Metodología de Darwin Calibrator

Los modelos de computadora se han convertido en una herramienta esencial para la gestión de la
distribución del agua sistemas de todo el mundo. Existen numerosos propósitos para usar una
computadora modelo para simular las condiciones de flujo dentro de un sistema. Un modelo puede
ser empleado para:

 Asegurar una cantidad adecuada y un servicio de calidad del recurso de agua potable a la
comunidad.
 Evaluar alternativas de planificación y diseño.
 Evaluar el rendimiento del sistema.
 Verificar las estrategias operativas para una mejor gestión de la infraestructura del agua
sistema.
 Realizar estudios de vulnerabilidad para evaluar los riesgos que pueden presentarse y afectar
el suministro de agua.

Para estos fines, se construye un modelo en el que los datos describen los elementos de la red de
tuberías, uniones, válvulas, bombas, tanques y depósitos se ensamblan de forma sistemática
manera de predecir el flujo de la tubería y las líneas de grado hidráulico de unión (HGL) o presiones
dentro de un sistema de distribución de agua.

Los modelos de computadora son inversiones significativas para las compañías de agua. Para
asegurar un buen retorno de la inversión y uso correcto de los modelos, el modelo debe ser capaz
de simulando correctamente las condiciones de flujo encontradas en el sitio. Esto se logra
calibrando los modelos. Una calibración implica el proceso de ajuste de las características del
modelo y parámetros para que los flujos y presiones pronosticados del modelo coincidan con los
reales datos de campo observados a algún nivel deseable o aceptable. Esto se describe en más
detalle en Walski, Chase y Savic (2001).

La calibración de un modelo de distribución de agua es una tarea complicada. Hay muchos

inciertos parámetros que deben ajustarse para reducir la discrepancia entre el modelo predicciones
y observaciones de campo de la unión HGL y descargas de tuberías. Dureza de la tubería los
coeficientes a menudo se consideran para la calibración. Sin embargo, hay muchos otros
parámetros que son inciertos y afectan la unión HGL y la velocidad de flujo de la tubería. Minimizar
errores en los parámetros del modelo y eliminar el error de compensación de los parámetros de
calibración (Walski 2001), debería considerar calibrar todos los parámetros del modelo, como
demanda de unión, estado de operación de tuberías y válvulas, y coeficientes de rugosidad de
tubería

Objetivos de calibración

La bondad del ajuste de la calibración del modelo se evalúa por la discrepancia entre el modelo
simulado y unión de campo medida HGL y flujo de tubería. La bondad del ajuste el puntaje se
calcula al usar un punto de aptitud física por cabeza especificada por el usuario para las uniones
y punto de aptitud por flujo para tuberías. Esto permite que un modelador pondere de forma flexible
evaluación de flujo de tubería y cabezal hidráulico de unión. Tres funciones de aptitud son definido
de la siguiente manera:

Objetivo tipo uno: minimizar la suma de cuadrados de diferencia

Objetivo tipo dos: minimizar la suma de las diferencias absolutas

Objetivo tipo tres: minimizar la diferencia absoluta máxima

Donde: Hobsnh designa el grado hidráulico observado nh-th. Hsimnh es el grado hidráulico
simulado modelo nh-th. Hlossnh es la pérdida de carga en el punto de datos de observación nh,
Fobsnf es el flujo observado, Fsimnf es flujo simulado del modelo, Hpnt observa el cabezal
hidráulico por punto de acondicionamiento físico, mientras que Fpnt es el caudal por punto de
gimnasio NH es el número de grados hidráulicos observados y NF es el número de descargas de
tuberías observadas, Wnh y Wnf representa un factor de ponderación normalizado para el
observado grados y flujos hidráulicos respectivamente. Se dan como:

Donde: f () es una función que puede ser lineal, cuadrada, raíz cuadrada, registro, o constante.
Una calibración optimizada puede ser conducida por seleccionando uno de los tres objetivos
anteriores y la ponderación factores entre la cabeza y el flujo. Los parámetros del modelo son
calculados mediante el uso de un algoritmo genético mientras se minimiza la función objetivo
seleccionada y que satisface la calibración restricciones

Restricciones de Calibración

La calibración optimizada se realiza satisfaciendo dos restricciones de tipo, la hidráulica

restricciones del sistema y restricciones del límite del parámetro de calibración. El sistema
restricciones son un conjunto de ecuaciones implícitas que aseguran la conservación de la
continuidad del flujo en nodos y energía para los bucles dentro de un sistema de distribución de
agua. Cada prueba solución generada por la GA se analiza con Bentley WaterCAD V8i hidráulico
solucionador de red.

