نمونه ترجمه تخصصی رشته مهندسی آب

علاوه بر این، همانطور که این فرایندها تاثیر مهمی در فرآیندهای دیگر برنامه‌های کاربردی دارند، این راه‌حل نرم‌افزاری یکپارچه باید به اندازه کافی انعطاف‌پذیر باشد تا ارتباط با سیستم‌های اطلاعات کاربردی دیگر (یعنی مشتری، تعمیر و نگهداری و سیستم‌های اطلاعاتی برنامه‌ریزی سرمایه‌گذاری) را تطبیق دهد.

سفارش ترجمه تخصصی رشته عمران

 

۱.۴ آخرین پیشرفت های علمی

این روزها، نظارت زمان حقیقی و مدیریت سیستم‌های تامین آب و توزیع منابع حوزه های تحقیقاتی فعالی در زمینه توسعه و / یا نوآوری های علمی توسط شرکت های مختلف هستند (به عنوان مثال، Schneider Electric-Telvent، ABB، و dhi TaKaDu و غیره). به طور مثال، علاقه به آب و برق در سراسر جهان برای ایجاد فعالیت های عملیاتی و فرآیندهای شرکت برای بهبود نظارت و مدیریت زمان واقعی به صورت فزاینده ای در حال افزایش است. برای نمونه؛

• کاهش هدررفت آب و هزینه‌های عملیاتی
• مصرف انرژی و بهره‌وری
• مطابقت با تامین آب مشخصه
• کیفیت آب و رعایت مقررات توزیع آب
• دقت، قابلیت اطمینان و در دسترس بودن داده ها
• طرح‌هایی برای مکان‌یابی و استفاده از حسگره ای جدید برای بهبود دانش در مورد وضعیت زمان حقیقی شبکه
• برنامه‌هایی برای بهبود و پیشرفت نگهداری دارایی‌ها
• و واکنش اضطراری.

۱.۴.۱ نظارت زمان حقیقی بر شبکه‌های آب

نظارت بر شبکه های آب به ارزیابی مداوم کمیت و کیفیت آب اشاره دارد. نظارت کمی زمان حقیقی امکان شناسایی و جداسازی انواع مختلف نشت و هدررفت آب و نقص‌های دیگر موثر بر حسگرها (جریان سنج، کنتورها، و غیره) و عملگرها (پمپ‌ها، دریچه‌ها و غیره) را فراهم می کند. پایش کیفی زمان - حقیقی اجازه می‌دهد تا چندین پارامتر کیفیت آب در امتداد شبکه‌ها برای حفظ امنیت و کیفیت آب ردیابی شود و در صورتی که مقادیر غیر عادی تشخیص داده شوند، سیستم فوراً واکنش نشان دهد. پایش شبکه آب نیازمند سه المان اصلی است که باید اجرا شوند: حسگرها، وسایل ارتباطی و مدل‌های ریاضی.

با توجه به نظارت کمی شبکه، هدف اصلی مربوط به منافع برنامه‌های آب در جلوگیری از هدر رفتن آب است. استفاده از حسگره ای جریان و فشار همراه با مدل‌های هیدرولیک شبکه آب برای تشخیص نشتی و جداسازی روشی مناسب برای پایش برخط (آنلاین) تعادل آب است. یک روش مستقیم مبتنی بر شبیه‌سازی توسط [۹، ۱۰] پیشنهاد شده‌است. یک روش جایگزین مبتنی بر یک روش معکوس که تشخیص نشتی و مساله جداسازی را به عنوان یک روش تخمین پارامتر بیان می‌کند توسط ]11[ ارائه شده و رویکردهای معکوس بیشتری نیز در ]12-14[ مورد بررسی قرار گرفتند. تجربه مدل هیدرولیکی در تمام شرکت‌های آب مورد استفاده قرار است و استفاده از یک رویکرد مبتنی بر یک ابزار آشنا و ساده مورد استقبال تکنسین‌ها قرار می‌گیرد. این مدل‌ها شامل جریان‌ها و متغیرهای فشار هستند. فشار معمولاً به راحتی با توجه به هزینه پایین حسگرها نظارت و ارزیابی می شود. بنابراین، تشخیص و موقعیت یابی نشت براساس تفاوت بین فشارهای پیش‌بینی‌شده و اندازه‌گیری شده همواره در حال بررسی هستند. حساسیت فشار به نشتی در ماتریس حساسیت ارزیابی می‌شود، که مبنای تشخیص نشتی با استفاده از اندازه‌گیری فشار و مدل‌های هیدرولیک می‌باشد. اخیراً، یک روش تشخیص نشتی و جداسازی که استفاده صریح از ماتریس حساسیت را توصیه می‌کند، توسط [۱۵] پیشنهاد شده‌است.

