Evolutionary multi-objective optimization in water distribution network design

Farmani, Raziyeh; Savić, Dragan; Walters, Godfrey A.

doi:10.1080/03052150512331303436

Cited by 182 publications

(74 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A multi-objective optimisation approach was possibly first applied in the late 1990s (Figure 1), maximising the network benefit on one hand and minimising the system cost (of network rehabilitation) on the other hand [63]. In studies of newly designed WDSs, in addition to the economic measure, the other objectives considered were the pressure deficit [30,62,[64][65][66][67] or excess [68,69] at network nodes, the penalty cost for violating the pressure constraint [70], greenhouse gas (GHG) emissions [71][72][73][74][75][76] or emission cost [77], water discolouration risk [68] and water quality [78]. A multiobjective optimisation approach is considered "very appealing for engineers as it provides a tool to investigate interesting trade-offs", for example, a marginal pressure deficit can be outweighed by a considerable cost reduction [67].…”

Section: Introductionmentioning

confidence: 99%

Lost in Optimisation of Water Distribution Systems? A Literature Review of System Design

Mala-Jetmarova

Sultanova

Savić

2018

Water

130

View full text Add to dashboard Cite

Optimisation of water distribution system design is a well-established research field, which has been extremely productive since the end of the 1980s. Its primary focus is to minimise the cost of a proposed pipe network infrastructure. This paper reviews in a systematic manner articles published over the past three decades, which are relevant to the design of new water distribution systems, and the strengthening, expansion and rehabilitation of existing water distribution systems, inclusive of design timing, parameter uncertainty, water quality, and operational considerations. It identifies trends and limits in the field, and provides future research directions. Exclusively, this review paper also contains comprehensive information from over one hundred and twenty publications in a tabular form, including optimisation model formulations, solution methodologies used, and other important details.

show abstract

Section: Introductionmentioning

confidence: 99%

Lost in Optimisation of Water Distribution Systems? A Literature Review of System Design

Mala-Jetmarova

Sultanova

Savić

2018

Water

130

View full text Add to dashboard Cite

show abstract

“…The approach of using stochastic optimization algorithms has been investigated in WSNs design and location of control valves (Ramos et al 2010;Araújo et al 2006;Farmani et al 2005;Cunha and Sousa 2001). Nevertheless, the use of these techniques for the current problem has not yet been thoroughly studied.…”

Section: Introductionmentioning

confidence: 99%

Simulated Annealing in Optimization of Energy Production in a Water Supply Network

Samora

Franca

Schleiss

et al. 2016

Water Resour Manage

View full text Add to dashboard Cite

In water supply systems, the potential exists for micro-hydropower that uses the pressure excess in the networks to produce electricity. However, because urban drinking water networks are complex systems in which flows and pressure vary constantly, identification of the ideal locations for turbines is not straightforward, and assessment implies the need for simulation. In this paper, an optimization algorithm is proposed to provide a selection of optimal locations for the installation of a given number of turbines in a distribution network. A simulated annealing process was developed to optimize the location of the turbines by taking into account the hourly variation of flows throughout an average year and the consequent impact of this variation on the turbine efficiency. The optimization is achieved by considering the characteristic and efficiency curves of a turbine model for different impeller diameters as well as simulations of the annual energy production in a coupled hydraulic model. The developed algorithm was applied to the water supply system of the city Lausanne (Switzerland). This work focuses on the definition of the neighborhood of the simulated annealing process and the analysis of convergence towards the optimal solution for different restrictions and numbers of installed turbines.Water Resour Manage

show abstract

“…Por esta razón, los enfoques heurísticos son adecuados para resolver este tipo de problemas (Baños et al 2010). Estas herramientas se basan por lo general en los algoritmos genéticos multiobjetivo (Savic 2002;Farmani et al 2005), que implican más de una función objetivo a optimizar simultáneamente obteniendo la mejor combinación de los valores de las variables de decisión.…”

Section: -Introducciónunclassified

Optimización De La Predicción De Demanda De Agua Mediante Algoritmos Neuro-Genéticos Para Un Conjunto De Datos Reducido

Perea¹,

Poyato²,

Montesinos³

et al. 2016

XXXIV Congreso Nacional De Riegos

View full text Add to dashboard Cite

ResumenLa predicción de la demanda de agua es uno de los factores principales en el diseño y gestión de sistemas de abastecimiento y distribución de agua. Recientemente, avanzadas técnicas en inteligencia computacional como las Redes Neuronales Artificiales (RNAs) han sido aplicadas para la predicción de series temporales con importantes resultados. En este trabajo se ha desarrollado una metodología híbrida que combina RNAs y Algoritmos Genéticos multiobjetivo para la predicción a corto plazo de la demanda de agua en una Comunidad de Regantes cuando la disponibilidad de datos es escasa. El modelo fue desarrollado utilizando datos de series temporales del Sector VII de la Zona Regable Bembézar M.D. Tras el proceso de optimización con un algoritmo genético multiobjetivo se obtuvo una RNA de tipo perceptrón multicapa entrenada mediante el algoritmo Regularización Bayesiana con 24 neuronas en la primera capa oculta y 21 en la segunda. El modelo desarrollado fue capaz de explicar el 95 % de la varianza total de los datos observados con un Error Estándar de Predicción del 9.38 % (periodo de test). 1.-IntroducciónEl aumento de la población mundial unido a la creciente demanda de alimentos hace que sea necesario incrementar la producción agrícola. Para asegurar este aumento de la producción agrícola, la agricultura de regadío desempeña un papel fundamental.La agricultura de regadío es el mayor usuario de agua en todo el mundo, presentando el 70% del total de agua dulce. En países como España, el uso del agua en la agricultura representa el 80% de la demanda total de agua, correspondiendo la mayor parte a la agricultura de regadío. Así, con el objetivo de aumentar la eficiencia en el uso del agua, muchas zonas de regadío han sido sometidas a procesos de modernización. En consecuencia, la mayoría de los nuevos sistemas de riego (goteo y aspersión) operan bajo demanda respetando el tiempo, la duración y la frecuencia de riego que lo agricultores deciden. Debido a este aumento de la flexibilidad en la gestión del riego de cada agricultor, se produce una gran variabilidad temporal de la demanda de agua en toda la red de riego. Por esta razón, la predicción de la demanda de agua se ha convertido en uno de los principales problemas en el diseño, gestión y modernización de los sistemas de abastecimiento y distribución de agua.En los últimos años, ha sido posible una importante evolución en el campo de la predicción gracias a los avances en los modelos de sistemas no lineales conocidos como

show abstract

Evolutionary multi-objective optimization in water distribution network design

Cited by 182 publications

References 14 publications

Lost in Optimisation of Water Distribution Systems? A Literature Review of System Design

Lost in Optimisation of Water Distribution Systems? A Literature Review of System Design

Simulated Annealing in Optimization of Energy Production in a Water Supply Network

Optimización De La Predicción De Demanda De Agua Mediante Algoritmos Neuro-Genéticos Para Un Conjunto De Datos Reducido

Contact Info

Product

Resources

About