Detecção e localização de vazamentos utilizando Internet das Coisas e Aprendizado de Máquina

• Ano de defesa: 2024
• Autor(a) principal: Rolle, Rodrigo Pita [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Detecção de vazamentos; Internet das Coisas; Cidades Inteligentes; Aprendizado Profundo; Redes Neurais de Grafo
• Link de acesso: https://hdl.handle.net/11449/254317

A gestão dos recursos hídricos é uma das grandes preocupações ambientais do Século XXI, sendo tema de iniciativas globais como os Objetivos de Desenvolvimento Sustentável das Nações Unidas. O paradigma tecnológico da Internet das Coisas (IoT) traz consigo o potencial de colaborar para a criação de cidades inteligentes, marcadas pelo consumo racional e pela contenção do desperdício. Esta pesquisa aborda o problema do monitoramento distribuído das redes de distribuição de água (RDA), usando redes de comunicação sem fio de longa distância e baixa frequência de transmissão de informações (LPWAN), com foco na detecção e localização de vazamentos. O trabalho é baseado em três partes principais, sendo infraestrutura aderente à IoT, simulação computacional de RDA e técnicas de aprendizado de máquina para detecção e localização de vazamentos. Na parte relacionada à IoT, foi desenvolvido um protótipo de dispositivo remoto de medição de variáveis de interesse, como a pressão na tubulação, com conectividade LoRaWAN. Esses dispositivos de medição transmitem dados numa baixa frequência (dezena de minutos) para uma infraestrutura computacional em nuvem para análise de dados, detecção e localização de vazamentos. A técnica de Aprendizado de Máquina desenvolvida é baseada em Redes Neurais de Grafo (GNN), que são estruturas que consideram não apenas os valores das variáveis medidas pelos dispositivos de medição (pressão), mas também a disposição espacial dos pontos da rede. Através de uma correlação entre a topologia da GNN e da RDA torna-se possível estimar a localização dos vazamentos. Modelos de RDA em ambiente de simulação computacional foram criados para viabilizar a coleta de dados em diversos cenários de operação, especialmente situações de vazamentos em diferentes localidades. Duas RDAs hipotéticas de tamanhos distintos foram criadas como casos de estudo, para estudo e avaliação da capacidade de localização do vazamento pela técnica desenvolvida. Os testes realizados contemplaram variações no tamanho da rede (distância dos canos), intervalo de aquisição de dados e diâmetro da tubulação. Também foi apresentada uma proposta para estimação das medições de pressão nos pontos de junção, visando reduzir o número de sensores instalados. Os resultados mostram que a técnica baseada em GNN é viável para a detecção e estimativa da localização de vazamentos, considerando as restrições de taxa de transmissão de dados de medição das aplicações de IoT usando redes LPWAN.