Professional Documents
Culture Documents
Facultad de Ingeniera
Departamento de Ingeniera Civil y Ambiental
EQUIPO DE TRABAJO
Para la realizacin de este documento, el Centro de Investigaciones en Acueductos y
Alcantarillados (CIACUA) del Departamento de Ingeniera Civil y Ambiental y el Grupo de
Investigacin en Automatizacin para la Produccin (GIAP) del Departamento de
Ingeniera Elctrica y Electrnica de la Universidad de los Andes conform el siguiente
equipo de trabajo:
Mexichem Colombia
Carlos Gonzalez Vega Presidente
Ernesto Guerrero Molina Vicepresidente Comercial
Ins Elvira Wills Gerente Tcnico
Orlando Polo Ingeniero Asesor Tcnico
Francisco Mendoza Ingeniero de Diseo
Oscar Corts Ingeniero de Diseo
Director del Proyecto
Juan Guillermo Saldarriaga Valderrama
Profesores Universidad de los Andes
Nicanor Quijano Silva
Diego Alejandro Pez Angel
Asesores Internacionales
Ins ngela Camilloni (Universidad de Buenos Aires - Argentina)
Maria da Conceio Morais de Oliveira Cunha (Universidad de Coimbra Portugal)
Nuno Eduardo Simoes (Universidad de Coimbra Portugal)
Joao Zeferino (Universidad de Coimbra Portugal)
CIACUA
INFORME FINAL FASE I
ii
CIACUA
iii
TABLA DE CONTENIDO
ndice de Tablas .............................................................................................................. viii
ndice de Grficas ...............................................................................................................x
ndice de Figuras ............................................................................................................... xi
ndice de Variables ........................................................................................................... xv
ndice de Unidades .......................................................................................................... xix
ndice de Siglas ................................................................................................................ xx
DRENAJE URBANO Y CAMBIO CLIMTICO: HACIA LOS SISTEMAS DE DRENAJE
URBANO DEL FUTURO .................................................................................................... 1
1.
Introduccin ................................................................................................................ 1
1.1
1.1.1
1.1.2
1.2
2.
Objetivos ............................................................................................................. 3
2.1.1
Localizacin y Descripcin............................................................................ 7
2.1.2
2.2
2.2.1
2.3
2.3.1
Localizacin y Descripcin.......................................................................... 11
2.3.2
2.4
3.
Localizacin y Descripcin.......................................................................... 10
3.1.1
3.1.2
3.1.3
3.1.4
3.1.5
CIACUA
iv
3.2
3.2.1
3.2.2
3.2.3
3.2.4
Delta Change.............................................................................................. 43
3.3
3.3.1
Duracin ..................................................................................................... 45
3.3.2
3.4
3.4.1
3.4.2
3.4.3
3.4.4
3.5
4.
Conclusiones ..................................................................................................... 57
4.1.1
4.1.2
Utilizacin de Tanques de Almacenamiento. Estado Actual del
Conocimiento. ........................................................................................................... 65
4.1.3
4.1.4
4.1.5
4.2
4.2.1
4.2.2
4.2.3
4.2.4
4.2.5
4.3
4.3.1
Modelo de Decisin para la Localizacin y Dimensionamiento ptimo de
Estructuras de Almacenamiento ............................................................................. 101
4.3.2
CIACUA
5.
4.3.3
4.3.4
4.3.5
5.1.1
Presentacin............................................................................................. 139
5.1.2
5.1.3
5.1.4
5.2
6.
5.2.1
5.2.2
5.2.3
6.1.1
6.1.2
6.2
6.2.1
6.2.2
6.2.3
6.3
6.3.1
6.3.2
6.4
Herramienta de Co-simulacin para Modelos de Sistemas de Drenaje Urbano
con Control en Tiempo Real. ...................................................................................... 196
6.5
7.
7.2
7.3
7.4
CIACUA
vi
8.
9.
10.
CIACUA
vii
ndice de Tablas
Tabla 2-1. Resumen de Componentes de la Red Chic Sur. ............................................. 9
Tabla 2-2. Resumen de Componentes de la Red Mini Chic Sur..................................... 11
Tabla 2-3. Resumen de Componentes de la Red Chic Sur. ........................................... 11
Tabla 3-1. Parmetros ecuacin CIACUA. Red Chic Norte. ........................................... 20
Tabla 3-2. Parmetros ecuacin CIACUA. Red Chic Sur. .............................................. 20
Tabla 3-3. Modelos climticos globales correspondientes al proyecto de intercomparacin
CMIP5 analizados. Se indica la institucin y pas de origen. ............................................ 26
Tabla 3-4. Periodo de Retorno en la Actualidad. Aproximacin 1..................................... 31
Tabla 3-5. Ecuaciones de proyeccin de lmina de precipitacin. Estacin San Luis. ..... 36
Tabla 3-6. Intensidad (mm/hr) proyectada a partir de la precipitacin diaria. ................... 37
Tabla 3-7. Resultados ECM por vrtice............................................................................ 41
Tabla 3-8. EMC ponderando por distancias y por EMC Individual.................................... 41
Tabla 3-9. Parmetros Tiempo de Entrada. ..................................................................... 46
Tabla 3-10. Coeficiente de Retardo en Registros Pluviogrficos. ..................................... 47
Tabla 3-11. Resultados Numricos de Hietogramas de Precipitacin. ............................. 55
Tabla 3-12. Cambios Porcentuales con respecto a Hietogramas de precipitacin actuales.
........................................................................................................................................ 56
Tabla 4-1. Tabla topolgica de las diferentes tuberas de la red Mini-Chic Sur. ............. 90
Tabla 4-2. Resultados de inundacin en los nudos. ......................................................... 91
Tabla 4-3. Dimensionado del depsito PMP93041........................................................... 95
Tabla 4-4. Resultados de inundacin en los nudos. ......................................................... 99
Tabla 4-5 Notacin Utilizada en el Modelo de Decisin ................................................. 106
Tabla 6 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante
la Primera Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5
Peores) .......................................................................................................................... 122
Tabla 7 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante
la Segunda Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5
Peores) .......................................................................................................................... 124
Tabla 8 Resultados obtenidos para los cuatro escenarios propuestos en el caso de
estudio ........................................................................................................................... 128
Tabla 9 Resultados obtenidos del balance de masa para todos los escenarios ............. 132
Tabla 5-1. Comparacin de tiempos de ejecucin (en milisegundos). ............................ 144
Tabla 5-2. Ejemplo de tabla de comparacin de resultados entre SWMM y Toolkit. ...... 153
Tabla 6-1. Herramientas de software orientados a simulacin. ...................................... 178
Tabla 6-2. Variables del sistema. ................................................................................... 180
Tabla 6-3. Resultados de aplicacin de controladores MPC en caso de estudio. ........... 190
Tabla 7-1. Publicaciones Cambio Climtico. .................................................................. 201
Tabla 7-2. Publicaciones Reduccin de Caudales Pico. ................................................ 202
Tabla 7-3. Publicaciones Modelacin Computacional. ................................................... 202
Tabla 7-4. Publicaciones Control en Tiempo Real. ........................................................ 203
Tabla 10-1. Valores para el argumento code de la funcin swmm_getCount. ................ 248
CIACUA
viii
Tabla 10-2. Valores para el argumento value de la funcin swmm_getNodeType. ........ 252
Tabla 10-3. Valores para el argumento value de la funcin swmm_getLinkType. .......... 253
Tabla 10-4. Valores para el argumento code de las funciones swmm_getNodeValue y
swmm_setNodeValue. ................................................................................................... 254
Tabla 10-5. Valores para el argumento code de las funciones swmm_getLinkValue y
swmm_setLinkValue. ..................................................................................................... 256
Tabla 10-6. Valores para el argumento type de la funcin swmm_getLinkGeom. .......... 258
Tabla 10-7. Nmeros de Curva para los distintos tipos de suelo en cuencas. Disponible en
(USDA, 1986). ............................................................................................................... 265
CIACUA
ix
ndice de Grficas
Grfica 3-1. Curvas IDF para 10 aos en Red Chic Norte.............................................. 17
Grfica 3-2. Curvas IDF para 10 aos en Red Chic Sur. ................................................ 18
Grfica 3-3. Comparacin Curvas IDF ecuacin CIACUA y PULGARN. ......................... 21
Grfica 3-4. Periodo de retorno como funcin del tiempo considerando un parmetro que
modifica en el tiempo la Funcin de Probabilidad (Mailhot & Duchesne, 2010)................ 30
Grfica 3-5. Disminucin del periodo de retorno. Aproximacin 1. ................................... 32
Grfica 3-6. Indicador RX1Day. Aeropuerto El Dorado (Benavides, 2011). ...................... 34
Grfica 3-7. Evolucin de la lmina de precipitacin 1986-2012. Periodo de Retorno 100
Aos. Estacin San Luis. ................................................................................................. 35
Grfica 3-8. Proyeccin de la intensidad diaria de precipitacin. Estacin San Luis. ....... 36
Grfica 3-9. Validacin de Modelos Climticos Globales. Sector 1 Chic Norte. .............. 39
Grfica 3-10. Resultados Construccin curvas IDF bajo escenarios de Cambio Climtico
(Acevedo, 2009). ............................................................................................................. 43
Grfica 3-11. Hietograma de precipitacin con Coeficiente de retardo de 0.402. ............. 48
Grfica 3-12. Curvas IDF con Efectos de CC. Aproximacin 1. ....................................... 49
Grfica 3-13. Hietograma de Precipitacin con Efectos de CC. Aproximacin 1. ............. 50
Grfica 3-14. Curvas IDF con efectos de CC. Aproximacin 2. ........................................ 51
Grfica 3-15. Hietogramas de precipitacin bajo efectos de CC. Aproximacin 2. ........... 51
Grfica 3-16. Curvas IDF bajo efectos de CC. Aproximacin 3. ....................................... 52
Grfica 3-17. Hietogramas de Precipitacin bajo efectos de CC. Aproximacin 3. ........... 53
Grfica 3-18. Comparacin de Curvas IDF. ..................................................................... 54
Grfica 3-19. Comparacin de Hietogramas de Precipitacin. ......................................... 55
Grfica 20 Caudal medido en el punto de descarga para los escenarios analizados ..... 133
Grfica 21 Profundidad al interior de las estructuras de almacenamiento en cada
escenario analizado. ...................................................................................................... 134
Grfica 5-1. Comparacin de los tiempos de ejecucin entre el uso del Toolkit y la
interface incluida en EPA SWMM. ................................................................................. 145
Grfica 5-2. Curva de precipitacin. ............................................................................... 170
Grfica 5-3. Curva de precipitacin y de caudal. ............................................................ 171
Grfica 5-4. Comparacin nivel en las descargas .......................................................... 173
CIACUA
ndice de Figuras
Figura 1-1. Estructura del Proyecto. ................................................................................... 2
Figura 2-1. Esquema de la red de alcantarillado Chic Sur. ............................................ 8
Figura 2-2. Divisin por UGAs de la Red Chic Sur. .......................................................... 9
Figura 2-3. Esquema de la red Mini Chic Sur. ............................................................. 10
Figura 2-4. Esquema de la red de alcantarillado Chic Norte. ....................................... 12
Figura 2-5. Divisin por UGAs de la Red Chic Norte. ..................................................... 13
Figura 2-6. Ubicacin Estaciones Pluviomtricas EAB. .................................................... 14
Figura 3-1. Curvas Intensidad-Duracin-Frecuencia (IDF) para lluvia mxima en una
muestra (Chow, Maidment, & Mays, 1994). ..................................................................... 17
Figura 3-2. Hietograma de Precipitacin con un pico durante el evento. .......................... 22
Figura 3-3. Hietograma de Precipitacin con dos picos durante el evento. ...................... 22
Figura 3-4. Ajuste de un hietograma mediante curvas (Chow, Maidment, & Mays, 1994). 23
Figura 3-5. Metodologa General para determinacin de eventos de precipitacin. ......... 27
Figura 3-6. Escenarios del V Reporte del IPCC (Gulizia & Camilloni, 2014). ................... 39
Figura 3-7. Ubicacin de Caso de estudio con respecto a vrtices de MCGs. ................. 40
Figura 3-8. Escenarios de cambio de precipitacin anual (%) para Colombia para el futuro
cercano (2016-2035) y a mediano plazo (2046-2065) para el escenario RCP4.5. ........... 44
Figura 3-9. Cauce ms largo Red Chic Sur. ................................................................... 46
Figura 3-10. Cauce ms largo Red Mini Chic Sur. ......................................................... 46
Figura 3-11. Nudos Sector 4 Red Mini Chic Sur. ............................................................ 49
Figura 4-1. Depsito de retencin abierto a la atmsfera (Boneyard Creek, Champaign Illinois). ............................................................................................................................ 60
Figura 4-2. Depsito de retencin enterrado (Depsito Pluvial Loan Mir Barcelona). .. 60
Figura 4-3. Estructura de un tanque de tormenta Amitech. ............................................ 61
Figura 4-4. Instalacin de un tanque de tormenta con estructuras tipo Aquacell. ........... 61
Figura 4-5. Esquema de un Tanque On-Line con aliviadero de entrada........................... 62
Figura 4-6. Esquema de un Tanque On-Line con dos aliviaderos. ................................... 63
Figura 4-7. Esquema de un Tanque Off-Line. .................................................................. 64
Figura 4-8. Pantalla principal del modelo de optimizacin COLCIENCIAS-OptiTank. ...... 82
Figura 4-9. Formulario de Opciones de Optimizacin. ..................................................... 84
Figura 4-10. Opciones de optimizacin de las Bombas. ................................................... 85
Figura 4-11. Opciones de optimizacin de los Nudos. ..................................................... 85
Figura 4-12. Opciones de optimizacin de los depsitos. ................................................ 86
Figura 4-13. Opciones generales de edicin. ................................................................... 86
Figura 4-14. Men de almacenamiento de las Opciones de Optimizacin. ...................... 86
Figura 4-15. Formulario de Clculo. ................................................................................. 87
Figura 4-16. Formulario de Clculo durante el proceso de optimizacin. ......................... 88
Figura 4-17. Lluvia de diseo utilizada en el ejemplo. ...................................................... 89
Figura 4-18. Mapa de contorno con los niveles de la red Mini-Chic Sur. ........................ 89
Figura 4-19. Numeracin de los nudos del ejemplo considerado. .................................... 90
Figura 4-20. Caudales de inundacin principales en la red Mini-Chic Sur. ..................... 92
CIACUA
xi
CIACUA
xii
Figura 5-4. Red empleada para el estudio del comportamiento de los depsitos utilizando
las funciones del Grupo 3 (modificacin de datos). ........................................................ 149
Figura 5-5. Red empleada para el estudio del comportamiento de vertederos, orificios y
desniveles (offsets) utilizando las funciones del Grupo 3 (modificacin de datos). ......... 150
Figura 5-6. Red utilizada para el estudio exhaustivo de vertederos y orificios. ............... 150
Figura 5-7. Modelo EPA-SWMM de la Red Chic Norte. ............................................... 159
Figura 5-8. Modelo EPASWMM de la Red Chic Sur..................................................... 159
Figura 5-9. Etapas de desarrollo del modelo Lluvia-Escorrenta. ................................... 160
Figura 5-10. Cuencas urbanas aferentes a las cmaras de la Red Chic Sur ............... 161
Figura 5-11. Cuencas urbanas aferentes a las cmaras de la Red Mini Chic Sur ........ 161
Figura 5-12. a) Plano de elevacin de la Red Chic Sur. b) Modelo en 3D de la Red Chic
Sur. ................................................................................................................................ 162
Figura 5-13. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la
Red Chic Sur. .............................................................................................................. 163
Figura 5-14. Resultado de la delimitacin de cuencas rurales en la Red Chic Sur. ...... 163
Figura 5-15. Delimitacin definitiva de cuencas urbanas y rurales para la red Chic Sur164
Figura 5-16. Delimitacin definitiva de cuencas urbanas y rurales para la red Mini Chic
Sur ................................................................................................................................. 164
Figura 5-17. Cobertura de las cuencas rurales de la Red Chic Sur. ............................. 166
Figura 5-18. Foto de referencia para el coeficiente de rugosidad de las reas permeables
presentes en las cuencas rurales de Chic Sur (Fuente: HR Wallingford Software, 2008).
...................................................................................................................................... 167
Figura 5-19. Foto de referencia para el coeficiente de rugosidad de las reas permeables
presentes en las cuencas urbanas de Chic Sur (Fuente: HR Wallingford Software, 2008).
...................................................................................................................................... 167
Figura 5-20. Interfaz grfica del modelo lluvia escorrenta. ............................................ 170
Figura 5-21. Red para esqueletizacin........................................................................... 172
Figura 5-22. Puntos crticos. .......................................................................................... 172
Figura 5-23. Red Mini Chic Sur esqueletizada. ............................................................ 172
Figura 6-1 Taxonoma propuesta de modelos de Sistemas de Drenaje Urbano............. 176
Figura 6-2 Sistemas de Drenaje Urbano reales vs Modelos. .......................................... 176
Figura 6-3 Estructura de software para control de SDU (Garca Gutierrez, et al., 2014). 178
Figura 6-4. Configuracin para convergencia................................................................. 185
Figura 6-5. Evolucin de alturas en los tanques. ............................................................ 185
Figura 6-6. Configuracin para divergencia. .................................................................. 186
Figura 6-7. Evolucin de alturas en los tanques. ............................................................ 186
Figura 6-8. Comportamiento de convergencia ante una perturbacin. ........................... 187
Figura 6-9. Sistemas de drenaje de Barcelona (Ocampo Martnez C. , 2010). ............... 188
Figura 6-10. Eventos de lluvia en el caso de estudio. .................................................... 189
Figura 6-11. Volmenes arrojados por el sistema a la calle y el mar. ............................. 189
Figura 6-12. Volmenes que se dirige a la planta de tratamiento del sistema. ............... 190
Figura 6-13. Algoritmo de simulacin de SWMM. .......................................................... 197
CIACUA
xiii
CIACUA
xiv
ndice de Variables
( )
(
CIACUA
xv
CIACUA
xvi
CIACUA
xvii
CIACUA
xviii
ndice de Unidades
Almacenamiento en depresiones del terreno: milmetros [mm]
Ancho de una cuenca: metros [m]
rea: metros cuadrados [m2]
Caudal: metros cbicos por segundo [m3/s] o litros por segundo [L/s]
Dimetro de los orificios de las estructuras de almacenamiento: metros [m]
Duracin de Tormenta: minutos [min]
Forzante Radiativo: watts por metro cuadrado [Wm-2]
Intensidad: milmetros por hora [mm/hr]
Longitud del cauce ms largo: metros [m]
Nivel del agua al interior de los tanques: [m]
Pendiente promedio del cauce: porcentaje [%]
Periodo de Retorno: aos [aos]
Porcentaje de rea impermeable: porcentaje [%]
Precipitacin diaria: milmetros por da [mm/da]
Tiempo antes del pico: minutos [min]
Tiempo despus del pico: minutos [min]
Tiempo de concentracin: minutos [min]
Tiempo de recorrido: minutos [min]
Volumen de almacenamiento: metros cbicos [m3]
Volumen de inundacin: metros cbicos [m3]
CIACUA
xix
ndice de Siglas
ArcGis: ESRIs Geographic Information System
AE: Algoritmos Evolutivos
AG: Algoritmos Genticos
BCC-CSM1.1: Beijing Climate Center Climate System Model
CC: Cambio Climtico
CCSM: Community Climate System Model
CES: Conveyance Estimation System
CMIP: Protocolo de Administracin de Informacin Comn
CMIP5: Coupled Model Intercomparison Project Phase 5
CIACUA: Centro de Investigaciones en Acueductos y Alcantarillados
CRU: Climate Research Unit
CSIRO: Commonwealth Scientific and Industrial Research Organization
CTR: Control en Tiempo Real
DGC: Direccin General de Carreteras
EAB: Empresa de Acueducto, Alcantarillados y Aseo de la ciudad de Bogot
ECM: Error Cuadrtico Medio
ECHAM: Global Climate Model developed by the Max Planck Institute for Meteorology
EPA SWMM: Environmental Protection Agency Storm Water Management Model
FTC: Control Tolerante a Fallos
GEV: Funcin Generalizada de Valor Extremo
GPL: Gradiente de Programacin Lineal
GS: Gain Scheduled
IDEAM: Instituto de Hidrologa, Meteorologa y Estudios Ambientales
IDECA: Infraestructura de Datos Especiales para el Distrito Capital
IDF: Intensidad Duracin - Frecuencia
IPCC: Panel Intergubernamental en Cambio Climtico
LID: Low Impact Design
LVP: Linear Parameter-Varying
MCG: Modelos Climticos Globales
MPC: Model Predictive Control
MIROC5: Model for Interdisciplinary Research on Climate
MIMO: Multiple In Multiple Out
MRI: Meteorological Research Institute
NMPC: Nonlinear Model Predictive Control
NCS: Control en Redes
PCMDI: Program For Climate Model Diagnosis and Intercomparison
PD: Programacin Dinmica
PL: Programacin Lineal
PNL: Programacin No Lineal
PTAR: Plantas de Tratamiento de Agua Residual
CIACUA
xx
OP:Problema de Optimizacin
RAS: Reglamento Tcnico del Sector de Agua Potable y Saneamiento Bsico
RCP: Representative Concentration Pathways
SA: Simulated Annealing
SCS: Soil Conservation Service
SDU: Sistemas de Drenaje Urbano
SIDU: Sistemas Integrados de Drenaje Urbano
SUDS: Sustainable Urban Drainage Systems
USDA: Departamento de Agricultura de los Estados Unidos
UGA: Unidades de Gestin de Alcantarillado
UKMO: UK MetOffice
UNC: Universidad Nacional de Colombia
UIO: Banco de observadores de entradas
WSUD: Water Sensitive Urban Design
CIACUA
xxi
1.1 Objetivos
1.1.1
1.1.2
Este informe busca presentar las distintas metodologas desarrolladas en torno al uso de
estructuras de almacenamiento temporal de aguas lluvias con el fin de reducir los picos de
caudal generados por eventos de precipitacin afectados con Cambio Climtico. Para
alcanzar este fin se incluyeron tcnicas de CTR probadas a travs de modelacin
computacional. Con lo anterior, se busca cerrar el proceso investigativo correspondiente a
la Fase I del proyecto, y dar as paso a la segunda fase de ste, en donde se profundizar
en el conocimiento generado durante la fase aqu descrita. Para cumplir con el propsito
de este informe se cumplieron los siguientes objetivos especficos:
CIACUA
desarrollar clculos hidrulicos de forma rpida y eficiente al llamar al simulador de EPASWMM desde otras plataformas de programacin, tales como Visual Studio. Esta
herramienta result de vital importancia en el desarrollo de las metodologas de
optimizacin descritas en captulos anteriores.
