Linee guida per l'individuazione delle perdite nelle reti di distribuzione idrica a maglie tramite algoritmi genetici

The aim of this paper is the application of genetic algorithms to leakage detection in water distribution networks. The main targets are: - Literature review; - Measurement uncertainty influence on the genetic algorithm efficiency; - Guidelines concerning the position of field gauges (pressure and flow) according to genetic algorithm skills. To achieve this objectives, the following methodology has been adopted: - Literature review: results, critical issues and possible improvements; - Definition of criteria to select individuals forming the new generations through which the genetic algorithm will perform its evolutive process; - Adaptation to the specific problem of the “fitness” objective function; - Application of the enhanced genetic algorithm to some significant benchmark case studies; - Definition of guidelines concerning the position of field gauges (pressure and flow) for leakage detection campaigns. The results seem very interesting at least for the benchmark case studies; in fact: - The hereby enhanced genetic algorithm is more efficient and effective than other versions previously reported in literature; - It has been evaluated the influence of measurement uncertainty on the genetic algorithm performances according to the relative amount of the physical losses; in particular this influence increases when the relative amount of the physical losses is decreasing respect to the flows actually delivered to the users; - Depending on the structure of the distribution network, the position and the type of the gauges, the extent and the position of the leakages, some criteria have been elaborated to exploit the data which can be provided by the gauges themselves.

L’oggetto del presente elaborato è l’applicazione degli algoritmi genetici alla ricerca delle perdite negli acquedotti. In particolare gli obiettivi specifici sono i seguenti: - Approfonndimento sullo stato dell’arte; - Valutazione dell’influenza delle incertezza di misura sull’efficacia dell’algoritmo; - Linee guida per il posizionamento dei misuratori in funzione delle potenzialità dell’algoritmo genetico. A tale fine la metodologia adottata è la seguente: - Analisi dello stato dell’arte dalla letteratura: risultati ottenuti, criticità e possibili punti di miglioramento; - Definizione di criteri per la selezione degli individui costituenti le nuove generazioni su cui l’algoritmo genetico opera l’evoluzione; - Adattamento al problema specifico della funzione obiettivo di tipo “fitness”; - Applicazione dell’algoritmo genetico così potenziato a casi pilota teorici significativi; - Elaborazione di linee guida per il posizionamento in campo dei misuratori di portata e pressione. I risultati ottenuti appaiono molto interessanti, almeno per i casi pilota studiati, in quanto: - L’algoritmo è più efficiente ed efficace rispetto alle versioni precedentemente riportate in letteratura; - E’ stata valutata l’influenza dell’incertezza di misura sulle prestazioni dell’algoritmo genetico al variare delle perdite fisiche, che oltretutto è tanto maggiore tanto minore è la percentuale delle perdite rispetto alle portate erogate; - In funzione della struttura della rete, del posizionamento e della tipologia dei misuratori e dell’entità e della collocazione delle perdite, è stato possibile definire criteri per sfruttare al meglio la disponibilità dei dati provenienti dai misuratori stessi.