|
Primena istorijskih podataka SCADA sistema za izradu modela mašinskog učenja u detekciji i smanjenju gubitaka vode
Application of SCADA system historical data for developing machine learning models in detection and reduction of water loss
Sažetak
Upravljanje gubicima vode u vodosnabdevanju je ključno za poboljšanje efikasnosti distribucije i smanjenje troškova. Ovaj rad istražuje primenu istorijskih podataka SCADA sistema i primena mašinskog učenja u izradi modela, sa fokusom na detekciju, analizu i smanjenje gubitaka. Korišćenjem podataka o pritiscima, protoku i ključnim parametrima razvijen je model zasnovan na Random Forest algoritmu koji predviđa gubitke i identifikuje trenutke visokog rizika. Analiza grešaka između predviđenih i stvarnih vrednosti omogućava brzo prepoznavanje nepravilnosti, kao što su curenje ili krađa vode, čime se omogućava proaktivno reagovanje na potencijalne probleme.
Abstract
Water loss management in water supply systems is crucial for improving distribution efficiency and reducing costs. This paper investigates the application of SCADA system historical data and the use of machine learning in model development, with a focus on detection, analysis, and reduction of losses. By using data on pressure, flow, and key parameters, a model based on the Random Forest algorithm has been developed to predict losses and identify high-risk moments. The analysis of residuals between predicted and actual values enables quick detection of irregularities, such as leaks or water theft, allowing proactive responses to potential issues.
|