Buscador

Herramienta de soporte a la toma decisiones de la aducción

Desarrollo de una herramienta de soporte para la planificación de la aducción y la toma de decisiones asociadas, basada en IA e implementada sobre el lago de datos.

Objetivo

Disponer de una nueva capacidad digital basada en inteligencia artificial que preste soporte a la planificación de la aducción y a la toma de decisiones asociadas, optimizando el problema en su conjunto (energía, reactivos, calidad de las aguas, etc.).

Plazo

F. inicial

Marzo 2022

F. final

Diciembre 2025

Duración

46 meses

¿Iniciada?

Alcance

  • Construcción (análisis, diseño, desarrollo, pruebas), implementación sobre el lago de datos y puesta en servicio de la herramienta, incluyendo capacitación. Se realizará una versión inicial (centrada en cantidad del recurso) y una 2ª versión evolucionada.

Otros datos

Presupuesto

153.968,00 €

Entidad resp. Ejecución

EMASESA

Población afectada

1.064.428

Término municipal

Término supramunicipal de EMASESA

El proyecto en imágenes

Observaciones

  • Caso de uso personalizado desarrollado sobre el lago de datos de EMASESA.
  • Herramienta de soporte a la toma de decisiones, que seguirá correspondiendo al  técnico responsable.
  • Se considerará toda la información disponible en los sistemas (meteorológica, limnológica,etc.)
  • La herramienta debe definir la mejor solución posible teniendo en cuenta todas las dimensiones del problema (producción hidroeléctrica, consumo energético, consumo de reactivos, conservación aguas en origen, calidad del agua potable, desembalses, otros usos del agua, etc.) y las circunstancias presentes (predicciones meteorológicas, episodios de contaminación de aguas, episodios meteorológicos extremos, averías, incidencias, precios de mercado de insumos, etc.). Además debe tener en cuenta las responsabilidades de gestión de todos los actores (EMASESA, ENDESA, CHG) y permitir la interacción con ellos.
  • Debe definirse la decisión óptima a partir de todos los datos disponibles en EMASESA (históricos o en tiempo real) y datos externos relevantes.
  • Reglas “human readable”, para codificación del conocimiento, para facilitar su compresión y validación, y para facilitar la supervisión del funcionamiento y resultados del algoritmo. El modelo podrá ser objeto de aprendizaje y mejora continua.
  • La versión inicial estará centrada en la cantidad del recurso. La segunda versión evolucionada incluirá otros criterios relevantes tales como energía, calidad de agua, garantía frente a episodios extremos, etc.

Loading

Volver arriba