로간주된다. 따라서, 본연구에서는하수관망내각지점에대한 Hotelling T 2 차트를이용하여월류, 누수등의하수관망이상발생여부와그위치를각각모니터링하였다. 4. 연구결과및고찰 Fig. 5는하수관망공정모사프로그램인 SWMM을통해설계된가상유역하수관망의 layout이다. 비점오염물질의유입구는 MHA1 과 MHB1이며, 유출은 MHA7에서일어나는것으로설계되었다. Fig. 6는하수관망을강우시 ( 동적상태 ) 에모사한경우노드MHA1에서의 6시간동안의오염물질농도변화를나타낸다. 본연구에서는 10개의노드와 9개의링크중노드MHA1(Fig. 6), MHA4(Fig. 7), MHA7(Fig. 8) 에대한결과만을나타내었다. 각노드에서유량과수질의변화는비슷한패턴을보였다. 유량의경우, 노드MHA1는공정모사 3시간이후부분적인피크를나타냈다. 첫번째피크는강우사상에의해유입되는유량과오염물질의증가때문으로사료된다. Fig. 5. Layout of a sewage network designed using SWMM program. Fig. 6. Variations in flowrate and quality of sewage in node MHA1.
시스템해석에기초한하수관망오염매카니즘과관망모니터링및이상진단 985 Fig. 7. Variations in flowrate and quality of sewage in node MHA4. Fig. 8. Variations in flowrate and quality of sewage in node MHA7. 그러나두, 세번째피크의경우, 유량의증가에비해오염물질의증가기울기가매우가파른것을보아이는유량의증가에의한것이아니며, 고농도오염물질의유입때문으로사료된다. 또한, 하수가노드 MHA1, 4,7로흘러갈수록오염물질농도가전체적으로증가하는모습을보이는데, 이는각노드에서유입되는오염물질이합쳐지기때문인것으로사료된다. Table 5는강우여부에따른하수관망의유량변화를나타낸다. 비강우시에는유입구 ( 노드 MHA1, MHB1) 를통해서만하수가유입되는반면, 강우시에는유입구뿐만아니라, 각노드를통해빗물이하수관망내로유입된다. 따라서강우시하수관망에서유출된하수의양은비강우시에비해월등히증가하며이는강우시하수관망으로부 Table 5. Inflow and outflow volume of sewage network in raining and non-raining simulation Inflow (m 3 ) Outflow (m 3 ) Continuity error (m 3 ) Non-raining (Steady state) 4,320 4,311.89 8.11 (0.1878%) Raining (Dynamic) 16,455.79 16,462.79 7.00 (0.0426%) 터월류나홍수가발생할수있음을의미한다. 하수관망의경우유입유량과유출유량이같지않다는특징을가지므로본연구에서는하수관망내의변화를감지하기위해유입유량과유출유량의차입, continuity error를사용하였다. 비강우시 ( 정적상태 ) 에는 continuity error가양의값을가짐으로써, 유출유량에비해유입유량이많음을알수있었다. 이는비강우시하수관망내에더많은하수가잔류함을의미한다. 반면, 강우시 ( 동적상태 ) 에는 continuity error가음의값을나타냈는데이는유입유량보다유출유량이더많음을의미한다. 이에따라하수관망내에잔류하던유량일부가비강우시에비해더많이유출될수있으며수계에오염부하를가중시킬것으로사료된다. Table 6은강우여부에따른하수관망내비점오염물질의부하량변화를나타낸다. 강우시에는대상유역에서 wash-off 를통해발생된비점오염물질이각노드를통해유입되므로비강우시에비해월등히많은오염부하를보였다. 특히, 비강우시하수관망으로유입되는 BOD의부하는 TN보다높지만, 강우시하수관망으로유입되는 BOD의부하는 TN보다낮음을볼수있다. 이는유입구를통해하수관망에유입되는 BOD는 TN의양보다많으나, wash-off로인해
986 강온유 이승철 김민정 유수민 유창규 Table 6. Pollutant loading of sewage network in raining and non-raining simulation Influent loading (kg/s) Output loading (kg/s) Remaining loading BOD 129.60 120.91 5.82 Non-raining (Steady state) COD 216.00 201.51 9.69 TN 21.60 20.15 0.97 TP 2.16 2.02 0.10 BOD 473.99 447.80 5.99 Raining (Dynamic) COD 1590.21 1488.61 9.99 TN 663.06 616.65 1.00 TP 65.26 60.68 0.10 하수관망에유입된양은 BOD보다 TN이더많음을알수있다. BOD, COD, TN, TP의오염부하는강우시비강우에비해각각 3.66, 7.36, 30.7, 30.2배증가하였다. 따라서 TN, TP는 BOD, COD에비해 wash-off 에의해더많이유입되어짐을알수있다. 하수관망내에잔류하는비점오염물질의양은강우시와비강우시일때차이를나타내지않았는데이는빗물에의해하수관망내오염물질이희석, 정화되었기때문으로사료된다. 또한잔류하는오염물질과유출되는오염물질의합보다유입된오염물질의부하가높음을관찰할수있어하수관망내월류, 희석, 또는누수가있음을추측할수있다. 하수관망내오염물질간의상관관계를규명하며하수관망의이상을진단하기위해 PCA 분석을수행하였다. PCA의분석변수로는 SWMM 시뮬레이션을통해도출된노드MHA1, MHA4, MHA7에서의오염부하량을사용하였다. Fig. 8과 9는노드MHA1, MHA4, MHA7에서의 PCA 분석결과를나타낸다. 