Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada
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
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
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
Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0) Universitat Politècnica de València https://doi.org/10.4995/riai e-ISSN: 1697-7920 ISSN: 1697-7912 |