Inteligencia Artificial para la detección de fugas aparentes de agua en el sistema de distribución urbano

Las fugas aparentes de agua suponen un elevado porcentaje del Agua No Registrada y unas considerables pérdidas económicas para las compañías distribuidoras. Hoy, gracias a las nuevas soluciones de inteligencia artificial diseñadas por NEURITE, estamos en disposición detectar el comportamiento anómalo del contador de un abonado (una probabilidad de fuga de agua aparente) y comunicar a la compañía distribuidora la detección de la anomalía.

El Agua No Registrada (ANR) es la diferencia entre el volumen de agua suministrada al sistema de distribución y el agua finalmente registrada en los contadores de los usuarios.

El volumen de Agua No Registrada supone en el mundo entre el 30 y el 35 % del agua potable introducida en las redes de distribución, con máximos que pueden alcanzar el 70%, según datos del Banco Mundial,

Las últimas estimaciones indican que en España, del total de agua destinada al abastecimiento del ciclo urbano (el 15,5% del agua utilizada), el porcentaje anual de agua no registrada se ha mantenido prácticamente idéntico durante los últimos 10 años: se estima que se “pierde” casi 1 litro de cada 4, es decir, un 23% del volumen del agua potable, tratada y limpia introducida en el sistema de distribución urbano no llega a su destino.

Las pérdidas de agua pueden ser fugas reales (pérdidas físicas resultado de roturas o averías en la red de suministro) o fugas aparentes (subcontaje, consumos autorizados pero no medidos y fraudes o consumos no autorizados).

Fugas aparentes de agua: pérdidas económicas cuantiosas

Las fugas aparentes pueden ser producidas por consumos no autorizados (fraudes), porque el contador no funciona correctamente (subcontaje) o porque haya necesidades no previstas y consumos autorizados pero no registrados, como por ejemplo que se utilice agua para sofocar un incendio.

Aunque las fugas aparentes suponen un elevado porcentaje del Agua No Registrada, hasta la fecha se ha considerado difícil detectarlas y, como resultado de su detección, reducir las cuantiosas pérdidas económicas que implican para las empresas suministradoras.

La dificultad de detectar fugas aparentes de agua

Para detectar fugas reales existen contadores localizados en puntos críticos de la red que separan la red en subsectores. De estos contadores, en una población de, por ejemplo, 60.000 habitantes, puede haber entre 50 o 70, que es una cifra relativamente fácil de manejar por las empresas suministradoras.

Las fugas aparentes, en cambio, se dan en los abonados y, en una población de, por ejemplo, 60.000 habitantes, puede haber en torno a  25.000 contadores particulares.

Hasta hace 5 o 10 años, los datos relativos al consumo del abonado los tomaba un profesional que, cada cierto número de meses, se personaba en el domicilio del abonado y registraba los datos del contador.

Desde hace relativamente poco tiempo, en los municipios españoles se ha ido implementando instrumentos de telemetría en los contadores de los abonados, con medidas registrables y comunicadas con frecuencia horaria a la central.

De tal manera que en una población de, por ejemplo, 60.000 habitantes, de los cuales  25.000 podrían ser abonados, se registrarían 219 millones de horas registradas en un año (8760 horas por abonado): una cifra considerablemente elevada y difícil de manejar si no se recurre a la Inteligencia Artificial (IA).

Para detectar una fuga aparente es imprescindible constatar que el comportamiento del contador del abonado es “anormal”, es decir, distinto del comportamiento que consideramos normal o inherente.

Pero, ¿cómo valorar que el comportamiento del contador de un abonado es anormal?

Un comportamiento anormal es un salto “brusco” de las medidas, pero ¿cuán brusco debe ser para que lo consideremos “anormal” y por tanto indicativo de fuga aparente de agua?

Podríamos definir como “brusco” un consumo que hoy doble o triplique el consumo de, por ejemplo, ayer.

Pero no necesariamente un consumo que doble o triplique el consumo de ayer (con respecto al consumo de hoy) indicaría que estamos realmente ante una fuga, dado que hay circunstancias que podrían explicar el cambio: pongamos por caso que hoy se ha jugado la final de la Copa del Rey de fútbol y que tal evento ha provocado que se doble o triplique el consumo de agua en el domicilio del abonado.

