2.1 Target Location

영덕 지역의 5개 지점(남석, 덕곡1, 덕곡2, 강구, 오포)에서 고정식 유량계를 이용하여 2017년의 유량, 수위, 유속 측정 데이터를 확보하였으며 영덕군 환경사업소에서 관리하고 있는 강우설량계를 이용하여 강우량 데이터를 확보하였다(Fig. 1, Table 1).

Fig. 1. Target locations in this study.

2.2. Selection of Valid Data

전체적인 유효 데이터 선별은 표준매뉴얼에 따랐다(^{ME, 2009}). 현장의 강우계와 유량계로부터 강우량과 유량정보를 획득하였다. 시계열 하수 유량 데이터는 10분 간격으로 1일 144개의 단위 데이터로 구성되었고 이를 “일 단위 자료”라 정의한다. 강우발생 시 일 누적 강우량 3 mm/일를 기준으로 강우일과 청천일을 구분한다. 또한 강우 종료 후 이틀 동안 하수 유량에 영향을 줄 것이라 가정하고 이를 강우영향일이라 정의하였다. 즉, 강우일과 강우영향일 동안 유입수가 발생하는 것으로 판단하였다. 유입수 산정을 위한 신뢰성있는 유량 측정 데이터를 선별하기 위해 다음과 같은 기준을 설정하여 비정상이라고 판단되는 데이터를 배제하였다. 비정상자료에 대해 유량계 비정상 작동, 전력 차단 등 객관적인 근거를 제시할 수 있는 경우 이를 “확정성 비정상 자료”라 한다. 그리고 객관적인 근거를 제시할 수는 없지만, 관경에 비해 비정상적으로 과다한 유량이 기록되는 등의 이상 수치는 “판정성 비정상 자료”로 구별하여 제외하였다. 이러한 선별단계를 거쳐 최종 검증된 일 단위 자료를 시계열로 나열하여 총 데이터 개수 대비 확보한 유효 데이터가 청천일의 80% 이상인 자료, 강우일 및 강우영향일의 70% 이상인 자료를 사용하였다. 유입수 발생기간은 청천일이 중간에 포함되어 있지 않은 강우일과 강우영향일의 조합이다. 강우영향일 기간에 새로운 강우가 발생하면 연속강우로 인정된다. 일 단위 자료가 하나라도 유효자료로 판정받지 못한다면 유입수 산정을 위한 유효성을 확보하지 못한 것으로 보고 제외된다.

2.3 Calculation of Inflow Water

기본적인 유입수 산정기법은 표준매뉴얼에 따랐다(^{ME, 2009}). 유효성 판정을 거친 자료를 대상으로 강우 시 하수발생량에서 청천일 기저하수 발생량을 차감하여 유입수를 산정한다. 강우가 발생하면 우수가 하수관로로 유입되어 하수량이 증가하였다가 일정시간이 흐른 뒤 청천일의 하수발생 패턴으로 돌아오는 경향을 보인다. 이러한 경향을 Fig. 2에 모식도의 형태로 나타내었다. 이에 따라 유입수 산정을 위해 우천일과 강우영향일의 하수량에서 청천일의 하수량을 차감하여 유입수량(m³)을 산정한다.

Fig. 2. The generation of inflow water.

강우사상 단위 유입수 자료를 선별 후 유입수 발생시점(강우발생일) 이전의 2주 분량 자료 중 강우시작일을 기준으로 가장 빠르게 확보할 수 있는 청천일 자료들을 사용하여 동일 요일별 대응 청천일 자료(기저하수발생유형)를 선별한다. 이때 강우사상 전·후일에 대한 동일 요일별 대응 청천일 자료도 선별해야 한다. 우기인 6~9월에는 강우발생일 시점으로 이전의 2주간 청천일 자료 확보가 곤란한 경우, 요일 구분 없이 최근 청천일 자료를 사용하였다. 강우 발생기간 전·후일 유량 자료에서 기저하수발생유형 유량 자료를 차감한 절대값의 합이 최소가 되는 구간을 찾아 청천일 기저하수발생유형 자료를 조금씩 상·하 평행 이동(±5%이내)하여 미세조정한다. 기저하수발생유형를 선별한 후 중첩(Match-up)과정을 수행하였는데, 유입수 발생 전·후일 강우사상 청천일 유량값과 평행 이동한 청천일 유량값의 잔차를 산정한다. 이 잔차를 이용하여 기저하수발생유형 대비 강우에 의한 유입수 유량 증가분을 산정한다. 강우사상 전·후일을 제외한 나머지 유입수 발생 자료의 경계값에 포함된 유량증감분의 합으로 최종 유입수량(m³)을 산정한다. 최종 유입수량 산정 시 개별 유입수 발생구간의 경계값을 우천일과 강우영향일(2 일)로 설정하고 유입수 산정 시작점을 우천일 시작시점으로, 유입수 산정 종점을 강우영향일 종료시점까지 정의한다.

