Reliability based rehabilitation of water distribution networks by means of Bayesian networks

• Autorzy: Lakehal A. , Laouacheria F.

Identyfikatory

DOI

10.1515/jwld-2017-0050

Warianty tytułu

PL

Rzetelne odnawianie sieci wodociągowych przy użyciu sieci Bayesowskich

• Języki publikacji: EN

Abstrakty

EN

Water plays an essential role in the everyday lives of the people. To supply subscribers with good quality of water and to ensure continuity of service, the operators use water distribution networks (WDN). The main elements of water distribution network (WDN) are: pipes and valves. The work developed in this paper focuses on a water distribution network rehabilitation in the short and long term. Priorities for rehabilitation actions were defined and the information system consolidated, as well as decision-making. The reliability data were conjugated in decision making tools on water distribution network rehabilitation in a forecasting context. As the pipes are static elements and the valves are dynamic elements, a Bayesian network (static-dynamic) has been developed, which can help to predict the failure scenario regarding water distribution. A relationship between reliability and prioritization of rehabilitation actions has been investigated. Modelling based on a Static Bayesian Network (SBN) is implemented to analyse qualitatively and quantitatively the availability of water in the different segments of the network. Dynamic Bayesian networks (DBN) are then used to assess the valves reliability as function of time, which allows management of water distribution based on water availability assessment in different segments. Before finishing the paper by giving some conclusions, a case study of a network supplying a city was presented. The results show the importance and effectiveness of the proposed Bayesian approach in the anticipatory management and for prioritizing rehabilitation of water distribution networks.

PL

Woda odgrywa istotną rolę w codziennym życiu ludzi. Aby zapewnić klientom stałe dostarczanie wody dobrej jakości, operatorzy wykorzystują sieci wodociągowe, ich głównymi elementami są rury i zawory. W pracy opisano odnawianie sieci wodociągowych w krótkim i długim przedziale czasowym. Zdefiniowano priorytety działań renowacyjnych i skonsolidowano system informacyjny oraz system podejmowania decyzji. Dane o wiarygodności zostały sprzężone z narzędziami podejmowania decyzji co do odnowy sieci w kontekście możliwości prognozowania. Ponieważ rury są elementem statycznym, a zawory dynamicznym, zbudowano statyczno- -dynamiczną sieć Bayesowską, która pozwala przewidywać niepowodzenia w dostawie wody. Badano zależności między wiarygodnością a ustaleniem priorytetów działań renowacyjnych. Wdrożono modelowanie ilościowej i jakościowej analizy dostępności wody w różnych segmentach sieci wodociągowej oparte na statycznej sieci Bayesowskiej. Następnie użyto dynamicznych sieci Bayesowskich do oceny wiarygodności zaworów w funkcji czasu, co umożliwiło zarządzanie dystrybucją wody bazującą na ocenie jej dostępności w różnych segmentach sieci. Przed wyciągnięciem wniosków przedstawiono przykład sieci zasilającej miasto. Wyniki dowodzą znaczenia i efektywności proponowanego podejścia Bayesowskiego w planowaniu gospodarki wodnej i ustalaniu priorytetów renowacji sieci wodociągowych.

Słowa kluczowe

EN

dynamic Bayesian networks; predicting reliability; rehabilitation; static Bayesian networks; water distribution network

PL

dynamiczna sieć bayesowska; odnowa; sieć wodociągowa; statyczne sieci Bayesowskie; wiarygodność przewidywań

• Wydawca: Wydawnictwo ITP
• Czasopismo: Journal of Water and Land Development
• Rocznik: 2017
• Tom: no. 34
• Strony: 163--172
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Lakehal A.

• Mohamed Chérif Messaadia University, Department of Mechanical Engineering, P.O. Box 1553, 41000 Souk-Ahras, Algeria

autor

Laouacheria F.

• Badji Mokhtar Annaba University, Department of Hydraulic, P.O. Box 12, 23000, Annaba, Algeria

Bibliografia

• BOUDALI H., DUGAN J.B. 2005. A discrete-time Bayesian network reliability modeling and analysis framework. Reliability Engineering and System Safety. Vol. 87. No. 3 p. 337–349. DOI 10.1016/j.ress.2004.06.004.
• BOZORG-HADDAD O., GHAJARNIA N., SOLGI M., LOÁICIGA H.A., MARIÑO M.A. 2017. Multi-objective design of water distribution systems based on the fuzzy reliability index. Journal of Water Supply: Research and Technology – Aqua. Vol. 66. Iss. 1 p. 36–48. DOI 10.2166/ aqua.2016.067.
• GHEISI A., FORSYTH M., NASER Gh. 2016. Water distribution systems reliability: A review of research literature. Journal of Water Resources Planning and Management. Vol. 142. Iss. 11. DOI 10.1061/(ASCE)WR.1943-5452.0000690.
• GUPTA R., DHAPADE S., GANGULY S., BHAVE P.R. 2012. Water quality based reliability analysis for water distribution networks. ISH Journal of Hydraulic Engineering. Vol. 18. Iss. 2 p. 80–89. DOI 10.1080/09715010.2012.662430.
• KANAKOUDIS V., TSITSIFLI S. 2011. Water pipe network reliability assessment using the DAC method. Desalination and Water Treatment. Vol. 33. Iss. 1–3 p. 97–106. DOI 10.5004/dwt.2011.2631.
• KANSAL M.L., ARORA G. 2004. Water quality reliability analysis in an urban distribution network. Indian Water Works Association. Vol. 36. Iss. 3 p. 185–198.
• KARAMOUZ M., YASERI K., NAZIF S. 2016. Reliability-based assessment of lifecycle cost of urban water distribution infrastructures. Journal of Infrastructure Systems. Vol. 23. Iss. 2. DOI 10.1061/(ASCE)IS.1943-555X.0000324.
• KHAKZAD N., KHAN F., AMYOTTE P. 2011. Safety analysis in process facilities: Comparison of fault tree and Bayesian network approaches. Journal of Reliability Engineering and System Safety. Vol. 96 p. 925–932.
• NAIM P., WUILLEMIN P.H., LERAY P., POURRET O., BECKER A. 2004. Réseaux bayésiens [Bayesian network]. 3 ed. Paris. Eyrolles. ISBN 2212119720 pp. 21.
• OSTFELD A. 2001. Reliability analysis of regional water distribution systems. Urban Water. Vol. 3. Iss. 4 p. 253–260. DOI 10.1016/S1462-0758(01)00035-8.
• OSTFELD A. 2004. Reliability analysis of water distribution systems. Journal of Hydroinformatics. Vol. 6. Iss. 4 p. 281–294.
• SCUTARI M., DENIS J.B. 2014. Bayesian networks: With examples in R. Chapman and Hall/CRC. ISBN 1482225581 pp. 241.
• TSCHEIKNER-GRATL F., SITZENFREI R., RAUCH W., KLEIDORFER M. 2016. Enhancement of limited water supply network data for deterioration modelling and determination of rehabilitation rate. Structure and Infrastructure Engineering. Vol. 12. Iss. 3 p. 366–380.
• WEBER P., JOUFFE L. 2006. Complex system reliability modelling with Dynamic Object Oriented Bayesian Networks (DOOBN). Reliability Engineering and System Safety. Vol. 91. Iss. 2 p. 149–162. DOI 10.1016/j.ress.2005.03.006.