جانمایی بهینه حسگرهای کیفی در شبکههای توزیع آب با عدم قطعیت محل و زمان ورود آلودگی
Publish place: Journal of Water and Wastewater، Vol: 31، Issue: 4
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 345
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WWJ-31-4_011
تاریخ نمایه سازی: 3 آذر 1399
Abstract:
ورود آلودگی به شبکههای توزیع آب، یکی از خطرناکترین حوادث محتمل است که میتواند بهصورت تصادفی یا عمدی باشد. با توجه به جریان آب در شبکه، این آلودگی به نقاط مختلف منتقل میشود و سلامت مردم را به خطر میاندازد. در این راستا، نصب حسگرهای کیفی یکی از مؤثرترین راهکارهاست. با تشخیص آلودگی توسط این حسگرها و اعمال سیاستهای مناسب پس از آن، خسارت ناشی از مصرف آب آلوده کاهش مییابد. در این پژوهش، یک مدل بهینهساز برای جانمایی بهینه محل حسگرهای کیفی ارائه شد. به این منظور، با توجه به عدم قطعیت مربوط به محل ورود آلودگی و گام زمانی ورود آن، پارامتری با عنوان «بیشترین خسارت محتمل» معرفی شد. برای محاسبه این پارامتر، ابتدا ماتریسهای خسارت برای همه مقادیر محتمل محل و گام زمانی ورود آلودگی و به کمک شبیهساز EPANET محاسبه شدند. در ادامه این ماتریسها در مدل بهینهساز استفاده شده و طرح جانمایی حسگرها با هدف حداقلسازی بیشترین خسارت محتمل ارائه شد. در این پژوهش از الگوریتم ژنتیک برای بهینهسازی استفاده شد. نتایج تحلیل یک شبکه نمونه بهعنوان مورد مطالعاتی نشان داد جانمایی بهینه حسگر(های) کیفی بر اساس روش ارائه شده، تا حد زیادی توانست خسارت ناشی از ورود آلودگی به شبکه را کاهش دهد. بهعنوان نمونه مشاهده شد که اضافه کردن فقط یک یا دو حسگر کیفی در محلهای بهینه، میتواند خسارت ناشی از آلوده شدن آب را بهترتیب تا 56 و 78 درصد کاهش دهد.
Keywords:
Authors
محمدعلی گرانمهر
پژوهشگر، پژوهشکده آب و فاضلاب دانشگاه صنعتی اصفهان، اصفهان، ایران
محمد یوسفی خرایم
پژوهشگر، پژوهشکده آینده پژوهی، دانشگاه بین المللی امام خمینی، قزوین، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :