El pasado Miércoles, 1 de septiembre, celebramos en BGEO una jornada de formación interna sobre Inteligencia Artificial aplicada a la predicción de demandas en una red de agua potable.
El verano siempre es un buen momento para incorporar becarios que aporten frescura y nuevas tendencias en las organizaciones. En este sentido, este año ha sido un placer tener nuevamente entre nosotros a Elies Bertran, estudiante de matemáticas de la UAB, quien por tercer verano consecutivo nos ha entregado unos intangibles de mucho valor para todos los miembros del equipo.
Desde hace tiempo, él es un auténtico fan de la Inteligencia Artificial, así que este año ha vuelto con nuevas ideas y con las últimas tendencias en redes neuronales recurrentes.
Esto nos ha permitido evolucionar nuestro know-how con Tensor flow y Keras aplicado otra vez a la mejora de procesos en redes de abastecimiento. Si en años anteriores habíamos creado y evolucionado una red neuronal para trabajar con eventos de rotura en tuberías, con el objetivo de determinar el periodo de retorno o frecuencia de rotura y poder así tener una herramienta de planificación de reposiciones de red, este año hemos cambiado de foco y hemos optado estudiar comportamientos de series temporales y evaluar su predictibilidad.
Una infraestructura de abastecimiento está sujeta a solicitaciones que dependen en una parte de ciclos que se repiten y en otra parte, de eventos discretos condicionados a la actividad humana. En este sentido, si logramos conocer los patrones y tener la suficiente información estructurada y harmonizada ¿Vamos a ser capaces de predecir consumos en red con un par o tres de días de anticipación?
Ante la pregunta formulada, y con la colaboración del operador Aigües de Manresa, nos hemos puesto a trabajar intensamente, estudiando numerosos datasets, analizando los mismos e intentado evaluar cómo se comportaban, especialmente centrados en los caudalímetros sectoriales.
Una vez terminado el trabajo, es un placer afirmar que estamos muy satisfechos de los logros obtenidos puesto que los resultados han sido impresionantes. Queda mucho camino por recorrer, pero hemos sentado las bases teóricas así como una arquitectura de software robusta y escalable que en un corto plazo nos va a permitir anticipar valores en caudalímetros sectoriales, simplemente a partir de su serie temporal previa al menos contando con dos ciclos anuales anteriores.
Esto nos hace mucha ilusión puesto que nos abre la puerta a aplicar este tipo de predicción a modelos hidráulicos de red cómo EPANET lo que eleva a otro nivel el conocimiento adquirido por nuestro equipo en modelos hidráulicos estos últimos años.
En primer lugar, se debe disponer de un modelo de red bien calibrado y con una alta resolución, es decir partiendo tramos por acometidas tal y cómo Giswater realiza. A continuación sólo hace falta imponer unas condiciones de demanda precedidas por la herramienta AI, y el resultado será disponer de información de la red y poder anticipar los posibles eventos críticos en nuestra infraestructura antes que se produzcan.
No cabe duda que esta funcionalidad es enormemente deseada para todos aquellos que operan redes de abastecimiento, y será una realidad para los operadores que usen Giswater cómo herramienta corporativa en un corto plazo.
Todo ello nos ha llevado a realizar esta jornada formativa interna impartida por el propio Elies, quien nos ha transmitido con efusividad el enorme know-how adquirido este verano.
En nombre del equipo de BGEO, sólo nos queda dar las gracias a Aigües de Manresa por su colaboración y a Elies Bertran por su entrega así cómo felicitarle por el trabajo realizado.