Mejora del reconocimiento de usos finales del agua mediante la simplificación de la traza de caudal: un caso de estudio

Laura Pastor-Jabaloyes; Francisco Jose Arregui de la Cruz; Ricardo Cobacho

doi:10.4995/ia.2018.9476

Autores/as

Laura Pastor-Jabaloyes Universitat Politècnica de València https://orcid.org/0000-0002-9870-2531
Francisco Jose Arregui de la Cruz Universitat Politècnica de València
Ricardo Cobacho Universitat Politècnica de València

DOI:

https://doi.org/10.4995/ia.2018.9476

Palabras clave:

Filtrado de la señal de caudal, Demanda de agua residencial, Microcomponentes del agua, Contadores inteligentes, Desagregación en usos finales del agua

Resumen

El éxito de estrategias para la desagregación y clasificación automática de los consumos de agua en usos finales depende de un adecuado filtrado previo de las trazas de caudal registradas. Se propone un nuevo algoritmo de filtrado, cuyos parámetros de entrada se ajustan mediante un proceso de calibración automático por evento de consumo, asegurando la adaptabilidad y simplificación de la traza filtrada a la original. Esta herramienta se aplica a un caso de estudio mediante el análisis de 5210 eventos de consumo, procedentes de una campaña de monitorización en una ciudad española. Los resultados muestran que el filtro es capaz de simplificar sustancialmente las trazas de caudal manteniendo la información esencial. En media, las trazas de caudal de eventos más complejos pueden definirse con menos del 10% de los puntos de las trazas originales. Además, el análisis realizado permite identificar diversas estrategias para mejorar y optimizar el proceso de filtrado.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arregui, F. (2015). New software tool for water End-Uses studies. Presentation of 8th IWA International Conference on Water Efficiency and Performance Assessment of Water Services, Cincinnati, USA.

Cominola, A., Giuliani, M., Piga, D., Castelletti, A., Rizzoli, A.E. (2015). Benefits and challenges of using smart meters for advancing residential water demand modeling and management: A review. Environmental Modelling & Software, 72, 198-214, https://doi.org/10.1016/j.envsoft.2015.07.012

DeOreo,W.B., Heaney, J.P., Mayer, P.W. (1996). Flow trace analysis to assess water use. American Water Works Association, 88, 79-90. https://doi.org/10.1002/j.1551-8833.1996.tb06487.x

Fielding, K.S., Spinks, A., Russell, S., McCrea, R., Stewart, R.A., Gardner, J. (2013). An experimental test of voluntary strategies to promote urban water demand management. Journal of Environmental Management, 114, 343-351. https://doi.org/10.1016/j.jenvman.2012.10.027

Gupta, H.V., Kling, H., Yilmaz, K.K., Martinez, G.F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, 377, 80-91, https://doi.org/10.1016/j.jhydrol.2009.08.003

Kowalski, M., Marshallsay, D. (2003). A System for Improved Assessment of Domestic Water Use Components. II International Conference Efficient Use and Management of Urban Water Supply, International Water Association, Tenerife, Spain.

Larson, E., Froehlich, J., Campbell, T., Haggerty, C., Atlas, L., Fogarty, J., Patel, S.N. (2012). Disaggregated water sensing from a single, pressure-based sensor: An extended analysis of HydroSense using staged experiments. Pervasive and Mobile Computing, 8, 82-102. https://doi.org/10.1016/j.pmcj.2010.08.008

Nguyen, K.A., Zhang, H., Stewart, R.A. (2013a). Development of an intelligent model to categorise residential water end use events. Journal of Hydro-environment Research, 7, 182-201. https://doi.org/10.1016/j.jher.2013.02.004

Nguyen, K.A., Stewart, R.A., Zhang, H. (2013b). An intelligent pattern recognition model to automate the categorisation of residential water end-use events. Environmental Modelling & Software, 47, 108-127. https://doi.org/10.1016/j.envsoft.2013.05.002

Pastor-Jabaloyes, L., Arregui, F.J., Cobacho, R. (2018). Water End Use Disaggregation Based on Soft Computing Techniques. Water, 10(1), 46. https://doi.org/10.3390/w10010046

R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Disponible en: http://www.R-project.org/.

UNEP (United Nations Environment Programme). (2011). Water: Investing in Natural Capital. UNEP, Towards a Green Economy: Pathways to Sustainable Development and Poverty Eradication, Nairobi.