El Captulo 6 explora distintas tcnicas de CTR, las cuales en integracin con las
estructuras de almacenamiento, que los SDU la tengan la capacidad de responder de una
manera ms adecuada ante eventos de precipitacin extremos evitando as las
inundaciones. Para este fin, se presenta una caracterizacin desde la cual se clasifican
los modelos desarrollados en dos tipos: orientados a control y los orientados a simulacin.
Una vez comprendido esto, se describe el marco conceptual de las dos estrategias
propuestas, para posteriormente analizar su desempeo a travs de su aplicacin en un
caso de estudio. De igual manera, se muestra el desarrollo de una herramienta de cosimulacin para el modelado de SDU incluyendo el CTR.
El Captulo 7 presenta un resumen de las publicaciones que complementan los productos
mostrados en el presente informe incluyendo el estado en el cual se encuentran a la fecha
de entrega de este informe. El Captulo 8 establece una descripcin de los objetivos que
orientarn el desarrollo de la Fase II del proyecto, en donde continuar la etapa de
generacin de conocimiento, as como se desarrollarn montajes experimentales para
caracterizar hidrulicamente algunas estructuras de almacenamiento. El Captulo 9
presenta la bibliografa utilizada y finalmente, en el Captulo 10 se presentan los anexos
encargados de complementar algunas de las secciones desarrolladas a lo largo del
informe.
CIACUA
Localizacin y Descripcin
La red Chic Sur se encuentra ubicada al norte de la ciudad de Bogot, Colombia, entre la
Calle 92 y la Calle 100 en sentido Sur-Norte, y entre la Avenida 7ma y la Autopista Norte
en sentido Oriente-Occidente como se puede observar en la Figura 2-1. De la misma
forma, en esta figura se muestra la red troncal de alcantarillado en color azul oscuro,
compuesta por grandes colectores y canales abiertos, la red local de drenaje urbano en
CIACUA
color azul claro, compuesta totalmente por tuberas de dimetros entre 200 y 900 milmetros, las cmaras de inspeccin o pozos en
color cian y finalmente el punto de entrega al Canal Rionegro representado por un tringulo azul.
CIACUA
Componente
Cantidad
Tuberas y Conductos
Cmaras de Inspeccin (Pozos)
Punto de Descarga
510
509
1
La red descrita se caracteriza por tener una zona en donde usualmente se presentan
sobrecargas, las cuales, de acuerdo con la Empresa de Acueducto, Alcantarillado y Aseo
de Bogot EAB, se pueden atribuir a errores en los diseos hidrulicos del sistema y no
a falta de mantenimiento.
2.1.2
Para lograr una mejor gestin administrativa y operativa del sistema de alcantarillado de
Bogot, la EAB decidi dividirlo en unidades espaciales de estudio conocidas como
Unidades de Gestin de Alcantarillado UGA. Dentro del rea geogrfica que delimita la
red Chic Sur se encontraron 5 UGAs en total, las cuales se muestran en la Figura 2-2
incluyendo los centroides geomtricos de cada una de estas unidades de anlisis.
CIACUA
2.2.1
Localizacin y Descripcin
La red Mini Chic Sur, mostrada en la Figura 2-3, se encuentra ubicada en el extremo sur
oriental de la red Chic Sur, encontrndose as limitada por la Avenida 7ma y la Carrera 30
en el sentido Oriente-Occidente, y entre las Calle 92 y la Calle 95 en el sentido Sur-Norte.
En esta figura se pueden observar los conductos pertenecientes a la red troncal en color
verde, la red local se muestra en color azul, los pozos se muestran en color gris claro y el
punto de descarga se representa por un tringulo amarillo. De la misma forma, se muestra
la localizacin de la red Mini Chic Sur dentro del polgono correspondiente a Chic Sur.
Por su parte, en la
CIACUA
10
Tabla 2-2 se enumeran los diferentes componentes del sistema con el fin de dar una
nocin acerca del tamao del tercer caso de estudio descrito en esta seccin.
Tabla 2-2. Resumen de Componentes de la Red Mini Chic Sur.
Componente
Cantidad
Tuberas y Conductos
Cmaras de Inspeccin (Pozos)
Punto de Descarga
83
82
1
Localizacin y Descripcin
La red Chic Norte, mostrada en la Figura 2-4, se encuentra ubicada en la zona norte de
la ciudad de Bogot, Colombia, limitada en sentido Sur-Norte por la Calle 100 y la Calle
127, y entre la Carrera 7ma y la Autopista Norte en sentido Oriente-Occidente. De igual
forma, en esta figura se puede observar el polgono que delimita la red, definido con base
en las UGAs designadas por la EAB, as como sus distintos componentes: en color azul
oscuro se muestra la red troncal, en color azul claro se muestra la red local, los pozos se
muestran en color verde claro y el punto de entrega del sistema se representa a travs de
un tringulo amarillo.
Con el fin de proporcionar algunos indicios acerca del tamao de la red Chic Norte, en la
Tabla 2-3 se enumeran algunos de los componentes del sistema tales como las tuberas y
conductos, los pozos y los puntos de descarga.
Tabla 2-3. Resumen de Componentes de la Red Chic Sur.
Componente
Cantidad
Tuberas y Conductos
Cmaras de Inspeccin (Pozos)
Punto de Descarga
1293
1292
1
CIACUA
11
CIACUA
12
2.3.2
En el caso de la red Chic Norte, las UGAs delimitadas se muestran en la Figura 2-5
incluyendo tambin los centroides geomtricos de cada una de estas unidades de
anlisis.
CIACUA
13
CIACUA
14
3.1.1
Curvas IDF
CIACUA
15
Existen varios mtodos para escoger la serie con la cual se realiza el anlisis de
frecuencia, de los cuales el ms frecuente es usar las series mximas anuales,
correspondiente a los valores mximos de precipitacin observados en cada uno de los
aos de registro. El proceso comienza con la determinacin de un rango de validez de las
Curvas IDF, definiendo el rango de duraciones para las cuales estas pueden estimarse.
Posteriormente se ajusta a la serie obtenida para cada duracin una funcin de
distribucin de probabilidad, que usualmente corresponde a una distribucin Gumbel o en
el caso de trabajar escenarios de CC puede corresponder a la Funcin Generalizada de
Valor Extremo (GEV por sus siglas en ingls). Con la funcin de distribucin ajustada a
los datos histricos, es posible construir familias de curvas que permiten estimar la
intensidad mxima para distintas duraciones correspondientes a uno o varios perodos de
retorno (Acevedo, 2009). Las Curvas IDF son la representacin grfica de la probabilidad
de ocurrencia de un evento con cierta intensidad promedio.
Para facilitar el manejo de las curvas, stas suelen ajustarse a alguna de las expresiones
matemticas de la Ecuacin 3-1, Ecuacin 3-2 o Ecuacin 3-3; donde es la intensidad de
la lluvia, es la duracin de la tormenta y
y son parmetros de las ecuaciones que
dependen del perodo de retorno y de la ubicacin de la estacin donde se registraron los
datos,
Ecuacin 3-1. Curva IDF 1. (Acevedo, 2009)
Vale la pena resaltar que estas ecuaciones son ecuaciones derivadas empricamente por
varios investigadores en estudios de precipitaciones mximas, de manera que su
aplicabilidad depende del estudio especfico el que sean usadas. La Figura 3-1 presenta
la diferencia de varias Curvas IDF dependiendo de su periodo de retorno.
Para la presente investigacin se obtuvieron las Curvas IDF en los centroides de las
Unidades de Gestin de Alcantarillado establecidas por la Empresa de Acueducto,
Alcantarillados y Aseo de la ciudad de Bogot EAB- presentadas en la Figura 2-2 y
Figura 2-5. Estas curvas se presentan en la Grfica 3-1 para los 8 sectores existentes de
la red Chic Norte y en la Grfica 3-2 para los 5 sectores de la red Chic Sur. En ambos
casos se considera un periodo de retorno de 10 aos.
CIACUA
16
Figura 3-1. Curvas Intensidad-Duracin-Frecuencia (IDF) para lluvia mxima en una muestra (Chow,
Maidment, & Mays, 1994).
Comparando las diferentes Curvas IDF obtenidas para 10 aos de periodo de retorno, es
posible ver que las curvas en los diferentes sectores son similares; sin embargo, durante
el desarrollo del proyecto se tiene en cuenta esta distribucin espacial de la lluvia dado
que entre ms especfica y detallada se tenga la informacin, se pueden obtener mejores
resultados. Igualmente, en la metodologa de obtencin de eventos de precipitacin es
necesario validar los resultados de algunos Modelos Climticos Globales utilizando (ver
pgina 37) las Curvas IDF existentes para una duracin de 24 horas cuyos resultados si
varan significativamente entre sectores de las redes de estudio.
CIACUA
17
En el Anexo 10.1 se presentan las ecuaciones gobernantes para las Curvas IDF de todos
los sectores de las redes de estudio con la forma de la Ecuacin 3-4. Igualmente se
presentan los parmetros
y
de la Ecuacin 3-3 los cules sern utilizados
posteriormente para la obtencin de los eventos de precipitacin actuales en la ciudad de
Bogot.
Es importante mencionar que uno de los productos ms importantes de la metodologa
planteada incluye la obtencin de Curvas IDF bajo escenarios de CC a partir de las cuales
es posible obtener los eventos de precipitacin en forma de hietogramas de precipitacin.
Sin embargo, algunas aproximaciones de la metodologa planteada permiten el clculo del
valor de precipitacin diaria proyectada con CC y no la precipitacin para duraciones ms
cortas. Frente a este aspecto se plante una metodologa para la estimacin de eventos
cortos de precipitacin a partir de la precipitacin diaria.
3.1.2
18
Ecuacin 3-5 presenta la aproximacin DGC para convertir un valor de precipitacin diaria
en los diferentes valores de las Curvas IDF (Tmez, 1987).
(
([
[(
( )))]]) (
Ecuacin 3-6.
Pulgarn.
En la ecuacin anterior
corresponde a la intensidad promedio diaria en mm/hr, es el
periodo de retorno considerado en aos, es la duracin para la cual se quiere determinar
la intensidad en minutos y
corresponde a la intensidad (o la lmina de precipitacin)
para un evento de duracin de una hora.
Es importante denotar que la ecuacin anterior est dividida en dos partes dependiendo
de la duracin que quiera ser determinada ya que la precisin en la estimacin disminuye
a medida que se consideran eventos ms cortos de precipitacin. Si se quiere determinar
la intensidad de un evento de duracin menor a una hora se plantea la segunda parte de
la ecuacin la cual solo depende de la intensidad para un evento de precipitacin de una
hora (Pulgarn Dvila, 2009).
Aunque los parmetros numricos de la Ecuacin 3-6 fueron adaptados a las condiciones
climticas generales de Colombia, el desarrollo del proyecto exigi el planteamiento de un
mtodo que permitiera realizar la conversin a intensidades de eventos cortos de
CIACUA
19
precipitacin para su aplicacin especfica a la zona de estudio. Para cumplir con este
objetivo se plante la Ecuacin 3-7 denominada en adelante como CIACUA.
Sector
1.024
1.022
1.024
1.023
1.021
1.018
1.020
1.020
1.097
1.078
1.091
1.078
1.057
1.016
1.048
1.055
0.021
0.021
0.022
0.021
0.020
0.018
0.019
0.019
Sector
1.018
1.019
1.017
1.017
1.016
1.028
1.038
1.005
1.012
1.009
0.017
0.018
0.016
0.016
0.016
Como ya fue mencionado, el uso de estas dos ecuaciones en paralelo se adopt por la
incertidumbre que existe en la aplicacin de cualquier mtodo de estimacin de
precipitacin en duraciones cortas. Esta incertidumbre se evidencia en la Grfica 3-3
donde se presenta una Curva IDF obtenida a partir del mismo valor de precipitacin diaria
con la ecuacin CIACUA y la ecuacin planteada por Pulgarn. Es claro que para
duraciones cortas los resultados de las dos ecuaciones varan significativamente por lo
que los eventos de precipitacin tambin seran diferentes. Por esta razn se decidi
trabajar con ambas ecuaciones y obtener ms resultados que puedan ser comparados.
CIACUA
20
3.1.3
Hietogramas de Precipitacin
Las Curvas IDF brindan informacin acerca de la precipitacin mxima esperada para una
duracin y un periodo de retorno dado; sin embargo, para estudios ms detallados no es
suficiente con conocer este valor mximo, es necesario conocer la evolucin de dicha
intensidad en toda la duracin del evento de precipitacin. Conociendo este evento de
precipitacin es posible simular el comportamiento hidrulico del sistema estudiado, en
este caso correspondiente a la Red de Chic Norte, Chic Sur y Mini Chic Sur descritos
en el Captulo 2.
Un hietograma de precipitacin es una de las representaciones posibles para la
distribucin temporal de la intensidad a lo largo de la duracin de un evento de
precipitacin. Tambin puede ser representado por la lmina de precipitacin; sin
embargo es ms comn encontrarlo en trminos de la intensidad del evento. La principal
utilidad del hietograma de precipitacin es la distribucin de las diferentes intensidades
considerando parmetros como el tiempo de duracin del evento de precipitacin o la
ubicacin del pico del evento.
Dado que los hietogramas de precipitacin son eventos creados a partir de las Curvas IDF
existentes, corresponden a eventos de precipitacin artificiales que resumen las
tormentas de mayor intensidad en una determinada zona tomando como referencia un
periodo de retorno. Estos hietogramas pueden ser planteados a partir de las Curvas IDF o
a partir del anlisis estadstico de datos de precipitacin histricos (Iglesias Rey &
Martnez Solano, 2013).
La Figura 3-2 es una representacin genrica de un hietograma de precipitacin con un
solo pico de precipitacin ubicado al comienzo del evento; sin embargo, estos eventos de
CIACUA
INFORME FINAL FASE I
21
precipitacin pueden ser creados tambin con varios picos en el evento de precipitacin
dependiendo del comportamiento de la precipitacin en la zona estudiada como se puede
observar en la Figura 3-3. En general, los hietogramas de precipitacin son
representaciones sintticas de las condiciones de precipitacin de una zona determinada
y su principal utilidad est relacionada con la evaluacin de estructuras hidrulicas
existentes o el diseo de nueva infraestructura.
3.1.4
Una vez se tiene una Curva IDF completa, para duraciones prolongadas y duraciones
cortas, es necesario conocer el hietograma de precipitacin correspondiente a una
duracin dada. Existen diversos mtodos hidrometeorolgicos basados en modelos
determinsticos para simular el proceso lluvia-escorrenta. A partir de datos pluviomtricos
es posible encontrar la tormenta de diseo de la regin para determinar los caudales de
entrada al sistema.
El mtodo de la intensidad instantnea permite generar los hietogramas de precipitacin
de diseo a partir de las Curvas IDF. En este mtodo, se supone que la lmina de
precipitacin es igual al valor dado por la Curva IDF para un perodo de duracin
alrededor del pico de la tormenta. Sin embargo, se considera que la intensidad vara de
manera continua durante la tormenta (Cruz, 1999).
CIACUA
INFORME FINAL FASE I
22
El tiempo total del evento de precipitacin, , se denomina como la suma del tiempo
antes del pico y del tiempo despus del pico segn el hietograma para una intensidad
dada segn la Ecuacin 3-8 donde
es el tiempo antes del pico y
el tiempo despus
del pico.
Ecuacin 3-8. Tiempo total del evento de
precipitacin.
A partir de las ecuaciones anteriores, es posible tambin encontrar una expresin para el
tiempo despus del pico y el coeficiente de retardo de acuerdo a la Ecuacin 3-10.
Ecuacin 3-10. Tiempo del Evento.
Figura 3-4. Ajuste de un hietograma mediante curvas (Chow, Maidment, & Mays, 1994).
Se supone que existen dos curvas de intensidad, la primera funcin del tiempo antes del
pico (
) y la segunda funcin del tiempo despus del pico (
), que se ajustan a las
intensidades de precipitacin del hietograma. La precipitacin total durante un tiempo
est representada por el rea bajo esas dos curvas a travs de la Ecuacin 3-11:
CIACUA
23
es
3.1.5
24
desarrolla estos modelos y realiza los experimentos que alimentan los informes del Panel
Intergubernamental en Cambio Climtico (IPCC) ha elaborado pautas comunes y mtodos
de distribucin pblica de sus experimentos. La nueva generacin de simulaciones
provistas por MCGs, conocida como fase 5 del CMIP o CMIP5 (Stouffer, et al., 2011 &
Taylor, et al., 2012), se encuentra disponible a travs del Programa para el Diagnstico e
Intercomparacin de Modelos (por sus siglas en ingls PCMDI, disponible en: http://cmippcmdi.llnl.gov/cmip5/) y fue utilizada en la elaboracin del Quinto Informe de Evaluacin
(AR5) del IPCC.
Una de las mayores limitaciones de los MCG es que no siempre hacen una
representacin adecuada del clima a nivel regional. En particular, si bien los modelos son
capaces de reproducir los elementos climticos fundamentales que describen
cualitativamente el campo de precipitacin en el clima regional de Amrica del Sur, en
algunos casos sus errores en la cuantificacin de la precipitacin pueden ser importantes
(Vera, et al., 2006; Gulizia, et al., 2012; Gulizia & Camilloni, 2014). Entre las causas de
estos errores se encuentra que muchos procesos fsicos como los propios de las nubes,
ocurren en escalas espaciales menores a las resueltas por los MCGs y por lo tanto no
pueden ser representados en estos en forma adecuada. Otros procesos que presentan
dificultades para ser representados son los vinculados con los mecanismos de flujos del
vapor de agua y calor ente la superficie y la atmsfera, as como la interaccin entre las
nubes y los aerosoles. Por esta razn, los distintos MCGs pueden proveer respuestas
diferentes a un mismo forzamiento climtico debido a las distintas formas en que
modelan estos procesos. A esos errores se los denomina de aqu en adelante
sistemticos, por cuanto se supone que se extenderan de igual modo a las simulaciones
del clima futuro.
En consecuencia, es necesario elaborar correcciones para modificar los resultados de los
MCGs de modo que se aproximen lo ms posible al clima observado. Esto implica el
clculo de factores de correccin basados en los errores sistemticos, que luego se
aplicarn a los escenarios climticos futuros proyectados por los MCGs, tanto en sus
valores medios como en los datos diarios necesarios para el presente estudio.
