پیش بینی آب مصرفی روزانه شهری و بهینه سازی ساعات کارکرد پمپ های ایستگاه پمپاژ، مطالعه موردی: نجف‎آباد

در سال‎های اخیر مهندسین و بهره‎برداران علاقه بیشتری به استفاده از روش‎های هوشمندسازی و بهینه‎سازی شبکه‎ها در برابر سایر روش‎های پرهزینه و زمان‎بر از جمله بازسازی و نوسازی شبکه، مدیریت دارایی و تجهیز شبکه به المان‎های جدید نشان داده‎اند. در پژوهش حاضر، ابتدا براساس روش‎های میانگین متحرک و رگرسیون خطی، برخی روش‎های شبکه عصبی مصنوعی از جمله شبکه عصبی پرسپترون چندلایه، شبکه عصبی تابع پایه شعاعی، میزان آب مصرفی در شبکه توزیع آب شهری براساس چهار دسته ویژگی ورودی‎های مدل از جمله شماره روز در سال، شماره روز در هفته، تداوم تعطیلی و میزان دمای هوای بیشینه روزانه پیش‎بینی می‎شود. سپس براساس مقدار پیش‎بینی شده، الگوی مصرف ساعتی و تراز آب موجود در مخزن پایین‎دست ایستگاه پمپاژ، برنامه بهینه زمان‎بندی برای ساعات روشن شدن پمپ‎های دور ثابت ایستگاه پمپاژ تعیین می‎شود تا هزینه برق مصرفی ایستگاه پمپاژ بر اساس تعرفه‎های مختلف برق، کاهش یابد. برای بررسی روش مذکور از شبکه آب شهری نجف‎آباد استفاده شده است که هزینه برق مصرفی ایستگاه پمپاژ آن با توجه به انتخاب مقدارهای مختلف برای پارامتر تناوب تغییر حالات پمپ ها، از ۲/۱% تا ۳/۱۳% نسبت به حالت بهره‎برداری سنتی کاهش یافته است.

کلیدواژه ها:

شبکه عصبی پرسپترون چندلایه ، شبکه عصبی تابع پایه شعاعی ، بهینه‎سازی خطی عدد صحیح مختلط ، شبکه آب ، ایستگاه پمپاژ