Una Metodología Basada en Energía Aplicada a D-Town

Este trabajo presenta una metodología para rehabilitar y diseñar la ampliación de la red de distribución de agua D-Town. La metodología utiliza el concepto Energía Unitaria, el algoritmo de diseño OPUS (Superficie de Uso Óptimo de Potencia) y un proceso de optimización para reducir el uso de bombas. El resultado final muestra que todos los requisitos del problema se realizaron con un pequeño esfuerzo computacional como se esperaba mediante el uso de procesos y criterios basados energéticamente. Aunque se han desarrollado dos conceptos mencionados para minimizar los costes constructivos, la correlación entre los costos operativos y constructivos con las emisiones de gases de efecto invernadero, permite su minimización también. Por otro lado, la minimización de la edad del agua no puede ser considerada como un objetivo principal debido a la naturaleza de las metodologías utilizadas.

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

AN ENERGY BASED METHODOLOGY APPLIED TO D-TOWN 

 

Saldarriaga J. 

1

, Páez D. 

1

, Hernández D. 

1

, Bohórquez J. 

1

 

1

Universidad de los Andes 

 

 

ABSTRACT 
This  paper  presents  a  methodology  to  rehabilitate  and  design  the  expansion  of  D-Town  water 
distribution network. The methodology uses the Unitary Power concept, the OPUS design algorithm 
and  an  optimization  process  for  reducing  pumps  usage.  The  final  result  shows  that  all  the 
requirements of the problem were accomplished with a small computational effort as expected by 
using  energy  based  processes  and  criteria.  Although  both  mentioned  concepts  were  developed  to 
minimize  constructive  costs,  the  correlation  between  the  constructive  an  operational  costs  with 
GHG emissions, allows its minimization as well. On the other hand, the minimization of water age 
couldn’t be considered as a main objective because of the nature of the used methodologies. 
 
INTRODUCTION 
A common problem regarding new water distribution system (WDS) designs is based on predicted 
demands. The demands are found based on several assumptions, some of which does not occur and 
therefore  the  system  requires  some  modifications  in  its  operation  and  configuration  (i.e. 
rehabilitation)  in  order  to  supply  the  requirements  on  the  demand  nodes,  after  the  start  of  the 
WDS’s  operation.  Taking  into  account  that  a  WDS  consists  of  several  elements,  accessories  and 
operational rules, the problem has many decision variables that define a wide larger solution space. 
Therefore  an  optimization  problem  can  be  defined,  with  its  correspondent  restrictions,  decision 
variables and the objective functions being the operational and constructive costs, the water quality 
and environmental impact, among others. 
 
Some  main  problems  related  to  water  distribution  systems,  such  as  design,  calibration,  operation, 
rehabilitation and  else, are  being  solved  using  metaheuristic algorithms  (e.g.  Zecchin  et  al.,  2006; 
Reca  et  al.,  2007;  Geem,  2009).  This  implies  that  most  of  these  methodologies  require  several 
number  of  iterations,  each  of  which  require  at  least  one  hydraulic  simulation  and,  therefore, 
considerable  computational  time  (especially  for  real  networks).  An  alternative  approach  based  on 
the I Pai Wu (1975) concept of “Optimal Energy Gradient Line” (for drip irrigation main lines) has 
been  developed  around  the  problems  of  design  and  operation  (e.g.  Villalba,  2004;  Ochoa,  2009; 
Saldarriaga et al., 2011). The major advantages of these methodologies are the significant reduction 
of  iterations  and  their  deterministic  character,  in  contrast  to  the  stochastic  one  of  metaheuristic 
algorithms 
 
The I Pai Wu concept is extended to looped networks by defining a Energy Surface as the surface 
that  represents  the  total  energy  (written  as  a  hydraulic  head)  for  each  node  in  the  network  and 
studying the shapes of that surface produced by optimal designs, looking for a pattern that allows 
the  estimation  of  the  optimal  surface  for  other  networks.  In  this  study  that  concept  is  applied  to 
solve  the  problem  proposed  for  the  14th  Water  Distribution  Systems  Analysis  Conference  named 
The Battle of the Water Networks (BWN-II) which describes the case of D-Town WDS using the 
specific quantity of Unitary Power as defined by Saldarriaga et al (2008). 
 
 
 
 
 
 
 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

METHODOLOGY 
Two  problems  were  identified  in  the  D-Town  WDS:  first,  the  increase  in  water  demand  in  every 
existing node, that has lead the WDS to be unable to meet the demand in certain nodes, and second 
the increase in population that requires an extension of the system. 
 