Hay distintas tcnicas de correccin de los modelos que van desde la ms simple
mediante el ajuste a los valores medios del clima observado, a otras ms sofisticadas en
las que las variables a corregir lo son de tal modo que presenten, luego de la correccin,
las mismas distribuciones estadsticas que en el clima observado. Este ltimo es el
esquema que se utiliz en la Fase I del proyecto y es mucho ms poderoso que el de la
simple correccin de los valores medios ya que asegura no solo que los valores medios
se ajusten a los observados, sino tambin su distribucin estadstica, con lo cual parte de
la variabilidad queda bien representada. Este esquema es robusto en trminos
estadsticos y fue previamente usado en diferentes trabajos (Wood, et al., 2004; Wood, et
al., 2002; Saurral, et al., 2013) en los que se mostr la utilidad del mismo para mejorar las
CIACUA
25
Modelo
BCC-CSM1.1, 2011
BCC-CSM1.M, 2011
CSIRO-Mk3.6.0 (2009)
MIROC5 (2010)
MRI-CGCM3 (2011)
CIACUA
Institucin
Beijing Climate Center, China
Meteorological Administration,
CHINA
Beijing Climate Center, China
Meteorological Administration,
CHINA
CSIRO, AUSTRALIA
Meteorological University of Tokyo,
JAPON
Meteorological Research Institute,
JAPON
26
La metodologa anterior contempla tres posibles datos de entrada los cuales no son
utilizados en todas las aproximaciones. El primero corresponde a los registros de
precipitacin histrica de la zona de estudio. Estos registros, los cuales deben ser al
menos diarios, permiten determinar la dinmica en periodos cortos de tiempos los cuales
pueden ser replicados en el futuro considerando escenarios de CC. Igualmente, la
evolucin en el comportamiento probabilstico de estos registros permite determinar el
efecto del calentamiento global en el fenmeno de la precipitacin. Los datos precipitacin
histrica son utilizados directamente en dos de las aproximaciones realizadas.
CIACUA
27
3.2.1
Es claro que cualquier estructura que durante su vida til est expuesta a eventos de
precipitacin o en general a cualquier proceso caracterstico del ciclo hidrolgico debe
estar diseado para cumplir con sus funciones dada la ocurrencia de un evento
considerado extremo. Este diseo en forma tradicional se ha realizado bajo el concepto
del periodo de retorno. As, este periodo de retorno se determina como funcin de la
importancia de la estructura a disear y de los posibles daos acarreados por la
ocurrencia de un evento ms extremo al considerado para el diseo.
El periodo de retorno denota la probabilidad que un evento determinado sea superado al
menos una vez en ese periodo de tiempo. As, un evento de precipitacin con un periodo
CIACUA
28
de retorno de 10 aos se espera se presente al menos una vez en los 10 aos. Sin
embargo, este concepto se desdibuja bajo escenarios de CC pues las probabilidades de
ocurrencia de ciertos eventos cambian constantemente en el tiempo (Mailhot & Duchesne,
2010).
En este sentido, un evento que inicialmente corresponda a un periodo de retorno de 100
aos, dentro de 50 aos corresponder a un periodo de retorno menor pues los estudios
presentados en el primer producto de la presenta investigacin apuntan a un aumento en
la intensidad de las precipitaciones en el pas (CIACUA, 2013). As, Mailhot y Duchesne
proponen modificar el criterio de diseo de las estructuras hidrulicas a futuro para tener
en cuenta los diferentes efectos que el CC tiene en las precipitaciones.
Esta aproximacin busca garantizar que durante toda la vida til de la estructura sta
tenga capacidad de responder en forma aceptable a los diferentes eventos de
precipitacin. Sin embargo, la no estacionariedad del ciclo hidrolgico se puede presentar
en varias formas: 1) un cambio en la distribucin del valor medio, 2) un cambio en la
variabilidad sin afectar los valores medios y 3) cambios tanto en el valor medio como en la
variabilidad (Mailhot & Duchesne, 2010). Para el estudio de los efectos del CC en el ciclo
hidrolgico, la mayora de las aproximaciones apuntan a utilizar el primer enfoque donde
se modifican los valores medio pero la variabilidad se mantiene constante pues esta
hiptesis es sin duda la ms sencilla de abordar.
La evolucin no estacionaria del valor medio de cualquier variable hidrolgica (entendida
como precipitacin para la presente investigacin) se introduce como un parmetro en la
funcin de distribucin de probabilidad que se traduce finalmente en la disminucin del
periodo de retorno para un mismo evento extremo a medida que se analiza la estructura
en el futuro. La aproximacin propuesta se ilustra en la Grfica 3-4 donde las diferentes
series denotan parmetros diferentes de decaimiento en el periodo de retorno. Por
ejemplo, si se considera el parmetro que modifica la funcin de probabilidad y presenta
las diferentes lneas punteadas es posible observar como una estructura que en el
momento de su diseo responde a un periodo de retorno de 50 aos, transcurridos 100
aos responde a un evento que en el futuro tiene un periodo de retorno de 30 aos.
CIACUA
29
Grfica 3-4. Periodo de retorno como funcin del tiempo considerando un parmetro que modifica en
el tiempo la Funcin de Probabilidad (Mailhot & Duchesne, 2010).
donde,
To = periodo de Retorno de Diseo en la actualidad.
Tc = periodo de Retorno de la Estructura deseado.
td = vida til de la estructura (Periodo de Diseo).
= fraccin del periodo de diseo al final de 100 aos.
= fraccin del periodo crtico con respecto a la vida til.
CIACUA
30
En la ecuacin anterior los tres parmetros correspondientes al tiempo son definidos con
respecto a la estructura que se desea disear. Por su parte, el parmetro describe la
tasa de decaimiento del periodo de retorno como la fraccin remanente despus de 100
aos (es la medida directa del efecto del CC) y el parmetro evala el periodo de
retorno aplicable en el momento del diseo en una fraccin de la vida til del proyecto.
As, si el factor toma el valor de 0.5 se est evaluando el periodo de retorno cuando la
estructura lleva la mitad de su vida til.
Es importante aclarar que aunque esta investigacin se realiz en Canad, la ecuacin
resultante no tiene restricciones de aplicacin geogrficas pues el concepto de
decaimiento no tiene consideraciones de esta clase. Las diferentes condiciones asociadas
con el sitio donde se aplica la ecuacin podran ser tenidas en cuenta con las constantes
y .
Teniendo lo anterior en cuenta, al aplicar la ecuacin planteada por Mailhot y Duchesne
para determinar el periodo de retorno considerando el CC se requiere de la determinacin
de los parmetros y de la Ecuacin 3-15 utilizando un anlisis de sensibilidad que
permita estudiar el impacto de estos dos parmetros en el periodo de diseo resultante.
Una vez se obtienen los valores de periodo de retorno definitivos considerando el CC se
utilizarn las Curvas IDF para determinar eventos de lluvia de diseo con los nuevos
periodos de retorno.
Este anlisis de sensibilidad se realiz cambiando los valores de los parmetros y
entre sus posibles valores. Para el caso de se modific entre [0.1, 0.9] y el valor de
entre [0,1]. Igualmente, este anlisis de sensibilidad considera una estructura con un
periodo de retorno deseado al final de su vida til de 10 aos, con una vida til de 30
aos; valores correspondientes a las redes de drenaje urbano pluvial de la zona de
estudio en la ciudad de Bogot. La Tabla 3-4 presenta los resultados numricos del
anlisis de sensibilidad y la Grfica 3-5 representa los datos de la tabla pero en una
visualizacin distinta.
Tabla 3-4. Periodo de Retorno en la Actualidad. Aproximacin 1.
13.70
13.16
12.66
12.20
11.76
11.36
10.99
10.64
10.31
0.05
13.45
12.95
12.49
12.06
11.66
11.29
10.93
10.60
10.29
0.1
13.21
12.76
12.33
11.93
11.56
11.21
10.88
10.57
10.28
0.15
12.98
12.56
12.17
11.81
11.46
11.14
10.83
10.54
10.26
0.2
12.76
12.38
12.02
11.68
11.36
11.06
10.78
10.50
10.25
0.25
12.54
12.20
11.87
11.56
11.27
10.99
10.72
10.47
10.23
0.3
12.33
12.02
11.72
11.44
11.17
10.92
10.67
10.44
10.21
0.35
12.13
11.85
11.58
11.33
11.08
10.85
10.62
10.41
10.20
0.4
11.93
11.68
11.44
11.21
10.99
10.78
10.57
10.37
10.18
CIACUA
31
11.74
11.52
11.31
11.10
10.90
10.71
10.52
10.34
10.17
0.5
11.56
11.36
11.17
10.99
10.81
10.64
10.47
10.31
10.15
0.55
11.38
11.21
11.04
10.88
10.72
10.57
10.42
10.28
10.14
0.6
11.21
11.06
10.92
10.78
10.64
10.50
10.37
10.25
10.12
0.65
11.04
10.92
10.79
10.67
10.55
10.44
10.33
10.21
10.11
0.7
10.88
10.78
10.67
10.57
10.47
10.37
10.28
10.18
10.09
0.75
10.72
10.64
10.55
10.47
10.39
10.31
10.23
10.15
10.08
0.8
10.57
10.50
10.44
10.37
10.31
10.25
10.18
10.12
10.06
0.85
10.42
10.37
10.33
10.28
10.23
10.18
10.14
10.09
10.05
0.9
10.28
10.25
10.21
10.18
10.15
10.12
10.09
10.06
10.03
0.95
10.14
10.12
10.11
10.09
10.08
10.06
10.05
10.03
10.02
10.00
10.00
10.00
10.00
10.00
10.00
10.00
10.00
10.00
CIACUA
32
Por otro lado, el parmetro como se mencion anteriormente, es la medida directa del
CC. En la Grfica 3-5 se puede observar el efecto que este parmetro tiene en el
decaimiento del periodo de retorno. El valor de 0.9 (lmite superior del anlisis de
sensibilidad) representa una disminucin apenas visible en 30 aos de vida til que
tendra la red de drenaje urbano analizada. Por el contrario, si se toma el valor de 0.1 se
puede apreciar una disminucin apreciable que corresponde a aproximadamente 3.70
aos ms de periodo de retorno al considerar el presente. As, para la elaboracin de las
nuevas Curvas IDF considerando CC a travs de esta aproximacin consideran un
periodo de retorno de diseo de 13.70 aos y no de 10 aos como debera ser
originalmente.
Ahora, conociendo el periodo de retorno considerando el CC las Curvas IDF actuales
pueden ser utilizadas para determinar la Curva IDF correspondiente a 13.70 aos de
retorno, para todos los sectores de las redes de estudio seleccionadas. Esta
determinacin se realiza como una ponderacin simple de los parmetros de las Curvas
IDF de 10 aos de periodo de retorno y las de 25 aos a travs de la Ecuacin 3-16.
(
De esta forma se obtienen las Curvas IDF modificadas con CC bajo la primera
aproximacin. Aunque en principio esta aproximacin podra parecer simplista, se
presenta como una primera opcin que se comparar con los resultados de las dems
aproximaciones para evaluar diferentes escenarios de CC. Adems, dada su simplicidad
de aplicacin podra ser fcilmente aplicable a otro caso de estudio donde no se tenga
suficiente informacin de la precipitacin histrica siguiendo la metodologa general
presentada como producto de sta investigacin.
En la seccin correspondiente a los resultados (ver Pgina 49) se presentan las Curvas
IDF resultantes y los hietogramas de precipitacin obtenidos.
3.2.2
A raz de la importancia del tema de CC en el desarrollo de los prximos aos, todos los
pases se han preocupado por determinar los efectos que este fenmeno tendr en
variables climatolgicas como la precipitacin y la temperatura. Colombia no ha sido ajena
a esta necesidad y a travs de la Subdireccin de Meteorologa del Instituto de Hidrologa,
Meteorologa y Estudios Ambientes (IDEAM) ha desarrollado estudios en Colombia para
determinar algunos indicadores de CC (Benavides, 2011).
Una de las investigaciones ms completas acerca de las consecuencias del CC en
Colombia fue realizada por el IDEAM y fue descrita en detalle en el primer producto de la
presente investigacin (CIACUA, 2013). Dentro de los indicadores de CC utilizados en
dicho estudio se encontraba el indicador RX1Day, el cual muestra la mxima precipitacin
CIACUA
33
diaria anual en un periodo histrico. La evolucin de este indicador a travs de los aos
puede dar luces acerca del efecto que el CC ha tenido en cierta zona de estudio. Los
resultados de este estudio incluyen la caracterizacin cualitativa del impacto del CC en las
principales ciudades de Colombia; sin embargo, no se incluan resultados numricos que
permitieran hacer una prediccin a futuro.
Considerando lo anterior, la segunda aproximacin utiliza el concepto de la evolucin en
el tiempo de la intensidad diaria medida como la precipitacin diaria. La diferencia
principal entre el estudio base para esta aproximacin y la aproximacin en s es la
determinacin del indicador RX1Day el cual no se realiza directamente sino que est
sujeto a un anlisis de frecuencia que est asociado con diferentes periodos de retorno.
Sin importar que indicador se utilice, el propsito inicial de esta aproximacin es
corroborar el efecto cualitativo del CC en el rgimen de precipitacin en la zona de
estudio. Este procedimiento, en el caso del estudio del IDEAM se realiz para la estacin
meteorolgica del Aeropuerto El Dorado obteniendo los resultados de la Grfica 3-6.
CIACUA
34
una mejor representacin de los eventos extremos debidos a CC. La GEV se presenta en
la Ecuacin 3-17.
{ [
Grfica 3-7. Evolucin de la lmina de precipitacin 1986-2012. Periodo de Retorno 100 Aos. Estacin
San Luis.
35
estacin San Luis en todos los perodos de retorno junto con una lnea de tendencia
lineal.
La serie azul de la Grfica 3-7 corresponde tambin a la serie azul en la Grfica 3-8 a la
evolucin de la lmina de precipitacin para un periodo de retorno de 100 aos. En esta
ltima grfica es posible apreciar que sin importar el periodo de retorno seleccionado, la
tendencia de la precipitacin es al aumento, el cual est ms marcado en los periodos de
retorno prolongados. Igualmente se presentan las regresiones de tipo lineal donde las
mayores pendientes tambin se encuentran en los mayores periodos de retorno.
Tabla 3-5. Ecuaciones de proyeccin de lmina de precipitacin. Estacin San Luis.
Periodo de Retorno
3
5
10
25
50
100
0.2986
0.3709
0.4878
0.6857
0.873
1.0911
-585.7
-727.83
-957.23
-1344.2
-1708.5
-2129.6
2.028
2.493
3.278
4.723
6.253
8.293
Tomando como referencia esta grfica y las ecuaciones presentadas en la Tabla 3-5 que
corresponden a las regresiones lineales, se proyect la precipitacin diaria a un horizonte
de 30 aos en el futuro (coincidiendo con la vida til de una red de drenaje urbano pluvial
en la zona de estudio) cuyos resultados se presentan en la Tabla 3-6 en forma de
intensidad horaria. Como era de esperarse, a medida que el periodo de retorno aumenta,
la lmina de precipitacin esperada para el ao 2043 aumenta.
CIACUA
36
Estacin
Santa Ana
1.841
2.238
2.959
4.388
5.971
8.201
2.028
2.493
3.279
4.724
6.253
8.293
San Luis
1.584
1.897
2.500
3.749
5.250
9.019
HISTRICOS
1.710
1.987
2.261
2.720
2.983
3.279
3.2.3
Como se present en la Seccin 3.1.5, los MCGs son una herramienta importante para
realizar estudios de CC. Existen una gran cantidad de modelos que permiten realizar
predicciones del clima en todo el mundo correspondientes a una serie de iniciativas
intergubernamentales (especficamente a travs del trabajo del IPCC) que se han
realizado en los ltimos aos. Los resultados de estos MCGs son el punto de partida de
diversos estudios de proyecciones de CC con aplicaciones a nivel mundial, continental y
nacional como fue expuesto anteriormente.
Uno de los estudios realizados en Colombia que ha tomado como base los MCGs se
realiz en la Universidad Nacional de Colombia Sede Medelln (Acevedo, 2009). En esta
investigacin se obtuvieron Curvas IDF (para todo el territorio colombiano) a partir de los
resultados de diferentes MCGs del Cuarto Reporte del IPCC. De la serie de modelos
disponibles en este reporte, Acevedo utiliz los cinco con mayor resolucin espacial
teniendo en cuenta que entre ms especfico sea, los resultados seran aplicables a
contextos espaciales ms pequeos. Los modelos empleados en dicha investigacin
fueron: ECHAM5/MPI-OM, CCSM3, UKMO-HadGEM1 y MIROC3.2.
CIACUA
INFORME FINAL FASE I
37
La metodologa seguida por Acevedo para determinar las Curvas IDF bajo la influencia del
CC es la base para la tercera aproximacin seleccionada en la presente investigacin con
algunas variaciones puntuales. La primera de stas es la utilizacin de los modelos
contenidos en el Quinto Reporte del IPCC pues stos presentan resultados actualizados,
bajo nuevos escenarios de CC. As, la presente investigacin utiliza cinco MCGs que
hacen parte de este ltimo estudio global de CC: BCC CSM1 1M, BCC CSM1 1, CSIRO
Mk3 6 0, MIRO C5 y MRI CGCM3. Al igual que en la investigacin realizada por Acevedo,
se seleccionaron aquellos modelos con mayor resolucin espacial (grillas de 0.5 x 0.5
en este caso).
Otra diferencia clara con la investigacin de Acevedo es el alcance espacial del estudio.
Mientras Acevedo desarroll la metodologa para todo el territorio colombiano, la Fase I
de este proyecto solamente incluye el clculo de las Curvas IDF para la zona de estudio
localizada en la ciudad de Bogot. Sin embargo, este estudio es fcilmente expandible al
resto del territorio colombiano pues las series de precipitacin bajo efectos de CC si
fueron obtenidas para todo Colombia.
La ltima diferencia clara con la investigacin de Acevedo es el procedimiento adicional
realizado a los resultados de los MCGs con respecto a la correccin de errores
sistemticos. Este procedimiento se considera el primer paso de la metodologa para la
tercera aproximacin pues permite, como fue expuesto anteriormente (ver pgina 24), la
correccin de errores sistemticos que es vital para poder utilizar los resultados de estos
modelos. Es importante mencionar que estos modelos, al simular las condiciones
climticas de todo el mundo, tienen mejor precisin en algunos puntos del planeta que en
otros; por lo tanto es necesario realizar un procedimiento de validacin de resultados para
determinar que modelos estn en mejor capacidad de representar las condiciones
climticas de la zona de estudio del proyecto.
La validacin de los MCGs se realiz tomando como referencia las Curvas IDF utilizadas
actualmente en la ciudad de Bogot y las series de precipitacin del periodo 1990-1999
obtenidas a partir de los MCGs mencionados anteriormente. Con estas series de
precipitacin del periodo de referencia se construyeron Curvas IDF de duracin de 24
horas para los diferentes puntos de la zona de estudio y se compararon con las curvas
reales.
El ajuste de los datos de precipitacin obtenidos se realiza con la funcin GEV utilizada en
la aproximacin anterior (ver Ecuacin 3-17) para obtener en este periodo histrico la
precipitacin diaria correspondiente a 3, 5, 10, 25, 50 y 100 aos de periodo de retorno.
Los resultados del proceso de validacin para el Sector 1 de la Red Chic Norte se
presentan en la Grfica 3-9. Por su parte, en el Anexo 10.4 es posible consultar los
resultados para los dems sectores de la red Chic Norte y los sectores correspondientes
a la red Chic Sur.
CIACUA
38
Figura 3-6. Escenarios del V Reporte del IPCC (Gulizia & Camilloni, 2014).
CIACUA
39
Una vez se validaron los MCGs que son mejores para utilizar en la ciudad de Bogot, se
determinaron los escenarios a modelar dentro de los contemplados en el V Reporte del
IPCC. Observando la Figura 3-6, en el ao 2043 aproximadamente, los escenarios con
Forzante Radiativo de 4.5 y 6.0 Wm-2 presentan resultados similares mientras que el
escenario de 8.5 Wm-2 si representa un escenario ms pesimista. El escenario de
2.6 Wm-2 no se tiene en cuenta pues no es un escenario realista con respecto al CC. As,
en la primera fase de la presente investigacin se presentan resultados para el escenario
de 4.5 y 8.5 Wm-2 conocidos como RCP 4.5 y RCP 8.5 respectivamente.
Los resultados de los MCGs se obtienen en ciertos puntos que hacen parte de una grilla
cubriendo toda la superficie del planeta. Como es de esperarse estos puntos no coinciden
con la zona de estudio por lo que se hace necesario una interpolacin de los resultados
para trasladarlos a la zona de importancia para el proyecto de investigacin. La Figura 3-7
presenta la ubicacin del caso de estudio con respecto a los vrtices de la grilla de los
modelos seleccionados.
