بخشی از مقاله
خلاصه
نشت در شبکه های توزیع آب درصد قابل توجهی از تلفات آب به حساب نیامده فیزیکی را تشکیل می دهد. در این مقاله، مکان یابی نشت و تعیین مقدار آن، بر اساس روشی بر پایه بهینه سازی از طریق کالیبراسیون مدل هیدرولیکی فشار های گره ای شبکه توزیع آب شهری به کمک نرم افزار EPANET2 و برنامه بهینه سازی نوشته شده در نرم افزار MATLAB صورت گرفته است.
کالیبراسیون شبکه مدل برای کمینه کردن اختلاف میان داده های اندازه گیری شده - فشارهای گره ای - و داده های محاسباتی - توسط نرم افزار - به روش کلونی مورچه ها انجام می گیرد. به منظور بررسی کارایی روش کلونی مورچه ها در زمینه کالیبراسیون، تحلیل ها روی شبکه واقعی با ایجاد نشت فرضی صورت گرفت که نتایج بدست آمده کارآمدی روش در شناسایی موقعیت و مقدار نشت درگره های شبکه را نشان می دهد.
.1 مقدمه
تامین، تصفیه، انتقال و توزیع آب آشامیدنی در شبکه های توزیع آب شهری، مستلزم صرف هزینه های مختلفی است که باعث میگردد آب در شبکه های توزیع آب شهری نه تنها به عنوان یک ماده حیاتی بلکه به عنوان یک کالای اقتصادی در نظر گرفته شود. نتایج بررسی های اولیه در چند پایلوت مطالعاتی در نقاط مختلف کشورمان درصد تلفات ناشی از آب به حساب نیامده در شبکه های توزیع آب شهری را به طور متوسط حدود %35 آب ورودی به شبکه نشان می دهد. درصد بالای تلفات ناشی از آب به حساب نیامده در شبکه های توزیع آب شهری، کمبود منابع و هزینه های سنگین تامین مجدد آب از دست رفته، نشان دهنده لزوم به کارگیری روش های مناسب جهت کنترل و کاهش آب به حساب نیامده در شبکه های توزیع آب شهری است
نشت مولفه اصلی و حاکم در آب به حساب نیامده است و وجود آن در تمام سیستم های توزیع آب، واقعیتی انکار ناپذیر است که در دو دهه اخیر در بسیاری از کشورها مورد توجه قرار گرفته و با برنامه ریزی مدون علمی، تجارب خوبی نیز حاصل شده است. توجه به این مسأله که ظرفیت سازی جدید آن هم درصورت وجود منابع، به مراتب پر هزینه تر و مشکل تر از کاهش هدرروی آن است، می تواند افزایش راندمان و عملکرد شبکه های توزیع آب شهری را به عنوان یک هدف اساسی و تلاش جهت کاهش نشت در شبکه را به عنوان یکی از اهرم های کلیدی این هدف نمایان سازد.
یکی از روش های مطرح در امر نشت یابی، استفاده از کالیبراسیون شبکه توزیع آب می باشد، در این زمینه ، Walski و همکاران [2] با کمک روش الگوریتم ژنتیک به کالیبراسیون زبری و مصارف گره ای پرداختند که در نرم افزار WATERGEMS از آن استفاده می شود. Zhiqiang و همکاران [3] نیز با تنظیم پارامترهای الگوریتم ژنتیک و بر اساس رابطه مانینگ، کالیبراسیون ضریب زبری لوله ها را از طریق این روش کارآمد تر کرده اند. Wu و [4] Sage به کمک کالیبراسیون شبکه توزیع آب به روش بهینه یابی الگوریتم ژنتیک و داده های میدانی، توانستند نقاط حساس شبکه از لحاظ نشت را پیش بینی کرده و موقعیت نشت را نیز پیدا کنند. Cheung و همکاران [5] نیز با در نظر گرفتن حداقل جریان شبانه و فرایند کالیبراسیون با نرم افزار EPANET- Calibrator مقدار و موقعیت نشت در شبکه را تخمین زده اند.