The  solution  of  the  first  problem  was  reached  using  two  concepts,  the  Optimal  Pressure  Surface 
(OPS)  and  the  Unitary  Power  (UP)  of  a  pipe.  The  OPS  assigns  a  total  head  for  each  node  on the 
network  following  certain  recommendations  that  would  lead  to  an  optimal  design  that  minimizes 
the constructive costs (in the case of D-Town project, it minimizes the Greenhouse gas emissions as 
well, considering the relation between the pipe sizes and the corresponding annual CO

2

 equivalent 

emissions). Those recommendations are based on the studies of I Pai Wu (1975) and Ochoa (2009) 
who  found  that  the  optimal  pressure  for  each  node  in  a  path  can  be  calculated  with  a  quadratic 
equation. An example of the results achieved by the OPUS methodology, which uses this concept, 
is shown in Table 1. 
 

Table 1: Reported number of iterations before reaching a cost of $419.000 for the Two-Loop WDS. 

Algorithm 

Number of iterations 

Genetic algorithms (Savic & Waters, 1997) 

65,000 

Simulated annealing (Cunha & Sousa, 1999) 

25,000 

Genetic algorithms (Wu & Simpson, 2001) 

7,467 

Shuffled frog leaping (Eusuff & Lansey, 2003) 

11,155 

Shuffled complex evolution (Liong & Atiquzzaman, 2004) 

1,091 

Genetic algorithms (Reca & Martínez, 2006) 

10,000 

Harmony search (Geem, 2006) 

1,121 

Cross entropy (Perelman & Ostfeld, 2007) 

35,000 

Scatter search (Lin et al., 2007) 

3,215 

Particle swarm harmony search (Geem, 2009) 

204 

Optimal power use surface – OPUS (Saldarriaga el al., 2010) 

51 

 
Before  starting  to  use  the  OPUS  methodology  it  was  necessary  to  divide  the  system  in  different 
sectors  according  to  the  water  supply  for  each  pump  and  tank  as  shown  in  Figure  1,  because  the 
actual  methodology  does  not  handle  pump  stations  and  tanks,  it  is  required  replacing  pumps  and 
tanks  with  reservoirs.  Having  the  sectors  modelled  with  reservoirs,  the  next  step  consists  in 
analysing each one separately for their specific requirements of tanks and pumps. 
 
For all the sectors it was run a hydraulic execution of the system for 168 different cases, each one 
corresponding  to  different  scenarios  of  occurrence  of  the  shut  down.  Based  on  the  results  it  was 
defined if a diesel generator was necessary for each pump station, looking for the tanks to avoid the 
emptying state in their original sizes. Once it was decided the use of diesel generators in each sector 
and the sizes of the tanks, the OPUS methodology can be applied to determine the pipes that must 
be changed in order to fulfil the pressures. 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

 

Figure 1: Division of the network according to water supply. 

 
As a result of computing the OPS for the D-Town WDS, a surface considerably different from the 
one  found  when  executing  the  hydraulic  simulation  in  the  actual  network  (for  the selected  design 
scenario) was expected. Hence the objective was to change pipe sizes and eventually pumps trying 
to  adjust  the  real  surface  to  the  OPS,  fulfilling  the  pressure  constraints  in  an  optimal  way  and 
considering as the main objective function, the constructive costs. 
 
In  order  to  adjust  the  surface,  it  is  necessary  to  change  pipe’s  sizes  gradually,  calculating  the 
modified  surface  each  time  until  the  pressure  constraint  is  met.  Here  is  where  the  UP  concept  is 
used to select the order in which the pipes will be modified. The UP of a pipe can be calculated as: 
 

  

 

   

 

  ( 

 

   

 

)

 

 

 
where UP

p

 is the power dissipated by the pipe  

 , Q

p

 is the flow rate on that pipe and h

f

 and h

m

 are 

the  friction  and  minor  losses  respectively.  As  the  procedure  has  calculated  two  pressure  surfaces, 
there are two UPs for each pipe: the first is the one calculated with the flow and the head difference 
between the two nodes that define the pipe, computed with the heads assigned by the OPS, and the 
second one is computed with the heads assigned by the real surface. Thus, the difference between 
the two UPs is a measure of the difference of the surfaces provided (added) by that particular pipe. 
 
Taking into account that last conjecture and the objective of adjusting the real surface to the OPS, 
the UP difference is an acceptable criterion to define the order in which the pipes will be modified 
and  therefore  the  OPS  and  the  UP  can  be  used  to  solve  that  first  D-Town  WDSs  problem  in  an 
explicit hydraulic-based way. Furthermore, that mentioned methodology allows an easy conjunction 
with the solution of the second problem, as it is expected to be solved using that mentioned OPUS 
methodology, which is also based on defining an OPS. 
 
The  use  of  OPUS  for  the  second  problem  requires  three  executions  of  the  algorithms  as  the  final 
topology  is  not  totally  defined  (the  extension  of  the  system  can  be  connected  to  one  of  the  two 
available nodes or both). However this task does not require much computational time as the OPUS 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

methodology is considerably efficient (see Table 1). Therefore the proposed procedure to solve the 
second problem is considering  that decision variable hence the solution can be quite better than if 
assuming a single way to connect the extension. 
 
