Dissertação

{en_GB=Descriptive and predictive modeling of water distribution network dynamics using multivariate time series data} {} EVALUATED

{pt=Redes de distribuição água (RDAs) são infraestruturas hidráulicas responsáveis por aprovisionar um abastecimento contínuo e pressurizado de água potável, tendo assim um papel essencial na saúde pública. No entanto, a presença de fugas desperdiça recursos e compromete a qualidade da água. Embora existam métodos que apoiam a monitorização e controlo de RDAs, estes demonstram uma capacidade limitada na deteção de anomalias, não sendo ainda aplicados de forma consistente em RDAs portugueses. Neste trabalho, mostramos que é possível (1) descrever as dinâmicas de uma RDA através da análise de correlações espaciotemporais de sensores de pressão e caudal, e (2) analisar as disrupções nestas correlações para detetar dinâmicas de fuga com recurso a classificadores. Esta abordagem revelou-se promissora em ambiente simulado e, apesar dos desafios encontrados, apresenta uma solução inicial que suporta a deteção em ambiente real. Descobrimos ainda que a interrupção causada pelas fugas é maior logo após a sua ocorrência. Além disso, a seleção de pares de sensores e balanceamento dos dados em ambiente real são também promissores. Os resultados sugerem que é importante ter acesso a dados provenientes de uma boa rede de sensores e a informação completa sobre as fugas. Consequentemente, acreditamos que a RDA estudada beneficiaria muito com a expansão e realocação dos sensores. Por último, dada a simplicidade, novidade e precisão dos princípios de correlação propostos para a deteção de anomalias em series temporais heterogenias e georreferenciadas, antecipamos que o nosso trabalhado irá contribuir para o estudo da deteção automática de fugas em RDAs portuguesas., en=Water distribution networks (WDNs) are hydraulic infrastructures that provide a continuous supply of pressurized safe drinking water to all consumers, playing an important role in public health. Leakages cause service interruptions, waste resources, and compromise water quality. Although we can find many methods to support the monitoring and control of WDNs, they exhibit limited ability to detect anomalies and are not yet consistently applied to Portuguese WDNs. We show that it is possible to (1) describe the dynamics of a WDN through spatiotemporal correlation analysis of pressure and volumetric flowrate sensors, and (2) analyze disruptions on the expected correlation to detect burst leakage dynamics using standard classifiers. Our approach is promising in a synthetic setting and offers initial support towards leakage detection in real WDNs despite the presence of highly irregular consumption patterns, a limited number of recorded leakages, and highly heterogeneous leakage profiles. We discovered that the disruption caused by leakages is higher shortly after the burst. Furthermore, a comprehensive pairing of heterogeneous sensors and data balancing in the real setting is also promising. Our results suggest that it is important to access data from WDNs with good sensor coverage and complete information about leakages. Accordingly, we believe that our WDN would benefit a lot from sensor expansion and relocation. Lastly, given the simplicity, novelty, and accuracy of the proposed correlation-based principles for anomaly detection in heterogeneous and georeferenced time series, we anticipate our work to contribute to the study and development of automated leakage detection in Portuguese WDNs.}
{pt=Análise de Correlações, Analise de Dados Espaciotemporais, Deteção de Fugas de Água, Previsão, Rede de Distribuição de Água, Séries Temporais Multivariadas, en=Burst Leakage Detection, Correlation Analysis, Multivariate Time Series, Prediction, Spatiotemporal Data Analysis, Water Distribution Network}

Janeiro 19, 2021, 9:0

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Rui Miguel Carrasqueiro Henriques

Departamento de Engenharia Informática (DEI)

Professor Auxiliar