سفارش ترجمه تخصصی رشته عمران

پایش کیفیت آب مربوط به ردیابی تعدادی از شاخص‌های فیزیکی، بیولوژیکی و شیمیایی است که رضایت مصرف کنندگان را ایجاد می‌کنند. مانند مدل هیدرولیک شبکه توزیع آب، کارایی مدلهای کیفیت آب نه تنها به کیفیت کالیبراسیون آن، بلکه به کالیبراسیون مدل هیدرولیک نیز بستگی دارد [۱۶]. اگر جریان واقعی با یک مدل هیدرولیکی به درستی نمایش داده نشود، یک مدل کیفیت آب نمی‌تواند نتایج قابل اطمینانی ارایه دهد. مدیریت کیفیت آب نیازمند اندازه‌گیری و پایش منظم است. اغلب اندازه‌گیری کیفیت آب به صورت دستی انجام می‌شود. این فرآیند می‌تواند کند و دشوار باشد. برای پوشش دادن مساحت مورد نیاز، اندازه‌گیری‌های چند نقطهای لازم است. این فرآیند باید اتوماتیک شده و برای فراهم کردن نظارت سریع و موثر گسترش یابد. در این راستا، پروژه FP7 - ICT MOBESENS [۱۷] یک راه‌حل یکپارچه مدوله شده و مقیاس پذیر مبتنی بر فن‌آوری‌های ارتباطی برای پایش کیفیت آب فراهم کرد. اگرچه این راه‌حل در مقیاس حوضه آبریز به کار گرفته می‌شود، اما جنبه‌های مشخصی به طور بالقوه برای نظارت بر کیفیت شبکه‌های آب آشامیدنی قابل‌استفاده هستند.

انواع مختلفی از مدل‌ها برای تعیین غلظت کلرین در یک سیستم توزیع آب در [۱۸، ۱۹] توضیح داده شده‌اند. در حال حاضر روش‌های مورد استفاده برای نظارت کلرین و تشخیص تغییرات غلظت کلرین در شبکه‌های آب را میتوان‌ به آن‌هایی که از یک روش مستقیم مبتنی بر شبیه‌سازی استفاده می‌کنند، [۱۸، ۲۰، ۲۱]، و آن‌هایی که با استفاده از یک روش معکوس براساس تخمین پارامتر مدل واپاشی کلرین استفاده می کنند [۱۹، ۲۴، ۲۵] طبقه‌بندی کرد. همانطور که در مورد پایش نشتی، یک روش پایش کلرین - که استفاده از یک آنالیز حساسیت را ایجاد می‌کند، توسط [۲۶، ۲۷] پیشنهاد شده‌است. مساله مکان‌یابی حسگر کیفیت آب نیز از دیدگاه امنیتی مورد بررسی قرار گرفته‌است.

تحقیقات مسابقه شبکه‌های حسگر آب (BWSN) در سال ۲۰۰۶ نتایج قابل‌توجهی را ارائه کرد و اهمیت بررسی مسایل امنیتی در سیستم‌های توزیع آب را بیش از پیش نشان داد. اکثر گروه‌های تحقیقاتی که در BWSN شرکت داشتند، مساله برنامه‌ریزی بهینه‌سازی عدد صحیح چند هدفه را در [۲۸] بیان کردند. پس از این کار، یک فرمول‌بندی ریاضی از مساله از دیدگاه سیستم و کنترل در [۲۹] ارائه شد. علاوه بر این، یک روش نمونه‌گیری دستی پویا در [۳۰] برای ایزوله کردن یک ناحیه در شبکه که منبع آلودگی با استفاده از تکنیک نمونه‌گیری دستی بسط یافته پیشنهاد شد.

یکی دیگر از مشکلات مرتبط با نظارت بر کیفیت آب، رخدادهای وقایع آلودگی است. فرض اصلی تشخیص آلودگی با استفاده از اندازه گیری های کیفیت آب جایگزین این است که آلاینده های تزریق شده در آب آشامیدنی روی پارامترهای خاصی را که تحت نظارت قرار می گیرند تأثیر می گذارد [31]. برای نمونه، سموم باکتریایی ممکن است غلظت کلرین آزاد را کاهش داده، پتانسیل کاهش اکسیداسیون (ORP) را کاهش داده و رسانایی آب را افزایش دهد. با این حال، تشخیص رخدادهای آلودگی در سیستم‌های آب واقعی به دلیل عدم قطعیت‌های بزرگ در پویایی (دینامیک) و عوامل مختلفی که بر کیفیت آب تاثیر می‌گذارند و ممکن است باعث تعداد زیادی آلارم کاذب (مثبت کاذب) شود، چالش برانگیز است.

پایش شبکه نیازمند جمع‌آوری داده ها از شبکه آب فیزیکی است. به خاطر مقیاس بالاتر سیستم‌های آب شهری، نصب حسگرها و یا انجام اندازه‌گیری‌ها در هر مکان مورد نظر امکان پذیر است. به منظور دستیابی به اطلاعات مفید برای پایش شبکه، داده‌ها باید از زیرمجموعهای از مکان‌هایی که به دقت انتخاب شده‌اند جمع‌آوری شوند تا عملکرد را با توجه به معیارهای طراحی خاص به حداکثر برسانند. محققین مختلف در مورد تاثیر موقعیت مکانی حسگر بر روی نتیجه گیری های پیرامون وضعیت سیستم مانند [۳۲ - ۳۵] تحقیق نموده اند و نتایج به دست آمده توسط آنها به شدت قابل‌توجه است. مساله مکان‌یابی حسگر عمومی ترکیبی از فضای جستجو به طور بالقوه یک مساله به شدت بزرگ مقیاس است. الگوریتم‌های کارآمد که از جستجوی کامل اجتناب می‌کنند نیز توسط [۳۶] پیشنهاد شده‌است. با توجه به نظارت کمی با تشخیص نشتی و جداسازی، تعیین موقعیت مکانی بهینه حسگر توسط [۳۷] مورد بررسی قرار گرفت. در مورد نظارت کیفی، روش‌های تعیین جای حسگر بهینه برای تشخیص رویدادهای آلودگی از طریق [۳۸ - ۳۸] توسعه داده شدند.