Once  the  design  is  done  for  the  design  scenario,  an  operation  optimization  is  needed.  In  order  to 
determine the optimal way, it was extracted the pump series of usage for the modified system. Then 
the usage series of each pump were assigned as patterns in the EPANET model. Finally the patterns 
are  modified  to  reduce  the  pumping  costs  by  changing  some  OPEN  status  to  CLOSED,  looking 
after each change that the hydraulic conditions are accomplished. 
 
 
RESULTS 
According  to  Figure  1,  the  system  was  divided  in  four  sectors  depending  on  the  water  supply 
characteristics and in this section the results for each one are presented. Taking into account that the 
Sector 1 is the upstream sector for the other ones, this was the last one in being analysed.  On the 
other  hand,  the  Sector  3  was  selected  to  be  the  first  sector  to  be  rehabilitated.  With  the  Sector  3 
modified the rehabilitation for the Sector 2 was done and then Sector 4 was modified independently. 
 
Sector 3 
The result for the hydraulic execution considering the different scenarios of shut  down showed that 
even  when  the  tanks  were  full,  some  nodes  presented  critical  pressures  (under  25.0  m).  Based  on 
that result, it was considered necessary to use diesel generators that allow the pumps to always fulfil 
the  pressure  in these  nodes.  However  the  tank  T7  with  its  original  size  was  not  enough  to  ensure 
water supply at some hours during the week. In that way it was necessary to increase its size just by 
the minimum available volume (500 m

3

). Once this was implemented, the problem could be solved 

by changing some of the pipes in the sector. 
Figure  2  shows  the  Sector  3  modelled  with  reservoirs  were  the  total  head  in  the  nodes  T6  y  T7 
correspond to the average of the possible heads in the tanks of the original model. For the node J317 
the  head  was  near  minimum  head  downstream  the  pump  station  on  the  original  model.  With  this 
model a design using OPUS methodology was done in order to calculate the UP difference between 
the new design and the actual model. 
 

 

Figure 2: Sector 3 modelled with reservoirs – Total head in the reservoirs in meters. 

 

According to the methodology, the pipes that had to be changed were the P815 from 102 mm to 203 
mm  and  P752  from  152  mm  to  203  mm.  An  example  of  the  results  for the  first  evaluation  of  the 
difference of  UP in the sector is shown in  Figure 3, in which can be seen that there is a pipe that 
presents a higher value of UP and it corresponds to pipe P815 that was the first pipe changed by the 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

criterion of UP. With the diesel generators, the two increased pipes and the new tank, the hydraulic 
conditions  were  accomplished,  when  the  sector’s  upstream  node  (J302)  had  at  least  2.0  m  of 
pressure.  It  meant  the  resulting  usage  series  of  the  pumps  could  be  established  as  patterns  in 
EPANET for finally change some OPEN status to CLOSED status. 
 

 

Figure 3: Results of evaluating the difference of UP for Sector 3. 

 

 
Sector 2 
In order to model Sector 2 it was necessary to include in the model the Sector 3 to take into account 
the water demand of this one.  A reservoir was placed in node J332 with a total head equal to the 
minimum  required  head in  this  node  (61.0  m).  After  that,  the execution  that  evaluates  the  system 
under shut down scenarios showed that the tank T5 was empty in most of the shut down scenarios. 
Taking  into  account  the  power  required  for  the  average  flow  in  this  sector  and  the  cost  of  the 
minimum volume tank, it was decided as cheapest to introduce diesel generators for pump station 4. 
 

 

Figure 4: Sector 2 modelled with reservoirs – Total head in the reservoirs in meters. 

 

In  Figure  4,  it  is  shown  the  network  that  allows  the  OPUS  methodology  application.  After  the 
difference  of  UP  analysis,  it  was  determined  that  the  only  pipe  that  had  to  be  changed  was  P853 
from 203 mm to 254 mm. Figure 5 shows the ranking of the differences of UP for this sector, and it 
can be seen that there is a  pipe with a considerably higher difference that corresponds to the pipe 

-0.25

-0.20

-0.15

-0.10

-0.05

0.00

0.05

0

10

20

30

40

50

60

Δ

 U

P

 (

m

4

/s)

 

Ranking for each pipe 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

P853. With this actualization of the model, the usage series for PU8 and PU9 were established as 
patterns that finally were optimized to reduce operational costs. 
 

 

Figure5: Results of evaluating the difference of UP for Sector 2. 

 

 
It is important to mention that after modelling Sectors 2 and 3 connected, it was found that pressure 
upstream Sector 3 (node J302) was higher than the one supposed before (2.0 m), so in that way the 
pattern for pumps PU10 and PU11 were optimized again. 
 
