9522

بهينه‌سازي فشار آب در شبكه هاي توزيع با استفاده از يادگيري تقويتي

كارشناسي

مهندسي صنايع

1403

دكتر هادي صاحبي

دكتر هادي صاحبي

1403/10/10

مهندسي صنايع

Optimization of Water Pressure In Supliment Network Using Reinforcement Learning

آب يك منبع محدود است كه تعداد كاربران آن در حال افزايش است. در حقيقت، جمعيت جهان در 20 سال گذشته تقريباً 1/5 ميليارد نفر افزايش يافته است. در نتيجه، شهرداريها، شركتهاي آب و به طور كلي جوامع بايد از تكنيكهاي مديريت آب پايدار استفاده كنند. امروزه با پيشرفتهاي حاصلشده در هوش مصنوعي و ظهور يادگيري عميق و يادگيري تقويتي، قادر به حل مسائل با دقت هم اندازهي دقت انسان و يا حتي فراتر از آن هستيم. از موضوعاتي كه زير سايهي پيشرفتهاي حاصلشده رونق گرفته است، ميتوان به كنترل هوشمند فشار شبكه توزيع آب اشاره كرد. منظور از يك سيستم كنترل هوشمند اين است كه با دخالت محدود انسان يا بدون هيچ دخالتي، توانايي تنظيم فشار گرههاي شبكه آب وجود داشته باشد. كنترل هوشمند شبكهي آب دو هدف را دنبال ميكند: )الف( كنترل بيدرنگ شبكه در شرايط خاص و وفقپذيري سريع آن و )ب( كاهش ميانگين فشار شبكه تا هزينهي انرژي و نشتي آب در لولههاي خراب كاهش يابد. فشار در لولههاي آب بهوسيله دريچههاي كاهش فشار 1 انجام ميشود. شبكه بايد از كيفيت جريان آب در گرههاي تقاضا اطمينان حاصل كند و اين كيفيت با كنترل فشار شبكه بهوسيله شيرهاي كاهش فشار انجام ميشود و معمولا اين عمليات به صورت دستي و غيربهينه انجام ميشود. هدف بهينهسازي بهوسيله هوش مصنوعي داشتن كيفيت ذكرشده با كمترين فشار ممكن در شبكه است. بهوسيله يادگيري تقويتي بدون نياز به دانستن اجزاي دقيق شبكه تنها با گرفتن دادههاي جزئي از شبكه مانند وضعيت فشار در گرههاي حساس به عنوان ورودي مسئله، فشاري كه شيرهاي كاهش فشار بايد داشته باشند )به عنوان خروجي مسئله( را تنظيم ميكنيم و بدين شكل فشار كل شبكه را تنظيم ميكنيم. در اين پروژه، تكنيكي را براي بهينهسازي كنترل فشار در سيستمهاي توزيع آب 2 با استفاده از يادگيري تقويتي عميق و ايپانت 3 ارائه ميكنيم. ايپانت يك نرمافزار هيدروليك پركاربرد است. ما استدلال خواهيم كرد كه اين چارچوب به اندازه كافي كلي است تا به طيف گستردهاي از مسائل بهينهسازي تصميم متوالي در شبكه آب رسيدگي كند و ميتواند براي كنترل بيدرنگ در شبكه آب هوشمند استفاده شود.