Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/330309
Type: TESE DIGITAL
Degree Level: Doutorado
Title: Sistemas de abastecimento de água inteligentes : previsão de demanda e controle ótimo em tempo real
Title Alternative: Smart water supply systems : near real-time water demand forecasting and optimal control
Author: Brentan, Bruno Melo, 1990-
Advisor: Luvizotto Júnior, Edevar, 1961-
Abstract: Resumo: Para atender aos novos paradigamas socioambientais, os centros urbanos visam a máxima eficiência no uso dos recursos naturais, tendo a tecnologia da informação destaque para a integração e exploração dos dados disponíveis como meio de melhorar a qualidade dos serviços prestados. Sendo parte fundamental dos serviços urbanos, os sistemas de abastecimento de água desempenham papel importante para o bom desenvolvimento das cidades. A fim de maximizar a eficiência hidro-energética dos sistemas de distribuição de água, esse trabalho apresenta uma abordagem computacional para definição do controle ótimo e em tempo real de válvulas e bombas. Tal abordagem utiliza-se de ferramentas de previsão de demanda de água em tempo real e otimização de rotinas operacionais buscando operações a mínimo consumo energetico e máxima eficiência hidráulica. Para tanto, apresenta-se a avaliação de modelos de previsão de demanda em tempo real baseados em aprendizado de máquinas e análise de séries temporais. A abordagem híbrida de previsão de demanda, com rede neural artificial e pos-processamento do erro de previsão utilizando filtragem não-linear é apresentado como destaque dentro os modelos estudados nesse trabalho.Finalmente, um estudo de definição de manobras ótimas para válvulas redutoras de pressão e bombas operando em manobras de acionamento e desligamento ou com uso de inversor de frequência são apresentados. O algoritmo de otimização por enxame de partículas é utilizado em conjunto com metodologia de estimativa de soluções iniciais para a definição das manobras ótimas em tempo real. Desse trabalho conclui-se acerca dos benefícios oriundos da operação conjunta de válvulas e bombas, sobretudo quando essa operação é feita em tempo real, garantindo o pronto atendimento das demandas à máxima eficiência possível

Abstract: To meet the new social and environmental paradigms, urban centers aim to the maximum efficiency in the use of natural resources. The information technologies have shown to have crucial importance as gathering and exploring the available data will definitely improve the quality of the service. As one of the main urban services, the water supply service plays a central role for the development of the cities. To help maximize the hydro-energetic efficiency of water distribution systems, this work presents a computational approach to define optimal and near real-time control for valves and pumps. This approach uses water demand forecasting and operational optimization tools to find the minimum energy consumption and the maximum hydraulic efficiency. For this, an evaluation approach of near real-time water demand forecasting models based on machine learning and time-series analysis is presented. A hybrid model of artificial neural networks to forecast the water demand and post-processing of the forecasting error using non-linear filters is highlighted among the studied models. Finally, a study about optimal maneuvers' definition for pressure reducing valves and operation of pumps turning on and off or endowed with variable speed drivers, is presented. The particle swarm optimization algorithm together with an initial swarm solution methodology is applied for the optimal and near real-time operational rules' definition. From this work, it is possible to conclude about the benefits of the joint operation of valves and pumps, mainly when near real-time operation is needed, thus guarantying the demand supply with maximum efficiency
Subject: Abastecimento de água
Otimização
Editor: [s.n.]
Date Issue: 2017
Appears in Collections:FEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Brentan_BrunoMelo_D.pdf56.55 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.