Sector 4 
Taking  into  account  that  the  expansion  of  the  system  can  be  connected  to  the  sector  in  three 
different  ways,  the  current  analysis  was  realized  three  times  for  the  sector.  The  first  step  in  each 
time, was execute the hydraulics of the system for the different scenarios of shut down and in the 
three cases the nodes directly connected to pump station 3 and tank T4 presented deficit of water 
supply but the other ones did not. After analysing the pressures in the nodes directly connected to 
pump  station  2  and  tank  T3  it  was  determined  that the  pumps  in  station  2  did  not  required  diesel 
generators in contrast with pumps of station 3. 
 
In a similar way as with the pump stations, the pipes that were changed in the three cases were the 
same according to the results of the UP evaluations. The pipes that were changed were P787 from 
102 mm to 152 mm and P1024 from 102 mm to 152 mm. For the design of the expansion, as the 
rehabilitation procedure requires a design made by OPUS, the diameter values for those pipes were 
instantly calculated during the UP evaluation. For the three cases, the resultant diameters for all the 
pipes in the expansion were the minimum one (102 mm). 
 
As before, the usage series for the pumps in station 3 were assigned as patterns that were optimized 
to  reduce  the  usage.  As  the  three  cases  present  similar  modifications,  to  define  the  case  to  be 
implemented  an  analysis  of  pump  operational  costs  was  done.  As  shown  in  Table  2  the  case  that 
presents the most economic pumping costs is case 2. Considering the costs associated with the pipes 
in which each case differ for the others, the case 2 remains as the cheapest one. 
 

Table 2: Pumping costs in Sector 4. 

Case 

Pumping cost ($/yr) 

112 160 

104 145 

-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0

0.01

0.02

0.03

0.04

0

10

20

30

40

50

60

Δ

 U

P

 (

m

4

/s)

 

Ranking for each pipe 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

108 568 

 

 

 

 

Figure 6: Sector 4– Case 1 (Left), Case 2 (Centre) and Case 3 (Right). 

 
Sector 1 
As the Sector 1 is upstream to the three sectors presented before, its rehabilitation was done with a 
model  of  the  entire  system.  The  results  of  executing  the  hydraulics  including  the  shut  down 
scenarios showed that tank T1 presented a deficit of water so it required supply from the pumps that 
are connected with the reservoir. Additionally to T1, the diesel generators in pump station 1  were 
considered as needed to supply water to the other sectors. 
 
Then, the UP was evaluated  and after 7 iterations, in which pipe P22 was increased 3 times, from 
406 mm to 610 mm, pipe P102 from 508 mm to 610 mm, pipe P100 from 406 mm to 457 mm, pipe 
P23 from 508 mm to 610 mm and pipe P995 from 152 mm to 203 mm. The last hydraulic execution 
of the UP process showed that the entire system was fulfilling the pressure requirements during the 
whole week. Therefore, the optimization of the pumps operation was done for all the pumps on the 
system,  given  the  differences  in  hydraulic  behaviour  that  was  observed  for  the  already  designed 
sectors, when they were connected to Sector 1. 
 
Pumping optimization processes 
As  a  result  of  the  rehabilitation  of  each  sector  it  was  extracted  the  pump  series  of  usage  and 
assigned  in  the  EPANET  model  as  it  was  described  in  methodology  section.  The  optimization 
process of the previous design consisted in changing the pumps status from  OPEN to CLOSED at 
some hours of the week taking into account that minimum pressures conditions were accomplished 
in all demand nodes of the network. In order to optimize the pump series of usage without excessive 
computational  and  human  time,  changes  in  these  series  were  made  checking  the  pressure  only  in 
critical  nodes  of  each  sector  (see  Table  4),  however  when  the  optimal  pattern  was  reached  a 
complete  inspection  was  made  to  verify  the  operation  of  D-Town  WDS.  In  addition  of  minimal 
pressure  rule  it  was  checked  that  the  final  level  of  all  tanks  were  at  least  equal  or  higher  than  its 
initial level. 
 
An optimal pressure time series for node J332 (critical node of sector 1) is shown in Figure 7. It can 
be noticed that for the original pump series of usage were several intervals when the pressure was 
well  above  the  minimum  of  25  m;  in  these  intervals  the  pump  series  of  usage  was  modified  to 
obtain lower pressures. Besides the change of status of the pumps patterns in over pressure intervals 
another important criterion was took into account, the hours of the week when electricity tariff was 
higher were a priority in the modifications because a pump with an hour in CLOSED status in these 
time of the week (27.68 cents/kWh) could represent larger costs savings than  an hour in CLOSED 
status  in  another  time  of  the  simulation  when  the  electricity  tariff  was  lower  (10.94  or  6.72 
cents/kWh). 
 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

 

Figure 7: Pressure time series for node J332 – Original and Optimal design. 