Dado que cerca de la zona de estudio se encuentran dos vrtices de los MCGs fue
preciso realizar un anlisis estadstico de los resultados del periodo de control para
determinar una forma apropiada de ponderacin con el fin de minimizar las diferencias
CIACUA
40
entre los resultados de los MCGs y los resultados histricos de la zona de inters (los
cuales se obtuvieron de las tres estaciones tambin mostradas en la figura).
Se consider utilizar solamente la informacin de un vrtice, ponderar por distancias o
ponderar por el Error Cuadrtico Medio (ECM en adelante) individual. La Tabla 3-7
presenta los resultados del ECM calculado entre la serie histrica de cada estacin
pluviomtrica y los resultados de los MCGs para los puntos cercanos a la zona de estudio
en forma individual. Por su parte, la Tabla 3-8 presenta el ECM cuando se pondera por el
inverso de las distancias (de acuerdo con la Ecuacin 3-18) y cuando se pondera con
respecto al ECM de la Tabla 3-7, dndole ms importancia al vrtice con menor ECM
individual.
Tabla 3-7. Resultados ECM por vrtice.
MODELO
BCC-CSM1-1-M
BCC-CSM1-1
CSIRO-Mk3-6-0
MIROC5
MRI-CGCM3
PUNTO
3
ESTACIN
SANTA ANA SALITRE CASA DE BOMBAS SAN LUIS
37.937
48.481
24.363
30.774
35.977
19.651
29.704
22.920
20.319
28.034
21.735
19.739
16.816
14.596
13.328
16.470
14.268
12.988
16.278
15.206
12.837
14.709
13.978
12.518
26.138
28.766
20.138
23.593
25.794
19.856
MODELO
SAN LUIS
MODELO
SAN LUIS
BCC-CSM1-1-M
34.572
44.131
22.388
BCC-CSM1-1-M
33.501
40.348
21.495
BCC-CSM1-1
28.901
22.474
20.029
BCC-CSM1-1
28.758
22.153
19.938
CSIRO-Mk3-6-0
16.526
14.401
13.101
CSIRO-Mk3-6-0
16.488
14.296
13.048
MIROC5
15.542
14.797
12.653
MIROC5
15.387
14.482
12.604
MRI-CGCM3
24.948
26.957
19.853
MRI-CGCM3
24.693
26.325
19.801
En primer lugar, observando los resultados anteriores es posible determinar que los
modelos seleccionados en el proceso de validacin presentan los menores valores de
CIACUA
41
ECM con respecto a los datos histricos en la zona de estudio. Aunque los valores ms
convenientes de ECM se obtienen para el punto 4 de los MCGs, tiene ms sentido
ponderar los valores de los dos puntos para darle ms robustez a los resultados.
De los dos mtodos de ponderacin, el que utiliza el ECM individual est ligado en forma
ms fuerte a la serie de precipitacin resultante, es decir, al uso de una serie histrica o
una serie proyectada a futuro. Por otro lado, la ponderacin por distancias es una medida
fsica que es independiente de la serie evaluada. As, para todos los resultados obtenidos
en los MCGs se obtuvieron los resultados trasladados a las tres estaciones pluviomtricas
cercanas a la zona de estudio utilizando la ponderacin por el inverso de las distancias de
acuerdo con la Ecuacin 3-18.
(
)
Ecuacin 3-18. Interpolacin por Distancias.
Una vez se obtiene una serie precipitacin diaria en cada uno de los centroides de las
UGAs de la zona de estudio (interpoladas tambin por el inverso de las distancias a las
estaciones pluviomtricas), estas fueron ajustadas utilizando una vez ms la distribucin
GEV con sus parmetros calculados con el mtodo de los L-momentos. El procedimiento
para obtener el cuantil (o el valor de la precipitacin para cierto periodo de retorno) se
obtiene de acuerdo con la Ecuacin 3-19.
{
En la ecuacin anterior, el valor de depende del periodo de retorno del cual se quiera
obtener la lmina de precipitacin y los dems son los parmetros expuestos
anteriormente. Con estos cuantiles de la distribucin GEV se obtendrn Curvas IDF de 24
horas similares a las obtenidas por Acevedo (ver Grfica 3-10) para los dos escenarios de
CC en los dos modelos seleccionados en el proceso de validacin.
CIACUA
42
Grfica 3-10. Resultados Construccin curvas IDF bajo escenarios de Cambio Climtico (Acevedo,
2009).
3.2.4
Delta Change
CIACUA
43
Figura 3-8. Escenarios de cambio de precipitacin anual (%) para Colombia para el futuro cercano
(2016-2035) y a mediano plazo (2046-2065) para el escenario RCP4.5.
CIACUA
44
3.3.1
Duracin
Aun cuando las Curvas IDF permiten la caracterizacin de las condiciones climticas de
una zona en especfico, la duracin del evento de precipitacin depende principalmente
de las caractersticas de la cuenca aferente al sistema estudiado. En el caso de Colombia,
la duracin del evento de precipitacin se determina como el tiempo de concentracin de
la cuenca aferente segn el Ttulo D.4.4.3.4 del Reglamento Tcnico del Sector de Agua
Potable y Saneamiento Bsico RAS-. As, el tiempo de concentracin se define como el
mnimo periodo de tiempo para alcanzar el caudal mximo a la salida de la cuenca y se
conoce tambin como el tiempo que se demora el agua en llegar a la salida de la cuenca
desde el punto ms alejado (Ministerio de Vivienda, Ciudad y Territorio, 2012).
Este tiempo de concentracin es funcin del tamao y de la forma de la cuenca donde se
localiza la infraestructura analizada. Es importante mencionar que se considera como el
tiempo de duracin del evento de precipitacin pues un tiempo menor no garantizara la
llegada del pico del evento a la salida de la cuenca cuando an est lloviendo y un tiempo
mayor implicara intensidades y caudales menores (Ministerio de Vivienda, Ciudad y
Territorio, 2012). El tiempo de concentracin est definido de acuerdo con la Ecuacin
3-20.
Ecuacin 3-20. Tiempo de Concentracin.
En la ecuacin anterior,
corresponde al tiempo de entrada y
se denomina tiempo de
recorrido. El tiempo de entrada a su vez se define como el tiempo que le toma al flujo
superficial viajar desde la parte ms alejada de la sub-cuenca correspondiente al
sumidero ms alejado de la red de drenaje urbano. La determinacin de este tiempo de
entrada se realiz para las redes Chic Sur (ver Figura 2-1) y mini Chic Sur (ver Figura
2-3) ya que para la red de Chic Norte no se tiene establecido en su totalidad el modelo
hidrulico (necesario ms adelante).
Para determinar el tiempo de entrada en las sub-cuencas ms alejadas de estas dos
redes se utilizaron herramientas de Sistemas de Informacin Geogrfica (SIG) con las
cuales se puede determinar el punto ms alejado como se presenta en la Figura 3-9 para
la red de Chic Sur y la Figura 3-10 para la red Mini Chic Sur. Todo este procedimiento
est basado en el desarrollo del modelo Lluvia-Escorrenta descrito posteriormente en el
Captulo 5 (ver pgina 159).
CIACUA
45
donde
corresponde al coeficiente de impermeabilidad del suelo, es la longitud del
cauce ms largo y es la pendiente promedio a lo largo de este cauce. Los parmetros
calculados para las dos redes estudiadas se presentan en la Tabla 3-9.
Tabla 3-9. Parmetros Tiempo de Entrada.
Parmetro
Coeficiente de Impermeabilidad (C)
Longitud del Cauce (L)
Pendiente Promedio (S)
46
As, haciendo uso de los modelos hidrulicos se determin que el tiempo de recorrido en
el caso de la red Chic Sur es de 78 minutos y para la red de Mini Chic Sur es de 30.2
minutos. Dado que para la red de Chic Norte no se cuenta con un modelo hidrulico
funcional, se tomaron los resultados de la red Chic Sur provisionalmente para obtener
los tiempos de recorrido y de entrada a esta red.
El tiempo de concentracin total dado por la Ecuacin 3-20 sera entonces para la Red
Chic Norte y Chic Sur igual a 135 minutos y para el caso de la red Mini Chic Sur, los
eventos de precipitacin obtenidos deben tener una duracin de 50 minutos.
3.3.2
Coeficiente de Retardo
CIACUA
0.57
0.13
0.5
0.33
0.09
0.7
0.53
0.7
0.19
47
0.44
11
0.83
12
0.19
13
0.29
14
0.14
48
producto de la Fase I del proyecto. La Figura 3-11 presenta los nudos de la Red Mini
Chic Sur que estaran afectados directamente por los resultados aqu presentados.
Es importante resaltar que tanto la metodologa expuesta en la seccin anterior como los
resultados presentados en esta seccin hacen parte de los productos de la Fase I del
presente proyecto de investigacin pues apuntan a la generacin de conocimiento en los
efectos que el CC pueda tener en los eventos de precipitacin que se presentan en zonas
urbanas.
3.4.1
CIACUA
49
En la grfica anterior se puede observar que como era de esperarse, la Curva IDF de
13.70 aos tiene valores de intensidad mayores a la Curva IDF de 10 aos los cuales son
ms notables en duraciones menores a una hora (las Curvas IDF para los dems sectores
y redes se presentan en el Anexo 10.6.1.1, 10.6.2.1 y 10.6.3.1). Para duraciones mayores
a este lmite las intensidades son muy similares al punto que pasados los 120 minutos de
duracin del evento de precipitacin el valor es prcticamente el mismo y no es necesario
exponerlo en la grfica. Con esta Curva IDF (serie verde la grfica anterior) se
construyeron los hietogramas de precipitacin que son entradas al modelo lluvia
escorrenta para encontrar finalmente los hidrogramas de entrada a la red de estudio. El
hietograma resultante para la Red Mini Chic Sur se presenta en la Grfica 3-13.
Esta grfica ratifica los resultados observados en las Curvas IDF ya que el hietograma de
precipitacin es ms intenso en el caso de considerar un periodo de retorno mayor. Dado
que esta aproximacin no realiza una modificacin a la estacionalidad de las Curvas IDF
sino que simplemente utiliza un periodo de retorno mayor, el comportamiento del
hietograma de precipitacin resultante es similar al hietograma original ya que para todos
los instantes de tiempo la intensidad del evento es mayor. Los dems hietogramas
obtenidos se presentan en el Anexo 10.6.1.2, 10.6.2.2 y 10.6.3.2,
3.4.2
50
Con esos valores proyectados se construyeron las Curvas IDF con efectos de CC
utilizando la Ecuacin 3-7 y Ecuacin 3-6. Un ejemplo de las Curvas IDF resultantes se
presenta en la Grfica 3-14, las dems se encuentran en el Anexo 10.7.1.1, 10.7.2.1 y
10.7.3.1.
En la grfica anterior se observa que la diferencia entre las Curvas IDF originales (serie
azul) y las Curvas modificadas con CC son mayores a las presentadas en la aproximacin
anterior. Incluso en eventos de precipitacin con duracin mayor a 60 minutos se marca
una diferencia entre la Curva IDF original y las dos curvas obtenidas al aplicar la
metodologa. Por su parte, para eventos de precipitacin menores a 40 minutos de
duracin, las curvas obtenidas con la Ecuacin 3-7 (mtodo CIACUA) y la Ecuacin 3-6
(mtodo Pulgarn) tienen un comportamiento diferente con una tendencia a obtener
intensidades mayores al utilizar el mtodo Pulgarn. A partir de estas Curvas se
construyeron los hietogramas de precipitacin como se muestra en la Grfica 3-15.
CIACUA
51
A pesar que en las Curvas IDF de la Grfica 3-14, el valor de la intensidad para 50
minutos de duracin es mayor con el mtodo CIACUA, las intensidades para duraciones
menores, que son utilizadas para el clculo del hietograma de precipitacin, son
considerablemente mayores en el caso del mtodo de Pulgarn. Por esta razn, el pico de
precipitacin de los eventos es mayor para el mtodo Pulgarn con respecto al mtodo
CIACUA. En ambos casos se obtuvieron eventos de precipitacin ms intensos que los
eventos sintticos formados a partir de las Curvas IDF actuales.
En la Grfica 3-15 se observa adems que aunque el pico del evento de precipitacin es
mayor para el mtodo Pulgarn, las intensidades del evento del mtodo CIACUA son
mayores en el resto del evento de precipitacin. Inclusive, para algunos instantes de
tiempo la intensidad del mtodo Pulgarn es menor a la intensidad obtenida en el
escenario original. Este comportamiento se present de igual forma para los otros
sectores y las otras redes mostradas en los Anexos 10.7.1.2 (Red Chic Norte), 10.7.2.2
(Red Chic Sur) y y 10.7.3.2 (Red Mini Chic Sur).
3.4.3
Esta aproximacin, como fue expuesto en la Seccin 3.2.3, hace uso de los resultados de
los MCGs para predecir el comportamiento de la precipitacin en el futuro. De los dos
modelos seleccionados por presentar resultados favorables en la validacin en el periodo
histrico de control, a continuacin se presentan los resultados obtenidos para el modelo
CSIRO Mk3 6.0. En cuanto a los escenarios simulados, se presenta el escenario RCP 8.5
correspondiente el escenario ms drstico con respecto a aumento en las emisiones de
gases de efecto invernadero. La Grfica 3-16 presenta las Curvas IDF obtenidas a partir
de esta aproximacin bajo los mtodos CIACUA y Pulgarn.
La grfica anterior tiene la misma tendencia de la Grfica 3-14 dado que se utilizaron las
mismas ecuaciones para deducir la Curva IDF a partir de la precipitacin diaria; sin
embargo, dado que el valor en el futuro de la precipitacin diaria cambia, los valores
CIACUA
INFORME FINAL FASE I
52
numricos de las curvas tambin son diferentes aunque la tendencia de la curva sea la
misma.
La Curva IDF obtenida a partir del mtodo CIACUA presenta el mismo comportamiento de
la Curva IDF original mientras que la obtenida a partir del mtodo Pulgarn arroja
intensidades mayores en eventos de precipitacin con duracin reducida. Para esta
aproximacin se encontr que para eventos con una duracin mayor a 20 minutos, los
mtodos CIACUA y Pulgarn tienen una intensidad similar, situacin que no se presenta
para eventos de menor duracin en los cuales la intensidad de la Curva IDF utilizando el
mtodo de Pulgarn es mayor. Las Curvas IDF para los dems sectores se presentan en
los Anexos 10.8.1.1, 10.8.2.2 y 10.8.3.2.
CIACUA
53
3.4.4
Anlisis Comparativo
La serie azul representa la Curva IDF original entregada por la EAB, por su parte la serie
morada corresponde a los resultados de la primer aproximacin al utilizar solamente un
periodo de retorno mayor. Las series de tono naranja corresponden a la proyeccin de la
intensidad diaria mientras que las series de tono verde corresponden a las Curvas IDF
obtenidas a partir de los MCGs. Los resultados de la primera aproximacin, si bien tienen
un efecto de CC implcito, estos son muy leves mientras que las dos otras aproximaciones
resultan en Curvas IDF ms intensas en eventos de precipitacin de corta duracin.
As mismo, la Grfica 3-18 permite observar que los efectos ms intensos de CC se
encuentran en las Curvas IDF creadas a partir de los resultados de los MCGs para
eventos con una duracin mayor a 20 minutos. Para eventos con una duracin menor se
presentan casos en los cuales la Curva IDF de la segunda aproximacin bajo el mtodo
de Pulgarn presenta intensidades mayores a los resultados de la tercera aproximacin
con el mtodo CIACUA.
Por otra parte, la Grfica 3-19 presenta un resumen de los hietogramas de precipitacin
resultantes para un evento de 50 minutos de duracin (correspondientes al tiempo de
CIACUA
54
concentracin de la cuenca de la Red Mini Chic Sur) bajo todas las aproximaciones
ejecutadas.
Las convenciones de colores se respetaron para poder hacer una analoga entre los
resultados de las Curvas IDF y los hietogramas de precipitacin. Los mayores picos de
precipitacin se presentan en la aproximacin utilizando MCGs, seguidos por los
resultados de la segunda aproximacin. En el resto del evento de precipitacin el
comportamiento vara dependiendo del instante de tiempo; en el limbo ascendente del
evento de precipitacin la tendencia muestra que al utilizar el mtodo Pulgarn, la tercera
aproximacin tiene intensidades mayores mientras que en el limbo descendente del
evento pasa lo contrario. En general se encuentra que las aproximaciones de efectos de
CC apuntan todas al aumento de las intensidades de precipitacin.
Estos resultados, que denotan el producto ms importante del rea de investigacin de
CC en la Fase I de la presente investigacin, fueron entregados al rea de modelacin
computacional para desarrollar los hidrogramas de precipitacin con ayuda del modelo
lluvia escorrenta. Los resultados se entregan en el formato de la Tabla 3-11 donde se
presenta para cada instante de tiempo la intensidad (mm/hr) del evento de precipitacin.
Tabla 3-11. Resultados Numricos de Hietogramas de Precipitacin.
CIACUA
APROX. 2
APROX. 3
TIEMPO
EAB
APROX. 1
00:00
16.560
17.240
19.090
18.450
22.410
21.662
00:05
24.230
25.160
27.890
24.850
32.740
29.170
00:10
38.600
40.020
44.380
37.280
52.100
43.767
00:15
70.440
72.970
80.950
69.880
95.030
82.039
55
APROX. 2
APROX. 3
TIEMPO
EAB
APROX. 1
00:20
117.750
122.140
135.450
155.400
159.000
182.447
00:25
117.750
122.140
135.450
155.400
159.000
182.447
00:30
57.300
59.360
65.850
55.340
77.310
64.969
00:35
38.940
40.370
44.770
37.590
52.560
44.126
00:40
28.120
29.180
32.350
28.130
37.980
33.025
00:45
21.220
22.060
24.440
22.330
28.690
26.221
00:50
16.560
17.240
19.090
18.450
22.410
21.662
En la Tabla 3-12 se observan los cambios porcentuales de cada uno de los hietogramas
de precipitacin obtenidos con respecto al mismo instante de tiempo del hietograma
original. Al igual que en la Grfica 3-19 y la Tabla 3-11, en esta tabla se observa que en la
gran mayora de casos la intensidad de la precipitacin aumenta con respecto a la
intensidad actual salvo unos contados casos correspondientes a la segunda aproximacin
utilizando el mtodo de Pulgarn.
Por su parte, esta tabla demuestra que la primera aproximacin modifica de manera
uniforme el hietograma original pues los cambios son cercanos siempre al 4%. Esta
misma de tendencia se demuestra en los resultados obtenidos a travs del mtodo
CIACUA que para el caso de la segunda aproximacin modifica los hieogramas de
precipitacin en un 15% y para la tercera aproximacin en un 35%. El mtodo Pulgarn,
por su parte, afecta ms el pico de precipitacin (con valores de 32% y 55% en la
segunda y tercera aproximacin) mientras que el resto del evento es afectado en menor
medida llegando incluso a casos donde la intensidad disminuye.
TIEMPO APROX. 1
CIACUA
APROX. 2
APROX. 3
00:00
4.11%
15.28%
11.41%
35.33%
30.81%
00:05
3.84%
15.11%
2.56%
35.12%
20.39%
00:10
3.68%
14.97%
-3.42%
34.97%
13.39%
00:15
3.59%
14.92%
-0.80%
34.91%
16.47%
00:20
3.73%
15.03%
31.97%
35.03%
54.94%
00:25
3.73%
15.03%
31.97%
35.03%
54.94%
00:30
3.60%
14.92%
-3.42%
34.92%
13.38%
00:35
3.67%
14.97%
-3.47%
34.98%
13.32%
00:40
3.77%
15.04%
0.04%
35.06%
17.44%
00:45
3.96%
15.17%
5.23%
35.20%
23.57%
00:50
4.11%
15.28%
11.41%
35.33%
30.81%
56
As, se han presentado los resultados de los eventos de precipitacin bajo tres de las
cuatro aproximaciones planteadas tericamente; los resultados para los dems modelos y
escenarios (para el caso de la aproximacin 3) y para la aproximacin 4, harn parte de
los resultados de la Fase II de la presente investigacin.
3.5 Conclusiones
El CC afectar las condiciones climticas de Colombia diferencialmente en el
territorio del pas. Mientras la tendencia de estudios previos demuestra que la
precipitacin total en todo el pas no cambiar en forma importante, la intensidad de los
eventos de precipitacin aumentar en la mayora de las ciudades principales del pas,
independientemente si la precipitacin total anual no cambia. Estos cambios en las
condiciones climticas se traducirn en el aumento de riesgo de inundacin en zonas
urbanas dada la incapacidad de los sistemas de drenaje urbano para transportar los picos
de estos fuertes eventos de precipitacin.