국지성 집중호우 및 낮은 빈도의 강우영향을 제외하기 위하여 한계 누적강우량을 설정한다. 유입수 발생사상별 누적강우량 누적백분율의 90%구간 이내 범위의 자료를 선별한다. 유입수 발생자료에서 한계강우조건을 만족하는 유입수 발생기간만 선별한다. 유입수 이벤트별 비유입수량(m³/mm)을 산정하여 비유입수의 상위 10~50% 범위 유입수 자료를 최종 선정한다(식 1).

2.4 Influencing Criteria for Inflow Calculation

유입수 표준매뉴얼 산정방법에서 조정한 영향인자를 Table 2에 종합하였다. 우천일 판단기준을 누적강우량 3 mm/일 이상에서 5 mm/일 이상으로 선정하였고, 유입수 발생기간 산정의 강우영향일을 2일에서 1일로 조정하였다. 또한 기저하수발생유형 자료 선정의 구성 범위를 유입수 발생기간 전 2주 이내 동일 요일에서 3주 이내 동일 요일의 청천일 유효자료들을 사용하여 기저하수발생유형 자료로 선정하였다. 이러한 모든 영향인자의 조정은 보수적으로 데이터를 산정하기 위한 테스트이다. 즉, 기저하수발생유형에 대한 데이터를 장기간 확보한 이후, 보다 확연한 강우조건 하에서 유입수량을 산정하는 것이다. 이를 대상으로 누적강우량 대비 유입수 발생관계를 직선식으로 도출하고 기울기(a_i)를 산정하였으며, 직선의 신뢰성은 결정계수(r²)로 판단하였다(식 2).

여기에서,

IW(Inflow Water): 유입수량(m³/day)

a_i: 비례 계수, 강우이벤트

DR(Daily Rainfall): 일 누적 강우량(mm/day)

3.1 Acquisition of Valid Data for Sewer Volume

측정된 데이터를 일 단위 데이터로 분류하여 청천일과 우천일, 강우영향일로 나누어 구분하였다. 청천일과 우천일 구분 결과 측정자료 365일 중 청천일 273일, 우천일 39일, 강우영향일 53일로 나타났다. 본 연구에서 정의한 유입수 유효자료 판정절차를 선별된 지점별 유효자료는 Table 3과 같다. 상기에서 설명한 바와 같이, 확정성 비정상자료(Confirmed abnormal data)란 비정상자료 발생 이유에 대해 명확하고 객관적인 판단근거를 제시할 수 있는 자료를 뜻하고, 판정성 비정상자료(Deterministic abnormal data)란 확정성 비정상자료를 제외한 나머지 일 단위 자료들 중 일정한 판단기준에 의해 불량 자료를 선별하여 배제하는 자료를 뜻한다. 연간 측정일 중 유입수용 자료를 선별하여 유입수용 자료와 비정상자료를 제외한 유입수용 유효자료에 대한 비를 획득률로 나타내었다. 이에 따라 선별된 각 지점의 유입수 유효 강우 이벤트는 남석, 덕곡1, 덕곡2, 강구, 오포 당 25, 25, 25, 25, 23회이다.