 

With  these  rules  all  eleven  pump  series  of  usage  were  modified.  A  comparison  between  original 
patterns costs and optimized ones for Sector 3 is shown in  Figure 8. The global pumping cost for 
this sector decreased in 48.30%; in the original design were annual pumping costs of $94,759 while 
in optimal design were $48,987. It is important to emphasize that at this point, the optimization was 
partial because once the entire D-Town WDS was assembled this process was executed again. GHG 
emissions also decreased, this time by 47.44%; in first scenario were 1,006,158 kgCO2-e/yr and in 
second one were 528,798 kgCO2-e/yr.  
 

 

Figure 8: Pump annual costs for Sector 3 – Original and Optimized design. 

 
Meanwhile in Figure 9 is shown the same comparison for Sector 1 (entire network). In this figure is 
noticed that for most of the pumps the cost is lower in optimized scenario; only for pumps 4, 7 and 
9 the second scenario has higher costs. This particular situation is due to the existence of controls in 
the  EPANET  model  that  turn  on  these  pumps  when  a  tank  is  near  of  its  minimum  level  or  some 
pressure node is close to 25 m. Despite this, global annual pumping costs for entire network were 
lower in optimized scenario, before the pumping optimization process the annual cost was $249,992 
and after this process was $210,774 for a 16.0% in saving costs. On the other hand, this pumping 
optimization process also represents a decrease in greenhouse gas emissions by a 12.0%; in original 
scenario it was emitted 2,667,833 kgCO2-e/yr while in optimal design was 2,349,492 kgCO2-e/yr. 
 

25.00

35.00

45.00

55.00

65.00

75.00

85.00

95.00

0

10

20

30

40

50

60

70

80

90

100 110 120 130 140 150 160

P

re

ssu

re

 (

m

Hour 

Original Pump Series of Usage

Optimal Pump Series of Usage

 $ -

 $ 10,000.0000

 $ 20,000.0000

 $ 30,000.0000

 $ 40,000.0000

 $ 50,000.0000

 $ 60,000.0000

PU8

PU9

PU10

PU11

A

n

n

u

al

 C

os

ts 

(U

SD

Pump 

Original Design

Optimized Design

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

 

Figure 9: Pump annual costs for Sector 1 – Original and Optimized design. 

 

Final costs 
The  principal  idea  of  this  project  is to  sort  out  the  actual  problem  of  D-Town  in  an  optimal  way. 
This  means  to  solve  it  with  the  lowest  operational  and  capital  cost.  Operational  costs  are  related 
with  the  pumps  operation  or  performance;  meanwhile  the  capital  costs  are  associated  with  any 
upgrade  done  to  the  existing  pumps  stations  and  mainly  to  the  pipe  and  tank  material  and 
construction. 
 
It is also necessary to reduce de greenhouse gas (GHG) emissions associated with the design, it is 
seen as a necessity based in the possibility that in at near future could exist some kind of carbon tax. 
 
In  the  water  case  GHG  can  be  subdivided  in  two  parts:  capital  GHG  emissions  and  operational 
GHG emissions. As in the capital costs the capital GHG emission are related to the pipe, tanks and 
pumps  material  and  construction,  but  in  this  case  it  is  related  meanly  to  the  energy  required  to 
produced, transport and install them. In the same way the operational GHG emissions are the result 
of the operation of the pumps which get part of their electricity from fuel fossil sources. 
 
Knowing the length and the new diameter of the pipes replaced, the capital GHG emissions is given 
by  the  sum  of  the  product  of  the  length  and  the  annualised  EE.  As  well  as  in  the  capital  GHG 
emissions the capital cost of the pipes, tanks, pumps, diesel generators and valves can be estimated 
knowing the length of the pipes replaced, the volume of the  new tanks, the model or the curve of 
the new pumps, the power of the new diesel generator and the diameter of the valves. The annual 
cost of each one of them can be get from the Table 3, 4, 5, 6, 7 included in the PDF which describes 
the problem. Then the total capital cost is estimated by the sum of the products of the pipe length 
and the annual cost of the new pipe, the sum of the annual cost of the new tanks, new pumps, new 
diesel generators and the new valves. 
 
Now, in order to estimate the annual operational costs it’s necessary to compute the weekly cost of 
the pump power. The pumps power can be drawn with EPANET which gives information of flows 
and the head created by each one, every 15 minutes. The cost of the pump power is the product of 
the power and the electricity tariff depending on the hour. Problem description’s Table 8 shows the 
energy prices in cents/kWh. In this way the weekly cost pump power is multiplied by the weeks in a 
year (52) and then divided in a peak-day factor of 1.3. That’s how the annual operational cost can 
be estimated. 

 $ -

 $ 10,000.0

 $ 20,000.0

 $ 30,000.0

 $ 40,000.0

 $ 50,000.0

 $ 60,000.0

PU1

PU2

PU3

PU4

PU5

PU6

PU7

PU8

PU9 PU10 PU11

A

n

n

u

al

 C

os

ts 

(U

SD

Pump 

Original Design

Optimized Design

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

 
Similarly to the annual operational cost, the annual operational GHG emissions is the product of the 
annual pump energy consumption under normal operation and the emission factor of 1.04 kg-CO2-
e/kWh. The annual pump energy consumption is the sum of the product of the power and the time 
(1 hour) during a week, and then this magnitude is multiplied by the weeks in a year (52). 
 