본연구에서는 PCA 결과로써 loading plot과 Hotelling T 2 차트를이용하였다. Loading plot은 변수간의상관성을나타내는그래프로써근접한위치에있는변수일수록상관성이높음을의미한다. 노드MHA1의경우, 유입유량, 유출유량, TN, TP는밀접한관계를가지며, BOD와 COD는다른변수들에독립적인것으로판단된다. SWMM 모사를통해강우시의 TN, TP 부하량은 wash-off의영향을많이받는것을확인하였는데, 본 loading plot은이러한사실과일치하는결과를나타내었다. 노드 MHA4의경우, 노드MHA1와달리, 1) 유입유량과유출유량, 2) TN 과 TP가각각밀접한관계를갖는것으로나타났다. 노드MHA7에서는노드MHA4와동일한결과를보였는데, 이는하수가하수관망내에서흘러가면서다른노드에서유입되는하수와혼합또는희석되어유입, 유출유량과비점오염물질간의상관도가낮아졌을것으로사료된다. Fig. 9, 10은이상치를진단하기위해사용되는 Hetelling T 2 차트로써, 특정샘플의 T 2 값이신뢰한계선을초과하면해당샘플은이상치로간주된다. Fig. 10(a) 는노드MHA1에대한 Hotelling T 2 차트 Fig. 9. Loading plots of PCA at Node. (a) MHA1, (b) MHA4 and (c) MHA7. Fig. 10. Hotelling s T 2 charts of PCA at Node. (a) MHA1, (b) MHA4 and (c) MHA7.
시스템해석에기초한하수관망오염매카니즘과관망모니터링및이상진단 987 를보여준다. Hotelling T 2 값은유입유량및오염물질부하를포괄하는하나의값으로나타난다. 노드MHA1의경우, 3구간 (1시간 40 분, 4시간, 5시간 ) 에서신뢰한계선을초과하였다. 이세구간중 1 시간 40분부근에서는 100분동안발생했던강우사상에의한유량의증가와 wash-off로인한오염물질의유입에의한것이나, 나머지두구간은강우사상과는관련이없는하수관망내이상치임을의미한다. 유량증가에비해급격한오염물질의증가피크가발생함에따라나머지두이상치는원래의하수를통해유입되는오염물질보다더높은농도의오염물질유입에따른것으로사료된다. 노드MHA4의경우, 1시간 40분, 2시간, 5시간부근에서이상치가발생하였는데, 이는노드MHA1에서와동일한결과이다. 노드MHA7의경우, 노드 MHA1, MHA4와는달리 5시간부근에서의이상치가발견되지않음을볼수있다. 이는노드MHA1과 4에서발생했던세번째이상치가다른노드를통해유입된하수와의혼합및희석되어, 유출구로흘러갈수록이상치의영향이상쇄되었을것으로사료된다. 5. 결론 본연구에서는하수관망내의비점오염물질의제거패턴해석과하수관망의이상진단을위한방법론을제시하였다. SWMM을통해하수관망을모사함으로써, 강우시와비강우시도시유역에서의유입, 유출되는오염물질의양을산정하고해석하였다. 모사된결과를바탕으로다변량통계기법인주성분분석을사용하여오염물질과유입, 유출유량의상관관계를규명하였으며, 모니터링차트를통해관망내이상진단을수행하였다. 본연구에서적용된방법론을통해강우시와비강우시하수관망내의오염물질의거동을모사할수있었으며, 특히, 강우시 wash-off에의해 TN과 TP의오염부하량이급격하게증가하여수계로들어가는 TN과 TP의오염부하가가중될것으로예상된다. 또한직접탐사없이지하에위치한하수관망내의이상을진단할수있어모니터링비용의절감을가져올것이라예상된다. 하지만본연구에서는가상사례가적용되었고실제네트워크로의적용및검증이아직이루어지지않았다. 한편, 실제네트워크에비해간단한네트워크에적용되었기때문에복잡한네트워크에적용할경우, 본연구에서감지하지못한새로운문제가발생할수있다. 따라서추후연구에서는실제유역의네트워크데이터를이용하여검증이이루어질것이며, 규모가크고복잡한네트워크에맞는연구의확장이필요하다. 결론적으로본연구는하수관망에통계학적방법을이용한모니터링을적용한연구로써, 추후넓은범용성을가진연구를위한기초연구가될것으로예상된다. 감 이논문은 2012년도정부 ( 교육과학기술부 ) 의재원으로한국연구재단의지원을받아수행된연구입니다 (No. 2012-001400과 No. 2012-0000609). 사 참고문헌 1. Chang, M., McBroom, M. W. and Beasley, R. S., Roofing as a Source of Nonpoint Water Pollution, J. Environ. Manage., 73(4), 307-315(2004). 2. Santhi C., Srinivasan R., Arnold J.G., Williams J.R., A Modeling Approach to Evaluate the Impacts of Water Quality Management Plans Implemented in a Watershed in Texas, Environ. Modell. Softw., 21(8), 1141-1157(2006). 3. Park, M. G., Ahn, W. S., Kim, D. S. and Oh, J. M., Quantitative/Qualitative Analysis of Infiltration/Inflow and Exfiltration on Sewer Pipe, Daewoo Construction Technology Report 1, 27, 98-107(2005). 