در شبکه‌های آب, سیستم کنترل از راه دور باید کسب, ذخیره و اعتبارسنجی داده های کنتورها و حسگره ای دیگر را هر چند دقیقه تعیین کنند تا به یک پایش دقیق از کل شبکه در زمان واقعی دست یابیم. مشکلات عملیات مکرر در سیستم ارتباطی بین حسگرها و متمرکز ساز داده ها, یا در خود کنترل از راه دور داده‌های از دست رفته را در طول دوره‌های خاصی از زمان ایجاد می‌کند. داده‌های ذخیره‌شده گاهی ناهمبسته بوده و هیچ استفادهای از داده های ثبت شده تاریخی ننموده اند. بنابراین داده‌های موجود باید با مجموعهای از داده‌های تخمینی جایگزین شوند. دومین مساله مشترک فقدان قابلیت اعتماد به میزان جریان (انحرافات, جابجایی و خرابی‌ها) است که داده‌های جریان نادرست را ایجاد می‌کند. این داده‌های نادرست نیز باید با داده‌های تخمینی شناسایی و جایگزین شوند, زیرا داده‌های جریان برای وظلیف مختلف مدیریت آب شبکه, یعنی برنامه‌ریزی, طرح‌های سرمایه‌گذاری, عملیات, نگهداری و صدور صورتحساب / مصرف‌کننده و کنترل عملیاتی استفاده ‌شوند. همان نوع مشکل را میتوان‌ در شبکه‌های گاز یا برق در [41] مشاهده نمود.

سفارش ترجمه تخصصی رشته عمران

با توجه به ماهیت دانش موجود، روش‌های مختلف برای اعتبار سنجی داده‌ها را میتوان‌ با درجات مختلفی از پیچیدگی تصور کرد. به طور کلی، ممکن است بتوان بین روش‌های ابتدایی (سطح پایین) و روش‌های مبتنی بر مدل (سطح بالاتر) در [۴۲، ۴۳] تمایز قایل شد. روش‌های ابتدایی مبتنی بر سیگنال از شیوه‌های اکتشافی ساده و اطلاعات آماری محدود یک حسگر داده‌شده در [۴۴ - 46] استفاده می‌کنند. به طور معمول این روش‌ها مبتنی بر اعتبار سنجی مقادیر سیگنال و یا تغییرات سیگنال ها هستند. در رویکرد مبتنی بر سیگنال، اعتبار داده‌ها توسط دو حد آستانه (یکی بالا و یکی پایین) تایید یا رد می‌شوند؛ خارج از این حدود، داده ها نامعتبر فرض می‌شوند. از سوی دیگر، روش‌های مبتنی بر تغییرات سیگنال به دنبال تغییرات قوی (وجود پیک در منحنی) و نیز عدم تغییرات (منحنی تخت) می‌باشند.

روش‌های مبتنی بر مدل بر استفاده از مدل‌ها برای بررسی ثبات داده‌های حسگر در [۴۷] و اخیراً در [۴۸] قابل مشاهده هستند. نتیجه اعتبار سنجی داده‌ها می‌تواند یک متغیر دوتایی باشد که نشان می‌دهد آیا داده‌ها معتبر هستند یا خیر، یا یک شاخص اعتبار پیوسته به عنوان درجه اعتماد به داده‌ها تفسیر می‌شود. وقتی درجه اعتماد بسیار پایین باشد، داده‌ها را می‌توان با یک تخمین محاسبه‌شده با استفاده از یک مدل آماری یا فیزیکی جایگزین کرد [۴۹]. علاوه بر این، مجموعهای از رویکردهای مبتنی بر مدل برای اعتبار سنجی داده‌های حسگر این است که پیش‌بینی ارایه‌شده توسط مدل می‌تواند برای بازسازی وضعیت معیوب یک حسگر به کار رود. به عنوان مثال، یک روش یادگیری عمومی برای تشخیص خطای سیستم‌های غیرخطی توسط [۵۰] ارائه شده‌است. نتایج قابلیت تشخیص خطا بعداً به خطاهای ابتدایی توسط [۵۱] تعمیم داده شد [۵۱]. در شرایط خاص، یک حد بالایی در زمان تشخیص خطا برای هر خطاهای ناگهانی و اولیه بدست آمد و رابطه ای بین موقعیت برآوردگر و حد بالایی در زمان تشخیص برقرار شد. اخیراً، نتایج امیدوارکننده ای در مورد تشخیص خطای توزیع شده از طبقه ویژه سیستمهای دینامیکی غیرخطی توسط [52، 53] بدست آمده است.

در نهایت، از آنجایی که شبکه‌های آب آشامیدنی در مقیاس بزرگ شامل تعداد زیادی از حسگرها و محرک‌ها هستند، آن‌ها به شدت مستعد عملکرد ضعیف هستند (یعنی در وضعیت معیوب هستند). این مشکل نیازمند استفاده از یک سیستم تشخیص خطای آنلاین و جداسازی است که قادر به شناسایی چنین نقایصی و اصلاح آن‌ها (در صورت امکان) با فعال‌سازی مکانیسم‌های تحمل خطا، یا استفاده از تحمل خطای کنترل‌کننده بهینه / پیش‌بینی است، که مانع از آن می‌شود که هر بار یک خطا در نظر گرفته شود. بنا به [۵۴]، این یکی از دلایل اصلی است که چرا امروزه تنها تعداد کمی کنترل‌های زمان حقیقی در جهان وجود دارد. برخی مثال‌های این روش‌ها که در حوزه آب اعمال می‌شوند عبارتند از تکنیک‌های تحلیل سری‌های زمانی مانند [۵۵ - ۵۸]،  فیلترهای کالمن در [۵۹ - ۶۵] و اخیراً توسط روش‌های تشخیص الگو در [۶۷ - ۷۰] و اخیراً در [۷۱].