کاربرد الگوریتم های ACO - Ant Colony Optimization - - بهینه سازی کلونی مورچه ها - در مهندسی آب از زمان پیدایش این الگوریتم بسیار اندک بوده است و اکثر کارهای ارائه شده در زمینه حداقل کردن هزینه طرح می باشد. افشار [6] با استفاده از روش ACO بهترین قطر را برای لوله ها انتخاب کرده و کمترین هزینه طرح شبکه توزیع آب را بدست آورده است. Ostfeld و همکاران [7] نیز با استفاده از روش کلونی مورچه ها قطر بهینه برای لوله های شبکه توزیع آب را انتخاب کرده اند به طوریکه به مشترکین میزان آب لازم با فشار قابل قبول تحویل شود.
Maier و همکاران [8] نیز اقدام به بهینه کردن هزینه طرح شبکه توزیع آب به روش کلونی مورچه ها کردند. آنها به مقایسه دو روش کلونی مورچه ها و ژنتیک الگوریتم پرداخته و در نهایت به این نتیجه رسیده اند که روش کلونی مورچه ها جایگزین مناسبی برای ژنتیک الگوریتم می باشد.
Zecchin وهمکاران [9] تغییراتی در الگوریتم برنامه کلونی مورچه ها انجام داده و هزینه طراحی را کاهش داده اند، به طور کلی مقالات و کار های ارائه شده زیادی در بحث بهینه کردن طراحی شبکه با انتخاب قطرمناسب لوله ها انجام گرفته که تفاوت آنها در نحوه به هنگام سازی فرومون می باشد. در مقاله دیگری که توسط López و همکارانش [10] ارائه شد ، به روش کلونی مورچه ها برنامه زمانی روشن و خاموش شدن پمپ طرح ریزی شده است که موجب کاهش انرژی بسیار زیادی شده است.
با توجه به موارد فوق، نیاز به برنامه ای کامپیوتری می باشد که با استفاده از یکی از روش های بهینه یابی کارا و جدید و همچنین تحلیل هیدرولیکی شبکه های توزیع آب بتوان کوچکترین نشتی در شبکه را با دقت بالایی بدست آورد، روش بهینه یابی مورد استفاده در اینجا روش کلونی مورچه ها می باشد توسط کولورنی - - Colorni و همکارانش در سال 1992 برای اولین بار مطرح شد. یک مورچه در حال حرکت مقداری فرمون از خود برزمین باقی می گذارد و بدین ترتیب مسیر را بوسیله بوی این ماده مشخص می سازد . هنگامی که یک مورچه به طور تصادفی و تنها حرکت میکند، با مواجه شدن با مسیری که دارای فرومون بیشتری است، به احتمال زیاد مسیر فوق را انتخاب می کند و با فرومونی که از خود بر جای میگذارد، آن را در مسیر مذکور تقویت می نماید. این فرومون به مرور زمان تبخیر می شود و بدین طریق مورچه هاکوتاهترین مسیر را پیدا می کنند.
تا کنون روش های تئوری زیادی نیز در زمینه نشت یابی ارائه گردیده است. اکثر این روش ها در شبکه های حقیقی آبرسانی جنبه کاربردی نداشته اند. هدف از انجام این تحقیق ارائه روشی کاربردی برای نشت یابی شبکه های آبرسانی با روش های بهینه یابی جدید در ابعاد واقعی سیستم می باشد. برنامه نویسی روش بهینه یابی کلونی مورچه ها در نرم افزار MATLAB انجام می گیرد و سپس با ارتباط دادن نرم افزار MATLAB و EPANET2 ، تحلیل هیدرولیکی شبکه انجام می شود و مجددا با انتقال خروجی ها به نرم افزار MATLAB عملیات بهینه یابی با تکرار این روند ادامه می یابد.
