Empregamos cookies propias e de terceiros para mellorar os nosos servizos. Se continúa navegando, consideramos que acepta o seu uso.
Pode obter máis información, ou ben coñecer como cambiar a configuración do seu navegador, na nosa Política de cookies
Sala de prensa

Sala de prensa

'Machine Learning' para mellorar a xestión do sistema de auga urbano da área da Coruña

Novas |

Como determinar canto abrir os sistemas de desaugadoiro (comportas e válvulas de descarga) dunha presa para dar un servizo óptimo á poboación e manter o caudal ecolóxico ao mesmo tempo que optimizamos as reservas?

Baixo este tipo de premisa xurdiu a participación de dúas empresas coruñesas: Improving Metrics, especializada en análises de datos e intelixencia artificial, e Emalcsa, empresa municipal de augas, no proxecto europeo Brain-IoT, enmarcado no programa Horizonte 2020 e financiado con 5 millóns de euros. A estas dúas súmase unha terceira, TECDESOFT, que colabora desde hai anos con Emalcsa no deseño e despregamento dos sistemas de monitorización, entre os que se inclúe toda a instrumentación da presa de Cecebre e o aplicativo SICA (Sistema Información Ciclo da auga) que o soporta.


En BRAIN-IoT, a infraestrutura de xestión da auga de Emalcsa utilízase como un conxunto de casos de uso que demostran como a plataforma e as ferramentas desenvolvidas por Improving Metrics, pódense utilizar para resolver escenarios do mundo real como, por exemplo, o funcionamento do desaugadoiro do encoro de Cecebre mediante a operación coas súas comportas e válvulas de desague.

Periodicamente determínase a cantidade de auga a aliviar da presa en función do gasto previsto, as necesidades de caudal ecolóxico e o nivel do encoro. Isto precisa a apertura das válvulas de desaugadoiro e as comportas para proporcionar un nivel óptimo de fluxo de auga ao río. Esta decisión baséase principalmente nas precipitacións (últimos días e prognóstico), o nivel actual de volume de auga na presa e os valores de días anteriores. Partindo destes datos, e facendo uso de modelos de Machine Learning, os expertos en intelixencia artificial de Improving Metrics desenvolveron algoritmos de aprendizaxe automática baseados en datos da presa dos últimos 40 anos, que Emalcsa ten almacenados na súa plataforma IoT SICA. Para iso, os datos dispoñibles e os resultados esperados para esa predición incorpóranse a un modelo de Machine Learning que se adapta, aprende e compórtase de forma equivalente a un conxunto de regras.

O proxecto está en fase de desenvolvemento e espérase poder probalo en outubro de 2019. Para iso Emalcsa e a UDC, coa colaboración do CITEEC e TECDESOFT está a construír un simulador de rede de distribución onde se verificará e calibrará o algoritmo sen que afecte o funcionamento da rede e poida comprometer a garantía de abastecemento.


Que é BRAIN-IOT?

Os obxectivos técnicos de BRAIN-IOT son lograr que dispositivos IoT heteroxéneos sexan capaces de cooperar en tarefas complexas, cun comportamento autónomo, a través de federacións altamente dinámicas e capaces de soportar operacións seguras e escalables. Ademais, aspira a establecer métodos seguros de Autenticación, Autorización e Contabilidade (AAA) en escenarios IoT, e proporcionar solucións para o control da privacidade. Deste xeito, está previsto desenvolver un sistema de integración rápida, que apoie o comportamento cooperativo intelixente e que permita a posta en marcha de aplicacións descentralizadas baseadas en IoT. A intención é ofrecer ferramentas que permitan a toma de decisións baseada en datos de forma autónoma e segura.

As aspiracións estratéxicas de BRAIN-IOT son demostrar a viabilidade dun enfoque totalmente descentralizado, a través dunha cooperación estreita entre comunidades internacionais abertas, e na que cada unha das partes (tanto axentes públicos como privados) poida decidir que combinación de plataformas IoT é a que se adapta mellor ás súas necesidades. Deste xeito, facilítase a competencia leal entre os provedores de produtos e servizos da Internet das Cousas, dispostos a formar parte de ecosistemas empresariais colaborativos, respectuosos coa privacidade e a propiedade dos datos.

Últimas novas