پیش بینی آب مصرفی روزانه شهری و بهینه سازی ساعات کارکرد پمپ های ایستگاه‌ پمپاژ، مطالعه موردی: نجف‎آباد

در سال‎های اخیر مهندسین و بهره‎برداران علاقه بیشتری به استفاده از روش‎های هوشمندسازی و بهینه‎سازی شبکه‎ها در برابر سایر روش‎های پرهزینه‌ و زمان‎بر از جمله بازسازی و نوسازی شبکه، مدیریت دارایی و تجهیز شبکه به المان‎های جدید نشان‌ داده‎اند. در پژوهش حاضر، ابتدا براساس روش‎های میانگین متحرک و رگرسیون خطی، برخی روش‎های شبکه عصبی مصنوعی از جمله شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی، میزان آب مصرفی در شبکه توزیع آب شهری براساس چهار دسته ویژگی ورودی‎های مدل از جمله شماره روز در سال، شماره روز در هفته، تداوم تعطیلی و میزان دمای هوای بیشینه روزانه پیش‎بینی می‎شود. سپس براساس مقدار پیش‎بینی شده، الگوی مصرف ساعتی و تراز آب موجود در مخزن پایین‎دست ایستگاه پمپاژ، برنامه بهینه‌ زمان‎بندی برای ساعات روشن‌ شدن پمپ‎های دور ثابت ایستگاه پمپاژ تعیین می‎شود تا هزینه‌ برق مصرفی ایستگاه پمپاژ بر اساس تعرفه‎های مختلف برق، کاهش یابد. برای بررسی روش مذکور از شبکه آب شهری نجف‎آباد استفاده شده است که هزینه برق مصرفی ایستگاه پمپاژ آن با توجه به انتخاب مقدارهای مختلف برای پارامتر تناوب تغییر حالات پمپ‌ها، از 1.2% تا 13.3% نسبت به حالت بهره‎برداری سنتی کاهش یافته است.

daily urban water consumption prediction and optimization of pumping station operation hours: a case study of najaf abad

in recent years, engineers and operators have shown a greater interest in employing optimization method and making networks smart over other costlier and time-consuming approaches such as network rehabilitation, asset management, and network equipment upgrading. in the present study, the daily water consumption in the urban water distribution network is predicted based on four input features: day of the year, day of the week, continuity of holidays, and maximum daily air temperature, using moving average methods, linear regression, some artificial intelligence methods including multilayer perceptron neural network, and radial basis function neural network. subsequently, based on the predicted values, the optimal scheduling of pump station activation hours is determined considering the hourly consumption pattern and the water levels in the upstream and downstream reservoirs of the pumping station. this scheduling aims to reduce the electricity cost of the pumping station with the fixed speed pumps based on different electricity tariffs. the method has been applied to the najaf abad urban water network, resulting in a reduction of 1.2% to 13.3% in the electricity cost of the pumping station compared to the traditional operational mode due to the different time interval parameter values for pumping.