طراحي نواحي مجزاي اندازه‌گيري با رويکرد کاهش هزينه و کاهش نشت در شبکه‌هاي توزيع آب

الموضوعات :

محمد کاکش پور ¹ , محمدرضا جلیلی قاضی زاده ² , سید عباس حسینی ³ , احمد شرافتی ⁴

1 - گروه عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران.
3 - گروه عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
4 - گروه عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

تاريخ الإرسال : 28 الجمعة , ربيع الأول, 1445 تاريخ التأكيد : 09 الجمعة , جمادى الثانية, 1445 تاريخ الإصدار : 28 الأربعاء , ذو القعدة, 1445

الکلمات المفتاحية: نواحي مجزاي اندازه‌گيري, شبکه توزيع آب, SPEA2, نشت, مديريت فشار ,

ملخص المقالة :

زمينه و هدف: براي تخمين مقدار نشت در شبکه توزيع آب، انجمن بين‌المللي آب اندازه‌گيري مقدار جريان شبانه با استفاده از ايجاد نواحي مجزاي اندازه‌گيري (DMA1) را توصيه مي کند. از طرفي ايجاد اين نواحي براي شبکه هاي موجود و قديمي بايد با در نظر گرفتن عواملي از قبيل به حداقل رساندن لوله‌هاي مرزي بين نواحي، کمترين هزينه ايجاد نواحي و همچنين بررسي تأثير ايجاد نواحي برهيدروليک شبکه و ازجمله اثرگذاري بر ميزان نشت انتخاب گردد. به‌عبارت‌ديگر، طرح انتخابي به لحاظ هندسه، تعداد نواحي و همچنين شرايط مرزي بين نواحي بايد به‌صورت بهينه‌ محاسبه و انتخاب گردد. همچنين با توجه به تأثير انتخاب الگوريتم دو هدفه بر نتايج بهينه‌سازي، براي اولين بار نتايج الگوريتم‌هاي دو هدفه در ايجاد نواحي منطقه‌سنجي مقايسه شده است. براي انتخاب بهترين الگوريتم بهينه سازي در بخش پارتيشن بندي فيزيکي از الگوريتم هاي NSGAII، MOGWO، SPEA2 و MOPSO استفاده شد و نتايج نشان داد که الگوريتم SPEA2 بهتر از ساير الگوريتم‌ها عمل مي‌کند. سپس با بررسي نتايج ايجاد نواحي اندازه گيري مجزا با تغيير تعداد و هندسه نواحي در شبکه، وضعيت بهينه نواحي با توجه به دو هدف بهينه سازي و همچنين شاخص هايي مانند فشردگي و مقادير فشار گرهي محاسبه شده و طرح پيشنهادي انتخاب شد. روش پژوهش: در تحقيق حاضر يک روش جديد جهت ايجاد نواحي مجزاي اندازه‌گيري در شبکه توزيع آب موجود با رويکردهاي کاهش هزينه و کاهش نشت ارائه‌شده است. ايجاد نواحي با اين دو رويکرد کمتر در تحقيقات گذشته مورد بررسي قرار گرفته است. اين روش شامل مراحل خوشه‌بندي، ناحيه‌بندي فيزيکي و همچنين تجزيه‌وتحليل نتايج است. روش ارائه شده بر روي شبکه توزيع آب زدجي در کشور چين بکار گرفته شد. همچنين با توجه به اثرگذاري انتخاب الگوريتم دو هدفه بر نتايج بهينه‌سازي براي اولين بار به مقايسه نتايج الگوريتم‌هاي دو هدفه در ايجاد نواحي مجزاي اندازه‌گيري پرداخته شده است. جهت انتخاب بهترين الگوريتم بهينه‌سازي در بخش ناحيه‌بندي فيزيکي از الگوريتم‌هاي NSGAII2، MOGWO3، SPEA24، MOPSO5 استفاده شد که نتايج نشان داد الگوريتم SPEA2 نسبت به ساير الگوريتم‌ها عملکرد بهتري داشته است. سپس با بررسي نتايج ايجاد نواحي مجزاي اندازه‌گيري با تغيير تعداد و هندسه نواحي در شبکه، حالت بهينه نواحي با توجه به دو هدف بهينه‌سازي و همچنين شاخص‌هايي نظير پيمانگي و مقادير فشار گره‌اي مورد محاسبه قرار گرفت و طرح پيشنهادي انتخاب گرديد. يافته‌ها: نتايج نشان داد که با انتخاب بهينه تعداد وهندسه نواحي با روش ارائه شده، ميزان انحراف معيار فشار گرهي شبکه 8/14 درصد و ميزان نشت گرهي شبکه 8/5 درصد نسبت به حالت بدون ايجاد نواحي مجزاي اندازه‌گيري کاهش‌يافته است. درواقع ايجاد نواحي علاوه بر کنترل نشت در شبکه، موجب مديريت فشار و کاهش نشت در شبکه گرديده است. نتايج: روش ارائه شده ضمن ايجاد نواحي مجزاي اندازه‌گيري با کمترين هزينه، ميزان نشت و انحراف معيار فشار گرهي در شبکه را نيز کاهش داده است که به ايجاد عدالت توزيع آب در شبکه کمک مي‌کند. همچنين الگوريتم دو هدفه SPEA2 به‌عنوان الگوريتم برتر از بين چهار الگوريتم بررسي‌شده جهت ايجاد نواحي مجزاي اندازه‌گيري پيشنهاد مي گردد.

