Eficiencia energética de redes de agua: nuevo enfoque holístico usando técnicas de machine learning

• Helmbrecht, Jorge ^[1] ; Moya, Carolina ^[2]
  1. [1] WatEner
  2. [2] Grupo INCLAM
• Localización: XXXV Jornadas Técnicas de AEAS, 2019, págs. 857-866
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • El proceso de toma decisiones operativas y de mantenimiento en la gestión de red de agua implica el análisis de una enorme cantidad de variables altamente interrelacionadas. Los sistemas actuales de gestión están basados en la recopilación de datos y software de modelación. Sin embargo, es una realidad latente que la existencia de una mayor complejidad en el sistema de monitoreo no siempre se transforma en una mejora evidente de la eficiencia en la operación. Para aprovechar al máximo los datos e información generados en la red, se presenta —a través de un caso práctico basado en una plataforma web— un nuevo enfoque holístico que aprovecha las tecnologías y herramientas ya existentes en las empresas abastecedoras para ayudar a la mejora de la eficiencia en la operación dentro del nexo agua-energía. El caso práctico que se presenta está ubicado la ciudad de Karlsruhe (Alemania) cuyo sistema de distribución de agua está operado por Stadtwerke Karlsruhe (SKWA), la compañía pública municipal de agua, gas y energía, que abastece aproximadamente a 400.000 habitantes con una red de algo más de 900 km y un cómputo total de agua consumida al año de 24 Hm3 (Kühlers, 2016). En este caso existen cuatro factores interrelacionados que afectan al consumo energético y a la calidad del servicio de suministro: (i) la influencia directa del depósito regulador en la gestión de la presión en la red, (ii) singularidades y diferentes caudales de las estaciones bombeo, (iii) diferente eficiencia energética de las unidades de bombeo, (iv) tarifa eléctrica variable durante el transcurso del día. Implementando técnicas de Machine Learning y con la ayuda de un sistema integrado de modelado hidráulico y un sistema de previsión de la demanda con reconocimiento de patrones, se ha dado respuesta a las necesidades en términos de ahorro de energía y reducción de emisiones, centrándose en las siguientes áreas: (i) previsión de la demanda de agua potable de manera fiable por cada sector, (ii) gestión del tanques de almacenamiento de agua, (iii) programa y calendario de bombeo para alimentar la red y, como resultado, (iv) mejora de la eficiencia energética de las bombas de red. Como resultado esperado, SKWA se había marcado reducir en un 2% anual la generación de gases de efecto invernadero (CO2) a través de la mejora en la eficiencia energética en la operación. SKWA cuenta ahora con un sistema de apoyo a la decisión para proporcionar recomendaciones de operación diaria a través del análisis multicriterio orientado a la optimización de los calendarios de bombeo. Con este sistema SWKA ha conseguido hasta un 7,5% de ahorro energético y sus costes asociados en la operación del sistema, sin considerar los ahorros derivados de otros beneficios indirectos por la mejora de la gestión global. Como conclusión, el caso práctico que se presenta demuestra con resultados que la implementación de una solución TIC aplicando inteligencia artificial, aprendizaje automático y análisis predictivo en tiempo real, constituye una parte decisiva de la futura gestión integrada y eficiente de redes de agua potable en el ámbito del agua y de la energía.