[논문]DNN기반 상수도시스템 누수시나리오에 따른 누수탐지성능 평가

김률; 최영환

doi:10.3741/jkwra.2023.56.5.347

DNN기반 상수도시스템 누수시나리오에 따른 누수탐지성능 평가
Evaluation of leakage detection performance according to leakage scenarios of water distribution systems based on deep neural networks 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.56 no.5, 2023년, pp.347 - 356

김률 (경상국립대학교 건설시스템공학과) , 최영환 (경상국립대학교 건설시스템공학과)

초록
AI-Helper

상수도시스템에서는 적수 및 누수와 같은 다양한 수리 및 수질적 비정상상황이 발생한다. 이를 방지하거나 빠르게 복구하기 위하여 다양한 계측기에서 얻어지는 데이터를 통해 사고를 예상하고 탐지한다. 하지만 대표적인 수리학적 비정상상황인 누수의 경우 직접적인 탐사를 수행하지 않는다면 발견되기 어렵다. 그 중 미신고 파열누수의 경우 육안식별이 어렵기 때문에 가장 많은 누수를 차지하게 되며 이는 곧 큰 경제적 손실로 이어진다. 직접적인 탐사의 경우 전문인력 확보 등 현장의 여건 등 여러 한계점이 존재한다. 이를 해결하기 위해 본 연구에서는 검보정이 완료된 상수도관망 수리모형(EPANET)의 수리해석결과 데이터를 학습데이터로 사용하고 Deep neural network 알고리즘을 활용하여 누수규모 및 누수위치에 대한 누수탐사를 수행하였다. 누수탐사 수행을 위해 모의 누수 사고데이터를 생성하였으며 누수규모, 위치 등 다양한 시나리오를 고려하였다. 또한, 최적의 누수 탐지 성능을 위해 관망의 크기, 계측기의 종류, 개수, 위치에 따른 탐지성능을 분석하였다.

Abstract ▼ AI-Helper

In Water Distribution Systems (WDSs), can abnormal hydraulic and water quality conditions such as red-water phenomenon and leakage occur. To restore them, data is generated through various meters data to predict and detect. However, in the case of leakage if difficult to detect unless direct exploration is performed. Among them, unreported leakage, are not seen visually and account for the most considerable volumes of leakage, which leads to economic loss. Bur direct exploration is limited through on site conditions such as securing professional manpower. In this paper, leakage volumes and location were randomly generated for the WDS, which was assumed to be calibrated, and it was detected through a deep learning model. For abnormal data generation, the leakage was simulated using the emitter coefficient, and leakage detection was successfully performed through the generated abnormal data and normal data.

주제어

표/그림 (12)

그림 Fig. 1. Flowchart of leakage detection methodology
그림 Fig. 2. The Layout of deep neural network
그림 Fig. 3. The Layout of Grid-networks
표 Table 1. Information of Grid networks
표 Table 2. Example of normal data (a), abnormal data (b)
표 Table 3. Performance evaluation according to network scale
그림 Fig. 4. Accuracy of leakage detection according to the scale of WDSs
그림 Fig. 5. MSE of leakage detection according to the scale of WDSs
그림 Fig. 6. Accuracy by meter type
그림 Fig. 7. Accuracy by number of meters
그림 Fig. 8. Accuracy with all meter placement combinations
표 Table 4. Detection result for leakage scenario

참고문헌 (21)

Glorot, X., and Bengio, Y. (2010). "Understanding the difficulty of？training deep feedforward neural networks." In Proceedings of？the Thirteenth International Conference on Artificial Intelligence and Statistics, Whistler, Canada, pp. 249-256.
Gupta, R. and Bhave, P.R. (1996). "Comparison of methods for？predicting deficient-network performance." Journal of Water？Resources Planning and Management, ASCE, Vol. 122, No.？3, pp. 214-217.

상세보기
Ha, J.H., Park, S.W., Mun, C.J., and An, J.H. (2019). "Development？of principal component analysis outlier detection algorithm？for detecting leak in water pipe networks." Journal of Civil？Engineering Conference, pp. 226-227.
Hagos, M., Jung, D., and Lansey, K.E. (2016). "Optimal meter placement for pipe burst detection in water distribution systems."？Journal of Hydroinformatics, No. 18, Vol. 4, pp. 741-756.

