Intensity of water consumption in separate water collection points of internal water supply system

Cover Page

Cite item

Full Text

Abstract

Introduction. The applied calculation methods for predicting water consumption at the objects of capital construction, when designing them, are based on the assumption of the deterministic character of elementary expenses (that is, expenses by one consumer or a water collecting device), which significantly coarsens the calculation methods and makes it impossible to analyze in detail the modes of operation of the water supply system of the considered object. The article is devoted to the study of the nature of variability and evaluation of distribution laws of elementary water consumption values arising during the operation of a number of the most common types of water-dispensing devices.Materials and methods. In the course of the study, statistical data on water consumption in cold and hot water pipelines supplying water to the most common types of water collection devices for 27 days were obtained using sensors. The data were processed and analyzed using methods of probability theory and mathematical statistics. Data processing was performed in C# and R programmes developed by the author, and visualization of the results in Microsoft Excel.Results. The main numerical characteristics of the values of elementary water flow rates are determined. Graphs of the time series, distribution density and distribution function of values of second water flow for typical cases are constructed. The distribution law is established and the analysis of the nature of the variability of the values of the second water flow for various types of water-dispensing devices is carried out, as well as a variant of their classification on this basis is proposed.Conclusions. The division of water-dispensing devices according to the character of variability of values of the second water flow rate into two groups is proposed: stochastic and conditionally deterministic. It is established that the value of the elementary flow rate for the first group of water-dispensing devices obeys the lognormal distribution, and for the second group it is a deterministic value.

About the authors

D. E. Polivanov

Saint Petersburg State University of Architecture and Civil Engineering (SPbGASU)

Email: dmitry_polivanov@mail.ru
ORCID iD: 0000-0002-4215-1208

A. A. Semenov

Saint Petersburg State University of Architecture and Civil Engineering (SPbGASU)

