Repositório UNIFEI UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Teses
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/3530
Tipo: Tese
Título: Aplicação de redes neurais multicamadas associadas a algoritmos genéticos aplicadas a operação de redes de distribuição de água com vistas a eficiência hidroenergética em cidades inteligentes.
Autor(es): SILVA, Alex Takeo Yasumura Lima
Primeiro Orientador: SILVA, Fernando das Graças Braga da
Resumo: A escassez de recursos naturais, especialmente água e energia, colocam em risco o abastecimento de água para a população. Portanto, tornam-se necessários procedimentos para garantir a operação ótima de uma rede de distribuição de água. O uso de técnicas de otimização como os algoritmos genéticos garante a operação ótima da rede, contudo, apenas encontrar os pontos ótimos não bastam, uma vez que as oscilações da demanda produzem flutuações nas pressões, exigindo também uma capacidade de aprendizado que garanta a adaptabilidade da distribuição de água conforme as demandas, indo de encontro com o conceito de cidades inteligentes. Assim, para dar a rede de distribuição de água essa capacidade de aprendizado, foram empregadas Redes Neurais Artificiais (RNA) do tipo “perceptron” de uma camada oculta, sendo uma delas simples para atuar apenas em um ponto de demanda prevendo os valores dos parâmetros operacionais (RNF, válvulas e bombas), como prova de conceito e então foi elaborada uma RNA mais avançada, com sete camadas ocultas, de modo a prever os parâmetros operacionais para as últimas 72 horas. As Redes de Distribuição de Água utilizadas foram duas redes teóricas com 13 nós, 2 Reservatórios de Nível Fixo (RNF), 2 bombas e 3 válvulas, variando apenas a posição da malha. Para ambas as redes de distribuição, as previsões chegaram a um bom resultado na maioria dos pontos baseado na Norma NBR 12218/2017. Como conclusão, as Redes Neurais Artificiais demonstraram boa capacidade de previsão de operação quando aplicados a redes de distribuição de água devido a sua complexidade inerente, possuindo potencial para melhores resultados.
Abstract: The scarcity of natural resources, especially water and energy, put the population at risk of water supply. Therefore, they become necessary procedures to guarantee the optimal operation of a water distribution network. The use of optimization techniques such as genetic algorithms guarantees the optimal operation of the network, however, just finding the optimal points is not enough, since demand oscillations affect fluctuations in those presented, also presenting a learning capacity that guarantees the adaptability of the network. distribution of water according to demand, meeting the concept of smart cities. Thus, to give the water distribution network this learning capability, Artificial Neural Networks (ANN) of the “perceptron” type of a hidden layer were used, one of which is simple to act only at a demand point, predicting the values of the operational parameters (RNF, valves and pumps), as a proof of concept and then a more advanced ANN was developed, with seven hidden classes, in order to predict the operational specifications for the last 72 hours. The Water Distribution Networks used were two theoretical networks with 13 nodes, 2 Fixed Level Reservoirs (RNF), 2 pumps and 3 valves, varying only the mesh position. For both distribution networks, the predictions reached a good result in most points based on Norma NBR 12218/2017. As a conclusion, Artificial Neural Networks are proven to have a good capacity to predict operation when applied to water distribution networks due to their inherent complexity, having the potential for better results with future adjustments.
Palavras-chave: Algoritmos genéticos
Cidades inteligentes
Distribuição de água
Eficiência hidroenergética
Redes neurais artificiais
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA SANITÁRIA::RECURSOS HÍDRICOS
Idioma: por
País: Brasil
Editor: Universidade Federal de Itajubá
Sigla da Instituição: UNIFEI
metadata.dc.publisher.department: IRN - Instituto de Recursos Naturais
metadata.dc.publisher.program: Programa de Pós-Graduação: Doutorado - Meio Ambiente e Recursos Hídricos
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/3530
Data do documento: 15-Fev-2023
Aparece nas coleções:Teses

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_2023009.pdf2,94 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.