3.2 Adjusted Inflow Generation

연구 대상 지역의 2017년 데이터를 사용하여 표준매뉴얼 분석 방법에서 본 연구에서 제안하는 보수적인 영향인자 조정에 따라 유입수 산정의 유의성이 향상되는지 확인하고자 하였다. 오포지점의 경우 25개의 강우 이벤트 중 비정상 자료를 제외하여 23개의 이벤트만 고려되었다. 본 연구에서 제시한 방법을 통해 산정된 유입수는 표준 산정법에 비해 대부분 청천일의 유량이 강우일의 유량보다 많은 이유로 인해 유입수가 음수값으로 나오는 이벤트가 줄어들었고(Table 4), 지점별 누적강우량 대비 유입수 발생관계식을 도출하여 결정계수(r²)가 증가하는 것으로 산정방법의 정확도 및 신뢰도가 개선됨을 확인하였다(Fig. 3, Table 5). 음수의 유입수를 보인 이벤트의 비율이 34.1%(42/123)에서 21.5%(26/121)로 낮아진 것으로 나타났으며, 결정계수(r²) 또한 0.5091~0.9817의 범위에서 0.7674 ~0.9313의 범위로 신뢰성이 개선되었다. 덕곡 1을 제외하면 본 연구에서 제시한 보수적 유입수 산정법은 음수 유입수 발생량을 38.8%(38/98)에서 21.9%(21/96)로 낮추었으며, 결정계수(r²)를 0.5091~0.8760에서 0.7674~0.8961로 개선하였다. 산정 결과, 남석과 강구는 강우 이벤트 중 50%의 음수 유입수 발생량 건수가 줄어들었으며, 덕곡2와 오포도 이와 상등한 비율로 음수 발생량 건수를 줄일 수 있었다. 이와 유사하게, 남석, 덕곡2, 강구, 오포의 결정계수(r²)가 향상되어 본 연구가 제시한 유입수 산정법의 신뢰도가 향상된 것으로 보인다. 다만, 덕곡1의 시계열 데이터를 보면 청천일과 강우일의 유량 값이 명확하게 나누어지지 않아 음수 유입수 발생량 건수가 1회 더 늘어난 결과를 보여주었고 결정계수(r²)가 감소하였다. 덕곡 1에 대해서는 유량 계측 지점에 대한 면밀한 고찰을 통해 유입수 산정법을 고도화시켜야 할 것으로 판단된다. 덕곡1의 경우, 보수적인 산정기법을 사용하지 않아도 기존의 매뉴얼을 적용하여 높은 결정계수(r²)을 얻을 수 있었다. 이러한 관점에서 유입수 산정 기법을 일률적으로 매뉴얼화 하기 보다는, 결정계수(r²)을 최적화하는 알고리즘을 개발하여 관리기관에 보급하고 필요시마다 유입수 산정량을 보완·발전시키는 것도 고려할 수 있겠다.

Fig. 3. Relationship between rainfall and inflow water volume

Table 5에 나타난 바와 같이 비례계수(a_i)는 남석과 강구 이외의 지역에서 모두 상승하였다. 이는 강우량에 비해 산정되는 유입수량이 민감하게 반응하는 직선식이 도출되었다는 것을 의미한다. 덕곡2 지역의 비례계수는 4.0616로 가장 작고, 강구지역은 27.1635로 가장 높은 값을 보였다. 이는 덕곡2 지역에 비해 강구지역이 강우량에 대하여 6배 이상 민감하게 반응한다는 것을 의미하며, 이는 강구지역에 대한 특별한 관리가 필요하다는 것을 의미한다. 비례계수(a_i)로 대변되는 민감성은 식 (1)의 specific inflow water와 직접적인 연관성이 있으며, 하수관로 길이, 분류식 설비 비율, 배수설비의 오접 정비 등에 따라 달라질 수 있다(^{Kim et al., 2014}). 이러한 비례계수(a_i)를 지역 및 시계열로 지표화하였을 때에 하수관로를 효율적으로 관리할 수 있는 기반자료가 될 것으로 기대한다(^{Choi et al., 2015}).

3.3 Intelligent Adjustment of the Standard Method

본 연구에서 제안하는 보수적인 영향인자의 조작은 현재 사용되고 있는 표준메뉴얼이 개선될 수 있다는 결과를 보여주었다. 현재까지 유입수 산정을 위한 많은 연구들이 이루어져 왔다. 예를 들어, 관거유입계수(관거유입수량 × 유입일수 ÷ 유효우량 ÷ 차집면적)의 산정(^{Kim et al., 2015}), 유입수량 최소화를 위한 공사지역 선정을 위한 알고리즘 개발(^{Lee et al., 2008}), 연도별 침입수/유입수 증감 평가(^{Kim et al., 2014}) 등 다양한 고려사항들이 있다. 이러한 사안들과 함께 본 연구에서 제안한 영향인자의 조정을 조합하여 수행할 수 있다. 이러한 다양한 인자들의 수정은 최적화해야 하는 인자들의 최종 결정을 어렵게 할 것이다. 특히, 지역별 유입수 특성이 다르기 때문에 각 지역별 특성을 반영하기 위해서는 반복 계산을 여러번 수행해야 한다. 이러한 경우 수많은 경우의 수를 고려해야 하는데, 인력과 시간을 절약하기 위해 지능형 자동계산 알고리즘이 개발될 필요가 있다. 그리고 계산에서 도출되는 유입수 특성은 관리대상 지역의 하수도 노후화 관리 및 개선공사의 성과를 평가하는 지표로 사용 가능할 것으로 판단된다. 이러한 연구사업은 하수도, 토양 및 수자원, 환경정보학, 전산학 전문가의 협업을 필요로 하고 개발비용이 높을 것으로 예상된다. 그러나, 현재 우리나라의 하수도 관리 기술은 “지능형 기반 국가 물 서비스 체계”로 전환할 필요가 분명하다(^{KISTEP, 2018}). 고도화 되어가는 해외 하수도 관리 기술에 대응하여 국내 하수도 관리 기술을 명확히 차별화하기 위해 지능형 유입수 관리 체계는 반드시 달성되어야 한다.