Agresta, Annalisa (2017) Integrando le Smart Water Network con algoritmi di intelligenza computazionale per una stima affidabile della qualità delle acque nei sistemi acquedottistici. [Tesi di dottorato]
![[img]](http://www.fedoa.unina.it/style/images/fileicons/text.png) |
Testo
agresta_annalisa_29.pdf Visibile a [TBR] Amministratori dell'archivio Download (6MB) | Richiedi una copia |
| Tipologia del documento: | Tesi di dottorato | ||||||
|---|---|---|---|---|---|---|---|
| Lingua: | Italiano | ||||||
| Titolo: | Integrando le Smart Water Network con algoritmi di intelligenza computazionale per una stima affidabile della qualità delle acque nei sistemi acquedottistici | ||||||
| Autori: |
|
||||||
| Data: | 4 Aprile 2017 | ||||||
| Numero di pagine: | 158 | ||||||
| Istituzione: | Università degli Studi di Napoli Federico II | ||||||
| Dipartimento: | Ingegneria Civile, Edile e Ambientale | ||||||
| Scuola di dottorato: | Ingegneria civile | ||||||
| Dottorato: | Ingegneria dei sistemi civili | ||||||
| Ciclo di dottorato: | 29 | ||||||
| Coordinatore del Corso di dottorato: |
|
||||||
| Tutor: |
|
||||||
| Data: | 4 Aprile 2017 | ||||||
| Numero di pagine: | 158 | ||||||
| Parole chiave: | smart water network, autocalibrazione, sampling design, ottimizzazione modelli, gis, data assimilation | ||||||
| Settori scientifico-disciplinari del MIUR: | Area 08 - Ingegneria civile e Architettura > ICAR/01 - Idraulica Area 08 - Ingegneria civile e Architettura > ICAR/03 - Ingegneria sanitaria-ambientale |
||||||
| Depositato il: | 04 Mag 2017 15:04 | ||||||
| Ultima modifica: | 07 Ott 2021 10:31 | ||||||
| URI: | http://www.fedoa.unina.it/id/eprint/11476 |
Abstract
Attuali studi scientifici nel campo dei sistemi di adduzioni e distribuzione delle acque potabili hanno mostrato un notevole interesse verso soluzioni e tecnologie “smart”, mirate al miglioramento del controllo e della gestione della reti idriche, note come Smart Water Network (SWN). Tali soluzioni nascono allo scopo di ottenere un monitoraggio in continuo e distribuito dell’intera rete acquedottistica, fornire in tempo reale informazioni sul comportamento idraulico e qualitativo delle reti e quindi mirare all’ottimizzazione della gestione del controllo dei servizi idrici. Le SWN sono generalmente ottenute utilizzando diversi strumenti e tecnologie quali reti di monitoraggio, sistemi di acquisizione e controllo (SCADA), sistemi informativi territoriali (GIS/SWE) e modellistica numerica di simulazione. In questo contesto, il presente lavoro di ricerca, partendo dalle tecnologie e dagli strumenti tipici delle SWN, ha come obiettivo quello di migliorare la stima della qualità delle acque, formulando problemi di ottimizzazione mono- e multi-obiettivo e risolvendo quest’ultimi tramite l’uso di algoritmi evolutivi. La metodologia innovativa sviluppata è stata applicata ad un acquedotto reale quale il Santa Sofia, acquedotto gestito da Acqua Campania Spa, che convoglia e distribuisce direttamente la risorsa idrica nella rete acquedottistica cittadina di diversi comuni casertani connessi alla rete. Tale acquedotto è monitorato in continuo da una rete di sonde multi-parametriche per la misura dei parametri quali/quantitativi lungo l’intero acquedotto. Al fine di ottenere una stima affidabile della qualità delle acque sono stati messi a punto processi di auto-calibrazione periodica sia per il modello idraulico che per i modelli di qualità delle acque, formulando problemi di ottimizzazione che massimizzano l’accuratezza (minimizzano l’incertezza) della modellistica di simulazione. La risoluzione di tali problemi di ottimizzazione è stata ottenuta utilizzando algoritmi genetici. I dati misurati in continuo dalla rete di sensori distribuita sono automaticamente utilizzati nel processo di calibrazione, realizzando un’integrazione tra la rete di monitoraggio e la modellistica di simulazione. Sono stati definiti schemi ottimali di posizionamento di sensori multi-parametrici lungo un acquedotto al fine di ottimizzare i processi di calibrazione della modellistica idraulica e di qualità attraverso la formulazione di problemi di ottimizzazione multi-obiettivo, risolti con algoritmi MOGA (Multi Objective Genetic Algorithm). La metodologia messa a punto è stata sperimentata sia per la validazione della rete di monitoraggio esistente sull’acquedotto pilota che per definizione di nuovi schemi di campionamento. Le tecniche di localizzazione ottimale dei sensori e le procedure di auto-calibrazione periodica hanno permesso di ottenere una stima affidabile del decadimento del cloro e della formazione dei DBPs, distribuita e in continuo lungo l'intero sistema acquedottistico pilota Santa Sofia. Attraverso una console GIS, sono state eseguite le simulazioni e visualizzati i risultatati attraverso mappe tematiche, consentendo di individuare in modo immediato e tempestivo segmenti dell’acquedotto caratterizzati da concentrazioni fuori norma. In tale console è stata realizzata l’integrazione tra la rete di monitoraggio del Santa Sofia e la modellistica, permettendo di assimilare (data assimilation) i dati di cloro acquisiti dai sensori nell’elaborazione degli scenari di previsione. La metodologia sviluppata permette di ottenere una stima affidabile della qualità delle acque, ovvero del decadimento del cloro e della formazione dei DBPs, in continuo e distribuita lungo un intero sistema acquedottistico. La visualizzazione in ambiente GIS garantisce un'immediata valutazione di eventuali anomalie supportando una gestione ottimizzata della rete. La metodologia proposta può ritenersi di supporto alle tradizionali tecniche di controllo delle acque potabili per una gestione ottimizzata delle reti idriche.
Downloads
Downloads per month over past year
Actions (login required)
 |
Modifica documento |
