Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  water consumption prediction
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Prognozowanie zapotrzebowania na wodę z wykorzystaniem uczenia maszynowego
PL
Prognozowanie zużycia wody jest niezbędnym elementem racjonalnej eksploatacji systemów wodociągowych. W ostatnich latach obserwuje się wzrost zainteresowania numerycznymi metodami do predykcji zużycia wody WDF (ang. Water Demand Forecasting), pozwalającymi sporządzać prognozy krótko-, średnio- i długoterminowe. Opracowane prognozy służą do wspomagania podejmowania decyzji związanych z projektowaniem, rozbudową, konserwacją sieci wodociągowych oraz wdrażania procedur umożliwiających optymalizację pracy pompowni, stacji uzdatniania wód i oczyszczalni ścieków. W artykule opisano zastosowanie metod inteligencji obliczeniowej i uczenia maszynowego do prognozowania wielkości zapotrzebowania na wodę. Przedstawiono wyniki prognozy wykonanej przy użyciu regresji nieliniowej, opartej na wektorach wsparcia SVR (ang. Support Vector Regression) z funkcjami jądrowymi określonymi przez radialne funkcje bazowe RBF (ang. Radial Basis Functions). Poddano analizie wpływ sytuacji meteorologicznej na wielkość poboru wody dla dwóch wrocławskich stref DMA (ang. District Metered Area), różniących się typem zabudowy. Wykazano, że celowe jest uwzględnienie maksymalnej dobowej temperatury powietrza atmosferycznego podczas ustalania wielkości zapotrzebowania na wodę. Dowiedziono, że usuwanie trendów i sezonowości z danych pomiarowych pozwala polepszyć wyniki predykcji. Przedstawiony model prognozowania poborów wody może stanowić jedno z narzędzi usprawniających procesy decyzyjne na poziomie zarządzania i eksploatacji sieci wodociągowych.
EN
Predicting water consumption is an important issue at the stage of water systems operation. In recent years, some numerical WDF (Water Demand Forecasting) water consumption prediction systems have been created, which allow to foresee consumption rates for short, medium and long terms. The forecasts support decision-making process concerning the design, expansion and maintenance of water systems and the implementation of procedures optimizing the operation of pumping stations, water treatment and sewage treatment plants. The article describes the use of computational intelligence and machine learning to predict water demand rates. The results of a forecast prepared with the use of nonlinear regression based on Support Vector Regression (SVR) with kernel functions defined by Radial Basis Functions (RBF) are presented. The influence of weather situation on water consumption rates for two District Metered Areas (DMA) in Wrocław, each with different land development conditions, was analysed. It was proved that it is advisable to take the maximum daily temperature into account while estimating water demand rates. It was shown that skipping trends and seasonality in measuring data allows to create better prediction models. The water consumption prediction model presented may be regarded as one of the tools facilitating decision-making processes at management and water system utilisation levels.
PL
W pracy zaprezentowano możliwości zastosowania nieparametrycznych estymatorów jądrowych do opisu zużycia wody w gospodarstwie domowym. Rozpatrzono dobowe zużycie wody na różne cele bytowe w ciągu 101 dób przez czteroosobowe gospodarstwo domowe. Pomiary zużycia wody były wykonane za pomocą wodomierza zimnej wody, wodomierza zimnej wody dla ustępu spłukiwanego i wodomierza ciepłej wody. Do estymacji funkcji gęstości prawdopodobieństwa poszczególnych rodzajów pobieranej wody wykorzystano dwa estymatory jądrowe: normalny i Epanecznikowa. Stworzono autorski program w arkuszu kalkulacyjnym MS Excel, pozwalający wyznaczyć wartość parametru wygładzania oraz estymowaną wartość funkcji gęstości. Stwierdzono dużą przydatność tego typu estymacji do opisu wielomodalnych, niesymetrycznych rozkładów prawdopodobieństwa, jakimi charakteryzuje się m.in. dobowe zużycie wody przez pojedyncze gospodarstwo domowe. Największą trudność w zastosowaniu estymatorów jądrowych sprawiało wyznaczenie wartości parametrów wygładzania.
EN
The paper presents feasibility of nonparametric kernel estimators’ application to describe the use of water in a household. Daily consumption of the water by a household inhabited by four persons was metered during 101 days. Three water-meters were installed: for cold water (without WC), separately for cold water in water closet as well as for hot water. To estimate probability density functions of the water usage two kernel estimators were applied: a normal one and the Epanechnikov kernel. The authors’ program was created within spreadsheet MS Excel to determine a smoothing parameter and the estimated value of the density function. A great usefulness of the kernel estimators was stated for the description of multi-modal, asymmetric probability density functions including daily water use by a single household. The most troublesome problem in such non-parametric estimation was the determination of smoothing parameters.
PL
W artykule przedstawiono wykonaną na Stacji Uzdatniania Wody (SUW) Gruszczyn optymalizację sterowania systemem zaopatrzenia w wodę. Przedstawiono zakres wykonanej optymalizacji oraz porównano działanie SUW w okresie przed i po modernizacji. Ocena działania systemu zaopatrzenia w wodę SUW Gruszczyn wykazała 11,5% spadek całkowitego zużycia energii elektrycznej w wyniku dokonanej optymalizacji. Część II zawiera porównanie działania systemu zaopatrzenia w wodę w okresach przed i po jego optymalizacji. Opisano także proces przejścia zarządzania obiektem w tryb bezobsługowy - sterowania z poziomu Centralnego Systemu Zarządzania Spółki AQUANET S.A. z Poznania. W poprzedniej części artykułu opisano zakres wdrożonej optymalizacji.
EN
This paper presents the optimization of the control system of the Water Treatment Plant (WTP) Gruszczyn. The scope of the undertaken optimization is described, and a comparison of two operational periods - before and after optimization - is made. The comparison showed that advanced control system led to 11,5% reduction of overall WTP energy consumption. Part 2 - contains the comparison of the water system performance before and after optimization. Also, the process of moving WTP management towards automatic control from AQUANET Poznań Central Management System is also described in this Part. In the previous part the scope of the undertaken optimization was introduced.
PL
W artykule przedstawiono wykonaną na Stacji Uzdatniania Wody (SUW) Gruszczyn optymalizację sterowania systemem zaopatrzenia w wodę. Przedstawiono zakres wykonanej optymalizacji oraz porównano działanie SUW w okresie przed i po modernizacji. Ocena działania systemu zaopatrzenia w wodę SUW Gruszczyn wykazała 11,5% spadek całkowitego zużycia energii elektrycznej w wyniku dokonanej optymalizacji. Artykuł podzielono na dwie części. Niniejsza - część 1. artykułu zawiera opis wdrożonej optymalizacji. W kolejnej części przedstawione zostanie porównanie działania systemu zaopatrzenia w wodę w okresach przed i po jego optymalizacji. W następnym miesiącu opisany zostanie także proces przejścia zarządzania obiektem w tryb bezobsługowy - sterowania z poziomu Centralnego Systemu Zarządzania Spółki AQUANET SA z Poznania
EN
This paper presents the optimization of the control system of the Water Treatment Plant (WTP) Gruszczyn. The scope of the undertaken optimization is described, and a comparison of two operational periods - before and after optimization -^isfaiade. The comparison showed that advanced control system lpd to 11,5% reductipn of overall WTP energy consumption. ' " This article is divided into two parts. This part - Part 1 - of the article describes the implementation of water system optimization project. The comparison of the water system performance before and after optimization will be introduced in the next part. Also, the process of moving WTP management towards automatic control from AQUANET Poznań Centrąl Management System will be described inPart 2.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.