El passat Dimecres, 1 de setembre, vam celebrar a BGEO una jornada de formació interna sobre Intel·ligència Artificial aplicada a la predicció de demandes en una xarxa d’aigua potable.
L’estiu sempre és un bon moment per incorporar becaris que aportin frescor i noves tendències en les organitzacions. En aquest sentit, aquest any ha estat un plaer tenir novament entre nosaltres a Elies Bertran, estudiant de matemàtiques de la UAB, qui per tercer estiu consecutiu ens ha lliurat uns intangibles de molt valor per a tots els membres de l’equip.
Des de fa temps, ell és un autèntic fan de la Intel·ligència Artificial, així que aquest any ha tornat amb noves idees i amb les últimes tendències en xarxes neuronals recurrents.
Això ens ha permès evolucionar el nostre know-how amb Tensor flow i Keras aplicat una altra vegada a la millora de processos en xarxes d’abastament. Si en anys anteriors havíem creat i evolucionat una xarxa neuronal per treballar amb esdeveniments de trencament en canonades, amb l’objectiu de determinar el període de retorn o freqüència de trencament i poder així tenir una eina de planificació de reposicions de xarxa, aquest any hem canviat de focus i hem optat estudiar comportaments de sèries temporals i avaluar la seva predictibilitat.
Una infraestructura d’abastament està subjecta a sol·licitacions que depenen en una part de cicles que es repeteixen i en una altra part, d’esdeveniments discrets condicionats a l’activitat humana. En aquest sentit, si aconseguim conèixer els patrons i tenir la suficient informació estructurada i harmonitzada ¿Serem capaços de predir consums en xarxa amb un parell o tres de dies d’anticipació?
Davant la pregunta formulada, i amb la col·laboració de l’operador Aigües de Manresa, ens hem posat a treballar intensament, estudiant nombrosos datasets, analitzant els mateixos i intentat avaluar com es comportaven, especialment centrats en els cabalímetres sectorials.
Un cop acabat el treball, és un plaer afirmar que estem molt satisfets dels èxits obtinguts ja que els resultats han estat impressionants. Queda molt camí per recórrer, però hem establert les bases teòriques així com una arquitectura de programari robusta i escalable que en un curt termini ens permetrà anticipar valors en cabalímetres sectorials, simplement a partir de la seva sèrie temporal prèvia al menys comptant amb dos cicles anuals anteriors.
Això ens fa molta il·lusió ja que ens obre la porta a aplicar aquest tipus de predicció a models hidràulics de xarxa com EPANET el que eleva a un altre nivell el coneixement adquirit pel nostre equip en models hidràulics aquests últims anys.
En primer lloc, s’ha de disposar d’un model de xarxa ben calibrat i amb una alta resolució, és a dir partint trams per escomeses tal com Giswater realitza. A continuació només cal imposar unes condicions de demanda precedides per l’eina AI, i el resultat serà disposar d’informació de la xarxa i poder anticipar els possibles esdeveniments crítics en la nostra infraestructura abans que es produeixin.
No hi ha dubte que aquesta funcionalitat és enormement desitjada per tots aquells que operen xarxes d’abastament, i serà una realitat per als operadors que usin Giswater com eina corporativa en un curt termini.
Tot això ens ha portat a realitzar aquesta jornada formativa interna impartida pel propi Elies, qui ens ha transmès amb efusivitat l’enorme know-how adquirit aquest estiu.
En nom de l’equip de BGEO, només ens queda donar les gràcies a Aigües de Manresa per la seva col·laboració i a Elies Bertran per la seva entrega així com felicitar-lo pel treball realitzat.