Análise de dados de telemedição de consumos domésticos para apoio na avaliação de perdas aparentes e reais em sistemas de distribuição de água

M.A. Silva, D. Loureiro, C. Amado, F. Arregui

Resumen

O aumento da cobertura de clientes domésticos com telemedição tem levado a uma maior disponibilidade de dados de consumo instantâneo nas Entidades Gestoras (EG) de sistemas de distribuição de água. A análise destes dados, para além de melhorar a gestão dos sistemas de faturação e de gestão de clientes, permite também melhorar a estimativa das perdas de água em cada EG. Com o objetivo de avaliar as perdas aparentes, através da análise de perfis do consumo total, e as perdas reais, por via do estudo do consumo doméstico mínimo, foram realizadas campanhas de telemedição em 275 clientes domésticos referentes a 10 EG. Os perfis de consumo, relevantes para aferição do erro global do parque de contadores, revelaram que os consumos predominantes variam entre 240 e 1000 L/h, sendo o volume medido abaixo de 120 L/h (e.g., devido a fugas domiciliárias) praticamente insignificante. A estimativa do consumo médio de água no período de consumo mínimo (entre as 2 e as 5 h da manhã) foi 1.2 L/(utilizador·h) para contadores DN15 e 2.0 L/(utilizador·h) para contadores DN20. Utilizando análise de clusters, identificaram-se ainda quatro padrões de consumo distintos, diferenciados pelas escalas de consumo, tendências e picos ao longo do dia. Este trabalho demonstrou o potencial das campanhas de telemedição para recolha de dados de consumo. Além disso, forneceu uma metodologia e conjunto inicial de estatísticas sobre o consumo doméstico em cada EG e no conjunto das EG determinante para a gestão técnica dos sistemas de distribuição de água.

Palabras clave

consumos domésticos mínimos; padrão de consumo; perfil de consumo; sistemas de distribuição de água; telemedição domiciliária

Texto completo:

PDF

Referencias

Alegre, H., Coelho, S.T., Almeida, M.C., Vieira, P. 2005. Guia Técnico nº3: Controlo de perdas de água em sistemas de adução e distribuição. IRAR, INAG, LNEC, Lisboa, Portugal.

Arbelaitz, O., Gurrutxaga, I., Muguerza, J., Pérez, J.M., Perona, I. 2013. An extensive comparative study of cluster validity indices. Pattern Recognition, 46(1), 243-256. https://doi.org/10.1016/j.patcog.2012.07.021

Arregui, F., Cabrera Jr., E., Cobacho, R. 2006. Integrated water meter management. IWA Publishing, Londres.

Arregui, F., Balaguer, M.,Soriano, J., García-Serra, J. 2016. Quantifying measuring errors of new residential water meters considering different customer consumption patterns. Urban Water Journal, 13(5), 463-475. https://doi.org/10.1080/1573062X.2014.993999

Arregui, F., Gavara, F.J., Soriano, J., Pastor-Jabaloyes, L. 2018. Performance analysis of ageing single-jet water meters for measuring residential water consumption, Water, 10, 612. https://doi.org/10.3390/w10050612

Fantozzi, M., Lambert, A. 2012. Residential night consumption-assessment, choice of scaling units and calculation of variability. Proceedings of the IWA Water Loss Conference, Fevereiro, Manila, Philippines, 26-29.

Farley M., Trow S. 2003. Losses in water distribution networks, IWA Publishing, Londres. Loureiro, D., Vieira, P., Makropoulos, C., Kossieris, P., Ribeiro, R., Barateiro, J., and Katsiri, E. 2014a. Smart metering use cases to increase water and energy efficiency in water supply systems. Water Supply, 14(5): 898-908. https://doi.org/10.2166/ws.2014.049

Loureiro, D., Alegre, H., Coelho, S., Martins, A., and Mamade, A. 2014b. A new approach to improve water loss control using smart metering data. Water Supply, 14(4): 618-625. https://doi.org/10.2166/ws.2014.016

Loureiro, D., Rebelo, M., Mamade, A.,Vieira, P., Ribeiro, R. 2015. Linking water consumption smart metering with census data to improve demand management. Water Supply, 15(6), 1396-1404. https://doi.org/10.2166/ws.2015.086

Loureiro, D., Mamade, A., Cabral, M., Amado, C., Covas, D. 2016. A comprehensive approach for spatial and temporal water demand profiling to improve management in network areas. Water Resources Management, 30(10), 3443-3457. https://doi.org/10.1007/s11269-016-1361-3

Sardá-Espinosa, A. 2017. Comparing time-series clustering algorithms in R using the dtwclust package.

Vermersch, M., Carteado, F., Rizzo, A., Johnson, E., Arregui, F., Lambert, A. 2016. Guidance notes on apparent losses and water loss reduction planning. Disponível em: https://www.mcast.edu.mt/guidance-notes-app-loss/, acedido em: 14/12/2020.

Ward, J.H. Jr. 1963. Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236-244. https://doi.org/10.1080/01621459.1963.10500845

Abstract Views

352
Metrics Loading ...

Metrics powered by PLOS ALM




Esta revista se publica bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

Universitat Politècnica de València

Fundación para el Fomento de la Ingeniería del Agua

e-ISSN: 1886-4996  ISSN: 1134-2196

https://doi.org/10.4995/ia