Para determinar que eventos de precipitacin se esperan en el futuro en la ciudad
de Bogot D.C. se utilizaron cuatro aproximaciones que hacen parte de la metodologa
planteada. Tres de las cuatro aproximaciones arrojan curvas IDF con intensidades ms
fuertes (los resultados de la ltima aproximacin hacen parte de la Fase II del proyecto)
con respecto a las curvas utilizadas actualmente por la empresa prestadora del servicio.
Sin embargo, la tendencia cambia si se analizan duraciones cortas (menores a 50
minutos) donde la tercera aproximacin utilizando la Ecuacin 3 arroja curvas ms
intensas mientras que en eventos extensos la tercera aproximacin con la Ecuacin 4
arroja mayores intensidades.
Al analizar los hietogramas de precipitacin obtenidos, todas las alternativas tienen
intensidades mayores al evento de precipitacin actual en el pico de evento pero, en el
limbo descendente del evento, algunas aproximaciones presentan intensidades menores
lo cual corresponde a la concentracin del evento en su pico. Para utilizar estos eventos
de precipitacin en la modelacin de sistemas de drenaje urbano se requiere modelar
ms escenarios con el fin de realizar un anlisis de sensibilidad y as obtener un evento
de precipitacin unificado que pueda tener ms precisin y ms confiabilidad.
CIACUA
57
Los depsitos de retencin realizan en las redes de drenaje el mismo papel de laminacin
de los caudales que los embalses en un cauce fluvial. As, desde un punto de vista
conceptual realizan dos misiones fundamentales: controlar la calidad del agua vertida a
los cuerpos receptores y regular y laminar los caudales pico que se presentan en las
redes de drenaje durante los episodios de lluvia ms extremos.
Por ello estos tanques de tormenta pueden clasificarse de acuerdo con tres criterios
fundamentales:
En los prximos numerales se aborda una breve clasificacin de los tanques de tormenta
desde los puntos de vista indicados. De esta forma se tendr un marco de referencia ms
preciso del tipo de elemento que se pretende optimizar.
CIACUA
58
CIACUA
59
Figura 4-1. Depsito de retencin abierto a la atmsfera (Boneyard Creek, Champaign - Illinois).
Figura 4-2. Depsito de retencin enterrado (Depsito Pluvial Loan Mir Barcelona).
CIACUA
60
CIACUA
61
EDAR
PTAR
Vertido
Figura 4-5. Esquema de un Tanque On-Line con aliviadero de entrada.
CIACUA
62
PTAR
EDAR
Vertido 2
Vertido 1
"Ecualizacin de
concentraciones"
Sin duda una de las limitaciones fundamentales de este tipo de depsitos es el nivel
mximo de agua que pueden alcanzar. Al estar directamente conectado con el resto de la
red de drenaje un nivel demasiado grande podra generar problemas de inundacin en
punto aguas arriba del mismo al reducir la capacidad de transporte de la red. Por el
contrario, un nivel demasiado bajo puede limitar la capacidad de transporte aguas abajo
del tanque. Este margen tan estrecho en la variacin de los niveles en los depsitos hace
que el volumen de almacenamiento deba conseguirse con grandes superficies de
almacenamiento.
4.1.1.3.2 Tanques Off-Line
Los Tanques Off-Line se plantean como una alternativa para aquellos casos en los que
las dimensiones del tanque son demasiado grandes o para circunstancias en las que el
trazado urbano no permite construir el tanque en el mimo punto de la red de drenaje
principal (On-Line).
En estos casos el tanque es una estructura que se dimensiona en paralelo a la red de
drenaje existente. De esta forma puede tener cierta flexibilidad en las dimensiones,
flexibilidad que no tienen los tanques on-line.
La construccin de un tanque off-line requiere de dos elementos adicionales que hay que
considerar (Figura 4-7): el sistema de conduccin del agua desde la red principal hasta el
tanque; y el sistema de vaciado del tanque.
CIACUA
63
Aliviadero
PTAR
EDAR
Depsito
de retencin
Caudal derivado al
final de la tormenta
Vlvula o compuerta
automtica.
El primero de los elementos consta de un sistema de alivio, regulable o no, que a partir de
un determinado caudal deriva el excedente hacia una conduccin lateral a la red principal
de drenaje. Esta tubera debe dimensionarse adecuadamente de acuerdo con la
topografa de la zona para tener capacidad de transporte suficiente. Un dimensionado
insuficiente de dicha conduccin eliminara completamente la eficacia del tanque.
El otro elemento caracterstico es el sistema de vaciado de agua del tanque. En la Figura
4-7 se recoge un sistema constituido por una compuerta que se acciona en un
determinado momento y por gravedad se procede al vaciado del tanque. El vaciado del
tanque por gravedad es generalmente el sistema preferible. No obstante, en
circunstancias en las que la topografa del sistema no es favorable puede requerir
grandes profundidades de excavacin o la construccin de conducciones nuevas para
descargar en colectores de drenaje situados en cotas ms bajas que el tanque.
Un alternativa al vaciado por gravedad es ubicar en el tanque algn sistema de bombeo
que se active en el momento adecuado. Un sistema de bombeo permite vaciar el depsito
incluso a la misma conduccin de la que se haba tomado inicialmente el agua, por lo que
limita la necesidad de obra civil. Por el contrario la presencia de grupos de bombeo
supone por una parte costes elctricos de funcionamiento y costes de mantenimiento de
los grupos electromecnicos.
En definitiva, bien el tanque sea on-line o sea off-line, la consideracin acerca de su
dimensionado debe contemplar tanto las lluvias existentes como la respuesta hidrulica
de la red de drenaje. De forma general puede afirmarse que los tanques off-line tienen
una mayor flexibilidad desde el punto de la ubicacin y sus dimensiones, ya que el nico
papel que se pide de ellos es almacenar agua durante un cierto tiempo. Por ello este tipo
de tanques (off-line) es ms adecuado para casos en los que los hidrogramas de entrada
sean de caudales muy abruptos pero con volmenes finales de almacenamiento
moderados. En los casos en los que los caudales no sean tan elevados, pero los
CIACUA
INFORME FINAL FASE I
64
volmenes de agua sean importantes los tanques on-line pueden ser una alternativa a
tener en cuenta.
En cualquier caso, la decisin entre un tipo u otro de depsito debe realizarse de acuerdo
con en estudio completo de la red y la simulacin del comportamiento de la misma con el
tanque instalado.
4.1.2
Howard, C.D., "Theory of Storage and Treatment-Plant Overflows," Journal of Environmental Engineering
Division, ASCE, Vol. 102, No. EE4, Aug., 1976, pp. 709-722.
2
Di Toro, D. M., and Small, M. J., "Stormwater Interception and Storage," Journal of the Environmental
Engineering Division, ASCE, Vol. 105, No. EE1, Feb., 1979, pp. 43-54.
CIACUA
65
Vasudevan G. Loganathan; Jacques W. Delleur; and Rafael I. Segarra (1985). "Planning Detention Storage
for Stormwater Management". J. Water Resour. Plann. Manage. 1985.111:382-398.
4
Dale D. Meredith; Andrew C. Middleton; and John R. Smith (1990). "Design of Detention Basins for
Industrial Sites". J. Water Resour. Plann. Manage. 1990.116:586-591.
CIACUA
66
Masatsugu Takamatsu; Michael Barrett; and Randall J. Charbeneau (2010). "Hydraulic Model for
Sedimentation in Storm-Water Detention Basins". J. Environ. Eng. 2010.136:527-534.
6
Giuseppe De Martino; Francesco De Paola; Nicola Fontana; Gustavo Marini; and Antonio Ranucci (2011).
"Pollution Reduction in Receivers: Storm-Water Tanks". J. Urban Plann. Dev. 2011.137:29-38.
7
Yingxia Li; Joo-Hyon Kang; Sim-Lin Lau; Masoud Kayhanian; and Michael K. Stenstrom (2008).
"Optimization of Settling Tank Design to Remove Particles and Metals". J. Environ. Eng. 2008.134:885-894.
CIACUA
67
partculas y metales. En la misma lnea Fu et al. (2010) 8 plantean un modelo para realizar
una distribucin ptima de diferentes tanques de almacenamiento con el objetivo de
reducir al mximo los impactos que nuevas zonas residenciales pueden tener sobre la
calidad del agua en el punto de vertido. As el modelo desarrollado considera tres
escenarios de trabajo diferentes: control ptimo de los caudales, minimizacin de la
distribucin de los depsitos, y una combinacin de los dos casos anteriores.
El trabajo de Fu et al. (2010) parte de la premisa que los elementos para el control de la
calidad de los vertimientos tienen un comportamiento esttico. Un paso ms all es el
trabajo de Vanrolleghem et al.9 quienes proponen la utilizacin de los Sistemas de CTR
para el control de la calidad de los vertidos en medios receptores y as poder cumplir con
la Directiva Comunitaria del Agua.
En definitiva, la gran mayora de los trabajos realizados hasta el momento relacionados
con el uso de depsitos de retencin o tanques de tormenta centran el problema en
maximizar la calidad del agua de vertimiento. En pocas ocasiones el objetivo de estas
estructuras es el control de las potenciales inundaciones que pueden originarse por los
excesos de lluvia.
Una de las primeras aportaciones en las que se relaciona el uso de los tanques de
tormenta con las variaciones de las lluvias originadas por el CC es la realizada por Andrs
et al10. Estos autores basan su estudio en los cambios que los regmenes de lluvia pueden
originar en la eficacia de los sistemas actualmente diseados. Los sistemas de drenaje
combinados y las primeras escorrentas de los sistemas de drenaje pluvial son una
importantsima fuente de contaminacin para los cuerpos receptores. As, Andrs et al.
analizan la eficacia que tienen los tanques de tormenta en el control de los potenciales
daos en la redes de drenaje. Proponen un modelo probabilstico analtico para evaluar la
eficiencia de reduccin de inundaciones y la eficiencia volumtrica de los tanques de
retencin como funcin de los comportamientos previstos del clima y de las cuencas
urbanas. La sensibilidad de la eficiencia del tanque se evala bajo el anlisis de ciertos
cambios en las precipitaciones asignadas como de diseo. Los resultados obtenidos
muestran la capacidad que presentan los tanques de tormenta para filtrar parcialmente los
efectos derivados del CC.
Guangtao Fu; Soon-Thiam Khu; and David Butler (2010). " Optimal Distribution and Control of Storage
Tank to Mitigate the Impact of New Developments on Receiving Water Quality". J. Environ. Eng.
2010.136:335-342.
9
P.A. Vanrolleghem; L. Benedetti; and J. Meirlaen (2005). "Modelling and real-time control of the integrated
urban wastewater system". Environmental Modelling & Software 20 (2005) 427-442.
10
I. Andrs-Domnech1; A. Montanari2; and J. B. Marco. J. (2012). "Efficiency of Storm Detention Tanks
for Urban Drainage Systems under Climate Variability". Water Resour. Plann. Manage. 2012.138:36-46.
CIACUA
68
Del anlisis de los trabajos previos parece que el uso de los tanques de tormenta como
herramienta para el control de las inundaciones originadas por el CC pueda ser una
estrategia adecuada. La base del trabajo a realizar es el trabajo que Butler y Schtze 11
(2005) realizan para la integracin de los modelos para el control ptimo de los sistemas
de drenaje sanitario. As desarrollan un modelo denominado SYNOPIS que incluye una
serie de sub-modelos de la red de alcantarillado, la PTAR y el comportamiento del cauce
natural sobre el que se realizar el vertimiento. Estos sub-modelos, junto con un mdulo
de control implementado en el mismo software, permiten desarrollar estrategias de control
de las aguas residuales de una determinada red para minimizar el impacto de sus
vertimientos. Este trabajo resulta un primer punto de partida ya que sostiene que ya no es
necesario el uso de criterios simplificados. El uso de las tcnicas de simulacin es
relativamente sencillo para las aguas residuales urbanas. Adems las tcnicas de
simulacin permiten obtener unas soluciones de control de vertimientos que no ofrecen
los mtodos clsicos simplificados. Este trabajo ha sido posteriormente ampliado por Fu
at al.12 (2008) considerando la optimizacin de las aguas residuales urbanas como un
problema multiobjetivo. Para ello utiliza el potente modelo gentico multiobjetivo NSGA II
(Deb at al13, 2002) que permite obtener la frontera de Pareto de las diferentes soluciones
ptimas.
En definitiva el trabajo a desarrollar en esta fase incluir el desarrollo de un modelo de
optimizacin para la ubicacin y dimensionado de tanques de tormenta. Dicho modelo de
optimizacin estar basado en la simulacin hidrulica de cada una de las soluciones
mediante el modelo SWMM5 y la utilizacin de un algoritmo de heurstico de optimizacin.
Por este motivo, en los apartados siguientes se abordan las diferentes tcnicas de
optimizacin y la definicin del modelo de optimizacin desarrollado.
4.1.3
Mtodos de optimizacin
Una vez visto el estado actual de los conocimientos sobre el dimensionado de tanques de
tormenta se presta analizar cul ser la tcnica o tcnicas de optimizacin que se
emplearn para resolver el problema planteado.
Existen multitud de tcnicas matemticas para la resolucin de problemas de optimizacin
como los planteados en el presente trabajo. Dichas tcnicas a grandes rasgos pueden
clasificarse en:
11
David Butler; Manfred Schtze (2005). " Integrating simulation models with a view to optimal control of
urban wastewater systems". Environmental Modelling & Software 20 (2005) 415-426.
12
Guangtao Fu; David Butler; Soon-Thiam Khu (2008). "Multiple objective optimal control of integrated
urban wastewater systems". Environmental Modelling & Software 23 (2008) 225-234.
13
Deb, K., Pratap, A., Agarwal, S., Meyarivan, T., 2002. A fast and elitist multiobjective genetic algorithm:
NSGA-II. IEEE Transactions on Evolutionary Computation 6 (2), 181-197.
CIACUA
69
14
Alperovits, E. y Shamir, U. (1977). Design of Optimal Water Distribution Systems. Water Resourcs Research. Vol. 13.
N 6. pp. 885-900.
15
Quindry G. E., Brill E. D., Liebman J. C., and Robinson A. R. (1979). Comment on "Design of optimal water
distribution systems by Alperovits E. and Shamir U." Water Resources Research, Vol. 15, No. 6, pp. 16511654.
CIACUA
70
gradiente propuesto por Alperovits y Shamir, considerando la interaccin que poda existir
entre diferentes variables de decisin,
Fujiwara et al.16 proponen el uso del mtodo de Quasi-Newton para determinar la
direccin del flujo y un mtodo de busca lineal para determinar el incremento de caudal
que se producir en cada lnea. Fujiwara et al. observaron que la solucin final del
problema era bastante sensible al incremento de caudal que da inicialmente el usuario.
Esto ocurre por la existencia de muchos ptimos locales que se encuentran prximo entre
s. Como solucin a este problema Fujiwara et al. proponen la utilizacin de distintos
valores de incremento de caudal antes de aceptar una solucin como definitiva.
En otros estudios realizados, distintos investigadores han tratado de estudiar la influencia
que tiene el camino elegido por el flujo. Goulter y Coals (1986) afirman que el resultado
final de diseo depende del camino escogido entre fuente (depsito o bomba) y nudos. En
este sentido tampoco hay unanimidad, puesto que este trabajo se ve rebatido por Kessler
y Shamir (1989), que presentan un problema en forma de matriz donde demuestran que la
solucin final es independiente del camino escogido.
Tal como puede apreciarse gran parte de los trabajos realizados sobre optimizacin en
sistemas hidrulicos mediante programacin lineal se han centrado en el diseo de las
redes. No obstante, dadas las limitaciones que presentan estos mtodos en la solucin de
problemas con multitud de mnimos locales se ha optado por utilizar otras tcnicas
alternativas.
4.1.3.2 Tcnicas de Programacin no Lineal
Un modelo de programacin no lineal (PNL) trata de resolver un sistema de igualdades y
desigualdades sujetas a un conjunto de restricciones, donde dichas restricciones pueden
ser lineales o no lineales. El objetivo final del mtodo es maximizar o minimizar una
funcin objetivo.
La principal caracterstica de este tipo de programacin es que no tiene un nico algoritmo
que se aplique a la resolucin de todos sus problemas. De este modo, dependiendo de la
naturaleza de la funcin objetivo es posible aplicar un tipo de resolucin u otro. As, si la
funcin objetivo es cncava o convexa, y el conjunto de restricciones es convexo, el
problema puede ser resuelto utilizando el mtodo general de optimizacin convexa.
Por el contrario, si el problema es no convexo existe una gran variedad de mtodos para
resolver el problema. As, un posible mtodo de resolucin utiliza formulaciones
16
Fujiwara, O., B.Jenchaimahakoon, and N.Edirisinghe, A modified linear programming gradient method for optimal
design of looped water distribution networks, Water Resources Research, 23(6):977982, 1987.
CIACUA
71
17
Murtagh, B.A. y Saunders, M.A. (1987). MINOS 5.1 Users Guide. Systems Optimization Laboratory. Department of
Operations Research, Standford University.
18
Liebman, J., Lasdon, L., Schrage, L., Waren, A. (1986). Modeling and Optimization with GINO. The Scientific Press.
19
A. Brooke, D. Kendrick, and A. Meeraus (1988). GAMS: A Users Guide,
The Scientific Press, San Francisco, CA.
20
Abadie, J., Carpentier, J. Generalization of the Wolfe reduced gradient method to the case of non-linear constraints.
R. Fletcher (ed.) Optimization. Academic Press, New York, 1969, pp. 37-47.
21
Lansey, K. y L. Mays, Optimization model for water distribution system design, J. Hydraulic. Division American
Society of Civil Engineering, 115 (10), 1401-1418, 1989.
22
Lansey, K., N. Duan, L. Mays, and Y. Tung, Water distribution system design under uncertainties, J. Water Res. Plan.
Manage. Am. Soc. Civ. Eng., 115 (5), 630-645, 1989.
23
Duan, N., Mays, L., Lansky, K.E. (1990). Optimal based design of pumping and distribution systems. Journal of
Hydraulics Engineering, 116 (2). pp. 249-286.
24
Pimentel, H. y Formiga, K.T.M. (2001). PNL2000: Mtodo prtico de dimensionamento econmico de gua. Revista
Brasileira de Recursos Hdricos. Porto Alegre: ABRH 6 (4) 91-108.
CIACUA
72
25
Monbaliu, J., Jo, J. H., Fraisse, C. W,, and Vadas, R. G. (1990). "Computer aided design of pipe networks." Water
resource systems application, S. P. Simonovic, I. C. Goulter, D. H. Burn, and B. J. Lence, eds., Friesen Printers,
Winnipeg, Canada.
26
Granados, A. (1990). Redes colectivas de riego a presin. E.T.S.I.C.C. y P., U. Politcnica de Madrid.
27
Newell, A., Shaw, C., Simon, H.A., 1962. The process of creative thinking. In: Grubert, H.E., Wertheimer, W. (Eds.),
Contemporary Approaches to Creative Thinking. Atherton Press, New York.
CIACUA
73
Los principios de estas tcnicas evolutivas datan de principios de los aos 1930s, donde
la evolucin natural comienza a ser vista como un proceso de aprendizaje por el hombre.
As, W.D. Cannon (1963), en su libro The Wisdom of the Body manifiesta que el proceso
evolutivo es algo similar al aprendizaje por ensayo y error que se da en los seres
humanos. Ya a finales del ao 1950, el bilogo Alexander S. Fraser public una serie de
trabajos sobre la evolucin de sistemas biolgicos en una computadora digital. El trabajo
de Fraser incluye, entre otras cosas, el uso de una representacin binaria, un operador de
cruce probabilstico, una poblacin de padres que se reproduca y el empleo de
mecanismos de seleccin. El trabajo de ms de 10 aos de Fraser queda resumido en su
libro Computer Models in Genetics y puede considerarse como un anticipo de las
tcnicas evolutivas que se desarrollaran aos despus.
28
Reed, R. (1967). Plant Location and Maintenance. Homewood, IL: R.D. Irwin.
CIACUA
74
Hill Climbing.
Simulated Annealing.
Quantum Annealing.
Tabu Search Beam Search.
Algoritmos genticos (Genetic Algorithms, en adelante AG).
Particle Swarm Optimization (en adelante PSO).
Ant Colony Optimization.
Estrategic Evolution.
Differential Evolution.
Harmony Search (en adelante HS).
Shuffled Frog Leaping Algorithm (en adelante SFLA)
Cada una de estas tcnicas es susceptible de ser aplicada en infinidad de campos donde
se requiere un proceso de optimizacin. De cara al planteamiento inicial del trabajo de
optimizacin de redes de distribucin de agua se ha optado por emplear AG. En particular
se emplear el modelo desarrollado por Mora et al.29
29
D. Mora-Melia; P.L. Iglesias-Rey; F.J. Martinez-Solano; V.S. Fuertes-Miquel (2013). "Design of Water
Distribution Networks using a Pseudo-Genetic Algorithm and Sensitivity of Genetic Operators". Water
Resources Management. September 2013, Volume 27, Issue 12, pp 4149-4162.