Las restricciones de límite de calibración se utilizan para establecer los límites mínimo y máximo
para los coeficientes de rugosidad de la tubería y el multiplicador de la demanda de unión. Ellos
son dados como sigue :

Donde: RFmini es el coeficiente de rugosidad mínimo o multiplicador para el grupo de aspereza i;

RFmaxi es la máxima rugosidad coeficiente o multiplicador para el grupo de rugosidad i; y RFi es
el coeficiente de rugosidad o multiplicador para el grupo de aspereza i; DMmini es el multiplicador
mínimo de demanda de unión para grupo de demanda i; DMmaxi es el multiplicador de demanda
máximo para el grupo de demanda i; y DMi es el multiplicador de demanda para grupo de demanda
i.

Se permite que las tuberías que tienen las mismas características físicas e hidráulicas sean
agrupado como un enlace de calibración, y un nuevo coeficiente de rugosidad o una rugosidad el
multiplicador de coeficientes se asigna a todas las tuberías en el mismo grupo. Conexiones que
tienen los mismos patrones de demanda y dentro de un mismo área topológica también se pueden
agregar como una unión de calibración a la que se calcula un mismo multiplicador de demanda y
asignado Los parámetros de calibración están limitados por los límites superior e inferior prescritos
y ajustado con un valor incremental prescrito por el usuario. Por ejemplo, un Hazen-Williams.

El valor de C para una tubería o un grupo de tuberías se computará dentro de un rango de 40 a

140 y por un incremento de 5. Los multiplicadores de demanda pueden variar de 0.8 a 1.2 por 0.1.
La agregación de parámetros es útil para reducir la dimensión de calibración, sin embargo se debe
tener precaución al agrupar tuberías y uniones, ya que esto puede afectar la precisión de la
calibración del modelo.

Calibración Optimizada de Algoritmos Genéticos

Un algoritmo genético (GA) es un paradigma de búsqueda robusto basado en los principios de

evolución natural y reproducción biológica (Goldberg, 1989). Para optimizar la calibración de un
modelo de distribución de agua, un programa de algoritmo genético primero genera una población
de soluciones de prueba de los parámetros del modelo. Un solucionador hidráulico luego simula
cada solución de prueba. La simulación hidráulica resultante predice el HGL (unión presiones) y
flujos de tubería en un número predeterminado de nodos (o puntos de datos) en el red. Esta
información luego se devuelve al módulo de calibración asociado.
El módulo de calibración evalúa qué tan cerca está la simulación del modelo de lo observado datos,
la evaluación de calibración calcula un valor de bondad de ajuste, que es el discrepancia entre los
datos observados y el modelo predice los flujos de tubería y la unión presiones o HGL, para cada
solución. Este valor de bondad de ajuste se asigna luego como la aptitud para esa solución en el
algoritmo genético. Una generación producida por el algoritmo genético se completa. La aptitud
medida se tiene en cuenta al realizar la próxima generación de la genética operaciones de
algoritmo. Para encontrar las soluciones de calibración óptimas, las soluciones de ajuste serán
seleccionado al imitar el principio de la selección natural de Darwin de supervivencia del más apto.

Las soluciones seleccionadas se utilizan para reproducir una nueva generación de soluciones de
calibración realizando operaciones genéticas. Durante muchas generaciones, las soluciones
evolucionan, y las soluciones óptimas o casi óptimas finalmente surgen. Hay numerosas
variaciones de algoritmos genéticos en la última década. Muchas aplicaciones exitosas de GA
para resolver las calibraciones del modelo se han llevado a cabo para una calibración optimizada
del agua sistemas de recursos (Wang 1992, Wu 1994, Babovic, etc., 1994, Wu y Larsen, 1996).

Más recientemente, un algoritmo genético competente (también llamado fast messy GA), que tiene
se ha demostrado la GA más eficiente para la optimización de una distribución de agua sistema
(Wu y Simpson 2001), se ha utilizado para la calibración optimizada. Una breve la descripción
general se da en la siguiente sección.