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

735
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Automatic detection of burst in water distribution systems by Lipschitz exponent and Wavelet correlation criterion
Eduardo Trutié-Carrero, Yosniel Cabrera-Hernández, Arturo Hernández-González, Jorge Ramírez-Beltrán
Measurement  vol: 151  primera página: 107195  año: 2020  
doi: 10.1016/j.measurement.2019.107195



Licencia Creative Commons

Esta revista se publica bajo unaLicencia Creative Commons Atribución 4.0 Internacional.

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912