CIACUA
75
4.1.4
4.1.5
Dado que se requiere una inversin significativa para esto, se debe adquirir un
compromiso apropiado entre los aspectos tcnicos y econmicos involucrados. El proceso
de decisin para satisfacer los diferentes requerimientos de una manera oportuna y
precisa requiere tareas de gran complejidad. Cuando el nmero de los posibles cursos de
accin es demasiado grande para permitir la evaluacin individual, la eficiencia de las
herramientas de apoyo a la decisin puede ser mejorada a travs del uso de modelos de
optimizacin.
4.1.5.1 Modelos de Optimizacin
Los modelos de optimizacin aplicados a la reduccin de inundaciones a travs del uso
de estructuras de almacenamiento en sistemas de drenaje urbano es un problema que se
remonta a la dcada de 1970. Los primeros intentos de modelacin matemticamente
hechos para la ubicacin de las estructuras de almacenamiento fueron desarrollados por
Doyle et al. (1976) y Curtis y McCuen (1977). Por su parte, Mays y Bedient (1982) y
Bennett y Mays (1985) desarrollaron modelos de optimizacin enfocados a la
minimizacin de los costos involucrados en la localizacin y dimensionamiento de
estructuras de detencin basados en mtodos de programacin dinmicos. Otras
aproximaciones se han orientado hacia la obtencin de soluciones con costo-efectivas
para las capacidades y caudales de salida de los tanques de almacenamiento,
alcanzando as niveles deseados de desempeo (Nix and Heaney, 1988; Segarra, 1995).
Los mtodos de programacin dinmica (PD) fueron usados tambin en el modelo de
optimizacin desarrollado por Papa and Adams (1997) para encontrar la geometra ptima
de los estanques de detencin en un sistema compuesto por mltiples cuencas
dispuestas paralelamente, considerando as niveles especficos para el control de la
contaminacin en los puntos de descarga.
Esta misma aproximacin fue extendida en Behera et al. (1999), y adaptada a un modelo
similar en Rathnam et al. (2002). Ms recientemente, Travis y Mays (2008) presentaron
una nueva metodologa de PD que busc determinar el tamao y las dimensiones ptimas
de estructuras de retencin.
Muchos de estos modelos de optimizacin han sido abordados a travs de formulaciones
de un nico objetivo, conocidas tambin como mono-objetivo, en bsqueda de la
minimizacin de costos. Sin embargo, varios objetivos pueden ser considerados para
abordar el problema relacionado con la localizacin y dimensionamiento ptimos de
estructuras de almacenamiento, dentro de los cuales se pueden encontrar criterios
ambientales, sociales y tcnicos. Tradicionalmente, estos objetivos son considerados
como restricciones en la formulacin mono-objetivo de la optimizacin econmica. Sin
embargo, un enfoque alterno interesante permitira a los decisores mejorar la perspectiva
acerca del cumplimiento simultneo de los diferentes objetivos, hacindolos renunciar a
algunas decisiones acerca de la seleccin de la mejor configuracin del sistema. Este
nico requerimiento da lugar a la formulacin relacionada con la planeacin de la
localizacin y el dimensionamiento de estructuras de almacenamiento como un problema
CIACUA
77
de optimizacin multi-objetivo (Yeh and Labadie, 1997; Yadzi and Neyshabouri, 2012). La
frontera de Pareto, compuesta por soluciones eficientes, representa el espacio de
soluciones no dominadas, en donde no es posible alcanzar mejoras en ningn objetivo sin
deteriorar al menos otro objetivo.
Las metodologas propuestas en la literatura para la aproximacin de la Frontera de
Pareto usualmente son rigurosas, y requieren un tiempo computacional excesivo para
lograr una buena aproximacin al ptimo (Ruzika and Wiecek, 2005). Para complementar
lo anterior, la escogencia de una solucin perteneciente a la frontera de Pareto puede ser,
por si misma, una tarea muy difcil. En efecto, aunque la solucin a un problema multiobjetivo est posiblemente compuesta por un conjunto infinito de puntos de Pareto, solo
algunos puntos dentro de la frontera son interesantes en la consecucin de soluciones
prometedoras para el decisor, quien no est interesado en la complejidad y las
soluciones inmesurables propios de la frontera de Pareto. Para este fin, el mtodo de
ponderacin ha sido ampliamente utilizado en el manejo de modelos relacionados los
recursos hdricos (e.g.: Kuo et al., 2003; Zeferino, et al. 2010).
Los modelos de optimizacin se encuentran clasificados como determinsticos o
estocsticos, dependiendo de la naturaleza de los datos involucrados. Los enfoques
determinsticos suponen que todas las variables de entrada del modelo son conocidas con
absoluta certeza, lo cual raramente ocurre en los sistemas de la vida real. La necesidad
de modelar la incertidumbre ha sido reconocida como vital en el desarrollo de una
planeacin precisa.
Esto es particularmente cierto en la planeacin de sistemas de drenaje urbano en donde
los eventos de precipitacin incluyendo los efectos del CC son pertinentes.
Tradicionalmente, los modelos se encuentran formulados seleccionando un pronstico
correspondiente al valor medio de los parmetros desconocidos.
Para entender el impacto de las diferencias entre los datos replicados a travs del modelo
y los parmetros de entrada supuestos, debe ser utilizado un anlisis de sensibilidad. Sin
embargo, este puede ser considerado como un procedimiento de post optimalidad
reactiva, el cual examina nicamente el impacto de los cambios en la informacin del
modelo. Una aproximacin diferente incorporar proactivamente algn conocimiento
acerca de la incertidumbre en la etapa de diseo para la produccin de soluciones menos
sensibles a perturbaciones en la informacin.
De esta manera, una estrategia comn es la planeacin de escenarios, la cual requiere la
discretizacin de un espacio de parmetros incierto, resultando as un grupo de posibles
estados del mundo conocidos como escenarios. Estos enfoques consideran
explcitamente los diferentes escenarios y proponen encontrar soluciones que tengan un
buen desempeo en cada uno de ellos (Rockafellar and Wets, 1991). La idea de utilizar
modelos proactivos basados en escenarios, los cuales deben tratar con incertidumbre en
CIACUA
78
30
Rossman, L. A. (2010). Storm water management model users manual, version 5.0. National Risk
Management Research Laboratory, Office of Research and Development, U.S. EPA, Cincinnati, OH.
CIACUA
79
Variables relacionadas con las bombas del modelo. En el modelo SWMM todas las
bombas presentan dos variables que definen su funcionamiento y que se han
considerado como variables de decisin del problema: el nivel de arranque y el
nivel de parada. Dichos niveles estn siempre referidos al nudo aguas arriba de
las bombas que en la prctica sera un determinado pozo o depsito que estaran
vaciando.
Variables relacionadas con los nudos del modelo. Los nudos del modelo en
SWMM presentan una cierta capacidad de almacenamiento relacionada con la
seccin transversal de los mismos. El modelo de optimizacin permitir
seleccionar varios de los nudos del modelo para estudiar en los mismos la
posibilidad de instalar un depsito de retencin o tanque de tormenta. As con
cada uno de estos nudos se asocia una variable de decisin que corresponde a la
seccin equivalente adicional que presentara un tanque en caso de ser instalado
en dicho nudo. Dicho valor de la seccin equivalente adicional vara entre 0 y un
valor mximo que se determina previamente al estudio del proceso de
optimizacin teniendo en cuenta las restricciones de espacio en el trazado urbano
en cada uno de los puntos. En el caso de que como resultado de la optimizacin el
rea adicional sea 0, esto indicara que no es adecuada la instalacin de un
CIACUA
80
Tanto en el caso de los nudos, como en el caso de los depsitos la seccin transversal
equivalente S del depsito se modelar de acuerdo a la expresin
S A zB C
Ecuacin 4-1.
B 0
C 0
Ecuacin 4-2.
i 1
i 1
i 1
Ecuacin 4-3.
En la Ecuacin 4-3 el primer trmino recoge el sumatorio del volumen de inundacin V I(i)
en cada uno de los N nudos del sistema; teniendo en cuenta que dicho nmero total de
nudos es la suma del nmero de pozos NN y del nmero de depsitos ND. El segundo
trmino de la ecuacin recoge la suma de los volmenes VD(i) de todos los depsitos que
finalmente se han instalado en el sistema, tanto aquellos que estaban originalmente y han
sido dimensionados como aquellos que se han instalado nuevos en nudos que existan
CIACUA
81
4.2.2
Abrir. Esta opcin permite abrir el archivo de extensin *.INP con formato SWMM5
que contiene la totalidad de la definicin de la red. Dicho archivo puede haber sido
generado directamente mediante el programa SWMM5 o mediante la edicin
directa del mismo. En cualquier caso debe contener la estructura de definicin
tpica de SWMM5. En el caso de que el archivo no se haya generado directamente
con el modelo SWMM5 se recomienda validar su funcionamiento en el modelo
antes de proceder a la optimizacin. Sin duda, errores en la introduccin de los
datos o en la definicin de la red afectarn de forma decisiva al proceso de
optimizacin.
CIACUA
INFORME FINAL FASE I
82
La primera vez que se abre un archivo aparecen los resultados del archivo en el cuadro
Archivo Original. Una vez terminado el proceso de optimizacin los resultados aparecen
en el cuadro Archivo Optimizado.
4.2.2.1 Formulario Opciones de Optimizacin
El formulario de Opciones de Optimizacin (ver Figura 4-9) debe seleccionarse antes de
iniciar el proceso de Optimizacin propiamente dicho. El formulario de Opciones de
Optimizacin contiene las siguientes opciones:
CIACUA
83
CIACUA
84
CIACUA
85
CIACUA
86
Adems de las opciones anteriores, el formulario contiene el botn Calcular que activarse
inicia el proceso de optimizacin.
CIACUA
87
Adems de las opciones anteriores est activo en todo momento el botn de Clculo. El
proceso de optimizacin puede ser detenidos de dos formas diferentes: o bien se alcanza
el nmero mximo de generaciones sin que se produzca un cambio en el valor mnimo; o
bien se pulsa el botn de Clculo y el proceso se detendr al finalizar el anlisis de la
generacin en curso.
4.2.3
Ejemplo de Estudio
Para poder realizar el estudio preliminar del funcionamiento del modelo de optimizacin
propuesto se ha realizado el estudio de una red de ejemplo. Dicha red se ha obtenido
como una simplificacin de la red inicial del sector de Chic en la ciudad de Bogot. Por
este motivo en lo sucesivo se referir a dicha red como Mini-Chic Sur.
Algunas de las caractersticas bsicas de dicha red son las siguientes:
CIACUA
88
La lluvia considerada para la simulacin ha sido una lluvia de diseo obtenida a partir de
la curva IDF de Bogot con un perodo de retorno de 10 aos. Dicha lluvia de diseo es la
que puede verse en la Figura 4-17.
140
120
100
80
60
40
20
0:00
0:30
1:00
1:30
2:00
2:30
3:00
Tiempo (h)
Figura 4-18. Mapa de contorno con los niveles de la red Mini-Chic Sur.
La red funciona completamente por gravedad ya que el perfil del terreno (ver Figura 4-18)
es favorable al drenaje de las aguas pluviales. No existe por tanto en la red ninguna
CIACUA
INFORME FINAL FASE I
89
estacin de bombeo. En la Figura 4-19 se recoge el esquema de la red del ejemplo, con la
numeracin de los nudos de la misma.
CIACUA
Id Lnea
Nudo Inicial
Nudo Final
Longitud (m)
Dimetro (mm)
PLT85674
PMP93041
PMP92827
95.13
350
PLT85675
PMI92748
PMP92901
291.99
550
PLT85990
PMP92864
PMP93205
145.13
750
PLT85992
PMP93205
PMP106384
55.85
750
PLT85743
PMI92782
PMP92990
84.81
400
PLT85745
PMP92827
PMP92864
197.38
500
PLT85676
PMI92766
PMP93041
84.96
350
PLT85738
PMP93099
PMP93031
186.97
900
PLT85739
PMP92900
PMP93198
3.07
600
PLT85742
PMI92754
PMP93031
79.98
500
PLT85879
PMP93000
PMP93036
203.88
600
PLT85881
PMP92901
PMP93198
85.78
600
PLT85736
PMI92734
PMP93099
80.08
300
PLT85669
PMP106384
PMP93075
74.77
850
PLT85671
PMP93075
PMP92896
111.6
850
PLT85673
PMP92896
PMP93101
99.92
900
90
Id Lnea
Nudo Inicial
Nudo Final
Longitud (m)
Dimetro (mm)
PLT85636
PMP92933
PMP93000
187.91
550
PLT85865
PMI92786
PMP93036
85.62
400
PLT85640
PMI92735
PMP93000
85.55
400
PLT85641
PMP93004
PMP92933
93.17
400
PLT85758
PMP93036
PMP92876
113.27
750
PLT85809
PMP93182
PMP92828
293.83
900
PLT85810
PMP92828
PMP92900
85.08
900
PLT85620
PMI92792
PMP92876
68.27
400
PLT85621
PMI92736
PMP92926
66.71
500
PLT85791
PMP92876
PMP93099
81.8
750
PLT85819
PMI92764
PMP92933
179.82
400
PLT85821
PMI92813
PMP93004
260.99
400
PLT85905
PMP93198
PMP92864
194.85
600
PLT100883
PMP106155
PMP106384
88.43
300
PLT85747
PMP93101
PMP92926
174.07
1000
PLT85922
PMP92925
PMP92951
369.19
1400
PLT85771
PMP92926
PMP92925
90.38
1300
PLT85768
PMP92990
PMP92926
270.14
1200
PLT85744
PMP93031
PMP92990
169.28
1100
Nudo
CIACUA
Qmax (L/s)
Tinundacin (min:seg)
Vol inundacin (m )
PMI92766
99.27
18:50
64.78
PMP93041
121.40
15:50
52.89
PMP92827
28.69
00:10
0.29
PMP93198
605.04
14:50
317.66
PMP106155
128.78
21:10
89.20
PMP93000
351.19
15:30
195.30
PMI92734
163.35
21:40
105.30
PMP92933
120.10
06:50
30.64
PMP92876
522.17
17:10
303.79
91
Nudo
Qmax (L/s)
Tinundacin (min:seg)
Vol inundacin (m )
PMP92925
511.22
19:10
371.84
PMP92896
612.82
23:30
573.46
PMP93205
504.51
20:10
369.93
TOTAL
2475.08
PMP93198
PMP93000
PMP92876
PMP92925
PMP92896
PMP93205
(l/s)
Caudal de Inundacin (L/s)
600
500
400
300
200
100
0
1:00:00
1:10:00
1:20:00
1:30:00
Tiempo (h)
PMI92766
PMP93041
PMP92827
PMP106155
PMI92734
PMP92933
175
(l/s)
Caudal de Inundacin (L/s)
150
125
100
75
50
25
0
1:00:00
1:10:00
1:20:00
1:30:00
Tiempo (h)
CIACUA
92
En la Figura 4-22 se recogen de forma grfica (color rojo) los nudos en los que se produce
inundacin.
Figura 4-22. Nudos en los que se produce inundacin durante el evento de lluvia considerado.
4.2.4
ellos es que en uno de los casos la instalacin de tanques de tormenta puede reducir las
inundaciones, mientras que en el otro caso dichas estructuras apenas son tiles.
Por ello, en los siguientes apartados se analizan con detalle estos dos ramales.
CIACUA
94
Seccin Tanque
2
(m )
Volumen Tanque
3
necesario (m )
Volumen
3
Inundacin (m )
60
99
36
75
116
26
100
142
14
125
162
150
177
175
190
200
200
330
242
Como puede verse en la Tabla 4-3 dependiendo de las dimensiones del tanque se
obtienen un nivel de inundacin u otro. A la hora de construir el diagrama de Pareto que
representa la relacin entre la seccin de tanque o volumen de tanque y el nivel de
inundacin se parte de una cierta seccin mnima de 60 m2. Esta seccin mnima en el
depsito es la necesaria para garantizar que nicamente se produce inundacin en el
CIACUA
95
nudo PMI92766. A partir de esa seccin mnima, que corresponde a un volumen mnimo
de almacenamiento de 99 m3, se construyen el resto de valores.
El grfico de Pareto que recoge la inversin a realizar en volumen de tanque necesario y
el volumen de inundacin obtenido en el ramal es el que recoge la Figura 4-26. Por su
parte, la seccin requerida para cada volumen es diferente ya que a fin de evitar las
inundaciones existe un nivel mximo que puede alcanzarse en dicho tanque. Por este
motivo, el rea de tanque necesaria en funcin de cada volumen de inundacin es el que
se requiere es el que recoge la Figura 4-27.
40
35
Volumen de Inundacin
30
25
20
15
10
5
0
50
100
150
200
250
300
Volumen de Tanque
(m3)
Figura 4-26. Diagrama de Pareto del Volumen de tanque frente al Volumen de Inundacin.
40
35
30
25
20
15
10
5
0
50
100
150
200
250
300
Figura 4-27. Diagrama de Pareto del rea del Tanque frente al Volumen de Inundacin.
CIACUA
96
350
1.8
300
1.6
250
1.4
200
1.2
150
100
0.8
50
0.6
En definitiva, la definicin de la seccin del tanque no puede realizarse con una relacin
fija entre la seccin y el volumen. Tal como puede verse en la Figura 4-28, cada volumen
de tanque requiere de una seccin especfica y de unos niveles de variacin acotados
para facilitar el funcionamiento de la red. Esta es la problemtica caracterstica de los
tanques on-line con los que se ha optado por solucionar el problema de las inundaciones
en la red Mini-Chic Sur.
0.4
50
100
150
200
250
300
Figura 4-28. Relacin geomtrica entre el rea y el volumen de tanque necesario en el nudo PMI92766.
CIACUA
97
Aporte
(L/s)
lateral
Por el contrario, la cuenca que vierte al nudo inicial de la conduccin (PMI92734) genera
una escorrenta muy superior. Tal como puede apreciarse en la Figura 4-30 los caudales
aportados al nudo son muy superiores a la capacidad mxima de transporte del conducto.
Dichos caudales en ocasiones son hasta cuatro veces mayores que la capacidad mxima
de transporte. Es por ello que este tipo de problemtica no se soluciona con la instalacin
de un tanque de tormenta, sino que debe ir acompaada de una modificacin del dimetro
del conducto. nicamente la acumulacin de agua en el propio nudo PMI92734 permitira
solventar las inundaciones en esta zona de la red.
CIACUA
98
CIACUA
Nudo
Qmax (L/s)
Tinundacin
(min:seg)
Vol inundacin
3
(m )
PMI92766
99.27
0:18:36
65
PMP93041
121.39
0:15:36
53
PMP92827
28.69
0:00:36
<1
PMP93198
605.04
0:15:00
318
PMP93000
351.19
0:15:36
197
PMP92933
120.12
0:06:36
30
PMP92876
624.96
0:17:24
375
99
Nudo
Qmax (L/s)
Tinundacin
(min:seg)
Vol inundacin
3
(m )
PMP92925
529.17
0:19:12
397
PMP92896
657.34
0:23:24
605
PMP93205
595.35
0:20:24
431
TOTAL
2471
Tal como puede apreciarse del anlisis anterior, el problema de inundacin en el sistema
es sensiblemente el mismo, ya que aunque desapareci la inundacin de los nudos
iniciales de ramal el volumen total de inundacin es prcticamente el mismo.
En definitiva, la red an con la modificacin de dos de los dimetros tiene un
comportamiento prcticamente igual si bien es posible afirmar que existe un espacio de
soluciones no vaco. Es decir, es posible encontrar un cierto nmero de tanques en el
sistema que adecuadamente instalados y con el volumen adecuado reduzcan
completamente la inundacin de la red.
