AI-Driven Framework for Adaptive Water Network Management with Proof-of-Concept Implementation: Addressing Non-Revenue Water in Jordan

기술 요약: 요르단의 적응형 물 네트워크 관리를 위한 AI 기반 프레임워크

문제 정의
요르단은 1인당 연간 재생 가능한 수자원이 90세제곱미터에 불과한 심각한 물 부족 위기에 직면해 있습니다. 이러한 비효율성의 주요 원인은 생산된 물의 약 50%가 누수, 도난 및 계량 부정확성으로 인해 손실되는 무수수량(Non-Revenue Water, NRW)입니다. 요르단의 전통적인 관리 방식은 주기적인 누수 탐사 조사와 수동 분석에 의존하는 사후 대응적 방식입니다. 이러한 방법들은 지속적인 모니터링을 제공하지 못하며, 이로 인해 일시적인 개입 이후에도 손실이 이전 수준으로 되돌아가는 경우가 빈번합니다. 또한, 이 국가의 용수 공급은 간헐적 공급 일정(24~48시간 주기)에 따라 운영되는데, 이는 수격 현상(hammer effect)과 같은 수리학적 스트레스를 유발하여 인프라의 노후화를 가속화하고, 정상적인 운영 변동 속에서 이상 징후를 탐지하는 것을 어렵게 만듭니다.

방법론
본 논문은 지속적인 모니터링과 적응형 의사결정을 가능하게 하기 위해 다섯 가지 핵심 구성 요소를 통합한 지능형 프레임워크를 제안합니다:

1. 데이터 수집: SCADA 시스템, 유량/압력 센서 및 IoT 장치를 활용하여 실시간 네트워크 데이터를 캡처합니다.
2. 빅데이터 인프라: 대용량 센서 데이터의 스트리밍, 저장 및 실시간 분석을 위한 확장 가능한 플랫폼을 구축합니다.
3. 디지털 트윈 및 수리학적 모델링: EPANET(Python 툴킷 EPYT 활용)을 이용한 물리 기반 시뮬레이션을 구현하여 네트워크 상태를 추정하고 실시간 데이터에 따라 모델을 보정합니다.
4. AI 에이전트 지능: 의사결정 핵심 역할을 하는 대규모 언어 모델(LLM) 에이전트입니다. 이는 운영 정책을 해석하기 위한 검색 증강 생성(RAG)과 제어 로직을 실행하기 위한 함수 호출(function calling) 기술을 채택합니다.
5. 네트워크 제어 시스템: AI의 결정에 따라 액추에이터(밸브, 펌프)로 명령을 전달하는 메커니즘으로, 안전 인터록(safety interlocks) 및 로깅 기능을 포함합니다.

이 프레임워크는 모니터링 및 경보 단계에서 시작하여, AI 지원 권고로 발전하고, 최종적으로 인프라가 현대화됨에 따라 자율 제어로 나아가는 단계적 운영을 설계되었습니다.

개념 증명(PoC) 구현
기술적 타당성을 검증하기 위해, 저자들은 암만(Amman)의 1,164개 접합점과 1,310개 관로를 포함하는 대표 구역(District Zone, DZ)에 적용된 완전 오프라인 PoC 시스템을 개발했습니다. 시스템 아키텍처는 세 개의 레이어로 구성됩니다:

• 레이어 1 (수리학적 시뮬레이션): EPYT가 수리학적 시뮬레이션을 실행하고 압력 및 유량에 대한 시계열 데이터를 추출합니다.
• 레이어 2 (데이터 처리): Python 스크립트가 시뮬레이션 출력을 파싱하고, 통계적 지표를 계산하며, 임계값(예: 압력 < 20m 또는 > 60m, 유량 편차 > 1 L/s)을 기준으로 이상 징후를 식별합니다.
• 레이어 3 (AI 분석): Ollama를 통해 호스팅되는 오프라인 LLM(llama3.1:8b)이 시뮬레이션 결과와 운영 맥락을 포함한 구조화된 JSON 데이터를 수신합니다. 이는 클라우드 API에 의존하지 않고 자연어 형태의 건강 보고서와 우선순위가 지정된 권고 사항을 생성합니다.

주요 결과
PoC는 다음과 같은 기술적 역량을 입증했습니다:

• 자동 시뮬레이션 및 보고: 시스템은 수리학적 시뮬레이션을 성공적으로 수행하였으며, 엔드 투 엔드(end-to-end) 실행 시간 2분 미만(LLM 생성에는 15~30초 소요) 내에 구조화된 건강 보고서를 생성했습니다.
• 간헐적 공급 환경에서의 이상 탐지: 30.1 L/s의 누수가 발생하는 시뮬레이션된 파열 시나리오에서, 시스템은 구역 전체의 압력 강하(중력 급수 방식의 루프형 토폴로지로 인해 안정 유지)가 아닌 국부적 유량 재분배를 통해 이상 징후를 식별했습니다. 시스템은 1 L/s를 초과하는 유량 편차가 발생하는 15개의 관로를 찾아냈으며, 이를 통해 15개 접합점이 밀집된 클러스터를 특정하여 파열 지점을 국지화했습니다.
• 오프라인 실행 가능성: 로컬에 호스팅된 오픈 소스 모델의 사용은 클라우드 API 비용과 데이터 유출 위험을 제거하였으며, 복잡한 네트워크 분석이 적절한 계산 자원만으로도 수행될 수 있음을 보여주었습니다.
• 실행 가능한 지능: LLM은 계산된 결과(예: 유량 편차, 압력 임계값)를 구역 격리, 작업 팀 파견, 감압 밸브(PRV) 설치 후보 식별과 같은 실행 가능한 운영 지침으로 성공적으로 변환했습니다.

의의 및 주장
본 논문은 수자원 부족 지역이 지능형 자동화를 활용하여 무수수량(NRW)을 줄일 수 있는 확장 가능하고 비용 효율적인 경로를 제공한다고 주장합니다. 주요 기여는 다음과 같습니다:

1. 통합 아키텍처: 간헐적 공급 조건에 특화된 EPANET 기반 시뮬레이션, 디지털 트윈 개념, 그리고 LLM 에이전트를 결합한 새로운 시스템 아키텍처를 제시합니다.
2. 오프라인 타당성: 네트워크 건강 분석 및 구조화된 보고가 클라우드 의존성 없이 수행될 수 있음을 입증하여, 자원이 제한된 환경의 유틸리티 기업들이 가진 프라이버시 및 비용 문제를 해결합니다.
3. 탐지 패러다임의 전환: 잘 연결된 중력 급수 네트워크의 경우, 탐지 방식이 압력 구역 휴리스틱에서 국부 관로 유량 이상 분석으로 전환되어야 함을 입증하였으며, 본 시스템은 이를 성공적으로 검증했습니다.
4. 단계적 구현: 현재 요르단의 제한된 자동화 수준을 고려하여, 자율 제어로 나아가기 전 모니터링 및 의사결정 지원부터 시작하는 현실적인 배포 경로를 제시합니다.

저자들은 Pooth 시뮬레이션과 AI의 기술적 통합을 검증했다는 점을 명시하며 신중한 입장을 유지하고 있습니다. 완전한 자율 제어를 위해서는 안전 인터록, 공식적인 SCADA 통합 및 규제 승리에 대한 추가적인 개발이 필요합니다. 현재 이 시스템은 완전한 자율 제어기라기보다는 의사결정 지원 도구로서 기능합니다.