کالیبراسیون شبکه‌های توزیع آب با درنظر گرفتن عدم‌قطعیت متغیر فشار در گره‌ها

با توجه به این‌که داده‌های مشاهداتی دارای عدم‌قطعیت‌های مختلف هستند، کالیبراسیون شبکه‌های توزیع آب براساس یک مقدار قطعی می‌تواند، نتایج مدل کالیبره شده را تحت‌تاثیر قراردهد. در این تحقیق، کالیبراسیون شبکه‌های توزیع آب با درنظر گرفتن عدم‌قطعیت مقادیر فشار در گره‌های شبکه بررسی می‌شود. برای این‌منظور سری داده‌های فشار به‌روش مونت‌کارلو برای گره‌های شبکه تولید و ضرایب هیزن-ویلیامز شبکه براساس این مقادیر به‌دست آمده و با تولید سری ضرایب هیزن-ویلیامز شبکه، مقادیر فشار محاسباتی در گره‌های شبکه محاسبه و نتایج دو فشار مقایسه شده است. کالیبراسیون مدل شبکه با الگوریتم دسته ذرات در لینک با مدل epanet در محیط matlab انجام شده است. روش پیشنهادی بر روی شبکه نمونه دوحلقه‌ای و شبکه توزیع آب شهر صوفیان پیاده شده است. نتایج نشان می‌دهد که اعمال عدم‌قطعیت فشارگرهی، منجر به مجموعه جواب‌های متعدد برای ضرایب هیزن-ویلیامز با دامنه تغییرات و انحراف معیار متفاوت می‌شود که با توجه به متوسط خطای مطلق 4 و 3/8 درصدی بین میانگین فشار گرهی در شبکه نمونه و شبکه واقعی در حالت غیرقطعی با حالت قطعی، روش پیشنهادی می‌تواند روش دقیق‌تری برای کالیبراسیون شبکه‌ها باشد، با این وجود چالش‌هایی در مدل‎سازی و زمان اجرای مدل‌های کالیبراسیون وجود دارد.

calibration of water distribution networks by considering the uncertainty of nodal pressure

given that, observational data have different uncertainties, the calibration of water distribution networks based on a definite value can affect the results of the calibrated model. in this research, the calibration of water distribution networks by considering the uncertainty of nodal pressure has been investigated. for this purpose, first, by generating a series of nodal pressure data using the monte carlo method, the hazen-williams coefficients of the network have been obtained. then, by producing a series of hazen-williams coefficients, the nodal pressure values have been calculated and the results of the two pressures have been compared. the calibration model was performed using the particle swarm optimization algorithm by linking the epanet simulator in matlab. the proposed method has been implemented on the two-loop sample network and real water distribution network of sufian city. the results show that the application of node pressure uncertainty in network nodes leads to multiple sets of solutions for hazen-williams coefficients of pipes with different variation ranges and standard deviations, which according to the average absolute error of 4 and 3.8 percent between the average nodal pressure in the sample and the real network in the non-deterministic mode with the deterministic mode, the proposed method, can be a more accurate method for calibrating networks. however, it should be noted that there are challenges in the modeling and execution time of calibration models.