4.2.5
A la vista del trabajo realizado y presentado a lo largo del presente informe pueden
extraerse las siguientes conclusiones:
CIACUA
100
Adems de las breves conclusiones enumeradas, se han detectado algunas lneas sobre
las que se debe continuar el trabajo desarrollado. Algunas de estas lneas son las
siguientes:
101
102
CIACUA
103
104
CIACUA
105
Figura 4-33. Representacin Esquemtica de las Variables y los Parmetros Involucrados en el Modelo
Tabla 4-5 Notacin Utilizada en el Modelo de Decisin
NU
N
yj
Vj
Conjuntos
Conjunto de nudos j que son estructuras de almacenamiento
Conjunto de todos los nudos i
Variables
Variable binaria que es igual a 1 si existe una estructura de almacenamiento en el nudo j, y
0 en caso contrario
Volumen de almacenamiento de la estructura instalada en el nudo j
Dimetro del orificio de la estructura de almacenamiento ubicada en el nudo j
Caudal de salida de la estructura de almacenamiento en el nudo j
Caudal de entrada a la estructura de almacenamiento en el nudo j
Volumen de sobrecarga en el nudo i
Qk ,l
Vmin, j
Vmax, j
min, j
max, j
i
NSU
Como fue establecido previamente, se pueden utilizar dos aproximaciones distintas para
la formulacin de la funcin objetivo del modelo de optimizacin descrito: La primera de
CIACUA
106
V
iN
surch
, Q V
j
out
j
jNU
surch
max
, j NU
y j NSU
Restriccin 1
Restriccin 2
Restriccin 3
V j Vmin, j . y j , j NU
Restriccin 4
V j Vmax, j . y j , j NU
Restriccin 5
j min, j . y j , j NU
Restriccin 6
j max, j . y j , j NU
Restriccin 7
, j NU
Restriccin 8
y j 0,1
, j NU
Restriccin 9
Vi surch 0
, iN
Restriccin 10
out
out
max
108
4.3.2
109
110
Inicio
SWMM toolkit
Generar la solucin candidata
No
SWMM toolkit
Volver a la solucin actual
La solucin candidata
es aceptada?
No
Si
SWMM toolkit
Convertir la solucin actual en la
solucin candidata
Se lleg al criterio de
parada?
Si
Se cumple el criterio de
parada?
No
Si
Fin
111
drenaje. Esto ocurre en dos situaciones: Al generar soluciones candidatas y para definir
una solucin actual diferente a la seleccionada como tal en la iteracin anterior.
Los tres aspectos ms importantes en la implementacin del algoritmo SA enfocado hacia
el problema de localizacin y dimensionamiento ptimo de tanques de almacenamiento se
describe en las secciones a continuacin. Los aspectos que sern descritos son:
Definicin de la solucin inicial, definicin del vecindario de la solucin actual y definicin
de la rutina de enfriamiento.
4.3.2.2.1 Solucin Inicial
Las posibles localizaciones y tamaos de las estructuras de almacenamiento que sern
implementadas en el sistema de drenaje deben ser definidas a travs de un estudio
preliminar de la regin en donde se quiere aplicar el procedimiento de optimizacin. Una
vez determinado esto, una solucin inicial factible es definida, incluyendo tanto la
localizacin como el tamao de los tanques, asegurndose de que estos valores se
encuentren tanto dentro de los lmites posibles as como del conjunto de alternativas
potenciales.
Para la definicin de la solucin inicial, as como de los movimientos de vecindario hacia
nuevas soluciones candidatas, existen dos caractersticas importantes de las estructuras
de almacenamiento que pueden ser modificadas, las cuales se muestran en la Figura
4-35: El volumen del tanque de detencin (es decir su capacidad) y el dimetro del orificio
presente en la estructura de salida de la unidad de almacenamiento. Las dimensiones
mnimas y mximas de estas caractersticas de los tanques deben ser definidas durante la
realizacin del estudio preliminar mencionado previamente: Vmax y Vmin, en el caso de los
volmenes, y max y min en el caso de los dimetros de los orificios. Asimismo, se
requiere conocer la altura de la estructura de almacenamiento con el fin de mantener la
factibilidad de una solucin en trminos del desnivel del conducto de entrada respecto al
fondo de la estructura en cada iteracin (Ver Seccin 4.3.2.2.2b).
Figura 4-35. Caractersticas que pueden ser modificadas en una Estructura de Almacenamiento.
CIACUA
112
Esta solucin inicial debe ser factible, pero puede ser definida aleatoriamente ya que an
no se conoce nada acerca de la calidad de la solucin, y por lo tanto, no es posible tomar
una decisin informada en esta etapa. Sin embargo, el algoritmo SA puede ser ejecutado
independientemente de la calidad de esta solucin inicial.
4.3.2.2.2 Vecindario de una Solucin
El vecindario de una solucin est compuesto por cada una de las soluciones que pueden
ser alcanzadas a partir de esta con el fin de resultar en una nueva solucin candidata. Un
movimiento entre el vecindario de una solucin (Neighborhood move) ocurre en cada
iteracin del algoritmo SA cuando una nueva solucin es generada a travs del
procedimiento mostrado en la Figura 4-36. Este movimiento producido de forma aleatoria
y automtica al modificar las dos caractersticas ms importantes de las estructuras de
almacenamiento (volmenes y dimetro de los orificios como se muestra en la Figura
4-35) y reestableciendo tambin la factibilidad cuando sea necesario.
Los diferentes pasos del procedimiento para la generacin de nuevas soluciones
candidatas, mostrado en la Figura 4-36, se describen a continuacin:
Comenzando con una solucin en la iteracin k, el primer paso consiste en
seleccionar aleatoriamente una posible localizacin para la estructura de
almacenamiento, la cual ser representada por el nudo i.
Si el nudo seleccionado, es decir el nudo i, no contiene una unidad de
almacenamiento (ver rama izquierda de la Figura 4-36), se debe decidir si se crea
(implementa) o no un nuevo tanque en ese nudo.
o Cuando una unidad de almacenamiento es creada, se debe definir tanto el
volumen y el dimetro del orificio para el nudo i (ver Seccin 4.3.2.2.2a).
Si el nudo i seleccionado contiene un tanque de almacenamiento (rama derecha
de la Figura 4-36), se debe decidir si se remueve o no (se deja de implementar)
dicha estructura.
o Cuando se remueve una estructura de almacenamiento, el tanque y por
ende su orificio deja de existir en el nudo i (ver Seccin 4.3.2.2.2a).
Si la decisin tomada anteriormente no corresponde a crear ni a eliminar la unidad
de almacenamiento, entonces un nuevo nudo j se selecciona entre los nodos que
contengan una estructura de almacenamiento (rama central de la Figura 4-36).
o En este caso, el volumen y dimetro del orificio del nudo j deben ser
modificadas (ver Seccin 4.3.2.2.2a).
Luego de que las decisiones y las modificaciones se han hecho, en el ltimo paso
la solucin candidata es definida y confirmada como factible para ser usada
durante la iteracin k+1.
CIACUA
113
Solucin en la iteracin k
No
Si
No
Si
No
Si
Remover EA en el nudo i
CIACUA
114
115
b. Garanta de Factibilidad
Con el fin de garantizar la factibilidad despus de la modificacin de una solucin
candidata, es probable que sea necesario aplicar algunas correcciones en las
caractersticas de la solucin o de la decisin. Algunas de estas son:
Cuando la Restriccin (4) sea usada, y exista un nmero mximo de tanques de
almacenamiento a implementar (NSU), si la solucin que ser modificada ya
posee esta cantidad de estructuras de detencin, las nicas alternativas
permitidas para la generacin de una nueva solucin candidata sern las de
eliminar o cambiar una unidad de almacenamiento existente.
Cuando para la generacin de una nueva solucin candidata sea seleccionada la
alternativa de crear una nueva estructura de almacenamiento (en el nudo i), as
como de cambiar un tanque ya existente (en el nudo j), la factibilidad de los
nuevos (o cambiados segn corresponda) volmenes y dimetros de los orificios
se garantizarn de la siguiente manera:
Si Vi,k+1 > Vmax, entonces se utilizar Vmax
Si Vi,k+1 < Vmin, entonces se utilizar Vmin
Si i,k+1 > max, entonces se utilizar max
Si i,k+1 < min, entonces se utilizar min
Cmo se mencion previamente, en el caso en que para la generacin de una
nueva solucin candidata se seleccione la alternativa de crear un tanque de
almacenamiento, o de modificar uno ya existente, se debe cambiar el desnivel del
conducto de entrada al tanque respecto al fondo del mismo con el fin de hacerlo
igual a su valor predefinido. En trabajos posteriores, el costo de las
modificaciones que sean hechas al sistema de drenaje urbano, especficamente
en la tubera de entrada a la unidad de almacenamiento para implementar el
desnivel correcto a la salida del mismo se estimarn y sern implcitamente
considerados en la funcin objetivo del modelo.
CIACUA
116
CIACUA
117
Inicio
Ingresar parmetros: , 1, ,
I=1
Calcular C* y mC
T = T*
Si
C* o mC
decrecen?
No
I=i+1
No
I >?
Si
Fin
Figura 4-37 Rutina de Enfriamiento para el Algoritmo SA
CIACUA
118
4.3.3
CIACUA
119
120
121
SA algorithm parameters
1
2.0
1.7
0.2
0.8
50
15
2.3
0.6
0.2
0.8
50
10
4.3
3.5
0.2
0.8
30
15
6.7
7.2
0.2
0.8
30
10
7.0
2.6
0.2
0.5
50
10
8.0
2.6
0.2
0.5
50
15
8.7
5.5
0.5
0.8
50
15
11.3
9.5
0.5
0.8
50
10
11.3
7.1
0.2
0.5
50
12.7
0.6
0.2
0.8
10
15
75.0
2.6
0.8
0.5
10
10
76.0
5.2
0.8
0.2
10
76.7
1.5
0.8
0.5
10
15
77.7
4.0
0.8
0.2
10
10
78.7
4.0
0.8
0.2
10
15
31
CIACUA
122
mejores conjuntos de parmetros fueron aquellos que contenan valores pequeos para
1 y valores grandes para y , razn por la cual se sugiere su uso.
En el caso de , los resultados obtenidos indicaron que este parmetro result no ser tan
importante en el logro de los mejores resultados. Apoyando lo anterior, cuando = 5 no
se pudo alcanzar la mejor solucin, pero cuando se probaron valores iguales a 10 y 15
para este parmetro, los resultados obtenidos fueron muy similares entre s. Sin embargo,
al usar = 15 se obtuvo al menos la misma solucin que con = 10, pero ocasionalmente
se pudo lograr una mejor solucin a cambio de admitir un pequeo aumento en el tiempo
computacional requerido.
Finalmente, la desviacin estndar de la clasificacin entre los tres escenarios propuestos
fue razonablemente baja, planteando as que un buen conjunto de parmetros obtenido
para un caso en especfico debera funcionar tambin para la obtencin de resultados de
buena calidad en otros casos de estudio diferentes.
4.3.3.3 Segunda Etapa de la Calibracin
Con base en los resultados globales obtenidos durante la primera etapa de la calibracin,
se decidi avanzar hacia la segunda etapa utilizando parmetros mucho ms enfocados
en los rangos de valores que arrojaron mejores resultados durante la primera etapa de
calibracin. Adicionalmente, se propone como una alternativa, o una etapa adicional al
proceso de calibracin, el enfocarse en estudiar el efecto de la variacin de cada uno de
los parmetros de forma individual.
En esta segunda etapa se decidi utilizar nicamente uno de los tres escenarios
propuestos previamente, seleccionando el Escenario 1, dada la poca variacin que existi
en la calidad de los resultados entre estos. Los valores utilizados en los cuatro parmetros
considerados para ejecutar las pruebas del algoritmo SA fueron:
-
CIACUA
123
Tabla 7 Conjuntos de Parmetros Clasificados Segn los Resultados Obtenidos Durante la Segunda
Etapa de la Calibracin del Algoritmo Simulated Annealing (10 Mejores y 5 Peores)
5210
5157
Average
Computing
Time
04:27
5218
5127
03:16
0.2
0.8
30
15
5257
5149
05:41
0.2
0.8
50
15
5268
5135
02:42
0.1
0.6
30
15
5270
5132
03:15
0.1
0.8
40
15
5289
5122
06:46
0.1
0.8
50
15
5303
5170
04:19
0.1
0.7
30
15
5307
5137
03:51
0.1
0.9
40
15
5313
5142
04:08
0.1
0.9
50
15
5314
5182
03:35
0.2
0.7
40
15
5575
5409
00:55
0.4
0.7
30
15
5600
5552
02:10
0.4
0.7
40
15
5608
5383
01:39
0.3
0.6
30
15
5660
5542
01:43
0.4
0.6
50
15
5756
5279
00:57
0.4
0.6
30
15
Average
Best value of
value of OF
OF
SA algorithm parameters
1
0.1
0.7
50
15
Los resultados mostrados en la Tabla 7 sugieren que el valor utilizado para el parmetro
1 debe fijarse en 0.1, o 0.2 como mximo. En cuanto a los parmetros y , todos los
valores probados aparecieron reportados dentro de los mejores resultados de la tabla. Sin
embargo, aunque los valores ms bajos del parmetro , es decir 0.6 y 0.7, se
encontraron ligeramente relacionados con la obtencin de los peores resultados, cuando
el parmetro tom el valor de 0.7 se encontr que sus resultados estaban dentro del
conjunto de los mejores en trminos del valor promedio de la funcin objetivo. Es de
esperarse que el tiempo computacional promedio se encuentre correlacionado con todos
los parmetros; sin embargo, se encontr que esta tendencia se hace ms evidente a
medida que los valores de aumentan.
Al analizar los resultados globales obtenidos, teniendo en cuenta el mejor valor de la
funcin objetivo as como el tiempo computacional promedio, se decidi que el conjunto
de parmetros que ser utilizado en este caso est compuesto por:
1 = 0.2; = 30; = 0.8; y = 15
El conjunto mostrado anteriormente se caracteriz porque sus parmetros se encuentran
asociados con los mejores resultados obtenidos durante el proceso de calibracin.
CIACUA
124
4.3.4
125
126
mnimo igual al 25% del dimetro mximo correspondiente a la seccin transversal del
conducto aguas abajo de la estructura en mencin.
CIACUA
127
SU1
SU2
SU3
SU4
SU5
SU6
SSU
0
SU Vol. (m3 ) 1084 126
212
1422
Case A
Orif. Diam. (m) 0.394 0.316 0.376
3
SU Vol. (m ) 1422 134
546 600 916 3618
Case B
Orif. Diam. (m) 0.33 0.322
0.462 0.498 0.634
3
SU Vol. (m ) 1408
362 632
2402
Case C
Orif. Diam. (m) 0.332
0.335 0.446
Case D
SU Vol. (m3 )
2000
1346
0.252
0.369
3346
Flooding
(m3)
2416
1526
749
1000
1014
En el Escenario A, el peso asignado a las inundaciones para todos los nudos fue i = 2,
no existi un lmite para el volumen de inundacin, y fue posible implementar estructuras
de almacenamiento en todas las ubicaciones potenciales (la nica limitacin es el
CIACUA
128
volumen mximo de 2000 m3 para cada unidad de almacenamiento como se defini para
el caso de estudio). La mejor solucin obtenida para este escenario consisti en la
creacin de tres tanques de almacenamiento (conocidos como SU1, SU2 y SU3), cuyos
volmenes se encontraron entre 212 m3 y 1,084 m3, teniendo as un volumen total
almacenado de 1,422 m3. Estos valores corresponden nicamente a los volmenes de las
estructuras que se encuentran completamente llenas de agua durante los instantes ms
crticos, y en todos los tanques construidos se defini un orificio pequeo para disminuir el
flujo de salida. Finalmente, esta solucin disminuy los volmenes de inundacin a 1,526
m3, representando esto una reduccin cercana al 40% en relacin con la situacin inicial
mostrada previamente. Como se muestra en la Figura 4-43, las 3 estructuras
implementadas se encuentran ubicadas en la parte aguas arriba de la red de drenaje
urbano.
129
En el Escenario C, el peso asignado para las inundaciones fue de i = 0 para todos los
nudos de la red, pero se limit el volumen de inundacin en 1,000 m3. La mejor solucin
obtenida, mostrada en la Figura 4-45, consisti en la creacin de 3 estructuras de
detencin (SU1, SU3 y SU4) con volmenes entre 362 m3 y 1,408 m3, alcanzando as un
volumen total de almacenamiento de 2,402 m3. Finalmente, el volumen de inundacin
generado fue de 1,000 m3, como era de esperarse, como consecuencia de la restriccin
impuesta a esta variable. Al comparar estos resultados con los del Escenario A se obtuvo
que el volumen total de las estructuras de almacenamiento fue aproximadamente 70%
mayor que el de A, pero que el volumen de inundacin fue 35% menor al reportado en
ese escenario.
CIACUA
130
.
Figura 4-46 Localizacin de las estructuras de almacenamiento y el volumen mximo de inundacin en
el Escenario D
131
reduccin del 40% en los volmenes de inundacin. Para los otros escenarios, a medida
que la importancia de los volmenes de inundacin incrementaron en trminos del
aumento del peso asignado a estos o de las restricciones impuestas, el volumen de
inundacin disminuy en el 70%, en el Escenario B, y en 60% en los escenarios C y D.
Estos dos ltimos tuvieron como resultado volmenes de inundacin similares, pero con la
particularidad que el Escenario C obtuvo un volumen total de almacenamiento menor con
un nmero mayor de tanques instalados. Finalmente, el menor volumen de inundacin se
alcanz en el Escenario B a pesar que fue necesario incurrir en un volumen de
almacenamiento muy grande, mostrando as el trade-off existente entre la capacidad de
los tanques y el volumen de inundacin generado.
4.3.4.3 Calidad de los Resultados Obtenidos
Con el fin de evaluar la calidad de los resultados obtenidos, as como del comportamiento
del modelo desarrollado, se analizaron tres tipos distintos de resultados: El balance de
masa resultante al completar el proceso de simulacin, las variaciones del caudal en el
punto de descarga y la variacin de la profundidad al interior de cada uno de los tanques
de almacenamiento instalados.
En la Tabla 9 se muestra el balance de masa en cada uno de los escenarios propuestos,
el cual se verific con ms de 24 horas de simulacin para minimizar el volumen final
almacenado (mostrado en la columna Fin. Stored). En todos los escenarios la diferencia
entre el volumen de escorrenta que ingresa al sistema (resultante de la aplicacin de un
modelo lluvia-escorrenta), y el volumen que sale de este (a travs del punto de descarga,
en forma de inundaciones y el que se queda almacenado en las estructuras de detencin)
es despreciable.
Tabla 9 Resultados obtenidos del balance de masa para todos los escenarios
Flooding
(m3)
CIACUA
Runoff
error
(m3)
Reference
Situaton
2416
8186
Example
A
1526
9074
Example
B
749
9846
Example
C
1000
9596
Example
D
1014
9569
17
132
En cuanto al caudal que sale del sistema a travs del punto de descarga, mostrado en la
Grfica 20 para cada escenario, se puede observar que a pesar que la evolucin temporal
de esta variable es distinta en cada una de las situaciones, el valor mximo alcanzado fue
igual en la mayora de estas. Lo anterior ocurre porque las tuberas ubicadas justo antes
de llegar al punto de descarga (es decir, las ramas ubicadas hacia aguas debajo del
sistema) se encuentran en estado de sobrecarga, razn por la cual el modelo, con el fin
de minimizar estos flujos, usa todo el espacio disponible para llenarlo con agua,
resultando as en la presencia de caudales similares en el punto de descarga.
Finalmente, el nivel del agua al interior de las estructuras de almacenamiento para cada
uno de los escenarios propuestos se muestra en la Grfica 21. En este caso de estudio, la
altura de los tanques de almacenamiento se consider constante e igual a 2 metros, y su
volumen fue determinado a travs de la variacin del rea. Por lo anterior, se obtuvo que
los volmenes correspondientes a cada una de las unidades de almacenamiento,
implementadas en los distintos escenarios, estaban llenos con agua hasta su mxima
capacidad (es decir, el nivel del agua fue igual a 2 m), significando esto que las soluciones
alcanzadas utilizaron todo el espacio disponible para retener el agua, y por lo tanto se
puede concluir que el algoritmo desarrollado parece estar logrando soluciones eficientes.
CIACUA
133
b) Escenario B
a) Escenario A
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0:00
1:12
2:24
3:36
4:48
Time [hh:mm]
SU1
SU3
SU4
c) Escenario C
d) Escenario D
Grfica 21 Profundidad al interior de las estructuras de almacenamiento en cada escenario analizado.
4.3.5
Conclusiones
A partir del trabajo desarrollado durante la Fase I del proyecto Drenaje Urbano y Cambio
Climtico: Haca los Sistemas de Alcantarillado del Futuro en el rea de reduccin de
CIACUA
134
135
CIACUA
136
La funcin objetivo utilizada incluy un peso constante asignado al trmino asociado con
las inundaciones denotado por . No obstante, podra ser una buena opcin variar el
peso asignado a las inundaciones segn el volumen de sobrecarga
ya que en
algunas situaciones es aceptable la presencia de pequeas cantidades de agua
ocasionadas por el desbordamiento del sistema. Ejemplificando lo anterior, 5 cm de agua
en una va no causa un impacto importante en las personas que pasan por ah; sin
embargo, el impacto generado por esta acumulacin de agua va aumentando a medida
que su profundidad se incremente. Por lo anterior, 15 cm de agua puede empezar a
afectar la vida de las personas, y cuando esta llega a ser de 40 a 50 cm pueden poner a
estas personas en peligro. A pesar de esto, la calibracin de esta funcin no es una tarea
sencilla ya que requiere una evaluacin adecuada de las inundaciones que se presentan y
los daos que esta causa en la zona de estudio.