.2 متدلوژی
تحلیل های هیدرولیکی بر اساس نرم افزار EPANET2 صورت می گیرد، رابطه پیوستگی به صورت زیر می باشد:
که در آن Q دبی بر حسب متر مکعب بر ثانیه، V سرعت متوسط جریان بر حسب متر بر ثانیه و A سطح مقطع لوله بر حسب مترمربع می باشد. با استفاده از روابط هیزن- ویلیامز رابطه سرعت به صورت زیر بدست می آید:
که در این معادله V سرعت متوسط جریان بر حسب متر بر ثانیه، CHW ضریب هیزن ویلیامز، RH شعاع هیدرولیکی بر حسب متر و S شیب خط انرژی است. با جایگزینی دبی و همچنین شعاع هیدرولیکی در معادله - 2 - داریم:
که در این معادله، Q دبی بر حسب متر مکعب بر ثانیه، L و D به ترتیب طول و قطر لوله میباشندکه بر حسب متر بیان میشوند. هدف، حداقل کردن اختلاف بین مقادیر مشاهداتی و محاسباتی فشار های گره ای است که به صورت رابطه زیر می باشد:
که در آن Hobs j هد اندازه گیری شده در گره j ، Hsim j هد محاسباتی در گره j و N تعداد گره ها میباشد.
در مورد روش بهینه یابی کلونی مورچه ها نیز رابطه اصلی که احتمال انتخاب را به فرومون و اطلاعات کاوشی ارتباط می دهد به صورت زیر می باشد:
که در آن pijk - t - احتمال آنکه مورچه شماره K ام، مصرف گره ای i را برای گره j در تکرار t انتخاب کند، ij - t - ، مقدار فرومون برای مصرف گره ای i در گره j در تکرار t ام می باشد که بعد از هر تکرار به هنگام می شود. همچنین ij مقدار مطلوبیت - اطلاعات کاوشی - برای مصرف گره ای i و گره j می باشد که مقداری ثابت است. در اینجا از مطلوبیت برای افزایش احتمال انتخاب مصارف مشاهداتی در هر گره - برداشت شده از کنتور ها - استفاده می شود که راهکار خوبیست برای افزایش سرعت رسیدن به جواب بهینه و نیز یافتن نشت های واقعی.
به هنگام سازی فرومون نیز مهمترین بخش در بهینه سازی به روش کلونی مورچه هاست یعنی اینکه آن مسیر هایی که به جواب نزدیک تر هستند دارای فرومون بیشتر باشد و همزمان مقداری از فرومون تبخیر و کاسته شود که به صورت رابطه زیر است:
فرومون در ابتدای برنامه برای کلیه انتخاب ها درتمامی گره ها برابر یک می باشد و در تکرار های مختلف، هر بار که جواب بهتری بدست آید در هر گره فقط مقدار فرومون مربوط به یک مصرف گره ای افزایش می یابد یعنی آن مصرف گره ای که باعث شده به جواب بهینه نزدیک تر شویم و مقداری به فرومون آن افزوده می شود که همان مقدار ij می باشد و احتمال انتخاب آن در تکرار های بعدی طبق رابطه - 5 - افزایش می یابد. در حالیکه برای دیگر مصارف گره ای در آن گره، ij برابر با صفر است پس فرومون این مقادیر فقط تبخیر می شوند و بدین صورت مقدار فرومون آنها از تکرار قبلی کمتر شده و احتمال انتخاب آن ها در تکرار های بعدی طبق رابطه - 5 - کاهش می یابد.
.3 نحوه انجام بهینه سازی
به منظور نشان دادن کارآیی و صحت برنامه، نمونه ای از شبکه واقعی مورد توجه قرار گرفته است. جهت نشان دادن روش کار، از یک شبکه کوچک کار را آغاز کرده و در ادامه، این روش به یک مطالعه موردی در شهر گلبهار تعمیم خواهد یافت. دراین مثال حالتهای مختلف با یکدیگر مقایسه و به بحث روی نتایج پرداخته شده است . این مثال که توسط محققین مختلفی مورد بررسی قرار گرفته است شامل شبکه ای چهار حلقه ای می باشدکه به یک مخزن متصل است - شکل . - 1 طول همه لوله ها 1000 متر و ضریب هیزن ویلیامز آنها 130 است. شبکه بصورت متقارن بوده و قطر لوله های 2-1، 3-2، 5-2، 6-3، 6-5، 9-6 به ترتیب برابر 250، 175، 145، 115، 100، 100 میلیمتر می باشد.
