Wyniki wyszukiwania - BazTech

1

Potencjał algorytmów inteligencji obliczeniowej w interpretacji rozproszonych danych wodomierzowych

Dzimińska Paulina, Stańczyk Justyna, Pałczyński Krzysztof, Licznar Paweł, Andrysiak Tomasz

Instal

|

2024

|

nr 1

36--43

PL

Rozwijająca się świadomość oraz aspekty prawne związane z energochłonnością systemów dystrybucji wody, w połączeniu z starzeniem się infrastruktury wodociągowej i stresem wodnym, wymuszają poszukiwanie rozwiązań wspierających efektywniejszą kontrolę i zarządzanie infrastrukturą techniczną. Osiągnięcie standardu mądrych czy też inteligentnych systemów wodociągowych na każdym szczeblu obszaru kluczowego nadal pozostaje kwestią otwartą zarówno w warunkach krajowych jak i zagranicznych. Dotyczy to także mikroskali sieci wodociągowych, to znaczny konsumentów wody oraz stosowania inteligentnych wodomierzy z wbudowanymi algorytmami uczenia maszynowego. Artykuł przedstawia wyniki badań z wdrożenia modelu krótkoterminowej predykcji zużycia wody wraz z detekcją anomalii dla budynków wielorodzinnych. Prognoza zużycia wody, przeprowadzona w oparciu o wysokoczęstotliwościowe pomiary oraz głębokie sieci neuronowe, pozwoliła na osiągnięcie błędu predykcji poniżej 3,0%. Detekcja wykrywania anomalii, zrealizowana w oparciu o bazowy model prognostyczny, charakteryzowała się nawet 97,3% skutecznością wykrywania anomalii.

EN

The development of awareness and legislative aspects related to the energy efficiency of water distribution systems, combined with the ageing of water supply infrastructure and water stress, led to the search for solutions to support more effective control and management of technical infrastructure. Increasing the standard of smart or intelligent water supply systems at all levels of key areas is still a problem under domestic and foreign conditions. This also applies to the microscale of water supply networks, namely water consumers of water and the use of smart water meters with integrated machine learning algorithms. This article presents the results of research on the implementation of a short-term water consumption prediction model with anomaly detection for multifamily residential buildings. The prediction of water consumption, based on high-frequency measurements and deep neural networks, achieved a prediction error of less than 3.0%. Anomaly detection, based on the underlying prediction model, had up to 97.3% accuracy.

2

Predykcja krótkoterminowa zużycia wody w budynkach wielorodzinnych z wykorzystaniem technik uczenia maszynowego

Śmigiel Sandra, Stańczyk Justyna, Dzimińska Paulina, Ledziński Damian, Andrysiak Tomasz, Licznar Piotr

Instal

|

2023

|

nr 12

72--78

PL

W praktyce eksploatacyjnej systemów dystrybucji wody brak jest wdrożenia zaawansowanych narzędzi przetwarzania i analizowania danych monitoringowych. Dotyczy to wielu poziomów zarządzania wodociągami, w ramach których dochodzi do rejestracji pomiarów, najczęściej tworzących nieinterpretowalne zbiory danych. Wraz z pojawieniem się możliwości rejestracji danych, które można określić mianem wysokoczęstotliwościowych, istnieje potrzeba równoległego wdrażania odpowiednich technik z zakresu data science, stanowiących podstawę mądrych czy też inteligentnych sieci wodociągowych. By spełnić założenia dotyczące implementacji inteligencji na poziomie wodomierzy, koniecznym jest umożliwienie pomiaru zużycia wody z precyzyjnym interwałem pomiarowym oraz zaawansowanej analizy danych, które skutkować powinny efektywnym wnioskowaniem i zarządzaniem systemami dystrybucji wody. W niniejszym artykule zaprezentowano wyniki zastosowania modeli uczenia maszynowego w celu predykcji krótkoterminowej zużycia wody dla budynków wielorodzinnych. Do prognozowania zużycia wody wykorzystano modele liniowe, proste modele sieci neuronowych, algorytm najbliższych sąsiadów oraz drzewa decyzyjne. W ramach przeprowadzonych badań ocenie poddano cechy wyekstrahowane z przebiegu zużycia wody wraz z kombinacjami ich zestawów podawanymi na wejściu regresora. Zweryfikowano także, jak stopień agregacji danych oraz struktura budynku wpływają na błąd prognozowania.

EN

The operational practice of water distribution systems lacks the implementation of advanced tools for processing and analyzing monitored data. This is the case at many levels of water supply management, where measurements are recorded, most often creating uninterpretable data sets. With the arrival of data recording capabilities that can be described as high-frequency, there is a need for a simultaneous implementation of suitable data science techniques as the basis for smart water supply networks. To achieve the goals of implementing intelligence at the water meter level, it is necessary to allow measurement of water consumption with a precise measurement interval and advanced data analysis, which should result in effective inference and management of water distribution systems. This paper presents the results of the use of machine learning models to predict short-term water consumption for multifamily buildings. Linear models, simple neural network, nearest neighbour algorithm and decision trees were used to predict water consumption. The study evaluated features extracted from the water consumption waveforms and combinations of data sets given to the input of the regression model. It was also verified how the degree of data aggregation and the structure of the building influence the prediction error.

3

Wykorzystanie systemu rejestracji danych z dużą częstotliwością do analizy nierównomierności zużycia wody

Dzimińska Paulina, Stańczyk Justyna, Drzewiecki Stanisław, Licznar Paweł

Instal

|

2022

|

nr 1

24--30

PL

Obserwowany w ostatnich latach rozwój nowoczesnych technologii oraz idei inteligentnych miast budzi coraz większe zainteresowanie wśród eksploatatorów systemów dystrybucji wody. Wdrożenie systemów monitoringu oraz zdalnego odczytu wodomierzy pozwala na zbieranie danych o rzeczywistej pracy sieci wodociągowej, co przekłada się na możliwość ich wykorzystania w procesie planowania inwestycji, modelowania, projektowania oraz w bieżącej eksploatacji i optymalizacji pracy układu. Biorąc pod uwagę obecne potrzeby przedsiębiorstw wodociągowych w tym zakresie, przeprowadzono badania nad nierównomiernością zużycia wody przez różnego typu odbiorców końcowych. Wykorzystano dane pochodzące z modułów rejestrujących szeregi czasowe z dużą częstotliwością, zlokalizowanych w pilotażowej strefie wodociągowej. Wyniki badań wskazują na znaczne różnice pomiędzy literaturowymi wielkościami współczynników nierównomierności rozbiorów wody a rzeczywistymi, określonymi na podstawie precyzyjnych pomiarów. Uwidoczniony został także wpływ pandemii COVID-19 na zmienność i nierównomierność poboru wody przez użytkowników budynków o różnym przeznaczeniu.

EN

The development of modern technology and the idea of smart cities, which has been observed in recent years, becomes of interest to operators of water distribution systems. Implementing monitoring and remote water meter reading systems allows to collect data presenting actual operation of water supply networks. The collected data can be used in investment planning processes, as well as in modelling, designing and current operation and optimisation of the network. Taking into account current needs of water supply companies in this respect, research has been carried out into the uneven water consumption among various types of final consumers. Data from high-frequency time series recording modules located in the pilot water supply zone were used in the research. The research results indicate significant differences between the values of the non-uniformity coefficients of water consumption in the literature and the actual data, which is determined on the basis of precise measurements. The impact of COVID-19 pandemics on variability and unevenness of water consumption by users of buildings of various purpose is shown.