상세보기
Jun, S.H., and Choi, Y.H. (2022). "Data generation approaches to？detect abnormal conditions in water distribution systems."？Journal of The Korean Society of Hazard Mitigation, Vol. 22,？No. 2, pp.69-79.
Jung, D., and Lansey, K. (2015). "Water distribution system burst？detection using a Nonlinear Kalman filter." Journal of Water？Resources Planning and Management, Vol. 141, No. 5,？04014070.

상세보기
Kingma, D.P., and Ba, J. (2015). "Adam: A method for stochastic？optimization." Proceedings 3rd International Conference on？Learning Representations. ICLR 2015, San Diego, CA, U.S.
K-water (2009). Water facilities construction cost estimation report.
LeCun, Y., Bottou, L., Orr, G.B., and Muller, K.R. (2002). Efficient？backprop. In Neural networks: Tricks of the trade. Springer？Berlin Heidelberg, Berlin, Heidelberg, pp. 9-50.
Lee, C.W., and Yoo, D.G. (2021). "Development of leakage detection？model in water distribution networks applying LSTM-based？deep learning algorithm." Journal of Korea Water Resources？Association, Vol .54, No. 8, pp. 599-606.
Lee, Y.S., and Yoon, D.J. (2004). "Pinpointing of leakage location？using pipe-fluid coupled vibration." Transactions of the Korean？Society for Noise and Vibration Engineering, Vol. 14, No. 2,？pp. 95-104.
Min, K.W., Kim, T., Lee, S., Choi, Y.H., and Kim, J.H. (2022). "Detecting？and localizing leakages in water distribution systems using a？two-phase model." Journal of Water Resources Planning and？Management, Vol. 148, No. 10, 04022051.

상세보기
Park, S.B., Kim, K., Seo, J., Kim, J., and Koo, J. (2018). "The leak？signal characteristics and estimation of the leak location on？water pipeline." Journal of Korean Society of Water and？Wastewater, Vol. 32, No. 5, pp. 461-470.
Rossman, L.A. (2000). EPANET 2 users manual. United States？Environmental Protection Agency, Cincinnati, OH, U.S.
Santos-Ruiz, I., Blesa, J., Puig, V., and Lopez-Estrada, F.R. (2020).？"Leak localization in water distribution networks using classifiers with cosenoidal features." IFAC-PapersOnLine, Vol. 53,？No. 2, pp. 16697-16702.

상세보기
Schmidhuber, J. (2015). "Deep learning in neural networks: An？overview." Neural Networks, Vol. 61, pp. 85-117.
Steffelbauer, D.B., Deuerlein, J., Gilbert, D., Abraham, E., and Piller,？O. (2022). "Pressure-leak duality for leak detection and？localization in water distribution systems." Journal of Water？Resources Planning and Management, Vol. 148, No. 3,？04021106.

상세보기
Tanyimboh, T.T., and Tabesh, M. (1997). "Discussion comparison？of methods for predicting deficient-network performance."？Journal of Water Resources Planning and Management,？ASCE, Vol. 123, No. 6, pp. 369-370.
Wagner, J.M., Shamir, U., and Marks, D.H. (1988). "Water distribution reliability: Simulation methods." Journal of Water？Resources Planning and Management, Vol. 114, No. 3, pp.？276-294.

상세보기
Yoo, D.G., Yoon, J.S., Lee, H.M., Kang, D., and Kim, J.H. (2014).？"Development and application of leakage detection model for？water distribution networks considering uncertainty analysis."？Journal of the Korean Society of Hazard Mitigation, Vol. 14,？No. 3, pp. 177-186.
Yoon, J.S., Yoo, D.G., Lee, H.M., and Kim, J.H. (2012). "Optimal？leakage detection model of water distribution systems using？semi-pressure driven analysis and harmony search." Journal？of The Korean Society of Hazard Mitigation, Vol. 12, No. 3,？pp. 23-32.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증