۱.۴.۲ کنترل بهینه زمان حقیقی شبکه‌های آب

مدیریت کارآمد شبکه‌های آب آشامیدنی شهری نیازمند یک سیستم کنترل نظارتی است که به طور بهینه درباره پیکربندی عملیاتی فعلی کل شبکه تصمیم می‌گیرد. این تصمیمات یا به صورت خودکار اجرا می‌شوند و یا به عنوان یک پشتیبانی تصمیم برای اپراتورها و مدیران در مرکز کنترل ارایه می‌شوند. سیستم کنترل باید محدودیت‌های عملیاتی، نیازها و هزینه‌های عملیاتی مصرف‌کننده (به طور ویژه هزینه‌های برق) را مد نظر قرار دهد. تصمیمات سیستم‌های کنترل به مجموعهای از نقاط معین به سیستم‌های کنترل سطح پایین، محلی و فردی منتقل می‌شوند که پروفیل فشار را بهینه‌سازی می‌کنند تا هم زیان‌های ناشی از نشت را به حداقل برسانند و هم فشار کافی را فراهم کنند.

مثلاً برای ساختمان‌های بلند بالا. کل سیستم کنترل به تغییرات در توپولوژی شبکه (گسیختگی)، پروفیل‌های روزانه / هفتگی، و نیز تغییرات عمده در تقاضا پاسخ می‌دهد.

موارد اصلی مرتبط با چنین کنترل عملیاتی پیچیدگی شبکه (ده ها یا حتی صدها مخزن، دریچه ها، ایستگاه های پمپاژ، نقاط مصرف آب، منابع آب) و نحوه بهره برداری بهینه شبکه، یعنی با استفاده  موثر از منابع آب و به حداقل رساندن هزینه های بهره برداری است در حالی که تقاضای آب و استانداردهای کیفی نیز همزمان برآورده می شوند. به طور خاص، انرژی الکتریکی منبع اصلی هزینه های بهره برداری است، هم برای تولید آب (به عنوان مثال، به دست آوردن آب آشامیدنی در تصفیه خانه ها ممکن است به یک فرآیند اسمز معکوس نیاز داشته باشد، که به انرژی نسبتاً بالایی نیاز دارد) و هم برای ایجاد فشار برای آب توسط ایستگاه های پمپاژ ( میزان مصرف ناشی از دریچه ها و مخازن معمولاً بطور قابل توجهی کمتر است). در حال حاضر، با توجه به ایستگاه پمپاژ، اهمیت آن و ناحیه تحت پوشش آن، قراردادهای دو جانبه مختلفی با شرکتهای تأمین انرژی برق با انواع مختلف و دوره های مختلف هزینه (از دو دوره تا شش دوره مختلف قیمت در هر روز، بسته به روزهای کاری، آخر هفته ها و فصلها) منعقد می شود. بر این اساس، راهکار فعلی این است که دوره های پمپاژ هر ایستگاه را از پیش تعیین کنید و وقتی که قیمت انرژی تنظیم شده توسط پیمان، کمترین میزان ممکن برای آن ایستگاه باشد، مطمئن شوید که با کمک ظرفیت ذخیره متوسط ​​آب، تقاضای مورد انتظار برآورده می شود.

سفارش ترجمه تخصصی رشته عمران

کاهش هزینه های عملیاتی با در نظر گرفتن متغیر قیمت انرژی در بازار مبادله برق، انحراف احتمالی از تقاضای آب مورد انتظار و وضعیت شبکه فیزیکی، در یک مسیر ترکیبی و بهینه سازی می تواند موجب صرفه جویی اقتصادی چشمگیر شود. در حقیقت، حتی کاهش ناچیز نیز می تواند منجر به صرفه جویی چشمگیری شود، با توجه به حجم زیاد انرژی الکتریکی که مصرف می شود (به عنوان مثال، در شبکه آب شهر بارسلونا در سال 2011، مصرف انرژی به طور متوسط 245 مگاوات ساعت در روز برای تولید آب و 92.5 مگاوات ساعت در روز برای انتقال آب بود. دومی بیشتر به دلیل پمپاژ آب از سطح دریا تا بیش از 500 متر بالاتر از آن است).

برای طراحی سیستم کنترلی برای بهره برداری از شبکه پیچیده آب و مطابقت بهینه مصرف کننده با توجه به هزینه های انرژی ، نیاز به مدل های ساده و در عین حال نماینده ، ریاضی پویایی شبکه (جریان ها ، ذخیره سازی ، منابع آب و فشار) و محدودیت های مربوط به کار (پمپاژ) ، دریچه ها ، کیفیت آب و فشار) ، مدل های تصادفی از عدم اطمینان ناشی از تقاضای آب ، احتمالاً با مدیریت فعال تقاضا آشفته شده و مدل های تصادفی از قیمت برق متفاوت برای مقدار انرژی خریداری شده در بازار انرژی روزمره.

