[논문]피해규모를 고려한 용수공급시스템 누수복구 우선순위 선정

김률; 권희근; 최영환

doi:10.3741/jkwra.2023.56.10.679

피해규모를 고려한 용수공급시스템 누수복구 우선순위 선정
Determination of a priority for leakage restoration considering the scale of damage in for water distribution systems 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.56 no.10, 2023년, pp.679 - 690

김률 (경상국립대학교 건설시스템공학과) , 권희근 (경상국립대학교 건설시스템공학과) , 최영환 (경상국립대학교 건설시스템공학과)

초록
AI-Helper

누수는 용수공급시스템 내에서 발생할 수 있는 대표적인 비정상상황 중 하나이다. 누수는 관로가 매설된 이후부터 잠재적으로 발생할 수 있으며 발생 직후부터 즉시 경제적 및 수리학적 피해를 입을 수 있기 때문에 이를 적시에 감지하고 탐지하는 것이 중요하다. 하지만 시스템이 지하에 매설되어 있어 이를 빠르게 인지하는 것은 쉽지 않으며 인지한다 하여도 복구하기 위해서는 상대적으로 많은 가용자산이 요구된다. 따라서 다중 누수가 발생할 시 누수규모 및 위치에 따라 복구 우선순위에 대한 우선순위를 선정해야 할 필요성이 있으며 최적의 복구전략이 도출되어 이를 수행할 시 시스템의 탄력성 측면에 있어 유리함을 가질 수 있다. 본 연구에서는 프로그램 기반 모의 누수를 발생시켜 비정상상황 시나리오를 구축하였으며 이에 따라 딥러닝 기반 모델로 누수탐사를 수행하였다. 탐사 결과로 얻어지는 누수위치와 누수량은 이 후 누수복구 우선순위를 위한 요소로써 활용되며 타 요소와 함께 최적의 누수복구 시나리오를 도출하였다.

Abstract ▼ AI-Helper

Leakage is one of the representative abnormal conditions in Water distribution systems (WDSs). Leakage can potentially occur and cause immediate economic and hydraulic damage upon occurrence. Therefore, leakage detection is essential, but WDSs are located underground, it is difficult. Moreover, when multiple leakage occurs, it is required to prioritize restoration according to the scale and location of the leakage, applying for an optimal restoration framework can be advantageous in terms of system resilience. In this study, various leakage scenarios were generated based on the WDSs hydraulic model, and leakage detection was carried out containing location and scale using a Deep learning-based model. Finally, the leakage location and scale obtained from the detection results were used as a factor for the priority of leakage restoration, and the results of the priority of leakage restoration were derived. The priority of leakage restoration considered not only hydraulic factors but also socio-economic factors (e.g., leakage scale, important facilities).

주제어

표/그림 (15)

그림 Fig. 1. Determination of leakage restoration priority methodology
그림 Fig. 2. Installation method of dummy node
표 Table 1. Example of learning data
그림 Fig. 3. Leakage detection method through deep neural network
그림 Fig. 4. Regression and classification performance indices
그림 Fig. 5. Layout of anytown networks
표 Table 2. Applied network information
그림 Fig. 6. Modified anytown networks (Installed dummy node)
그림 Fig. 7. Pressure meter location in anytown networks
그림 Fig. 8. Detection performance of (a) the leakage scale, (b) leakage location
표 Table 3. Leakage scale and location detection performance
표 Table 4. Important facilities and leakage locations for restoration priority determination
그림 Fig. 9. Leakage and facilities location at scenario S₅
표 Table 5. (a) RS calculated in the S5 scenario, (b) Restoration priority determination based on the calculated RS
표 Table 6. Priority determination results based on the leakage scenario

참고문헌 (21)

American Water Works Association (AWWA ) (2008). Water audits？and loss control programs. Washington, DC.
Balut, A., Brodziak, R., Bylka, J., and Zakrzewski, P. (2018). "Battle？of post-disaster response and restauration (BPDRR)." 1st International WDSA/CCWI 2018 Joint Conference, Kingston,？Ontario, Canada.
Basnet, L., Brill, D., Ranjithan, R., and Mahinthakumar, K. (2023).？"Supervised machine learning approaches for leak localization？in water distribution systems: Impact of complexities of leak？characteristics." Journal of Water Resources Planning and？Management, Vol. 149, No. 8, 04023032.
Choi, J., Jeong, G., and Kang, D. (2021). "Multiple leak detection in？water distribution networks following seismic damage."？Sustainability, Vol. 13, No. 15, 8306.

