ایجاد خودکار نواحی اندازه‌گیری مجزا در شبکه‌های توزیع آب شهری با استفاده از الگوریتم ساختار جامعه و الگوریتم ژنتیک با هدف توزیع عادلانه فشار شبکه

ناحیه اندازه‌گیری مجزا (dma) یک منطقه مشخص شده است که امکان اندازه‌گیری میزان آب ورودی و خروجی آن منطقه در هر لحظه از زمان مهیا است. روند کلی تشکیل نواحی اندازه‌گیری مجزا عموماً به مرحله خوشه‌بندی برای تشخیص خودکار بهترین جوامع و مرحله ناحیه‌بندی فیزیکی برای بهینه‌سازی محل قرارگیری شیرهای دروازه‌ای و فلومترها در لوله‌های مرزی با توجه به تابع هدف صورت می‌گیرد. در این تحقیق ابتدا شبکه شهر تفت در استان یزد در نرم‎افزار epanet مدل شد و با اتصال epanet به نرم‌افزار matlab و بارگذاری مشخصات شبکه، با استفاده از الگوریتم ساختار جامعه، شبکه به صورت خودکار خوشه‌بندی شد. در مرحله ناحیه‌بندی فیزیکی با استفاده از الگوریتم ژنتیک محل‌های بهینه قرارگیری شیرهای دروازه‌ای و فلومترها با هدف کاهش واریانس میانگین فشار نواحی اندازه‌گیری مجزا مشخص شد. نتایج نشان داد که الگوریتم تشخیص ساختار جامعه با وزن میانگین فشار روزانه به خوبی توانایی ایجاد خودکار خوشه‌بندی مناسب با توجه به شاخص پیمانگی و فشار یکنواخت داخل خوشه‌ها را دارد و بهینه‌سازی لوله‌های مرزی منجر به کاهش فشار بخش‌های مختلف شبکه از جمله نواحی با فشار بالاتر از میانگین کل شبکه شد و با کاهش واریانس میانگین فشار نواحی اندازه‌گیری مجزا، باعث توزیع عادلانه فشار شبکه شد.

Automatic Creation of District Metered Areas in Urban Water Distribution Networks Using Community Structure Algorithm and Genetic Algorithm aiming at Equitable Distribution of Network Pressure

A District Metered Area (DMA) is a specified area in which inlet and outlet water at any time is measured. The procedure of forming District Metered Areas is generally comprised of two phases: The clustering phase for automatic detection of the best communities and the physical partitioning phase to optimize the location of gate valves and flowmeters according to the objective function. In this study, the network of Taft city in Yazd province was modeled in Epanet software and by linking EPANET and MATLAB and loading the network configurations, the network was automatically clustered using community structure. In the physical partitioning phase, using the genetic algorithm, the optimal locations of the gate valves and flowmeters was determined by considering the objective function of reduction of standard deviation of DMAs average pressure. The results showed that the community structure algorithm with average daily pressure weight can automatically create appropriate clustering according to the modularity index and uniform pressure in clusters. The optimization of boundary pipes resulted in the reduction of the pressure in different parts of the network, such as areas with pressure higher than the average pressure of the network, and due to the reduced standard deviation of DMAs average pressure caused equitable distribution of network pressure.