view in publisher's site

Burst Detection and Location in Water Distribution Systems

The loss of large volumes of treated and frequently pumped water from water distribution systems (WDSs) is environmentally and economically damaging. Cost-effective reduction of water loss through bursts and leakages is however a challenging task for water utilities. New and more efficient methodologies are required for both timely detection and location of bursts and leaks. The recently developed methodology for the automated detection of bursts/leaks at the District Metered Area (DMA) level makes use of the data collected by real-time pressure and/or flow sensors and several Artificial Intelligence (AI) techniques and statistical data analysis tools, including: (i) Wavelets, (ii) Artificial Neural Networks (ANNs), (iii) Statistical Process Control (SPC), and (iv) Bayesian Inference Systems (BISs). The above detection methodology is further developed here with the aim to determine the approximate location of bursts/leaks within the DMA. The new location methodology works by processing in real-time the output information generated by the detection methodology, by means of geostatistical techniques. The novel bursts/leaks location methodology is demonstrated and tested on a case study from a real-life DMA in the United Kingdom with simulated (i.e., engineered) burst events. The results obtained illustrate that the new detection and location system can successfully approximately locate the bursts within a DMA (in addition to detecting the associated events in a fast and reliable manner).

تشخیص و محل آتش‌سوزی در سیستم‌های توزیع آب

از دست دادن حجم زیادی از آب تصفیه‌شده و پمپاژ شده مکرر از سیستم‌های توزیع آب (WDSs)از نظر زیست‌محیطی و اقتصادی مخرب است. با این حال، کاهش مقرون‌به‌صرفه تلفات آب از طریق انفجار و نشتی یک کار چالش برانگیز برای تاسیسات آب است. روش‌های جدید و کارآمدتر برای تشخیص به موقع و محل وقوع حوادث و نشتی‌ها مورد نیاز است. روش توسعه‌یافته اخیر برای تشخیص خودکار انفجارات / نشت در سطح ناحیه اندازه‌گیری شده (DMA)، از داده‌های جمع‌آوری‌شده توسط سنسورهای فشار و / یا جریان زمان واقعی و چندین تکنیک هوش مصنوعی (AI)و ابزارهای تجزیه و تحلیل داده‌های آماری شامل: (i)موجک ها، (ii)شبکه‌های عصبی مصنوعی (ANN ها)، (iii)کنترل فرآیند آماری (SPC)، و (iv)سیستم‌های استنتاج بیزی (BIS)استفاده می‌کند. روش تشخیص بالا در اینجا با هدف تعیین محل تقریبی انفجارها / نشتی‌ها در DMA، بیشتر توسعه می‌یابد. روش محل جدید با پردازش در زمان واقعی اطلاعات خروجی تولید شده توسط روش تشخیص، با استفاده از تکنیک‌های زمین آماری کار می‌کند. روش محل وقوع حوادث / نشتی‌ها در یک مطالعه موردی از یک DMA واقعی در انگلستان با حوادث انفجاری شبیه‌سازی شده (یعنی مهندسی)نشان داده و تست شده‌است. نتایج به‌دست‌آمده نشان می‌دهند که سیستم تشخیص و موقعیت جدید می‌تواند به طور موفقیت آمیزی شیوع‌های درون یک DMA را تعیین کند (علاوه بر تشخیص رویداده‌ای مرتبط به شیوه‌ای سریع و قابل‌اعتماد).
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.