• 목록

다점온도모니터링 기반의 Thermal Line Sensing 기술명 TLS-3D 에 인공지능 분석 진화에 첫 발을 내딛다.

다점온도모니터링 기반 Thermal Line Sensing 기술(TLS-3D)

인공지능(AI) 기반 정밀 이상상태 분석 기술로의 진화

TLS-3D(Thermal Line Sensing 3D)는 다점온도센서를 

활용하여 구조물 및 지중 매질의 온도 변화를 선형적으로 계측하고, 

이를 인공지능(AI)으로 분석하여 이상상태를 정밀하게 탐지하는 차세대 모니터링 기술이다.

본 기술은 저수지 및 국가관리댐의 안전관리시스템에 적용할 수 있도록 개발되었으며, 

기존의 단순 온도 계측을 넘어 매질의 움직임과 지중 이상 징후를 분석하고, 

그라우팅 시공 효과를 평가할 수 있는 지능형 모니터링 체계를 지향한다.

▪ 장착된 온도센서들은 각각 서로 다른 정확도(accuracy)를 갖기 때문에

전체 정확도를 ±0.1 ℃ 미만으로 향상시킨 기술이 개발됨.

다점온도센서케이블은 하나의 케이블에 다수의 온도센서를 일정한 간격으로

촘촘하게 배치하여, 케이블 전 구간의 온도를 동시에 측정할 수 있도록 설계된 계측 장치이다.

이를 통해 케이블 자체가 하나의 선형 온도센서(Line Temperature Sensor)로

기능하며, 특정 구간에 물의 흐름이나 주변 매질의 변화가 발생할 경우 

해당 위치에서 나타나는 온도 변화를 감지할 수 있다.

특히 각 센서의 개별 측정 정확도 차이를 보정하고 계측 신뢰성을

높이는 기술을 개발하여, 전체 계측 정확도 ±0.1℃ 미만의

초정밀 온도 모니터링 성능을 확보하였다.

이러한 정밀 계측 데이터를 기반으로 다음과 같은 분석이 가능하다.

• 지중 및 구조물 내부의 국소적인 온도 변화 감지

• 매질의 이동 및 물의 흐름에 따른 이상 징후 분석

• 이상상태 발생 위치 및 영향 범위 산정

• 그라우팅 전·후 온도 변화 비교를 통한 시공 효과 평가

• 장기간 연속 계측을 통한 구조물 안전성 추적 관리

TLS-3D는 기존의 고정된 온도 한계치를 적용하는 방식에서 벗어나,

시간에 따른 온도 변화 패턴을 학습하여 각 센서에 최적화된 

AI 한계온도치를 산정하는 지능형 분석 알고리즘을 도입하였다.

AI 분석 알고리즘은 과거 계측 데이터와 최근의 온도 변화 특성을

복합적으로 학습하며, 다음과 같은 구조로 운영된다.

1. 기본 학습: 최근 15일간의 계측 데이터를 기본 학습 데이터로 활용

2. 누적 학습: 7일 주기로 새로운 7일간의 데이터를 추가 학습하여 변화 패턴을 지속적으로 반영

3. 최근 데이터 가중치 적용: 최근 3일간의 계측 데이터에 추가 가중치를 부여하여 최신 환경 변화를 반영

4. 단기 변화 가중치 적용: 최근 3시간의 계측 데이터에 추가 가중치를 적용하여 급격한 온도 변화에 민감하게 대응

5. 실시간 한계치 갱신: 위 학습 결과를 바탕으로 센서별 AI 한계온도치를 10분 주기로 산정 및 갱신

온도 계측 데이터는 계절 변화, 일교차, 시간대 및 심도에 따라 자연적인 변동 특성을 나타낸다. 이러한 환경적 요인을 고려하지 않고 고정된 한계치를 적용할 경우, 정상적인 기후 변화에도 다수의 오경보가 발생할 수 있다.

TLS-3D는 이러한 문제를 개선하기 위해 심도별 온도 변화 특성과 시간대별 급등·급락 패턴을 분석하고, 주변 센서의 동반 변화 여부를 종합적으로 판단하는 환경 적응형 AI 알고리즘을 적용하였다.

주요 분석 기능은 다음과 같다.

• 심도별 환경 변화 분석: 설치 심도에 따른 계절적·일교차적 온도 변동 특성 반영

• 시간대별 변화 패턴 분석: 특정 시간대에 반복적으로 나타나는 자연적인 온도 급등 및 급락 패턴 학습

• 동반 변화 분석: 다수 센서에서 동시에 발생하는 온도 변화 여부를 분석하여 자연환경에 의한 공통 변동과 국소 이상상태를 구분

• 국소 이상상태 판별: 주변 센서의 정상적인 동반 변화와 구별되는 특정 센서 또는 구간의 비정상적인 온도 변화 탐지

• 오경보 저감: 자연환경에 의한 정상적인 온도 변동을 이상상태로 오인하는 사례를 최소화

특히 급격한 온도 상승이나 하강이 발생했을 때, 전체 센서의 동반 변화 여부를

우선적으로 분석한다. 다수의 센서에서 유사한 변화가 동시에 관측될 경우에는 

자연환경의 영향 가능성을 고려하고, 특정 센서 또는 국소 구간에서만 한계치를 

벗어나는 비정상적인 계측 변화가 확인될 경우 이상상태로 판정하여 

즉시 경보를 발생시키는 방식이다.

이를 통해 환경적 요인에 의한 불필요한 경보를 사전에 억제하는 동시에, 

실제 구조물 및 지중의 국소적인 이상 징후에 대해서는 

높은 민감도로 대응할 수 있도록 구현하였다.

TLS-3D의 AI 분석 기술은 단순히 개별 센서의 온도 이상 여부를 판단하는

수준을 넘어, 이상 징후가 발생한 위치와 공간적 범위를 정밀하게 산정하는 데 목적이 있다.

다점온도센서의 연속적인 계측 데이터와 AI 기반 동적 한계온도 분석 결과를

결합하여 이상상태 발생 구간을 식별하고, 시간에 따른 변화 양상을 추적할 수 있다.

또한 그라우팅 시공 전·후의 온도 변화 패턴을 비교·분석함으로써

매질의 변화와 그라우팅 효과를 평가하는 데 활용할 수 있다.

이를 통해 저수지 및 국가관리댐의 취약 구간에 대한 지속적인 감시와

선제적인 안전관리가 가능하며, 장기 계측 데이터를 축적하여

구조물의 상태 변화를 체계적으로 관리할 수 있다.