상세보기
Choi, Y.H., Jung, D., Jun, H., and Kim, J.H. (2018). "Improving？water distribution systems robustness through optimal valve？installation." Water, Vol. 10, No. 9, 1223.
Daniel, I., Pesantez, J., Letzgus, S., Khaksar Fasaee, M.A., Alghamdi,？F., Berglund, E., Mahinthakumar, G., and Cominola, A. (2022).？"A sequential pressure-based algorithm for data-driven leakage？identification and model-based localization in water distribution networks." Journal of Water Resources Planning and？Management, Vol. 148, No.6, 04022025.

상세보기
Deb, K., Agrawal, S., Pratap, A., and Meyarivan, T. (2000). "A fast？elitist non-dominated sorting genetic algorithm for？multi-objective optimization: NSGA II." Proceedings of the？International Conference on Parallel Problem Solving From？Nature, Springer, Paris, France, pp. 849-858.
Jun, S., and Lansey, K.E. (2023). "Convolutional neural network for？burst detection in smart water distribution systems." Water？Resources Management, Vol. 1, No. 15, pp. 3729-3743.
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.
Lambert, A. (1994). "Accounting for losses: The Bursa and background？concept (BABE)." Water and Environment Journal, Vol. 8,？No. 2, pp. 205-214.
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, Germany, pp. 9-50.
Marvin, G., Grbcic, L., Druzeta, S., and Kranjcevic, L. (2023). "Water？distribution network leak localization with histogram-based？gradient boosting." Journal of Hydroinformatics, Vol. 25, No.？3, pp. 663-684.

상세보기
Romero-Ben, L., Alves, D., Blesa, J., Cembrano, G., Puig, V., and？Duviella, E. (2023). "Leak detection and localization in water？distribution networks: review and perspective." Annual？Reviews in Control, Vol. 55, pp. 392-419.
Rossman, L., Woo, H., Tryby, M., Shang, F., Janke, R., and Haxton,？T. (2020). EPANET 2.2 user manual. U.S. Environmental？Protection Agency, Cincinnati, OH, U.S.
Sophocleous, S., and Nikoloudi, E. (2018). "Simulation-based framework for the restoration of earthquake-damaged water distribution networks using a genetic algorithm: (118)." 1st International WDSA/CCWI 2018 Joint Conference, Kingston,？Ontario, Canada.
Tornyeviadzi, H.M., and Seidu, R. (2023). "Leakage detection in？water distribution networks via 1D CNN deep autoencoder？for multivariate SCADA data." Engineering Applications of？Artificial Intelligence, Vol. 122, 106062.
Tyagi, V., Pandey, P., Jain, S., and Ramachandran, P. (2023). "A？two-stage model for data-driven leakage detection and localization in water distribution networks." Water, Vol. 15, No. 15,？2710.
Walski, T.M., Brill Jr, E.D., Gessler, J., Goulter, I.C., Jeppson, R.M.,？Lansey, K., Lee, H.L., Liebman, J.C., Mays, L., Morgan, D.R.,？and Ormsbee, L. (1987). "Battle of the network models: Epilogue." Journal of water resources Planning and Management, Vol. 113, No. 2, pp. 191-203.

상세보기
Wan, X., Farmani, R., and Keedwell, E. (2023). "Real-time gradual？leakage detection system for water distribution networks？based on MIMO-ANN." EGU General Assembly 2023, Vienna,？Austria & Online.
Yoo, D.G., Kang, D., Jun, H., and Kim, J.H. (2014). "Rehabilitation？priority determination of water pipes based on hydraulic importance." Water, Vol. 6, No. 12, pp. 3864-3887.
Zanfei, A., Menapace, A., Brentan, B.M., Righetti, M., and Herrera,？M. (2022). "Novel approach for burst detection in water distribution systems based on graph neural networks." Sustainable？Cities and Society, Vol. 86, 104090.

상세보기

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