Por ello, si comparamos los consumos del abonado con sus propios consumos, aunque el cambio de un día para otro haya sido brusco no necesariamente estaríamos ante un consumo anómalo indicativo de una fuga de agua aparente.

Con qué comparar el consumo del contador del abonado

Para detectar una fuga o pérdida aparente de agua no basta con comparar el consumo del abonado en un día en concreto con su propio consumo en cualquier otro día.

En cambio, sí es posible obtener una información que permita detectar un comportamiento anómalo y, por tanto, si es el caso, una fuga aparente de agua, si se compara el consumo del abonado con el consumo de otros abonados “próximos”.

¿Por qué?

Porque un comportamiento aparentemente anómalo sería realmente anómalo si los abonados “próximos” no comparten una anomalía similar.

Sin embargo, comparar el comportamiento del contador de un abonado con el comportamiento de decenas de miles de contadores proporcionaría millones de datos (625 millones cada hora, en nuestro ejemplo de 25.000 contadores), difíciles o extremadamente costosos de procesar.

Por tanto, la solución está en comparar únicamente el comportamiento de un abonado en concreto con el comportamiento de unos pocos abonados elegidos, aquellos que sea posible considerar “próximos”, no por su distancia física, si no porque tienen un comportamiento que se ha valorado previamente como similar.

El valor de “proximidad” entre abonados

Para poder realizar la comparación entre abonados es necesario cuantificar el valor de “proximidad”, de tal modo que sea posible agrupar a los abonados en conjuntos (clústers) de comportamiento similar.

No se trata de una proximidad física, porque nada garantiza que la cercanía o vecindad física conlleve que los comportamientos de unos y de otros sean similares: lo que nos interesa es llevar a cabo una comparación entre los abonados que están próximos en cuanto a comportamiento.

La diferencia entre como debería ser el comportamiento del contador de un abonado (según se han comportado los abonados definidos como próximos) y como se está  comportando dicho abonado es lo que definirá una probable fuga aparente.

Por lo tanto, para empezar, es necesario identificar las dimensiones más significativas y, a continuación, una vez definidas, agrupar en clústers a los abonados que más cercanos se encuentren en esas dimensiones.

Inteligencia Artificial: la clave está en el clúster

La Inteligencia Artificial nos permite generar clústers (conjuntos de próximos) en las dimensiones que resulten más eficaces.

Algunas de las dimensiones que pueden tener relevancia son las siguientes:

  • La tipología de uso (industrial, comercial, doméstico, etc.).
  • Los valores medios de consumo de los 7 días de la semana.
  • Las frecuencias de mayor amplitud.
  • La existencia de una segunda residencia.
  • Etc.

Una vez definidos los abonados más “próximos” a un abonado en concreto,  es posible obtener para cada abonado una Red Neuronal que describa para cada instante de tiempo el comportamiento esperado en función del comportamiento de los abonados “próximos” que forman parte de su clúster, teniendo en cuenta toda la serie histórica de medidas horarias de sus integrantes.

Reducir las fugas aparentes de agua: aumentar la facturación

En NEURITE, una vez disponemos de las  mediciones realizadas por la compañía distribuidora de agua,  diseñamos las dimensiones y, con las mediciones históricas, detectamos cuáles son los abonados cercanos entre sí.

Con las mediciones históricas y la individualización de cada uno de los abonados cercanos entrenamos redes neuronales con la finalidad de que los datos de los abonados “próximos” nos permitan predecir los datos de un abonado en concreto, es decir, estamos en disposición detectar el comportamiento anómalo del contador de un abonado (una probabilidad de fuga de agua aparente) y comunicar a la compañía distribuidora la detección de la anomalía.

El ciclo urbano del agua factura, según datos gubernamentales, “una media de 7.600 millones de euros anuales, pero aproximadamente el 23% del agua potable ya tratada se pierde a través de redes de distribución. Reducir estas pérdidas en un 10% supondrá el ahorro de un volumen de agua significativo y un aumento en la facturación del orden de 700 millones«.

NEURITE: Especialización, tecnología e innovación, con más de 30 años de experiencia trabajando con confederaciones hidrográficas y empresas suministradoras de agua.

Si necesita más información o desea realizar una consulta:

Contacte con nosotros

2 comentarios sobre “Inteligencia Artificial para la detección de fugas aparentes de agua en el sistema de distribución urbano

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: