Contrôle en temps réel des bassins d’orage pour une gestion durable et adaptative des eaux pluviales en milieu urbain. / Real-time control of stormwater basins for sustainable and adaptive management of urban stormwater.

Shishegar, Shadab (2020). Contrôle en temps réel des bassins d’orage pour une gestion durable et adaptative des eaux pluviales en milieu urbain. / Real-time control of stormwater basins for sustainable and adaptive management of urban stormwater. Thèse. Québec, Doctorat en sciences de l'eau, Université du Québec, Institut national de la recherche scientifique, 170 p.

Prévisualisation	PDF Télécharger (3MB) | Prévisualisation
Prévisualisation	PDF Télécharger (569kB) | Prévisualisation

Résumé

Le but de cette thèse est de développer et tester des stratégies locales et globales de contrôle prédictif en temps réel (GPRTC) pour un système de gestion des eaux pluviales (SGP). L'hypothèse à vérifier est que le GPRTC des bassins d’eaux pluviales peut améliorer la performance des SGP en termes de qualité et de quantité d'eau. Sur cette base, l'objectif principal de cette thèse est de proposer un cadre décisionnel intelligent pour combiner l’optimisation et des règles de contrôle afin d’améliorer les performances de contrôle qualité et quantité des SGP en temps réel dans le cadre d'une ville intelligente. La résilience globale du système dans des situations critiques, telles que des épisodes pluvieux plus intenses en raison du changement climatique, est discutée en fournissant une analyse comparative des approches dynamique et statique. De plus, la capacité de réduction de l'érosion de l’approche proposée est analysée et les impacts des incertitudes liées aux prévisions de précipitations sur la performance de l’approche de contrôle dynamique sont étudiés. Enfin, un modèle de réseau de neurones hypercomplexe à valeur octonionique (OVNN) est développé. L’intégration de ce modèle aux stratégies de GPRTC permet une estimation plus rapide des débits d'entrée qui doivent être fournis, en temps réel, à la stratégie de contrôle. Deux bassins versants urbains réels, avec respectivement un et quatre exutoires vers le cours d'eau récepteur, sont choisis pour tester l'applicabilité et l'efficacité de l'approche dynamique proposée. Les résultats montrent que l’approche de contrôle proposée a la capacité d’améliorer la performance des systèmes de gestion des eaux pluviales, en matière de quantité et de qualité, par rapport à une approche de contrôle statique, que ce soit dans des conditions météorologiques normales ou en considérant le changement climatique. L’approche locale offre une réduction moyenne de 76 % des débits de pointe et un temps de rétention moyen de 19 h en climat futur. À l’échelle globale, bien que les critères de performance semblent être affectés par l’augmentation de l'intensité des précipitations en climat futur, l’approche de GPRTC améliore toujours la réduction du débit de pointe et le temps de rétention de l’eau, de 54 % et 14 h respectivement, en présence du changement climatique. De plus, lorsque les prévisions d'incertitude liées aux prévisions de précipitations sont prises en compte, les résultats montrent la capacité de GPRTC à rétablir la fiabilité du système face à des événements imprévus, ce qui permet au SGP de revenir vers un était normal après une défaillance éventuelle.

The aim of this thesis is to develop and test local and global predictive real-time control (GPRTC) strategies for a network of stormwater management systems. The basic hypothesis to verify is that GPRTC of stormwater basins can improve SWM in terms of water quality and quantity. Based on this, the main objective of this thesis is to propose a smart decision-making to enhance the quality and quantity control performance of the SWM system in real-time as a part of a Smart City. The global resiliency of the system in critical situations such as more intense rainfall events imposed by climate change is discussed by providing a comparative analysis of the dynamic and static approaches. Also, the erosion reduction ability of the proposed approach is analyzed and the impacts of uncertainties linked to rainfall forecast on the performance and robustness of the dynamic control approach is studied. Finally, a hyper-complex Octonion-Valued Neural Network model (OVNN) is developed that performs accurate and rapid rainfall-runoff estimation. The integration of this model to the GPRTC strategies allows faster estimation of inflow rates that should be provided to the integrated optimization rule-based framework in real-time as input data. Two real world urban watersheds with one and four outlets to a nearby watercourse are chosen to test the applicability and efficiency of the proposed dynamic approach. The results show that the proposed autonomous control approach has the ability to enhance the quantity and quality control performance of the basins for both local and global control approaches, in comparison to a static control approach. Local RTC approach offers an average reduction of 76 % in peak-flows and an average detention time of 19 h under future climate. At the global scale, although the performance criteria are shown to be affected by the increased rainfall intensities in future climate, the proposed control approach still improves the peak flow reduction and detention time of water by 54 % and 14 h, respectively in the presence of climate change. Also, when forecasting uncertainty linked to rainfall predictions is taken into account, the results show the ability of the proposed approach in recovering the system facing unpredicted events which finally enables the resiliency of the stormwater system to bounce back from a failure to normal conditions.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Duchesne, Sophie
Co-directeurs de mémoire/thèse:	Pelletier, Geneviève
Mots-clés libres:	changement climatique; contrôle en temps réel; bassin de rétention; gestion des eaux pluviales; qualité de l’eau; débit de pointe; ruissellement; optimisation; règle de contrôle; ville intelligente; climate change; real-time control; detention basin; stormwater management; water quality; peak flow; runoff; optimization; control rule; smart city
Centre:	Centre Eau Terre Environnement
Date de dépôt:	14 oct. 2020 19:28
Dernière modification:	10 oct. 2022 04:00
URI:	https://espace.inrs.ca/id/eprint/10405

Gestion Actions (Identification requise)

Modifier la notice