مدل‌های غیرخطی پیچیده برای عملیات غیر برخط بسیار مفید هستند (برای مثال کالیبراسیون و شبیه‌سازی). در واقع، نمایش‌های ریاضی دقیق از قبیل مدل‌های جریان فشار برای شبکه‌های آب آشامیدنی منجر به شبیه‌سازی این سیستم‌ها با دقت بالا می شود که برای مشاهده پدیده‌های خاص ویژهای که برای طراحی و / یا برنامه‌ریزی کار مفید هستند. با این حال، برای اهداف بهینه‌سازی آنلاین، مدل‌های ساده‌تر کنترل محور باید انتخاب شوند تا رفتار پویای اصلی شبکه آب را ثبت کنند و تنها متغیرهای آبی / هیدرولیکی و واکنش آن‌ها به دستورها تحریک و اغتشاشات خارجی را در نظر می گیرند. چنین مدل‌هایی باید ساده، مقیاس پذیر، انعطاف‌پذیر، از نظر محاسباتی سبک بوده و به آسانی با استفاده از داده از سیستم تله متری به طور آنلاین استفاده شوند، به طوری که بتوانند به راحتی در الگوریتم‌های بهینه‌سازی زمان واقعی تعبیه شوند. تکنیک‌های مدلسازی مختلف برای شبکه‌های آب آشامیدنی در متون علمی، از جمله مدل‌های مبتنی بر جریان کنترل محور در [۷۲، ۷۳] و تعمیم آن‌ها به مدل‌های مبتنی بر فشار در [۷۴، ۷۵] ظاهر شدند.

چنین مدل‌هایی به صورت موثر برای حل مساله مدیریت شبکه‌های آب، با استفاده از کنترل مبتنی بر بهینه‌سازی، مانند کنترل پیش‌بینی کننده مدل (MPC) به کار می‌روند. MPC یک مفهوم پیشرو در کنترل فرآیند پیشرفته فرایندهای چند متغیری پیچیده است [۷۶]. موفقیت این روش عمدتاً به دلیل توانایی منحصر به فرد آن برای حل محدودیت‌های فیزیکی در سیستم (مثلا، حدود متغیرهای فرآیند انتخاب‌شده و / یا میزان تغییر آن‌ها) در حین بهینه‌سازی یک شاخص عملکردی (به عنوان مثال، به حداقل رساندن هزینه‌ها یا به حداکثر رساندن سود) است. مابقی طراحی MPC به صورت خودکار است: مدل ارایه‌شده (یا به روز ترین مدل موجود)، محدودیت‌ها و شاخص عملکرد یک مساله کنترل بهینه را در یک افق زمانی محدود در آینده تعریف می‌کنند (به همین دلیل، به این رویکرد پیش‌بینی کننده گفته می شود). این مساله به یک مساله بهینه‌سازی معادل تبدیل می‌شود و بصورت برخط حل می‌شود تا یک توالی بهینه از حرکت‌های کنترلی آینده بدست آید. تنها اولین حرکات در این فرآیند اعمال می‌شود، همانطور که در مرحله بعدی یک مساله کنترل بهینه جدید حل می‌شود تا از اطلاعات به‌دست‌آمده از اندازه‌گیری‌های جدید استفاده شود. بدین ترتیب یک روش طراحی حلقه باز (یعنی، کنترل بهینه) به یک بازخورد در [۷۷، ۷۸] تبدیل می‌شود.

در زمینه مدیریت شبکه آب شرب، زمانبندی مبتنی بر بهینه‌سازی توسط [۲] به عنوان یک روش بهینه‌سازی دو سطحی در نظر گرفته شد: سطح بالاتر یک مساله بهینه‌سازی را بر اساس مدل‌های مبتنی بر جریان برای تعیین مرجع برای مدل سطح پایین‌تر (که به صورت عکس، بر پایه مدل‌های مبتنی بر فشار است) حل می‌کند. مطالعات اخیر اثربخشی و کارایی MPC را در کنترل شبکه‌های آبرسانی در [۷۹، ۸۰] اثبات کرده‌اند. به طور خاص، اثربخشی ابزارهای MPC توزیع‌شده و غیر متمرکز شده در پروژه FP7-ICT  قبلی [۸۱] برای کنترل شبکه‌های توزیع آب، با در نظر گرفتن مدل‌های قطعی مقیاس بزرگ کل شبکه، و تجزیه فرمول کنترل بهینه حاصله برای کارایی محاسبات، مقیاس پذیری و نگهداری نشان‌داده شده‌است.

