عملکرد الگوریتم تکامل تفاضلی برای نشت‌یابی در شبکه‌های توزیع آب با درنظر گرفتن عدم قطعیت نیازهای گرهی

یکی از اجزاء مهم آب بدون درآمد نشت موجود در شبکه آبرسانی بوده و از اقدام های ضروری به منظور کاهش آب بدون درآمد و مدیریت مصرف نشت یابی است در این پژوهش یک فرمول بندی بهینه سازی به منظور نشت یابی در شبکه های آب با فرض نبود آگاهی از شمار نشتها و داده های ناشی از اندازه گیری فشار توسعه داده شده است و مسئله جستجو با الگوریتم تکامل تفاضلی حل شده است. عملکرد مدل توسعه داده شده با تعریف پیش فرضهای مختلف از نظر موقعیت میزان و شمار نشت بررسی شده است. در آغاز پیش فرضهای مکان یابی از نظر شمار و میزان نشت شامل ،یک ده و بیست نشت همزمان بررسی شد و پس از آن مدل توسعه داده شده برای پیش فرضهای مکان یابی با شمار نشت نامعلوم و همچنین عدم قطعیت نیازهای گرهی اجرا شدند نتایج نشان داد موفقیت مدل در حالت قطعیت دادههای ورودی و وجود یک ،گره 100 بوده و با در نظر گیری تغییر پذیری ساعتی نیاز گرهی و با افزایش شمار نشتها تا ده و بیست گره نشت میزان موفقیت مدل در یافتن نقطه ی دقیق نشت به ترتیب 95 و 94/5% به دست آمده است. در پیش فرضهایی که شمار نشتها مجهول در نظر گرفته شده بود موفقیت مدل برای پیدا کردن شمار نشت %94 به دست می.آید موفقیت مدل در حالت عدم قطعیت نیازهای گرهی با شمار نشت ،معلوم با افزایش نشت تا %91 و با شمار نشت مجهول تا 86٪ می رسد.

the performance of differential evolution algorithm for leak detection in water distribution networks considering the uncertainty of nodal demands

water supply networks are one of the most important urban infrastructures for supplying water. considering that currently water wastage is a global concern and on the other hand the demand for water is increasing, this issue has made it necessary to manage the demand and modify the consumption pattern. one of the important components of non-revenue water is leakage in the water supply network, and leak detection is one of the necessary measures to reduce non-revenue water and manage consumption. in this research, an optimization formulation has been developed for the purpose of leak detection in water networks assuming the lack of information on the number of leaks and pressure measurement data, and the search problem has been solved with the differential evolution algorithm. the performance of the developed model has been investigated by defining different scenarios in terms of location, amount and number of leaks. first, the location scenarios were examined in terms of the number and amount of leaks, including one, ten, and twenty leaks at the same time, and then the developed model was implemented for location scenarios with an unknown number of leaks and the uncertainty of nodal needs. the results showed that the success of the model in the case of the certainty of the input data and the existence of a node is 100%, and by considering the hourly changes in the nodal demand and increasing the number of leaks up to ten and twenty leak nodes, the success rate of the model in finding the exact leak points is 95% and 94.5% has been obtained. in the scenarios where the number of leaks was considered unknown, the success of the model to find the number of leaks is 94%. the success of the model in the case of uncertainty of nodal requirements with the number of known leaks reaches 91% with the increase of leaks and 86% with the number of unknown leaks.