Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada

Eduardo Trutié-Carrero, Damian Valdés-Santiago, Ángela León-Mecías, Jorge Ramírez-Beltrán

Resumen

La ruptura súbita en los sistemas de distribución de agua provoca gran pérdida de este recurso natural, interrumpe el abastecimiento, daña las calles y edificaciones y aumenta la transmisión de enfermedades infecciosas. En este artículo se propone un nuevo algoritmo que permite la detección y localización automática de rupturas súbitas en los sistemas de distribución de agua. En cuanto a la detección, la novedad consiste en usar el criterio de correlación wavelet para computar la decisión estadística y compararla con un umbral de detección. La novedad en la localización consiste en usar el operador estadístico correlación cruzada. El algoritmo se implementó en Octave y fue validado con 32 señales adquiridas en el laboratorio en una tubería de acero de 26.7 m de longitud. En 16 señales se provocó ruptura súbita las cuales fueron detectadas bajo una probabilidad de falsos positivos de 2 %. No se presentaron falsos positivos en las 16 señales donde solamente estaba la presencia de ruido.


Palabras clave

singularidad; transformada wavelet; detección; estimación

Texto completo:

PDF

Referencias

Cedeño, A., Trujillo, R., 2013. Estudio comparativo de técnicas de reducción de ruido en se-ales industriales mediante transformada wavelet discreta y selección adaptativa del umbral. Revista Iberoamericana de Automática e Informática Industrial RIAI 10, 143–148. https://doi.org/10.1016/j.riai.2013.03.003

Donoho, D. L., Johnstone, J. M., 1994. Ideal spatial adaptation by wavelet shrinkage. Biometrika 81, 425–455. https://doi.org/10.1093/biomet/81.3.425

Eaton, J. W., Bateman, D., Hauberg, S., Wehbring, R., 2014. GNU Octave version 3.8.1 manual: a high-level interactive language for numerical computations. CreateSpace Independent Publishing Platform.

Ebacher, G., Besner, M.-C., Prévost, M., Allard, D., 2010. Negative pressure events in water distribution systems: Public health risk assessment based on transient analysis outputs. In: Water Distribution Systems Analysis 2010. pp. 471–483.

Grinstead, C. M., Snell, J. L., 1997. Introduction to Probability. American Mathematical Society.

Luo, Jun; Liu, G. H. Z., 2016. Damage detection for shear structures based on wavelet spectral transmissibility matrices under nonstationary stochastic excitation. Structural Control and Health Monitoring. https://doi.org/10.1002/stc.1862

Mallat, S., 1999. A Wavelet Tour of Signal Processing. Academic Press. Martini, A., Troncossi, M., Rivola, A., 2013. Vibration monitoring as a tool for leak detection in water distribution networks. In: International Conference Surveillance 7.

Meniconi, S., Brunone, B., Ferrante, M., Capponi, C., Pedroni, M., Zaghini, M., Leoni, F., 2014. Transmission Main Survey by Transient Tests: The Case of Villanova Plan in Mantova (I). Procedia Engineering 89. https://doi.org/10.1016/j.proeng.2014.11.454

Mounce, Stephen R.; Mounce, R. B. B. J. B., 03 2012. Identifying sampling interval for event detection in water distribution networks. Journal of Water Resources Planning and Management 138. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000170

Oppenheim, A. V., Schafer, R. W., 2010. Discrete-Time Signal Processing. Prentice Hall.

Proakis, J. G., Manolakis, D. G., 2006. Digital signal processing: principles, algorithms, and applications. Prentice-Hall.

Rathnayaka, S., Shannon, B., Rajeev, P., Kodikara, J., 2016. Monitoring of pressure transients in water supply networks. Water Resources Management 30 (2), 471–485. https://doi.org/10.1007/s11269-015-1172-y

Srirangarajan, S., Allen, M., Preis, A., 2013. Wavelet-based burst event detection and localization in water distribution systems. Journal of Signal Processing Systems 72, 1–16. https://doi.org/10.1007/s11265-012-0690-6

Srirangarajan, S., Iqbal, M., Lim, H. B., Allen, M., Preis, A., Whittle, A. J., 2011. Water main burst event detection and localization. In: Water Distribution Systems Analysis 2010. Tucson, Arizona, United States. https://doi.org/10.1061/41203(425)119

Ye, G., Fenner, R. A., 2011. Kalman filtering of hydraulic measurements for burst detection in water distribution systems. Journal of Pipeline Systems Engineering and Practice 2, 14–22. https://doi.org/10.1061/(ASCE)PS.1949-1204.0000070

Ye, G., Fenner, R. A., 2014. Study of burst alarming and data sampling frequency in water distribution networks. Journal ofWater Resources Planning and Management 140, 06014001–1–06014001–7. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000394

Zadkarami, M., Shahbazian, M., Salahshoor, K., 2017. Pipeline leak diagnosis based on wavelet and statistical features using dempster–shafer classifier fusion technique. Process Safety and Environmental Protection 105, 156–163. https://doi.org/10.1016/j.psep.2016.11.002

Zan, T. T. T., Wong, K.-J., Lim, H. B., Whittle, A., 2011. A frequency domain burst detection technique for water distribution systems. In: 2011 IEEE Sensors Proceedings. pp. 1870–1873. https://doi.org/10.1109/ICSENS.2011.6127324

Abstract Views

247
Metrics Loading ...

Metrics powered by PLOS ALM




Esta revista se publica bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional

Universitat Politècnica de València

e-ISSN: 1697-7920     ISSN: 1697-7912