از سوی دیگر، سیستم های مدیریت شبکه های آب لزوما باید با عدم قطعیت کنار بیایند. مهم‌ترین متغیر ناپایدار، تقاضای آب است، بنابراین پیش‌بینی تقاضا به یک مولفه حیاتی سیستم کنترل تبدیل می‌شود. بسته به بازه زمانی پیش بینی، افق های زمانی کوتاه‌مدت، میان‌مدت و بلند مدت وجود دارند [۸۲]. پیش‌بینی کوتاه‌مدت با در نظر گرفتن پیش‌بینی تقاضا برای یک یا چند روز جلوتر عمدتاً برای کنترل عملیاتی استفاده می‌شود [۴۸، ۸۳، ۸۴]. دومین منبع مهم عدم قطعیت قیمت برق است، در صورتی که مقدار نسبتاً زیادی انرژی الکتریکی در بازار مبادله برق خریداری‌شده و بهره‌برداری شود. فرمولاسیون تصادفی MPC که صریحاً از الگوهای عدم قطعیت برای بهینه سازی درآمدهای مورد انتظار و جریمه کردن ریسک استفاده می کند، طی دهه گذشته در تحقیقات دانشگاهی مانند [85-87] توسعه یافته است. از آنجا که مدل های تصادفی از پویایی قیمت برق می تواند از داده های بازار در [88 ، 89] حاصل شود ، تکنیک های MPC تصادفی اخیراً در پروژه FP7-ICT EFFINET2 برای مدیریت عدم اطمینان در سیستم های آب و شبکه های توزیع هوشمند در [90 ، 91] و برای مناقصه بهینه در بازارهای انرژی در [92] مورد بررسی قرار گرفتند..

۱.۵ رئوس مطالب کتاب

مقدمه این کتاب حوزه، انگیزه، اهداف، وضعیت پیشینه تحقیقاتی و آخرین دستاوردهای موجود را ارائه می‌دهد. فصل دوم چندین مطالعه موردی را شرح می‌دهد که منجر به توسعه روش‌های ارایه‌شده در فصل‌های بعدی می شود. مابقی این کتاب به چهار بخش اصلی تقسیم می‌شود.

فصل اول شامل چهار بخش است که موضوع مدل‌سازی شبکه آب را پوشش می‌دهند. به طور خاص, فصل ۳ اساس مدلسازی شبکه توزیع آب را با معرفی معادلات هیدرولیکی به شکل ماتریسی و حل‌کننده هیدرولیکی برای شبیه‌سازی شبکه, هد های محاسباتی و جریان‌های از یک مجموعه از الزامات و شرایط مرزی از پیش تعیین‌شده ارائه می‌کند. تنها معادلات حالت پایدار در یک دوره طولانی شبیه‌سازی در نظر گرفته می‌شوند. حالت گذار به دلیل اهمیت کم در شبکه‌های آب تحت فشار در نظر گرفته نمی‌شود. فصل ۴ بر روی تکنیک‌های مختلف تعیین پارامترهای مجهول مدل از داده‌های موجود در شبکه تمرکز دارد. مدل‌هایی که در بخش 3 ارایه شده‌اند، برای مقاصد مختلف مانند شبیه‌سازی, بهینه‌سازی عملیاتی و اعتبار سنجی داده‌ها مورد استفاده قرار می گیرند تا وضعیت واقعی شبکه ارایه‌شده توسط حسگرها با حالت تخمینی بدست‌آمده با استفاده از مدل‌ها به منظور ایجاد هشدار دهنده در مورد رویدادهای نشت را مقایسه کنند. برای تمام این وظایف, برآورد پارامترهای مدل برای نشان دادن عملکرد شبکه به یک کار بنیادی تبدیل می‌شود که عملکرد بقیه را تعیین می‌کند. بخش 4 مساله تخمین پارامتر را تجزیه و تحلیل می‌کند, اندازه‌گیری‌های لازم برای تضمین قابلیت شناسایی و تشخیص و حل مساله مورد نیاز است. سپس هر دو روش پارامتری سازی و نمونه‌گیری ارائه می‌شوند و روشی را پیشنهاد می‌دهند که نتایج امیدبخشی را در خصوص شبکه‌های توزیع آب واقعی ارایه می‌دهد. فصل ۵ روش‌ها را برای تنظیم نیازهای مختلف گره های شبکه‌های آب ارائه می‌دهد. نیازهای ورودی نامشخص هستند که باید برای حل معادلات هیدرولیکی شبکه تعریف شوند. آن‌ها عناصر فیزیکی شبکه نیستند, بلکه نیروی محرک پشت دینامیک هیدرولیکی هستند. کالیبراسیون دقیق نیازها برای به دست آوردن نتایج دقیق در هنگام شبیه‌سازی مدل هیدرولیکی به شدت ضروری است. فصل ۵ مروری بر روش‌های کالیبراسیون موجود و توصیف دقیق یک روش کالیبراسیون آنلاین ارایه می‌دهد. و سرانجام ، فصل 6 طیف گسترده ای از الگوریتم های تقاضای کوتاه مدت را برای پیش بینی 24 ساعته مصرف آب گره ها در یک شبکه آب با استفاده از داده های واقعی موجود ارائه می دهد. این تقاضای پیش‌بینی کوتاه‌مدت, اطلاعات کلیدی برای نتایج موفقیت‌آمیز در کنترل عملیاتی زمان واقعی شبکه‌های آب هستند. روش پیش‌بینی انتخاب‌شده باید آسان بوده و به طور خودکار تنظیم شود. علاوه بر این, الگوریتم‌های پیشنهادی باید سازگار باشند, زیرا در شبکه بسیاری از سری‌های زمانی تقاضا برای مدل وجود دارد و هر طبقه فشار دارای ویژگی‌های تقاضای خود است.

