Influencia meteorológica y antropogénica en la calibración del sistema de previsión de la demanda

• García Valdés, Miguel ^[1] ; Toquero, Carlos ^[2]
  1. [1] WatEner
  2. [2] Grupo INCLAM
• Localización: XXXV Jornadas Técnicas de AEAS, 2019, págs. 311-320
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Para los gestores y operadores de sistemas de abastecimiento de agua potable es fundamental contar con una previsión automática de consumos confiable y precisa, que permita ajustar al máximo la gestión de la red a la demanda requerida. Por otra parte, la toma decisiones relacionada a la demanda esperada involucra transversalmente a diferentes responsables de operación en la compañía que deben ajustar, con suficiente antelación y grado de confianza, sus actividades de acuerdo a la planificación de la operación. La metodología para la previsión automática de demanda de la Plataforma WatEner, utiliza técnicas de Reconocimiento de Patrones (del campo de la Inteligencia Artificial) de “días similares” e incorpora en sus algoritmos de cálculo variables meteorológicas y de calendario que requieren una configuración adaptada a las condiciones locales. Esta configuración se realiza en base a datos históricos de consumo que están relacionados a las características inherentes a cada región, como por ejemplo los factores antropogénicos o meteorológicos. En la presentación expuesta, se contrasta la verdadera influencia de estos factores en el comportamiento de la demanda de agua y la capacidad del Sistema de Previsión propuesto, teniendo en cuenta factores antropogénicos que permiten clasificar la tipología de días (laborales, fines de semana, festivos, especiales, etc.) y factores climatológicos tales como precipitación, humedad, rango de temperaturas, estacionalidad, etc. Para realizar el procedimiento de calibración del sistema de previsión de la demanda se han analizado datos históricos correspondientes a dos años de registros procedentes del sistema de sensorización, con frecuencia de paso de diez minutos, e integrando el calendario local y las variables meteorológicas para ese periodo. Posteriormente, se han ejecutado simulaciones en serie para diferentes configuraciones de criterios. Con los resultados obtenidos de las simulaciones, se ha analizado la influencia y sensibilidad de cada criterio por separado y en conjunto. Finalmente se evaluó y se analizó su capacidad para predecir con mejor exactitud el comportamiento real del consumo registrado para diferentes escenarios, como por ejemplo máximos y mínimos consumos registrados, periodos estacionales, cambios de comportamiento y eventos puntuales en la red, etc. Se demuestra que, una vez realizada una correcta calibración de los criterios que forman parte del algoritmo modificado de días similares, esta metodología es altamente confiable y tiene una gran capacidad de adaptación dinámica a los cambios en el comportamiento temporal y espacial del patrón de consumo en la red. Los resultados muestran errores relativos absolutos medios inferiores al 3%, incluso cuando los consumos están influenciados por factores externos como alta variabilidad meteorológica, días especiales con eventos o alteraciones de los patrones habituales. Estas ratios de fiabilidad permiten basar las decisiones de gestión y operación en el Sistema de Previsión con altos índices de garantía.