위시켓 PID 155692 — MVP Pilot Demo

AI 기반 지능형
송풍기 최적 제어 시스템

하수처리장 포기조 송풍기를 AI로 정밀 제어 — 전력비 50~70% 절감 + 수질 개선.

⬇ Windows 인스톨러 다운로드 기능 살펴보기 →

3-모듈 AI 제어 파이프라인

🔮

모듈 1 — 유입 부하 예측

유량·BOD·수온·시간 특성을 XGBoost 모델로 학습. 유입 BOD 부하(kg/h)를 실시간 예측해 선제적 제어의 기반을 마련합니다.

XGBoostscikit-learnpandas

💧

모듈 2 — 최적 DO 목표 산출

예측된 유입 부하와 수온으로 포기조 용존산소(DO) 목표값을 동적 계산. Arrhenius 온도 보정 + 부하 비례 알고리즘. 계수는 운전자가 직접 조정 가능.

Metcalf & EddyArrhenius

⚡

모듈 3 — PLC 제어값 전송

DO 편차를 PI 제어로 인버터 주파수(Hz)로 변환. Modbus TCP로 PLC 메모리 주소에 실시간 Write. 시뮬레이터 내장으로 실 장비 없이도 전 파이프라인 시연 가능.

Modbus TCPPI 제어IEEE 754

아키텍처

INPUT

센서 데이터

유량·BOD·수온

→

MODULE 1
XGBoost 예측
유입 부하 (kg/h)

→

MODULE 2
DO 계산기
DO 목표 (mg/L)

→

MODULE 3
PI 제어기
인버터 주파수 (Hz)

→

OUTPUT

Modbus Write

PLC 메모리 주소

SQLite 로컬 DB → 실시간 대시보드 + 이력 조회 + 파라미터 설정

실시간 대시보드 프리뷰

Windows PC 프로그램 실행 화면 (시뮬레이터 모드)

AI 지능형 송풍기 최적 제어 시스템 — 실시간 대시보드

유입 부하 (예측)287.3 kg/h

DO 목표값2.11 mg/L

DO 현재값1.87 mg/L

인버터 주파수38.2 Hz

공기 유량 (추산)91.7 m³/min

PLC Write 횟수142 회

파라미터 설정

수리학적 체류시간 (HRT)8.0 h

포기조 용적5,000 m³

산소전달 효율 (α)0.85

DO 범위1.5 ~ 4.0 mg/L

PI 비례 게인 (Kp)5.0

PI 적분 게인 (Ki)0.1

PLC 주소 (주파수)HR:100

시뮬레이터 모드✓ ON

기술 스택

Python 3.11

핵심 언어

PySide6 (Qt6)

GUI 프레임워크

XGBoost

유입 부하 예측 모델

scikit-learn

ML 파이프라인

pymodbus 3.x

Modbus TCP 클라이언트

pyqtgraph

실시간 차트

SQLite + SQLAlchemy

로컬 시계열 DB

PyInstaller

Windows .exe 패키징

Windows 인스톨러 다운로드

GitHub Actions에서 빌드된 Windows 64-bit 인스톨러를 다운로드합니다.

⬇ AI_BlowerControl_Setup.exe (Windows 10/11 x64)

※ 설치 후 시뮬레이터 모드로 즉시 실행 가능 (PLC 장비 불필요)

AI 기반 지능형송풍기 최적 제어 시스템