Quiñones Grueiro, M., Ares Milán, M., Sánchez Rivero, M., Silva Neto, A. J. e Llanes Santiago, O., Robust Leak Localization in Water Distribution Networks Using Computational Intelligence, Neurocomputing, Vol. 438, pp. 195-208, 2021
A busca por novas estratégias para detecção, estimativa e localização de vazamentos em Redes de Distribuição de Água (WDNs) é um tópico de pesquisa do estado da arte. Neste artigo, é proposta uma metodologia para detecção, estimativa e localização de vazamentos que combina métodos baseados em dados e métodos baseados em modelos. Uma rede neural profunda é usada na tarefa de detecção de vazamento. Posteriormente, a estimativa de uma faixa de tamanho de vazamento é realizada usando a regressão de processo Gaussiano. Em seguida, uma nova abordagem baseada na solução de um problema inverso é desenvolvida para localização de vazamentos. Conhecer a faixa de valores possíveis para o tamanho do vazamento permite melhorar a tarefa de localização quando resolvido como um problema inverso. O método de localização proposto considera a configuração topológica da rede, bem como a faixa de tamanho do vazamento. Uma das principais vantagens da proposta é que ela independe da rotulagem dos nós. Nesse sentido, uma variante modificada do algoritmo de Evolução Diferencial, que considera a estrutura topológica da WDN para modificar o espaço de busca e incorpora uma análise temporal, é utilizada para encontrar a solução do problema inverso. Além disso, graças à evolução topológica das soluções, um conjunto de nós candidatos ao vazamento cria uma zona de possíveis localizações reduzidas muito útil em termos práticos. A abordagem proposta é testada com o modelo de um estudo de caso real: o Modena WDN em larga escala. Os resultados demonstram a eficácia da proposta com detecção de vazamento satisfatória, estimativa de tamanho de vazamento e desempenho de localização ao considerar apenas 9 sensores instalados em uma rede formada por 268 nós.