Novel stochastic excursions to urban drinking water systems: flow measurement uncertainty and water loss control

July 14, 2022

Os modelos estocásticos desempenham um papel fundamental no estudo de problemas da vida real. Os conjuntos elevados de dados representam desafios para os estatísticos, tanto na modelação de bases de dados de grande dimensão como no estudo da precisão e fiabilidade da informação obtida. Com o objetivo de resolver problemas reais, foram explorados dois tópicos de análise de séries temporais: 1) modelação probabilística da incerteza em medições dependentes do tempo, 2) e decomposição de séries temporais em componentes latentes. O melhoramento da eficiência e resiliência dos sistemas urbanos de água numa situação de escassez de água é crucial. Os contadores de água inteligentes permitem melhorar o conhecimento sobre o consumo dos clientes e o caudal na rede e, consequentemente, a gestão das perdas de água. Contudo, faltam metodologias para a análise da qualidade e combinação destes dados. A presente tese contribui com novas abordagens baseadas em métodos probabilísticos e estatísticos com os seguintes objetivos: i) melhorar a qualidade das medições de caudal através da avaliação da incerteza em medições dinâmicas; ii) suportar as entidades gestoras na amostragem de clientes para instalação de contadores inteligentes e inferência do consumo de água; iii) melhorar a monitorização e controlo de perdas de água através da decomposição da série temporal de caudal. É proposta uma nova metodologia baseada em modelos e reamostragem para avaliação da incerteza em medições dinâmicas. Uma amostra representativa de clientes onde deverão ser instalados contadores inteligentes é identificada através de amostragem probabilística estratificada. Os estratos foram definidos numa análise de clusters dos dados de faturação. A decomposição das séries temporais de caudal em consumo autorizado, consumo não autorizado, roturas e fugas é também apresentada, utilizando suavização de séries temporais e análise do espetro singular (SSA). Dados de sistemas reais foram utilizados para a aplicação das metodologias. A avaliação da incerteza em séries temporais de caudal permitiu a identificação de problemas relevantes que podem afetar a qualidade das medições. A avaliação periódica permitirá a adoção de melhores práticas de gestão dos caudalímetros. Uma amostra representativa de 53% dos clientes permitiu inferir os padrões de consumo de água, o consumo mínimo noturno e a distribuição do volume pelo caudal com erros de estimação pequenos. A decomposição das séries temporais de caudal foi capaz de identificar as diversas componentes, permitindo melhores estimativas para o balanço hídrico. Stochastic models have a fundamental role in the study of real-life phenomena. The large data sets present challenges regarding the modelling of high dimensional data sets and the study of the accuracy and reliability of the information obtained. Aiming to solve real problems, two time series analysis topics were explored: 1) probabilistic modelling of uncertainty in time-dependent measurements, 2) and decomposition of time series in hidden components. The enhancement of the urban water system’s efficiency and resilience in a water scarcity situation is crucial. Smart meters allow improving the knowledge about customers’ consumption and network flow and, consequently, the water loss management. However, there is a lack of methodologies for quality analysis and combination of both data. The current research contributes with new approaches based on probabilistic and statistical methods with the following goals: i) improve the quality of flow measurements through the uncertainty evaluation in dynamic measurements; ii) support water utilities in customers’ sampling for smart metering installation and water consumption inference; iii) improve monitoring and control of water losses through the flow time series decomposition. A new model-based resampling methodology for the uncertainty evaluation in dynamic measurements is proposed. A representative sample where smart meters should be installed is identified through probabilistic stratified sampling. The strata were defined in a cluster analysis of billing data. The flow time series decomposition into authorised consumption, unauthorised consumption, bursts and leaks is also presented, using time series smoothing and Singular Spectrum Analysis (SSA). Data from real systems were used for applying the methodologies. The uncertainty evaluation in flow time series allowed the identification of relevant problems that may affect the quality of measurements. The periodic evaluation will allow the adoption of better practices for flowmeters’ management. A representative sample of 53% of customers allowed inferring water consumption patterns, minimum night consumption, and the volume distribution by the flow with minor estimation errors. The decomposition of flow time series was able to identify the diverse components, allowing better estimates for water balance.

Authors in the community:

• 

  M

  Maria José De Almeida e Silva

  ist423209

Supervisors of this institution:

• 

  M

  Maria da Conceição Esperança Amado

  ist13493

• 

  D

  Dália Susana dos Santos da Cruz Loureiro

  ist140820

• 

  A

  António Manuel Pacheco Pires

  ist12634

101709480

Dotoramento em Estatística e Processos Estocásticos

mathematics - Mathematics

Keywords

• Drinking water systems
• Flow measurements
• Stratified sampling and inference
• Time series decomposition
• Uncertainty
• Amostragem estratificada e inferência
• Decomposição de séries temporais
• Incerteza
• Medições de caudal
• Sistemas de abastecimento de água

eng - English

Instituto Superior Técnico

Financing entity

Fundação para a Ciência e a Tecnologia