Following the process all ready described the annual capital cost is USD$149,009.01 and the annual 
pumping  cost  is  USD$212,791.88.  Also  the  annual  capital  GHG  is  138,371.39  KgCO2-e  and  the 
annual operational GHG is 2,367,847.65 kgCO2-e as shown in Table 3. By his part the water age in 
the network is 5.30 hr also shown in the same table. 
 

Table 3: D-Town rehabilitation process results. 

Minimizing Costs 

Capital Costs 

Annual Pipe costs 

 $92,789.01  

$/year 

Annual Tank costs 

 $14,020.00  

$/year 

Annual Pump costs 

$/year 

Diesel Generator costs 

 $42,200.00  

$/year 

Valve cost 

-  

$/year 

Total Annual capital costs 

 $149,009.01  

$/year 

Operational cost 

Annual Pumping cost 

 $212,791.88  

$/year 

TOTAL Annual costs 

 $361,800.89  

$/year 

 

Minimizing GHG emissions 

Capital GHG 

Annual  Pipe GHG 

138,371.39 

kgCO2-e/year

 

Operational GHG 

Annual Pumping GHG 

2,367,847.65 

kgCO2-e/year 

TOTAL Annual GHG 

2,506,219.04 

kgCO2-e/year 

 

Minimizing Water Age 

WA

net

 value (hr) 

5.30 

 
 
 
DISCUSSION OF RESULTS 
To  implement  this  methodology  it  was  necessary  an  exhaustive  analysis  process  that  allows  the 
understanding of the system. The first step in the understanding of the system consists in perform 
different  hydraulic  executions  in  EPANET  with  the  objective  of  analyse  the  patterns  in  every 
accessory of the system. From this analysis it was possible to establish the way that the all system 
was going to be divided in different sectors, each one controlled by pumps stations and tanks that 
provide the water required by different nodes. 
 
For the rehabilitation of each sector, it was necessary to implement software in MSExcel with VBA 
for Applications joint with the EPANET programmers’ toolkit in order to analyse the behaviour of 
each  sector  when  the  shut  down  events  occur.  The  mentioned  software  facilitates  to  have  an 
overview of the pressure and level tanks when the two hours shut down scenario starts in every hour 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

during the week. The execution time of this software, in a 3.25GB of RAM and Intel Core 2Quad 
processor  computer,  takes  about  30  minutes  for  the  shortest  sector  and  45  minutes  for  the  total 
system. Considering that each execution of this software implies 168 shut down events that needs a 
computational time lesser than 2.0 seconds to execute a complete week in EPANET, the real time to 
run the 168 shut down event corresponds to just 6 minutes being the additional time spent by the 
connection between the interface of MSExcel and the Toolkit results. 
 
However the software to model the different sectors in the shut down scenarios needs an important 
computational time, this step was just needed four times, each one for each sector. The reason for 
this  is  that,  as  mentioned  in  the  Results  section,  the  pumps  stations  in  the  system  required  diesel 
generators due to tank emptiness and significant low pressures in some nodes.  Additionally to the 
executions done for each sector, it was necessary to run two more cases that correspond to Sector 4. 
The reason for this is that this sector is the only one that has a station without diesel generators. The 
absence  of  diesel  generators  for  this  sector  implies  that,  for  every  pipe  that  was  changed  it  was 
necessary a new execution to check the new hydraulic conditions; so as in Sector 4 there were two 
pipe’s change there were needed two executions of the shut down model. It is important to mention 
that after the first execution of the shut down model, it was needed a considerably human time to 
analyse  the  results  in  each  sector  looking  for  critical  nodes  that  will  the  focus  nodes  for  the  UP 
evaluation. The determined critical nodes for the system are shown in Table 4. 
 

Table 4: Critical nodes for each sector. 

Sector 

Critical node(s) 

J332 and J439 

J73 

J297 

J215 and J278 

 
As  the  OPUS  methodology  is  applied  as  an  comparative  design,  no  discretization  process  were 
performed,  implying  that  the  methodology  does  not  require  any  hydraulic  simulation  to  find  the 
continuous  diameter  for  each  pipe.  The  computational  and  human  time  needed  for  the  UP 
evaluation  corresponds  to  determination  of  UP  in  each  pipe  for  the  two  designs  available  (OPUS 
continuous design and original one). Once the pipe that has to be changed was determined, it was 
necessary  a  complete  week  hydraulic  simulation  to  analyse  the  time  series  of  the  pressure  in  the 
critical  nodes.  This  process  of  UP  evaluation  is  done  whenever  a  pipe  is  changed  in  the  sector  of 
analysis. 
 
