دانلود مقاله ISI انگلیسی شماره 54651
ترجمه فارسی عنوان مقاله

تشخیص نشتی شدید و برآورد فاصله زمانی محل در شبکه توزیع آب

عنوان انگلیسی
Robust Leakage Detection and Interval Estimation of Location in Water Distribution Network
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
54651 2015 6 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : IFAC-PapersOnLine, Volume 48, Issue 8, 2015, Pages 1264–1269

ترجمه کلمات کلیدی
تشخیص گسل، موقعیت گسل، تحلیل آماری، فیلترهای کالمن، انتگرال انباشته، شبکه های لوله
کلمات کلیدی انگلیسی
Fault detection; Fault location; Statistical analysis; Kalman filters; Cumulative Integrals; Pipe networks,
ترجمه چکیده
شبکه تامین آب دارای ساختار پیچیده ای است به ویژه در شهرهای با تراکم جمعیت بالا. آسیب به لوله آب می تواند به صورت نشت یا پشت سر هم رخ دهد و روش تشخیص زودهنگام رخداد و تشخیص دقیق محل مورد نیاز باشد. در این مقاله، ما یک روش جدید ارائه می دهیم که می تواند نشت شبکه تامین آب را با استفاده از داده های فشار شناسایی کند. پس از سر و صدا با استفاده از فیلتر کلمن حذف می شود، میانگین فشار طبیعی حالت محاسبه می شود و انحراف با میانگین به دست می آید. با محاسبه انتگرال تجمعی داده های قبل از پردازش و استفاده از عملکرد کف، نشت را می توان تشخیص داد. هنگامی که نشت تشخیص داده می شود، زمان وقوع با شعاع انحنای تصفیه شده و محل با استفاده از آن زمان و یک روش آماری تخمین زده می شود. تست تأیید با توجه به دو اطلاعات مختلف زمینه انجام می شود. یافته شده است که روش پیشنهادی برای پیاده سازی قوی تر و عملی تر است و دقت بیشتری نسبت به روش های قبلی نشان می دهد.

چکیده انگلیسی

The water supply network has a complex structure especially in cities with high population density. A damage to the water pipe can occur in the form of a leakage or a burst and the technique for early detection of the occurrence and for the exact determination of the location is required. In this paper, we propose a novel method that can detect the leakage of the water supply network using the pressure data. After the noise is eliminated using the Kalman Filter, the mean of normal state pressure is calculated and deviation with the mean is obtained. By calculating the cumulative integral of the pretreated data and applying a floor function, the leakage can be detected. Once the leakage is detected, the time of occurrence is refined by radius of curvature and the location is estimated by using that time and a statistical method. The verification test is conducted with respect to the two different field data. It is found that the prorposed method is more robust and practical to implement and shows a higher precision compared to the previous methods.