بررسی تاثیر عدم قطعیت داده‌ها و نوع شبیه‌سازی هیدرولیکی بر نتایج مدل‌سازی و ارزیابی عملکرد شبکه‌های توزیع آب

شبکه‌های توزیع آب زیرساخت‌های پیچیده‌ای هستند که ساخت، بهره‌برداری و نگهداری از آنها نیازمند صرف هزینه‌های قابل توجهی است. از آن‌جایی که اکثر متغیرهای موثر در طراحی و بهره‌برداری از شبکه‌های توزیع آب به‌طور دقیق و قطعی قابل محاسبه و دست‌یابی نیستند، لذا بحث عدم‌ قطعیت به‌عنوان یک موضوع جدا نشدنی در زمینه محاسبات این شبکه‌ها نیز باید مد نظر قرار گیرد. در این پژوهش با استفاده از مفهوم منطق فازی و به‌کارگیری الگوریتم بهینه‌سازی ژنتیک، تاثیر عدم قطعیت‌های موجود در متغیرهای ورودی شبکه (تقاضای گرهی و ضریب زبری لوله) بر نتایج تحلیل هیدرولیکی دو شبکه توزیع آب نمونه بررسی شد. در ابتدا توابع عضویت فازی متغیرهای ورودی به‌دست آمد و با منظور نمودن تاثیر توام عدم قطعیت این متغیر‌ها، متغیرهای خروجی تحلیل هیدرولیکی با دقت بیشتری محاسبه شد. در ادامه متغیرهای فشار، سرعت و افت انرژی به‌عنوان نشانگرهایی برای ارزیابی عملکرد هیدرولیکی اجزای شبکه (گره‌های مصرف و لوله‌ها) در نظر گرفته شد. به‌منظور محاسبه شاخص عملکرد هیدرولیکی این اجزا، پس از تحلیل هیدرولیکی شبکه با استفاده از مدل تحلیل هیدرولیکی مبتنی بر فشار، از منحنی‌های جریمه تعریف شده مطابق با استانداردهای موجود، استفاده شد و نتایج با خروجی‌های تحلیل هیدرولیکی مبتنی بر تقاضا مقایسه شد. به‌علاوه معادله جدیدی برای تلفیق عملکرد اجزای شبکه و به‌دست آوردن شاخصی برای ارزیابی عملکرد کل لوله و محاسبه اندیس عملکرد هیدرولیکی کل شبکه معرفی شد. طبق نتایج حاصل، مقادیر عدم‌ قطعیت جزئی در متغیرهای ورودی تحلیل هیدرولیکی، عدم قطعیت بالایی در نتایج تحلیل هیدرولیکی شبکه‌های توزیع آب به‌دنبال داشت. البته متغیر سرعت جریان در لوله‌ها بیشتر از متغیر فشار گرهی تحت تاثیر عدم قطعیت موجود در متغیرهای ورودی تحلیل هیدرولیکی قرار می‌گیرد. همچنین استفاده از روش تحلیل مبتنی بر فشار در ارزیابی عملکرد هیدرولیکی شبکه‌های توزیع آب در طول دوره بهره‌برداری منجر به نتایج منطقی‌تر و نزدیک‌تر به واقعیت می‌شود.به‌طور مثال شاخص عملکرد کل شبکه برای شبکه 9 حلقه‌ای برابر 0.56 و برای شبکه دو حلقه‌ای هم براساس روش‌های تحلیل هیدرولیکی مبتنی بر تقاضا و مبتنی بر فشار به ترتیب برابر 0.26 و 0.59 به‌دست آمد.

Examining the Influence of Data Uncertainty and Hydraulic Simulation Method on the Results of Modeling and Performance Evaluation of Water Distribution Networks

Water distribution networks (WDNs) are complicated infrastructures which their construction, operation and maintenance have considerable costs. Since most of the variables effective on the design and operation of WDNs cannot be computed and achieved accurately and definitely, uncertainty subject should be considered as an inseparable issue in the calculation of these networks. In this study, using the fuzzy logic concept and genetic optimization algorithm, the impact of uncertainties of input variables (nodal demands and pipe roughness coefficients) on the results of hydraulic analysis of two sample networks have been examined. In this regard, first, the fuzzy membership functions of input variables have been determined and by considering the simultaneous impacts of these variables’ uncertainties, the output variables of hydraulic analysis have been calculated more accurately. Afterwards, variables of pressure, velocity and energy loss have been considered as representers for evaluating the hydraulic performance of network elements (nodal demand and pipes). In order to calculate the hydraulic performance indices of these elements, after analyzing the network based on the pressure driven simulation method, penalty curves defined according to the available standards, have been employed and the obtained results have been compared to the results of the demand driven simulation method. In addition, a new relation for combining the performance indices of network elements and obtaining an index for evaluating the total pipe performance and calculating the total hydraulic performance index of network has been introduced. According to the obtained results, slight uncertainties in the input variables of hydraulic analysis lead to high uncertainties in the outputs of the hydraulic analysis of WDNs. Meanwhile, velocity in pipes more than nodal pressures are affected by the uncertainties of input variables of hydraulic analysis. Also, implementing the pressure driven simulation method in performance evaluation of WDNs in their operation period leads to more reasonable and real results. For instance the total performance of network was 0.56 for 9loop network and was 0.26 and 0.59 for 2loop network, respectively, based on demand and pressure driven simulation methods.