Url https://cimne.com/sgp/rtd/Project.aspx?id=828
LogoEntFinanc LogoPlan LogoFeder
Acronym SMILER
Project title Desarrollo de un Sistema basado en MachIne Learning para la Reducción de pérdidas en redes de distribución de agua (SMILER)
Reference RTC-2017-6324-5
Principal investigator David Jesús VICENTE GONZÁLEZ - djvicente@cimne.upc.edu
Start date 01/07/2018 End date 31/12/2020
Coordinator INCLAM
Consortium members
  • CIMNE
Program Fomento I+D+i orientada a retos sociedad Call Retos Colaboración 2017
Subprogram Retos Colaboración: Proyectos I+D Category Nacional
Funding body(ies) MCIU Grant $193,619.20
Abstract Las redes de abastecimiento y distribución de agua son infraestructuras fundamentales para nuestra sociedad por el servicio que ofrecen: hacer llegar uno de los bienes fundamentales para la vida a todos los ciudadanos. Uno de los problemas más acuciantes que tiene lugar en este tipo de infraestructuras son las pérdidas de agua que se producen durante el recorrido del fluido desde los elementos reguladores situados en cabecera de red hasta los consumidores finales. Precisamente, con el objetivo de dar solución a esta problemática se plantea la presente propuesta, con la que se busca: Desarrollar un sistema innovador para reducir pérdidas reales a partir de la detección temprana de roturas y fugas relevantes en redes de distribución sectorizadas En este contexto, INCLAM promueve el presente proyecto de investigación con objeto de desarrollar un sistema que permita a empresas operadoras de agua la reducción de fugas en redes sectorizadas, mediante el desarrollo y aplicación de algoritmos basados en machine learning. En el proyecto se prevé abordar algunos de los aspectos clave en la gestión de las redes de abastecimiento con el objetivo final de reducir las fugas: -caracterización de la red y los perfiles de usuario; - modelación hidráulica más realista con -modelos basados en la presión; -mejora en la predicción de la demanda; -clasificación de eventos y localización de posibles fugas. Todos los desarrollos se aplicarán a un caso piloto real, usando datos proporcionados por una de las operadoras de aguas que han mostrado su interés en el proyecto.
Financiado por: FEDER/Ministerio de Ciencia, Innovación y Universidades – Agencia Estatal de Investigación/ Proyecto RTC-2017-6324-5