جانمایی حسگرهای کیفی در شرایط عدم قطعیت تقاضا در شبکه‌های توزیع آب

ورود آلودگی به صورت تصادفی یا عمدی به شبکه‌های توزیع آب به عنوان یکی از شریان‌های حیاتی هر کشور، موجب خسارت‌های گسترده در ابعاد مختلف جامعه می‌شود. تشخیص و هشدار به موقع تزریق آلودگی در شبکه توزیع آب بسیار ضروریست. این مطالعه با هدف جانمایی بهینه حسگرهای کیفی، روش جدیدی بر پایه نامشخص بودن زمان و مکان ورود آلودگی و عدم قطعیت تقاضا ارائه می‌دهد. این مطالعه الگوریتمی دو هدفه با استفاده همزمان از نتایج بهینه‌سازی تک هدفه pso برای یکی از قیودnsgaⅱ بر اساس عدم قطعیت تقاضا با روش کمینه‌ی بیشینه و رویکرد استوار ارائه می‌دهد. دو هدف مدنظر عبارتند از: کمینه کردن بیشترین خسارت محتمل ناشی از حجم آب آلوده مصرفی و کمینه کردن هزینه تهیه و نصب حسگر. این مطالعه با در نظر گرفتن سه سناریو (s1، s2 و s3) به منظور تزریق آرسنیک با غلظت‌های 50، 100 و 150 میلی‌گرم بر لیتر از گره‌های مختلف و در گام‌های زمانی متفاوت بررسی می‌شود. نتایج مدل توسعه داده شده بر روی یک شبکه مرجع نشان می‌دهد که در هر یک از سناریوهای s1، s2 و s3 نصب تنها یک حسگر خسارت را به ترتیب 75، 70 و 61 درصد کاهش می‌دهد. همچنین، ورود آلودگی از ساعت‌های 19 و 20 منجر به تولید سناریوی بحرانی می‌شود. با وجود اینکه جانمایی حسگرها به غلظت آلاینده تزریق شده وابسته است، با این حال محل‌هایی مانند گره‌های 5، 15، 17 و 19 در جواب‌های تولید شده بیشترین تکرار را داشتند. شکل‌گیری مناسب جبهه پارتو در هر سه سناریو نشان داد که رویکرد رباست، با حداقل انحراف تابع هدف از مقدار بهینه خود به ازای تمام پارامترهای دارای عدم قطعیت جواب‌های موجهی تولید می‌کند.

Quality Detection Sensors Location in Water Distribution Networks for Uncertain Water Demand Conditions

Accidental or intentional entry of pollution into water distribution networks as one of the vital life lines of any country, causes extensive damage in society. Early detection and warning of contaminant injection in the water distribution network is of significant importance. In order to optimize the location of quality sensors, this study presents a new algorithm based on uncertainty in pollution entry location and time and water demands. For the first time, this study presents a biobjective algorithm using the results of singleobjective PSO optimization simultaneously for one of the NSGAⅡ constraints based on water requirement uncertainty by the Minimax method and robust approach. The two goals are to minimize the maximum possible damage caused by the contaminated water consumed and to minimize the cost of sensor preparation and installation. In this study, considering three scenarios (S1, S2 and S3), arsenic injection with concentrations of 50, 100 and 150 mg / l from different nodes and in different time steps are investigated. The results of the developed model on a reference network reveal that in each of the three injection rate scenarios S1, S2 and S3, the installation of only one sensor reduces the damage by 75, 70 and 61%, respectively. Also, the entry of pollution from 19:00 and 20:00 leads to a critical scenario. Although, the location of the sensors depends on the concentration of the injected contaminant, the highest repeated location in the generated responses was found in nodes 5, 17, and 19. The proper formation of the Pareto front in all three scenarios of injection rate showed that for all parameters with uncertainty, the robust approach generates justified responses with a minimum deviation of the objective function from its optimal value.