المصادر:

Bader, D. A., Meyerhenke, H., Sanders, P., & Wagner, D. (2013). Graph partitioning and graph clustering (Vol. 588). American Mathematical Society Providence, RI.

Bianchotti, J. D., Denardi, M., Castro-Gama, M., & Puccini, G. D. (2021). Sectorization for water distribution systems with multiple sources: A performance indices comparison. Water, 13(2), 131.

Bui, X. K., Marlim, M. S., & Kang, D. (2021). Optimal design of district-metered areas in a water distribution network using coupled self-organizing map and community structure algorithm. Water, 13(6), 836.

Coello, C. C., & Lechuga, M. S. (2002). MOPSO: A proposal for multiple objective particle swarm optimization. Proceedings of the 2002 Congress on Evolutionary Computation. CEC'02 (Cat. No. 02TH8600),

Creaco, E., & Haidar, H. (2019). Multiobjective optimization of control valve installation and DMA creation for reducing leakage in water distribution networks. Journal of Water Resources Planning and Management, 145(10), 04019046.

Deb, K., Agrawal, S., Pratap, A., & Meyarivan, T. (2000). A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II. Parallel Problem Solving from Nature PPSN VI: 6th International Conference Paris, France, September 18–20, 2000 Proceedings 6,

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, 6(2), 182-197.

Eliades, D. G., Kyriakou, M., Vrachimis, S., & Polycarpou, M. M. (2016). EPANET-MATLAB toolkit: An open-source software for interfacing EPANET with MATLAB. Proc. 14th International Conference on Computing and Control for the Water Industry (CCWI),

Ferrari, G., & Savic, D. (2015). Economic performance of DMAs in water distribution systems. Procedia Engineering, 119, 189-195.

Gopan, A. (2010). Pressure control for leakage minimization in water distribution network.

Kakeshpour, M., Jalili Ghazizadeh, M. R., Hoseyni, S. A., & Sharafati, A. (2023). Creating Districted Metered Areas in the Water Distribution Network Using Optimal Selection Indexes. Journal of Water and Wastewater Science and Engineering[In Persian].

Laucelli, D. B., Simone, A., Berardi, L., & Giustolisi, O. (2017). Optimal design of district metering areas for the reduction of leakages. Journal of Water Resources Planning and Management, 143(6), 04017017.

Liu, J., & Han, R. (2018). Spectral clustering and multicriteria decision for design of district metered areas. Journal of Water Resources Planning and Management, 144(5), 04018013.

Liu, J., & Lansey, K. E. (2020). Multiphase DMA design methodology based on graph theory and many-objective optimization. Journal of Water Resources Planning and Management, 146(8), 04020068.

Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey wolf optimizer. Advances in engineering software, 69, 46-61.

Mirjalili, S., Saremi, S., Mirjalili, S. M., & Coelho, L. d. S. (2016). Multi-objective grey wolf optimizer: a novel algorithm for multi-criterion optimization. Expert systems with applications, 47, 106-119.

Newman, M. E., & Girvan, M. (2004). Finding and evaluating community structure in networks. Physical review E, 69(2), 026113.

Pearson, D. (2019). Standard Definitions for Water Losses. IWA Publishing London, UK.

Rahmani, F., Muhammed, K., Behzadian, K., & Farmani, R. (2018). Optimal operation of water distribution systems using a graph theory–based configuration of district-metered areas. Journal of Water Resources Planning and Management, 144(8), 04018042.

Rossman, L. A. (2000). EPANET 2: users manual.

Saldarriaga, J., Bohorquez, J., Celeita, D., Vega, L., Paez, D., Savic, D., Dandy, G., Filion, Y., Grayman, W., & Kapelan, Z. (2019). Battle of the water networks district metered areas. Journal of Water Resources Planning and Management, 145(4), 04019002.

Saldarriaga, J., Páez, D., Bohórquez, J., Páez, N., París, J. P., Rincón, D., Salcedo, C., & Vallejo, D. (2016). Rehabilitation and leakage reduction on C-town using hydraulic criteria. Journal of Water Resources Planning and Management, 142(5), C4015013.

Sugishita, K., Abdel-Mottaleb, N., Zhang, Q., & Masuda, N. (2021). A growth model for water distribution networks with loops. Proceedings of the Royal Society A, 477(2255), 20210528.

Zeidan, M., Li, P., & Ostfeld, A. (2021). DMA segmentation and multiobjective optimization for trading off water age, excess pressure, and pump operational cost in water distribution systems. Journal of Water Resources Planning and Management, 147(4), 04021006.

Zhang, Q., Wu, Z. Y., Zhao, M., Qi, J., Huang, Y., & Zhao, H. (2017). Automatic partitioning of water distribution networks using multiscale community detection and multiobjective optimization. Journal of Water Resources Planning and Management, 143(9), 04017057.

Zhang, T., Yao, H., Chu, S., Yu, T., & Shao, Y. (2021). Optimized DMA partition to reduce background leakage rate in water distribution networks. Journal of Water Resources Planning and Management, 147(10), 04021071.

Zhou, H., Liu, Y., Yao, H., Yu, T., & Shao, Y. (2022). Comparative Analysis on the DMA Partitioning Methods Whether Trunk Mains Participated. Water, 14(23), 3876.

Zitzler, E., Laumanns, M., & Thiele, L. (2001). SPEA2: Improving the strength Pareto evolutionary algorithm. TIK report, 103.

Zitzler, E., & Thiele, L. (1998). An evolutionary algorithm for multiobjective optimization: The strength pareto approach. TIK report, 43.