سفارش ترجمه تخصصی رشته عمران

بخش ۲ جنبه‌های کلیدی مختلف نظارت زمان حقیقی بر سیستم‌های آب را تجزیه و تحلیل می‌کند. این کتاب در پنج فصل سازماندهی شده است که به کمک آنها می توان به مجموعه ای از سؤالات مهم پاسخ داد، از جمله این که تعداد حداقل سنسورها برای شناخت وضعیت شبکه در هر زمان چقدر است؟ بهترین موقعیت مکانی برای این سنسورها کجاست؟ قابلیت اطمینان اطلاعات ارائه شده توسط سنسورها را چگونه می توان تضمین کرد؟ چگونه می توان داده های حسگر مفقوده یا غیر عادی را بازسازی کرد؟ و چگونه می توان نشت، خطا و حوادث با کیفیت را در یک شبکه آب شناسایی و جداسازی کرد؟ وجود یک ابزار نظارت زمان حقیقی برای سیستم‌های پیچیده یک سوال کلیدی برای مدیریت و بهره‌برداری از هر شبکه آب مدرن است. فصل ۷ در خصوص پیشینه تحقیقاتی مدیریت نشت از جمله نظارت زمان حقیقی تمرکز دارد که امکان ردیابی نشتی و روش‌های مکان‌یابی را فراهم می‌کند. توجه ویژه ای به رویکردهای مبتنی بر مدل و کاربرد آن‌ها در مطالعات موردی واقعی مبذول خواهد شد. فصل ۸ با مسائلی سر و کار دارد که اهمیت اساسی برای سلامت مصرف کنندگان آب، نظارت در زمان واقعی کیفیت آب در شبکه است که اجازه افزایش هشدار می‌دهد که آیا داده ای با کیفیت تشخیص داده می‌شود یا خیر؟ فصل ۸ روشی را برای تنظیم یک مدل کیفیت آب پیشنهاد می‌کند که غلظت کلر در شبکه را مشخص می‌کند. این روش به یک شبکه آبرسانی واقعی اعمال شده‌است. با استفاده از این مدل کالیبره، روشی برای تشخیص رویداد کیفیت آب و آنالیز حساسیت کلر در موقعیت مکانی گره‌ها ارائه شده‌است. فصل ۹ بر روی روش‌شناسی تعیین جای حسگر در یک شبکه آبرسانی متمرکز است تا کنترل نشتی کل شبکه را تضمین نماید. دو رویکرد در این فصل برای انجام یک کار مکان نشتی توصیف و مقایسه شده‌اند. این دو رویکرد برای یک ناحیه تحت نظارت ناحیهای (DMA) از یک شبکه آب واقعی اعمال می‌شوند. فصل ۱۰ روشی را ارایه می‌دهد که از چندین آزمایش برای تایید یا عدم وجود تمام داده‌های خام بدست‌آمده توسط سیستم نظارت تشکیل شده‌است. هنگامی که یک داده تمام مجموعه تست را منتقل می‌کند، می‌توان در نظر گرفت که داده‌ها معتبر و قابل‌اعتماد هستند تا برای تمام وظایف باقی مانده سیستم نظارت یا کنترل استفاده شوند. اما در صورتی که داده‌ها تایید نشده باشند، یک روش برای تخمین و بازسازی این داده‌ها ارائه شده‌است. فصل ۱۰ کاربرد این روش را به یک شبکه انتقال آب با نتایج جالب نشان می‌دهد. در نهایت، فصل ۱۱ با بررسی پیشینه تحقیقاتی در تشخیص عیب بکار گرفته‌شده برای شبکه‌های آب آشامیدنی، با استفاده از افزونگی فیزیکی و تحلیلی، و یک روش تشخیص خطای مبتنی بر مدل در یک مطالعه موردی واقعی از شبکه آب با استفاده از روابط افزونگی تحلیلی اعمال شده‌است.

