Détection des fuites d'eau en utilisant un système innovant des réseaux d'eau intelligents : application au démonstrateur "SunRise Smart City"

Detection of water leakage using innovative smart water system : application to SunRise Smart City demonstrator

• Auteur / Autrice : Elias Farah
• Direction : Isam Shahrour
• Type : Thèse de doctorat
• Discipline(s) : Génie civil
• Date : Soutenance le 02/11/2016
• Etablissement(s) : Lille 1
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : LGCgE - Laboratoire de Génie Civil et géo-Environnement

Mots clés

Mots clés contrôlés

Villes intelligentes

Détecteurs de fuites

Compteurs d'eau

Eau -- Consommation

Méthodes statistiques

Évaluation

Eau -- Fuite

Systèmes d'information

Eau -- Distribution

Mots clés libres

Débit nocturne minimal

Sectorisation des réseaux

Suivi en temps réel

Résumé

Le travail de thèse porte sur l'utilisation des réseaux d’eau potable intelligents pour la détection des fuites. Il s’inscrit dans le cadre du projet SunRise qui vise à transformer la Cité Scientifique de l’Université de Lille en une ville intelligente et durable. Le campus représente une petite ville de 25000 habitants. Ce travail fait également partie du projet européen SmartWater4Europe, qui vise à développer 4 démonstrateurs des réseaux d’eau intelligents. Le travail comporte 5 parties. La première partie comprend une étude bibliographique sur les technologies pour la détection des fuites. La deuxième partie présente le démonstrateur SunRise Smart City, qui sert de support pour cette thèse. Cette partie détaille les instrumentations installées dans le site et les tests de simulation des fuites pour analyser l’efficacité d’un système acoustique de détection des fuites. La troisième partie comporte une analyse de consommation d’eau à différentes échelles pour les sous-compteurs et les compteurs généraux. Cette analyse est menée à l’aide d’une plateforme développée pour faciliter l’agrégation et l’interprétation des données. Cette partie présente aussi les fuites majeures en 2015. La quatrième partie concerne la détection des fuites en se basant sur le bilan d’eau. Elle présente aussi la stratégie du Contrôle Actif des Fuites (CAF) appliquée sur le site afin de réduire le niveau de l’Eau Non-Vendue (ENV). La dernière partie comporte l’application des méthodes avancées pour la détection des fuites. Ces méthodes comprennent l’approche CFPD ‘Comparison of Flow Pattern Distribution’, la méthode du Débit Nocturne Minimal (DNM) et deux approches statistiques développées.

This work concerns the use of the Smart Water Technology for the detection of water leakage. It is a part of SunRise project which aims at turning the Scientific Campus of the University of Lille into a large scale demonstrator site of the "Smart and Sustainable City". The campus is representative to a small town of 25000 inhabitants. This work is also a part of the European Project SmartWater4 Europe, which aims to develop 4 demonstrators of the Smart Water Technology. This thesis includes five parts. The first part includes a literature review concerning the technologies used in leakage detection. The second part presents the SunRise Smart City demonstrator, which is used as a basis for this thesis. This section details the instrumentation installed in the demo site as well as leak simulations tests to analyze the efficiency of an acoustic system of leakage detection. The third part focuses on the analysis of the water consumption at different time scales. Analysis concerns both sub-meters and bulk meters. It is conducted using a platform for the aggregation and the interpretation of the data. This part presents also major leakage events in 2015. The fourth part concerns leak detection using the water balance calculation based on the top down and bottom up approaches. It also presents the Active Leakage Control (ALC) strategy applied to the demo site in order to reduce the level of Non-Revenue Water (NRW). The last part concerns the use of advanced methods for leak detection with application on the campus data. These methods include the Comparison of Flow Pattern Distribution Method (CFPD), the Minimum Night Flow (MNF) method and two developed statistical approaches.