심층학습과 수리모델을 활용한 인터캐치먼트 폐수 전송을 위한 양수장 운영 최적화

초록

본 논문은 노르웨이 드람멘 지역의 하수 시스템에 인터캐치먼트 폐수 전송(ICWT) 방식을 적용하고, 핵심 양수장인 소렌 렘미히 펌프장을 효율적으로 운영하기 위해 다단계 수위 예측 모델을 개발한다. LSTM 기반 모델이 GRU, RNN, FFNN, SVR보다 예측 정확도가 우수함을 실험을 통해 입증하였다.

상세 분석

이 연구는 두 가지 핵심 축을 결합한다. 첫 번째는 기존 수리모델을 이용한 ICWT 개념 검증이다. ICWT는 인접 유역 간에 하수 흐름을 재분배함으로써 WWTP(폐수 처리장)의 용량 불균형을 해소하고, 지역별 침수 위험을 감소시키는 전략이다. 드람멘 시의 하수 네트워크를 EPANET 기반 수리모델로 구현하고, 다양한 강우 시나리오에서 ICWT 적용 전후의 유량 및 수위 변화를 시뮬레이션하였다. 결과는 소렌 렘미히 양수장이 시스템 전체의 병목 현상을 완화하는 핵심 설비임을 보여준다. 특히, 양수장 가동 시점과 펌프 용량 조절이 전체 유역의 초과 유량을 크게 감소시켰다.

두 번째 축은 양수장 운영을 지원하는 다단계 수위 예측 모델이다. 기존 제어 방식은 실시간 수위에 기반한 단순 임계값 제어에 머물러, 급격한 강우에 대한 대응이 늦어지는 한계가 있었다. 이를 극복하기 위해 장기 의존성을 학습할 수 있는 LSTM(Long Short‑Term Memory) 네트워크를 설계하고, 입력 변수로는 과거 24시간의 수위, 강우량, 온도, 유량 등을 포함하였다. 모델 학습에는 2018‑2022년의 실제 관측 데이터를 활용했으며, 하이퍼파라미터 튜닝을 통해 은닉층 수, 셀 크기, 학습률을 최적화하였다.

비교 실험에서는 동일 데이터셋에 대해 GRU, 전통 RNN, 다층 퍼셉트론(FFNN), 그리고 커널 기반 회귀인 SVR을 적용하였다. 평가 지표는 RMSE, MAE, 그리고 결정계수(R²)였으며, LSTM은 RMSE 0.12 m, MAE 0.09 m, R² 0.96으로 다른 모델에 비해 현저히 우수한 성능을 기록했다. 특히, 급격한 강우가 시작되는 초기 2‑3시간 구간에서 LSTM은 비선형 변동을 정확히 포착해 예측 오차를 최소화하였다.

운영 적용 측면에서는 LSTM 예측값을 기반으로 모델 예측 제어(MPC) 전략을 설계하였다. 예측된 수위가 임계값에 근접하면 펌프 가동을 사전 조정하고, 필요 시 추가 펌프를 가동하거나 배수 경로를 전환한다. 시뮬레이션 결과, 이 예측 제어 방식은 기존 임계값 제어 대비 최대 35 %의 초과 유량을 감소시키고, 펌프 에너지 소비를 약 12 % 절감하였다.

본 논문의 주요 기여는 다음과 같다. 첫째, ICWT라는 새로운 시스템 레벨의 하수 관리 전략을 수리모델과 실제 데이터로 검증하였다. 둘째, 핵심 설비인 양수장의 운영 효율을 높이기 위해 LSTM 기반 다단계 수위 예측 모델을 개발하고, 기존 기법 대비 우수성을 입증하였다. 셋째, 예측 기반 제어를 통해 펌프 운영 비용과 침수 위험을 동시에 감소시키는 실용적 방안을 제시하였다. 이러한 결과는 다른 도시의 하수 시스템에도 적용 가능하며, 기후 변화에 따른 강우 패턴 악화에 대비한 스마트 인프라 구축에 중요한 시사점을 제공한다.