Email: sw.semenov@gmail.com
ORCID iD: 0000-0001-9490-7364

References

  1. Duan H.-F., Pan B., Wang M., Chen L., Zheng F., Zhang Y. State-of-the-art review on the transient flow modeling and utilization for urban water supply system (UWSS) management // Journal of Water Supply: Research and Technology-Aqua. 2020. Vol. 69. Issue 8. Pp. 858–893. doi: 10.2166/aqua.2020.048
  2. Nguyễn Tuấn A., Nguyễn Minh K., Nguyễn Ninh H. Risk assessment and management in domestic water supply system in Pleiku city — Gia Lai province // Journal of Science and Technology Issue on Information and Communications Technology. 2019. Vol. 17. Issue 6. P. 50. doi: 10.31130/JST-UD2018-366
  3. Teichmann M., Kuta D., Endel S., Szeligova N. Modeling and optimization of the drinking water supply network — a system case study from the Czech Republic // Sustainability. 2020. Vol. 12. Issue 23. P. 9984. doi: 10.3390/su12239984
  4. Пупырев Е.И., Примин О.Г. Методическое обеспечение разработки схем централизованных систем водоснабжения и водоотведения // Водоочистка. Водоподготовка. Водоснабжение. 2013. № 5 (65). С. 4–8. EDN QAPKJT.
  5. Исаев В.Н., Мхитарян М.Г. Анализ методик определения расходов во внутреннем водопроводе // Санитарная техника. 2003. № 5. С. 6–11.
  6. Карамбиров С.Н., Бекишева Л.Б. О некоторых статистических закономерностях водопотребления в системах водоснабжения // Природообустройство. 2012. № 4. С. 45–48. EDN PEXIUT.
  7. Сайриддинов С.Ш. Об особенностях расчета водопотребления при проектировании систем водоснабжения высотных зданий // Градостроительство и архитектура. 2020. Т. 10. № 2 (39). С. 29–35. doi: 10.17673/Vestnik.2020.02.5. EDN AWRMPJ.
  8. Moughton L.J., Buchberger S.G., Boccelli D.L., Filion Y.R., Karney B.W. Effect of time step and data aggregation on cross correlation of residential demands // Water Distribution Systems Analysis Symposium 2006. 2008. doi: 10.1061/40941(247)42
  9. Добромыслов А.Я., Вербицкий А.С., Лякмунд А.Л. Пособие по определению расчетных расходов воды в системах водоснабжения и канализации зданий и микрорайонов. М. : ОАО «СантехНИИ-проект», 2007.
  10. Шопенский Л.А. Исследование режимов работы водопроводов жилых зданий : автореф. дис. … канд. тех. наук. М., 1968. 34 с.
  11. Vertommen I., Magini R., da Conceicao Cunha M., Guercio R. Water demand uncertainty: the scaling laws approach // Water Supply System Analysis — Selected Topics. 2012. doi: 10.5772/51542
  12. Morley M., van Thienen P., Vertommen I., Torello M. VlinderNET — a tool for probabilistic hydraulic water distribution modelling and visualization // EGU General Assembly 2023. 2023. doi: 10.5194/egusphere-egu23-17062
  13. Mazzoni F., Alvisi S., Franchini M., Blokker M. Exploiting high-resolution data to investigate the characteristics of water consumption at the end-use level: A Dutch case study // Water Resources and Industry. 2023. Vol. 29. P. 100198. doi: 10.1016/j.wri.2022.100198
  14. Mazzoni F., Alvisi S., Blokker M., Buchberger S.G., Castelletti A., Cominola A. et al. Investigating the characteristics of residential end uses of water : a worldwide review // Water Research. 2023. Vol. 230. P. 119500. doi: 10.1016/j.watres.2022.119500
  15. Makki A.A., Stewart R.A., Beal C.D., Panuwatwanich K. Novel bottom-up urban water demand forecasting model: Revealing the determinants, drivers and predictors of residential indoor end-use consumption // Resources, Conservation and Recycling. 2015. Vol. 95. Pp. 15–37. doi: 10.1016/j.resconrec.2014.11.009
  16. Mazzoni F., Blokker E.J.M., Alvisi S., Franchini M. Evaluating residential water consumption at high spatio-temporal level of detail: a Dutch case study // EGU General Assembly 2022. 2022. doi: 10.5194/egusphere-egu22-5700
  17. Новицкий Н.Н., Вантеева О.В. Моделирование стохастики потокораспределения в гидравлических цепях // Известия Российской академии наук. Энергетика. 2011. № 2. С. 122–131. EDN NHLFNZ.
  18. Buchberger S.G., Wu L. Model for instantaneous residential water demands // Journal of Hydraulic Engineering. 1995. Vol. 121. Issue 3. Pp. 232–246. doi: 10.1061/(ASCE)0733-9429(1995)121:3(232)
  19. Gargano R., Tricarico C., del Giudice G., Granata F. A stochastic model for daily residential water demand // Water Supply. 2016. Vol. 16. Issue 6. Pp. 1753–1767. doi: 10.2166/ws.2016.102
  20. Alvisi S., Franchini M., Marinelli A. A sto-chastic model for representing drinking water demand at residential level // Water Resources Management. 2003. Vol. 17. Pp. 197–222. doi: 10.1023/A:1024100518186
  21. Поливанов Д.Е., Семенов А.А. Исследование режима отбора воды смесителем из системы водоснабжения // Известия КГАСУ. 2023. № 2 (64). С. 60–69. doi: 10.52409/20731523_2023_2_60. EDN ZAEWGC.
  22. Поливанов Д.Е., Семенов А.А. BIM-технологии с элементами программирования при анализе режимов работы внутренних сетей водоснабжения зданий // BIM-моделирование в задачах строительства и архитектуры : мат. VI Междунар. науч.-практ. конф. 2023. С. 81–91. doi: 10.23968/BIMAC.2023.012. EDN YDMHWF.
  23. Blokker E., Vreeburg J. Monte Carlo simulation of residential water demand: A stochastic end-use model // Impacts of Global Climate Change. 2005. doi: 10.1061/40792(173)34
  24. Blokker E.J.M. Stochastic water demand modelling for a better understanding of hydraulics in water distribution networks. Water Management Academic Press Delft, The Netherlands, 2010.
  25. Колмогоров А.Н. Теория вероятностей и математическая статистика : сб. статей. М. : Наука, 1986. 534 с.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».