4. Kim, Y. S., Prediction of Water Quality Improvement Effect in Han River with Sewer Rehabilitation, Chungju university, Master thesis(2005). 5. Shinheung Concrete, Standardization of the Concrete Sewage Pipeline System with the Water tightness and Corrosion Resistance for Field Applicability, Korean Ministry of Environment (2007). 6. Kim, N. I., Mary, F. P., Greg, M. and Jim, C., Sampling and Modeling Approaches to Assess Water Quality Impacts of Combined Sewer Overflows The Importance of a Watershed Perspective, J. Great Lakes Res., 31, 105-115(2005). 7. Gromaire, M. C., Garnaud, S., Saad, M. and Chebbo, G., Contribution of Different Sources to the Pollution of Wet Weather Flows in Combined Sewers, Wat. Res., 35(2), 521-533(2001). 8. Guo, W., Soibelman, L. and Garrett, J. H., Automated Defect Detection for Sewer Pipeline Inspection and Condition Assessment, Automation in Construction, 18, 587-596(2009). 9. Lee, J. H, Jun, H. D. and Park, M. J., Method to Determinate Monitoring Points in Sewer Networks, Journal of Korean Society of Hazard Mitigation, 11(3), 229-235(2011). 10. Jung, J. U., Application of Urban Flood Model in the Area of Fan-Typed Sewer Network, Kangwon University, Master thesis, 1-63(2011). 11. Kim, J. H., The Study on SWMM Model for Analysis of Urban Rainfall-runoff, Kyonggi University, Master thesis, 139(1-2), 23-32 (1994). 12. Park, S. Y., Lee, K. W., Park, I. H. and Ha, S. R., Effect of the Aggregation Level of Surface Runoff Fields and Sewer Network for a SWMM Simulation, Desalination, 226(1-3), 328-337(2008). 13. Lee, J. Y., Jang, S. H. and Park, J. S., Application of SWMM for Management of the Non-point Source in Urban Area-Case Study on the Pohang City, J. Environ. Health Sci., 21(8), 1141-1157(2008). 14. Kim, D. U., Feature Extraction and Classification of Birdsong Using Kernel Principal Component Analysis and Support Vector Machine, Kyungpook National University, Master thesis (2010). 15. Lee, M. R., A Study on Deterioration Evaluation Model of Water Main using Integrated PCA and ANN, University of Seoul, Master thesis, 1-144(2010). 16. Kim, Y. S., Kim, M. J., Lim, J. J., Kim, J. T. and Yoo, C. K., Predictive Monitoring and Diagnosis of Periodic Air Pollution in a Subway Station, J. Hazard. Mater. 183(1-3), 448-459(2010). 17. Lee, Y. H., Cho, H. W. and Han, C., Real-time Monitoring and Diagnosis for Batch Processes Using Local Models by Time Intervals, Korean Chem. Eng. Res.(HWAHAK KONGHAK), 37(3), 402-410(1999). 18. Woo, K. S., Lee, C. J., Han, K. H., Ko, J. W. and Yoon, E. S., Fault Detection & SPC of Batch Process using Multi-way Regression Method, Korean Chem. Eng. Res.(HWAHAK KONGHAK), 45(1), 32-38(2007).