In the case of Sector 3, it was necessary  to do three UP evaluations; the first one  showed that the 
first change of diameter  was for pipe P815, then a second one was executed before changing pipe 
P752  and  finally  the  third  one  changed  again  P815.  This  process  stopped  when  the  minimum 
pressure  during  the  week  was  25.39  m  in  the  node  J297  meaning  that  the  pressure  requirements 
were satisfied for the entire sector. 
 
For Sector 2, it was needed just one UP evaluation in order to satisfy the minimum pressure in the 
whole sector. The pipe that was changed after the evaluation was P853 and it leaded to a minimum 
pressure in node J73 of 25.06 m. 
 
Sector  4,  required  two  UP  evaluations.  As  it  was  shown  in  Table  4,  this  sector  has  two  critical 
nodes. J215 corresponds to the part of this sector supplied by the pump station 2 and tank T3 and 
J278 corresponds to the other part of the sector supplied by pump station 3 and tank T4. According 
to this subdivision of the sector by the supply characteristics there were done two UP evaluations, 
one for each subsector. The results of the evaluations show that, to satisfy the minimum pressure in 
J215  the  pipe  P787  needed  to  be  changed;  by  the  other  hand  to  satisfy  the  minimum  pressure  in 
J278 pipe P1024 must be changed. 
 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

In  contrast  with the  previous  sectors,  Sector  1  required  seven  UP  evaluations.  The  reason  for this 
higher  number  of  UP  evaluations  is  that  Sector  1  is  the  biggest  and  the  demands  of  this  sector 
correspond to the accumulated demand for all the system. In Table 5 are the results for each step of 
the UP evaluation. 
 

Table 5: UP evaluation in Sector 1. 

UP evaluation 

Pipe to be changed 

P22 

P22 

P102 

P22 

P100 

P23 

P995 

Initial diameter (mm) 

406 

457 

508 

508 

406 

508 

152 

Diameter after UP (mm) 

457 

508 

610 

610 

457 

610 

203 

 
 
 
It is important to mention that during the UP evaluation, for each sector, sometimes the pipe with 
the highest difference in UP can result in a pipe that does not affect directly the critical node. When 
the first pipe in the UP evaluation is not upstream the critical node, the pipe that has to be selected 
as the one to be change is the first pipe with the higher difference in the UP and that make part of 
the pipes upstream the critical node. For example, in the case of Sector 3, the results of the second 
evaluation of UP show that the pipe with the higher difference in UP was P753, but this pipe wasn’t 
changed  because  it  is  downstream  the  critical  node;  similarly  the  second  pipe  with  higher  UP 
difference was P781 that is downstream the critical node;  Finally the third pipe in the UP ranking 
was P752 that is upstream the critical node and affect directly the pressure in that node (see Figure 
10).  
 

 

Figure 10: Sector 3– Pipes found by UP evaluations. 

 
Finally,  for  the  pumping  optimization  processes  were  carried  out  a  set  number  of  hydraulic 
executions  that  are  shown  in Table  6  in order  to  verify  the  pressure  in  nodes  and  the  level  of  the 
tanks.  Each  hydraulic  execution  represents  an  hour  of  change  in  the  status  of  some  pump  usage 
series (in the EPANET model an hour change is equivalent to four intervals of 15 minutes).  
 
It  is  also  important  to  notice  that  the  number  of  hydraulic  executions  wasn’t  the  only  way  to 
determine  the  computational  cost  of  the  pumping  optimization  process  because  the  time  per 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

execution  changed  among  all  the  sectors  of  the  network.  For  example,  a  hydraulic  execution  in 
sector  3  took  roughly  a  second  while  an  execution  in  Sector  1  (where  the  entire  network  was 
included) took 2 seconds. Despite the fact this difference doesn’t seem to matter because both times 
are  really  low  the  number  of  executions  increase  the  computational  time  considerably  moreover 
because an additional time is required to check the pressure time series of critical nodes as it was 
described previously.  
 

Table 6: Hydraulic Executions for Pumping Optimization Processes. 

Sector  Case  Hydraulic Executions 

30 

147 

245 

 
CONCLUSIONS 
The main objective of this study was to rehabilitate and design the D-Town WDS. This objective 
was  accomplished  performing  a  complete  analysis  of  the  system  and  implementing  the  UP 
evaluation  methodology  with  OPUS  designs.  The  actual  system  is  able  to  supply  water  to  every 
node  in  the  original  system  and  its  expansion,  therefore  fulfilling  the  hydraulic  requirements  of 
minimum pressures. 
 
The  UP  differences  evaluation  represents  a  good  methodology  to  make  the  changes  of  pipe 
diameters  in  order  to  improve  the  pressures  in  the  system.  As  shown  in  this  paper  by  changing  a 
minimum number of pipes (less than 4.0% of the total number of pipes for the critical sector) it  is 
possible to achieve more than the minimum pressure in all the nodes. 
 