بخش سوم شامل شش فصل است که جنبه‌های مختلفی را برای کنترل کامل عملیاتی عملیاتی برای شبکه‌های حمل و نقل و شبکه‌های آب توزیع می‌کند. چالش‌های این بخش شامل توسعه یک سیستم کنترل عملیاتی موثر در نظر گرفتن پیچیدگی و عدم قطعیت شبکه‌ها, پیچیدگی بعد شبکه با تعداد زیادی از حسگرها, عملگرها و مخازن و پیچیدگی رفتار غیر خطی برخی از اجزا است. عدم قطعیت مطالبات و دشواری مدیریت هر روز شبکه با احتمال وقوع خطای غیرقابل‌پیش‌بینی در یک یا چند مولفه شبکه یک مشکل جدی است. فصل ۱۲ یک کنترل پیش‌بین مبتنی بر مدل (شیرها) را برای مدیریت جریان نظارتی با استفاده از یک سیستم نظارت بر زمان حقیقی توصیف می‌کند, که به انتقال آب از منابع به مناطق مصرف‌کننده برای برآوردن مطالبات, به حداقل رساندن هزینه اقتصادی عملیات و حفظ حجم ذخیره‌سازی در مخازن شبکه می‌پردازد. مدل مورد استفاده در این فصل یک مدل خطی است که بر مبنای موازنه جرم جریان‌های موجود در گره‌ها و یا بدون ذخیره‌سازی می‌باشد. فصل ۱۳ نیز به حل همین مساله در فصل 12 می‌پردازد. اما شامل محدودیت فشار و معادله در مدل کنترل‌کننده می‌باشد. این معادلات اضافی ثابت, روابط غیر خطی بین جریان و اتلاف سر مرتبط هستند. همچنین، تکنیک کنترل بهینه ارائه‌شده در بخش 13 براساس روش  MPC است, اما در این حالت به دلیل محدودیت های غیرخطی ، حل مسئله بهینه سازی مربوطه پیچیده تر می شود زیرا این یک مسئله بهینه سازی غیرخطی است. رویکردهای MPC ارائه شده در هر دو فصل در شبکه های آب واقعی اعمال شده و نتایج تحلیل شده و با جریان عملیات بر اساس تجربه مدیران شبکه مقایسه می شود. فصل ۱۴ با عدم قطعیت مربوط به پیش‌بینی تقاضای کوتاه‌مدت و رفتار شبکه با استفاده از روش  MPCتصادفی سر و کار دارد. به طور خاص در این فصل دو رویکرد MPC تصادفی در نظر گرفته می‌شوند. رویکرد اول توزیع احتمال تقاضاهای آینده و محدودیت‌های حالت را فرض می‌کند و راه‌حل دوم بر اساس سناریوهای مبتنی بر درخت است که مساله نامشخص اصلی بدون احتمال را نشان می‌دهد. فصل ۱۵, مساله MPC مربوط به کنترل عملیاتی زمان واقعی شبکه‌های آب در مورد شرایط خطا را بررسی می‌کند. بعد از یک خطا, کنترل‌کننده طراحی مجدد می‌شود تا با اثر خطا مقابله کند. فصل ۱۵ نیز تجزیه و تحلیل تخریب سیستم معیوب را از لحاظ عملکرد و قابلیت اطمینان نشان می‌دهد. ماهیت سیستم‌های مقیاس بزرگ شبکه‌های آب شهرهای بزرگ, مانند شهر بارسلونا, منجر به تقسیم شبکه به زیر شبکه ها (زیر سیستم‌ها) به صورت ارایه‌شده در بخش 16 می‌شود، که در آن دو روش تقسیم گراف متفاوت ارایه و در شبکه توزیع آب بارسلونا بکار گرفته می‌شوند. و در نهایت فصل ۱۷ بر روی کنترل پیش‌بینی مدل غیر متمرکز با استفاده از تکنیک‌های MPC توزیع‌شده تمرکز دارد, که در آن مجموعهای از کنترل‌کننده‌های محلی MPC مسئول کنترل هر یک از زیرسیستم ها در کل سیستم هستند. این بخش به طور منطقی به فصل قبل مربوط است که در آن شبکه به زیر سیستم‌ها با هدف کاهش بار محاسباتی و افزایش مقیاس پذیری و قابلیت درجه بندی با توجه به مشکلات کنترلی متمرکز ارائه‌شده در فصل‌های قبلی تقسیم‌بندی می‌شود.

سفارش ترجمه تخصصی رشته عمران

در نهایت، بخش چهارم روندهای آتی در نظارت زمان حقیقی و کنترل عملیاتی شبکه‌های آب در سه فصل آخر را ارایه می‌دهد. فصل ۱۸ طراحی استراتژی کنترل برای شبکه‌های آب براساس نظریه جالب توجه بازی تکاملی (EGT) را پیشنهاد می‌کند که به مدل‌سازی تکامل جمعیت متشکل از تعداد زیاد و متناهی از عوامل منطقی با ظرفیت تصمیم‌گیری می‌پردازد. بخش 19 یک MPC چند لایه برای هماهنگی شبکه‌های منطقه ای و شهری پیشنهاد می‌کند. فصل ۱۹ نه تنها برای رسیدن به اهداف معمول در مدیریت شبکه‌های شهری آب، که کمینه‌سازی مصرف انرژی است در حالی که کیفیت خدمات (ارضای تقاضا) را تضمین می‌کند، بلکه با استفاده پایدار از منابع آبی در سطح منطقهای تصمیم‌گیری می‌کند. در نهایت، فصل ۲۰ با کاربرد بخش امیدوار کننده داده‌های بزرگ و تحلیل های داده‌ در شبکه‌های آب سر و کار دارد. به طور خاص، این بخش نشان می‌دهد که چگونه این فن‌آوری‌های جدید می‌توانند با چالش‌های جدید ایجاد شده ناشی از نیاز به تجزیه و تحلیل تعداد بسیار زیاد داده های ذخیره‌شده در مراکز داده‌ها جمع‌آوری‌شده از طریق قرایت خودکار کنتور (AMR) که به خانوارها متصل هستند مقابله کند. AMR به طور مداوم اطلاعات مربوط به مصرف آب کاربرانی را ارایه می‌دهد که اجازه شناسایی کاربرد آب، ردیابی نشت و تقلب و برآورد تقاضای گره ای را می‌دهد. این داده‌ها باید پردازش شوند، این داده ها باید در یک مدل ابرداده پردازش ، اعتبار سنجی و ذخیره شوند. فصل ۲۰ تمرکز تجزیه و تحلیل داده‌ها و ابزارهای کسب دانش برای AMR را به همراه جریان‌های دیگر اطلاعات (به عنوان مثال، سیستم صورتحساب و خدمات مرکز تماس) متمرکز می‌کند. در قسمت های آخر بخش چهارم، تکنیک‌های بسیار نویدبخش برای بهبود نظارت بر زمان واقعی و کنترل عملیاتی سیستم‌های آب شرب است که انتظار می‌رود در سال‌های بعد توسعه داده شود، به عنوان مثال، ماشین و یادگیری عمیق، محاسبات ابری، اقتصاد دورانی و گام چهارم انقلاب صنعتی ارائه می شود.