Due  to  the  efficiency  of  OPUS  methodology  to  make  network  continuous  designs  with  a  near 
optimal  cost,  the  time  taken  for  the  rehabilitation  of  the  system  results  insignificant.  In  a  similar 
way the design of the new sector was done with just one hydraulic simulation which required less 
than 1.0 seconds. 
 
The possible existence of shut down scenarios controls the way in which the rehabilitation must be 
done. With these scenarios the designer  can only use diesel generators or increases the volume of 
the tanks. Taking into account the pump curves, the flow at the inlet of each sector and the power 
generated for each flow, a cost analysis suggested the use of diesel generators in most of the pump 
stations during the shut down events. 
 
The  optimization  process  of  the  pumps  usage  series  patterns  represented  an  improvement  in  the 
operational costs of the pumps stations that resulted in a saving of  XX% from the cost before the 
optimization. 
 
REFERENCES 
 

Cunham  M.  and  Sousam  J.  (1999).    ““Water  distribution  network  design  optimization:  Simulated                                                 

annealing  approach.”  Journal  of  Water  Resources  Planning  and  Management.  Vol.125 
(4):215-221 

Eusuff,  M.  and  Lansey,  K.  (2003“Optimization  of  water  distribution  network  design  using  the 

shuffled  frog  leaping  algorithm”  Journal  of  Water  Resources  Planning  and  Managemen. 
129129 (3): 210-225
 

/var/www/pavco.com.co/public/site/pdftohtml/9132e4590a749892f2e6f55bf272443c/index-html.html
background image

Geem,  Z.,  (2009).  “Particle-swarm  harmony  search  for  water  network  design”  Engineering 

Optimization, Vol.41 (4): 297-311. 

Lin, M., Liu, Y., Liu, G. and Chu, C. (2007). “Scatter search heuristic for least-cost design of water 

distribution networks.” Engineering Optimization. Vol. 39 (7): 857-876. 

Liong,  S.  and  Atiquzzaman  M.  (2004).  “  Optimal  design  of  water  distribution  network  using 

shuffled complex evolution”  Journal of the Institution of Engineers. Vol. 44 (1):93-107.  

Perelman,  L.  and  Ostfeld,  A.  (2007).  “An  adaptive  heuristic  cross  entropy  algorithm  for  optimal 

design of water distribution systems.” Engineering Optimization.  Vol. 39 (4): 413-428. 

Ochoa,  S.,  (2009)  “Optimal  design  of  water  distribution  systems  based  on  the  optimal  gradient 

surface concept” MSc Thesis, Dept. of Civil and Environmental Engineering, Universidad de 
los Andes, Bogotá Col. (In Spanish). 

Reca,  J.,  Martinez,  J.,  Gil,  C.  and  Baños,  R.  (2007)  “Application  of  several  meta-heuristic 

techniques  to  the  optimization  of  real  looped  water  distribution  networks”  Water  Resources 
Management
, Vol.22 (10): 1367-1379. 

Saldarriaga,  J.,  Takahashi,  S.,  Hernández,  F.  and  Escovar,  M.  (2011)  “Predetermining  Pressure 

Surfaces  in  Water  Distribution  System  Design”  World  Environmental  and  Water  Resources 
Congress
 2011 ASCE, 93-102. 

Saldarriaga, J., Bernal A. and Ochoa, S. (2008) “Optimized Design of Water Distribution Network 

Enlargements  Using  Resilience  and  Dissipated  Power  Concepts”  Water  Distribution  System 
Analysis 
2008 ASCE, 1-15. 

Saldarriaga, J., Takahashi, S., Hernández, F. and Ochoa, S. (2010) “An energy methodology for the 

design  of  water  distribution  systems”  World  Environmental  and  Water  Resources Congress 
2010 ASCE, 4303-4313. 

Savic,  D.  and  Walters,  G.  (1997).  “Genetic  algorithms  for  least  cost  design  of  water  distribution 

networks.” Journal of Water Resources Planning and Management, Vol. 123 (2): 67-77.  

Villalba,  G.,  (2004)  “Combinatory  optimization  algorithms  applied  to  the  design  of  water 

distribution  networks”  MSc  Thesis,  Dept.  of  Systems  and  Computational  Engineering, 
Universidad de los Andes, Bogotá Col. (In Spanish). 

Wu,  I.,  (1975)  “Design  of  drip  irrigation  main  lines”,  Journal  of  the  Irrigation  and  Drainage 

Division , Vol.101 (4):265-278. 

Zecchin,  A.,  Simpson,  A.,  Maier,  H.,  Leonard,  M.,  Roberts,  A.  and  Berrisford,  M.  (2006) 

“Application  of  two  ant  colony  optimisation  algorithms  to  water  distribution  system 
optimization” Mathematical and Computer Modelling Vol.44 (5-6): 451-468. 

 

102029

¿Quiere saber más? Contáctenos

Declaro haber leído y aceptado la Política de Privacidad