Pese al tamao relativamente pequeo de la cuenca utilizada como caso de estudio, al
aplicar el algoritmo SA se requiri un tiempo computacional promedio cercano a las 2
horas. Por ende, es de esperarse que reas urbanas de mayor tamao requieran un
mayor esfuerzo computacional, as como tambin de la implementacin de algunas subrutinas que incrementen la velocidad de resolucin del algoritmo. Por ejemplo, suponiendo
una situacin en donde se va a poner a prueba una rutina especfica para establecer el
volumen de una estructura de almacenamiento que es requerido en cada una de las
ubicaciones potenciales de la red. Es importante notar que bajo esta situacin, cuando se
realizan refinamientos en el algoritmo, o se incluyen restricciones o componentes
adicionales en el modelo de optimizacin los parmetros del algoritmo deben ser
recalibrados. Consecuentemente, en un proceso de calibracin ms avanzado, se puede
utilizar un conjunto ms amplio de sistemas de prueba, as como tambin aplicar etapas
adicionales o alternativas del proceso de calibracin con el fin de enfocar el estudio en los
efectos de la variacin de cada parmetro individualmente.
Como se estableci previamente, se desarroll una formulacin alternativa del modelo
utilizando funciones de costo en lugar de volmenes, la cual no fue utilizada por la
cantidad de informacin en detalle que es requerida. Particularmente, para que las
funciones de costo de los tanques de almacenamiento resulten apropiadas para su
objetivo deben incluir la inversin inicial y los costos operativos relacionados con la
construccin de la estructura. El costo de los daos potenciales generados por las
inundaciones deben ser evaluados con base en los diferentes impactos esperados,
incluyendo as impactos socio-econmicos y ambientales, y teniendo en cuenta el uso del
suelo, su topografa, entre otros aspectos involucrados en la caracterizacin de la zona de
estudio.
De igual manera, en los trabajos posteriores a este se esperan incluir de forma implcita
los costos relacionados con las modificaciones que sean hechas al sistema de drenaje
urbano dentro de la funcin objetivo del modelo. Lo anterior con el fin de implementar el
desnivel correcto a la salida del tanque de almacenamiento.
CIACUA
137
Finalmente, se puede concluir que durante la Fase I del proyecto ejecutado se logr
desarrollar una metodologa que dimension y localiz ptimamente estructuras de
almacenamiento temporal al interior de una red de drenaje urbano con el fin de reducir los
caudales pico que llegan al sistema. Lo anterior, se logr a travs de la formulacin de un
modelo de decisin que result ser uno de los productos ms importantes obtenidos en el
proyecto en trminos de tcnicas de reduccin de caudales pico. Como se mencionar en
el Captulo 8, este modelo ser refinado durante las fases posteriores del proyecto, as
como aplicada a ms casos de estudio con el fin de demostrar sus capacidades
referentes a la planeacin de sistemas de drenaje urbano.
CIACUA
138
5. Modelacin Computacional
Como parte esencial del proyecto se encuentra la rama de la Modelacin Computacional.
Esta rea se encarga de entender las redes de drenaje por medio de herramientas
computacionales y as poder hacer predicciones sobre el comportamiento de stas. En
este captulo se presenta el programa con el cual se est trabajando junto con la
herramienta Toolkit que se desarroll para la presente investigacin. Tambin se
presentan las estrategias realizadas para la reduccin de los tiempos de clculo junto con
una aplicacin desarrollada para este propsito.
Presentacin
5.1.2
Justificacin
En el campo de las redes de distribucin de agua son muchos los ejemplos de desarrollo
de distintas herramientas que facilitan la incorporacin de motores de clculo en
algoritmos de optimizacin. El primer ejemplo se tiene en EPANET, que en su versin
publicada por la USEPA incorpora una librera de programacin (EPANET Programmers
Toolkit) que facilita su utilizacin como comandos tpicos de programacin (Rossman,
2000). Algunos autores han adaptado esta librera para incorporar funciones no
contempladas previamente. Es el caso de Kandiah et al. (2012), el cual incluy funciones
para la adaptacin de controles en EPANET; o de Guidolin et al. (2011) y su CWSNet
Library, la cual ampla el Toolkit de EPANET para poder incorporar nuevos elementos de
la red. En otros casos, el ejemplo de EPANET ha sido seguido por otras instituciones que
CIACUA
139
Este modo de funcionamiento est pensado para trabajar con una interfaz de usuario
distinta, bien desarrollada ad-hoc, bien integrada en otros programas. Su aplicacin ms
evidente sera la de integrar el programa SWMM dentro de un sistema de informacin
geogrfica.
Sin embargo SWMM, requiere que, para cada ejecucin, se deba escribir el archivo de
datos y para procesar los resultados debe leerse el archivo que contiene los mismos.
Estas dos operaciones requieren un gran esfuerzo de programacin y un consumo de
tiempo que puede llegar a ser importante. La idea de preparar una nueva librera de
acceso parte de la necesidad de simplificar operaciones en caso de clculos repetitivos,
como sucede en la mayora de los algoritmos de optimizacin aplicados al diseo y
operacin de redes. As, lo que se busca con la librera es reducir operaciones repetitivas
innecesarias:
CIACUA
140
CIACUA
141
CIACUA
142
Tamao de la red:
Se han elegido tres redes de trabajo (ver Figura 5-2):
Red 1
Red 2
Red 3
Figura 5-2. Redes utilizadas para la evaluacin de los tiempos de clculo.
CIACUA
143
Lluvias procesadas:
Para este apartado tambin se ha optado por procesar para las tres redes tres casos
distintos:
Modalidad de clculo:
En este ltimo apartado se han comparado los tiempos de ejecucin de los nueve casos
(tres redes x tres lluvias) utilizando la interfaz preparada por la USEPA y comparando los
tiempos de ejecucin con los empleados con el Toolkit. Para la comparacin se realiz
una pequea aplicacin que permitiese medir el tiempo empleado en el clculo con una
precisin de milisegundos. Se realizaron 10 simulaciones cambiando algunos parmetros
(desniveles y dimetros) y se midi el tiempo total empleado para las 10 simulaciones.
Los resultados de esta prueba se muestran en la Tabla 5-1.
Tabla 5-1. Comparacin de tiempos de ejecucin (en milisegundos).
Caso 1
Lluvia 6 horas
Red 1
Red 2
Red 3
Caso 2
Lluvia octubre 2000
Caso 3
Aportes
EPA SWMM
610
20791
470
Toolkit
460
20775
430
EPA SWMM
6731
313803
4441
Toolkit
4460
300704
4280
EPA SWMM
598329
5438193
144220
Toolkit
135549
4935524
126308
144
100000
10000
1000
EPA SWMM
Toolkit
100
Red 1
Red 2
Red 3
Grfica 5-1. Comparacin de los tiempos de ejecucin entre el uso del Toolkit y la interface incluida en
EPA SWMM.
CIACUA
145
5.1.3
Funciones de la librera
En este numeral se describen todas las funciones incluidas en la librera, tanto las
desarrolladas inicialmente por la USEPA como las desarrolladas en este proyecto.
5.1.3.1 Desarrolladas por la USEPA (EPA SWMM 5 Interface)
Al instalar el programa SWMM descargado de la pgina de la USEPA32 se instalan tanto
la versin ejecutable de SWMM (swmm5.exe) como la librera de vnculos dinmicos
(swmm5.dll). Esta ltima incluye una serie de funciones que permiten la ejecucin de
SWMM sin necesidad de la interfaz grfica.
Las funciones que incluye la librera DLL swmm5.dll pueden ser utilizadas desde otros
programas. Estas funciones son:
swmm_getVersion
swmm_run
swmm_open
swmm_start
swmm_step
swmm_end
swmm_getMassBalErr
swmm_report
swmm_close
swmm_setNodeValue
swmm_getNodeIndex
swmm_getNodeId
swmm_setLinkValue
swmm_setLinkGeom
32
http://www.epa.gov/ednnrmrl/models/swmm
El formato del archivo binario de resultados puede consultarse en la SWMM 5 Interfacing Guide, disponible en la
pgina de la USEPA.
34
La librera aqu descrita se ha realizado sobre las versiones SWMM 5.0.18 (en espaol) y SWMM 5.0.22 (ltima
actualizacin disponible en la pgina de la USEPA de la versin 5.0 de SWMM). Con posterioridad a la terminacin de
esta librera se ha publicado una nueva versin (SWMM 5.1).
33
CIACUA
146
swmm_getLinkIndex
swmm_getLinkId
swmm_getNodeType
swmm_getLinkType
swmm_getNodeValue
swmm_getLinkValue
swmm_getLinkNodes
5.1.4
Por una parte, con el fin de garantizar la perfecta compatibilidad del Toolkit
desarrollado con el motor de clculo proporcionado por la EPA, se han realizado
una serie de pruebas cuyo objetivo es comparar el funcionamiento de ambas
herramientas.
Por otra parte, se han publicado tres versiones distintas del Toolkit que se han ido
poniendo a disposicin del equipo investigador del proyecto de forma que junto
con las pruebas programadas se puedan recoger fallos o sugerencias que han ido
siendo incorporadas a la librera cuando ello ha sido posible. As, adems de la
versin inicial lanzada en Enero de 2014, se han publicado dos versiones
adicionales en Marzo y Junio de este ao.
147
swmm_getCount
swmm_getNodeIndex
swmm_getNodeId
swmm_getLinkIndex
swmm_getLinkId
swmm_getNodeType
swmm_getLinkType
swmm_getNodeValue
swmm_getLinkValue
swmm_getLinkNodes
Para estas funciones se realizaron pruebas para comprobar que las variables ledas
correspondan con las que se pretendan leer; y que los valores ledos coincidan con los
resultados presentados por SWMM. Estas funciones se pueden descomponer a su vez en
dos subgrupos: las que leen exclusivamente datos del proyecto (swmm_getCount,
swmm_getNodeIndex, swmm_getNodeId, swmm_getLinkIndex, swmm_getLinkId, y
swmm_getLinkNodes) y las que leen tanto datos como resultados. Para estas ltimas, se
comprob que los resultados ledos coincidiesen con los de SWMM y que, en caso de no
haberse realizado ninguna simulacin, no diesen error.
Grupo 3. Funciones de modificacin de datos.
Entraran en este grupo todas las funciones set:
swmm_setNodeValue
swmm_setLinkValue
swmm_setLinkGeom
CIACUA
148
Figura 5-3. Red empleada para el estudio de las funciones de los Grupos 1 (gestin del proyecto) y 2
(lectura de datos y resultados).
Figura 5-4. Red empleada para el estudio del comportamiento de los depsitos utilizando las funciones
del Grupo 3 (modificacin de datos).
CIACUA
149
Figura 5-5. Red empleada para el estudio del comportamiento de vertederos, orificios y desniveles
(offsets) utilizando las funciones del Grupo 3 (modificacin de datos).
Por otra parte, para el estudio detallado de las estructuras de control (vertederos y
orificios) se utiliz otra red mucho ms sencilla que permitiera el anlisis de los resultados
tanto desde SWMM como mediante el clculo manual. Esto se debe a la forma que tiene
SWMM de calcular este tipo de dispositivos. De esta forma, se pudieron simular las
distintas situaciones (flujo normal, comportamiento como vertedero en el caso de los
orificios o como orificio en el caso de los vertederos y flujo inundado). En la Figura 5-6 se
puede observar un esquema de esta red. La red consiste en un depsito con un aporte
continuo de 1500 L/s de manera que se pueda alcanzar un rgimen permanente. De la
misma forma, el vertimiento se realiza mediante una descarga libre. Los conductos son
suficientemente largos (100m) para permitir que en los puntos medios de ambos
conductos la profundidad sea la correspondiente al rgimen uniforme. De esta forma, se
pueden realizar los clculos manualmente y contrastar los resultados con SWMM y con el
Toolkit.
CIACUA
150
151
CIACUA
152
Qmax
Conducto
(L/s)
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1.40
1.60
1.80
2.00
146.09
149.67
146.50
143.26
139.95
136.55
133.05
127.59
123.80
119.93
115.78
Toolkit
Inundacin Inundacin
Pozo
Depsito
(m)
(m)
39.77
39.81
39.85
39.83
37.11
42.63
46.26
49.96
53.74
57.67
61.77
100.37
100.47
100.55
100.51
100.35
100.03
99.53
95.55
85.54
73.76
52.31
Qmax
Conducto
(L/s)
146.09
149.67
146.50
143.26
139.95
136.55
133.07
127.59
123.80
119.93
115.78
Inundacin Inundacin
Pozo
Depsito
(m)
(m)
39.77
39.81
39.85
39.83
39.11
42.63
46.26
49.95
53.74
57.62
61.77
100.39
100.47
100.55
100.51
100.35
100.03
99.53
95.55
85.54
73.76
52.31
CIACUA
153
Ecuacin 5-1.
Ecuacin 5-2.
Ecuacin 5-4.
CIACUA
154
Con estas dos modificaciones se consigui contrastar los resultados entre SWMM y el
Toolkit con plena coincidencia.
Datos geomtricos de las tuberas:
En las tres redes ensayadas se ha probado siempre con tuberas circulares. Este ocult
un problema que an no se ha resuelto en su totalidad. La funcin swmm_getLinkValue
devuelve parmetros de las lneas. Sin embargo, las constantes SWMM_LINK_XSECT1 y
SWMM_LINK_DIAMETER devuelven exclusivamente la altura del tubo, es decir, su
dimetro en el caso de tubo de seccin circular. Otras dimensiones como pudiera ser la
anchura de un conducto rectangular no es posible leerla an. Lo mismo sucedera con la
propia forma geomtrica del tubo, que si bien viene descrita por las constantes de la Tabla
10-6. Esta limitacin queda parcialmente superada por la inclusin de la funcin
swmm_setLinkGeom. Esta funcin permite fijar tanto la forma geomtrica como cualquiera
de las dimensiones geomtricas de las lneas, sean stas tuberas, orificios o vertederos.
Desniveles en los puntos de unin de las tuberas:
Al modificar el desnivel existente entre la tubera y el nudo al cual est conectada dicha
tubera se puede producir un error al ser el desnivel mayor que la propia profundidad
mxima del nudo. SWMM hace esta comprobacin justo antes de comenzar el clculo, no
al leer el archivo de datos. Por ello, ha sido necesario incluir en el Toolkit funciones de
validacin de los datos al modificar estos parmetros. Esta deficiencia observada en el
Toolkit cuando se testeaban las funciones swmm_setLinkValue se reproduce con otros
parmetros, como la geometra de orificios y vertederos o los niveles de arranque y
parada de las bombas, por lo que se ha optado por hacer una validacin completa cada
vez que se modifica un parmetro.
Volumen de los depsitos:
Al modificar las caractersticas geomtricas de los depsitos, se observ que los
resultados coincidan siempre y cuando el depsito no estuviese completamente lleno. El
problema de nuevo estriba en la validacin del proyecto. SWMM valida al leer el archivo y
anota el volumen mximo del depsito. As, si el nivel de agua del depsito excede el
CIACUA
155
nivel mximo, sustituye el valor del volumen mximo por el anotado durante la validacin.
Cualquier modificacin de las dimensiones geomtricas del depsito no quedar reflejada
en el volumen mximo a menos que se realice una nueva validacin del proyecto.
Comportamiento de los orificios para distintas situaciones:
Como se ha comentado ms arriba, el comportamiento de los orificios cambia en funcin
de la profundidad aguas arriba del mismo. As, para la situacin en que la profundidad es
mayor a la altura crtica el orificio se comporta como tal, mientras que para profundidades
inferiores se comporta como vertedero. En ambos casos, el valor de los coeficientes y de
los exponentes cambia y estos valores se calculan en la fase de validacin del proyecto.
Como los coeficientes varan en funcin de la geometra del orificio, un cambio en esta
provoca un cambio en los coeficientes. Por ello, ha sido necesario incluir una
actualizacin de estos coeficientes en las funciones de modificacin de la geometra de
vertederos y orificios para solventar las diferencias encontradas cuando los niveles de
agua o los caudales eran pequeos (provocando funcionamiento como vertedero).
5.1.4.5 Conclusiones de los ensayos
A modo de conclusin, se pueden destacar los siguientes puntos:
CIACUA
156
Modelo Hidrulico
157
medio de este terreno creado se calculaban las cotas de las cmaras cuyos
valores iniciales eran desconocidos.
4. Revisin de las pendientes
Debido a que los pasos 2 y 3 implican modificaciones en las cotas de los nudos y
cmaras, era necesario revisar que las pendientes de las secciones fueran lgicas.
Para esto se empez por revisar si existan secciones con pendientes adversas o
secciones con fuertes cambios de pendiente. En caso de las pendientes adversas
se reportaba un error y se volva al paso 3 en donde se poda haber hecho una
interpolacin incorrecta. En caso de tener fuertes cambios de pendiente se deba
hacer una revisin manual para cerciorarse que esta fuera correcta, de lo contario
se volva al paso 2.
5. Creacin de las cuencas
Debido a que se est modelando una red para aguas lluvias era necesario agregar
una cuenca para cada cmara. Para este proceso se calcul el rea aferente de
cada cmara por medio de Polgonos de Theissen, procedimiento descrito con
detalle en la Seccin 5.2.2.
6. Cuantificacin de los parmetros de las cuencas
Para un correcto funcionamiento de la red era necesario cuantificar los parmetros
de las cuencas. El rea de estas se determin por medio de los polgonos creados
en el paso 5. Para las coberturas se hizo un anlisis de imgenes satelitales por
medio de tonalidades; en este anlisis se diferenciaban las zonas con cobertura
vegetal y las zonas con cobertura artificial como calles o techos; a cada tipo de
cobertura se le asign un coeficiente de escorrenta y de infiltracin. Una vez ms,
la descripcin detallada de este procedimiento se presenta en la Seccin 5.2.2.
7. Creacin de la topologa en formato .INP
Para poder hacer los clculos en EPA-SWMM era necesario crear el archivo .INP;
este es el archivo de entrada al programa. Este proceso corresponde en ordenar
los datos (coordenadas, nudos de inicio y fin) para que la red funcione acorde con
la realidad.
8. Incluir los desniveles entre las secciones
En las redes de alcantarillados es frecuente encontrar diferentes cotas de batea
entre la tubera de entrada a una cmara y la tubera de salida de la cmara. Estas
diferencias de altura afectan de manera notable la hidrulica de la red ya que se
generan altas prdidas de energa. Por otro lado cuando un tramo de la red
descarga a uno de los canales abiertos no lo hace a nivel base, es decir que
tambin se tienen prdidas debidas a las diferencias de altura.
En el Anexo 10.9 se presenta la bitcora de cambios donde se describen los cambios que
fueron necesarios hacer para que as la red funcionara de manera correcta. El proceso
descrito anteriormente se hizo para los dos casos de estudio, para la red Chic Norte y
CIACUA
158
Chic Sur. Igualmente, a partir de la red Chic Sur corregida se form el modelo de la red
Mini Chic Sur.
Como se explica en la Seccin 5.2.2 una gran cantidad de los nudos de las redes tiene
aportes laterales debido a la cuenca. Los parmetros que se describen son insertados en
las propiedades de cada una de las cuencas para as poder hacer un correcto proceso de
lluvia-escorrenta.
5.2.2
Una vez desarrollado el modelo hidrulico de cada una de las redes de alcantarillado
seleccionadas como casos de estudio, result muy importante desarrollar un modelo
hidrolgico que representara la conversin de los eventos de lluvia en caudales de
entrada a cada uno de los pozos del sistema basado en las cuencas aferentes a cada uno
CIACUA
159
CIACUA
160
Figura 5-10. Cuencas urbanas aferentes a las cmaras de la Red Chic Sur
Figura 5-11. Cuencas urbanas aferentes a las cmaras de la Red Mini Chic Sur
CIACUA
161
Ahora bien, como se observa en las figuras en las que se muestran las redes Chic Sur y
Mini Chic Sur, la zona oriental de estas se encuentra adyacente a los Cerros Orientales
de la ciudad, razn por la cual es esperado que una porcin de la escorrenta generada
en esta regin drene hacia el sistema de drenaje urbano de Chic. Por lo tanto, para
determinar la cuenca rural aferente a cada uno de los casos de estudio fue necesario
utilizar el paquete de herramientas hidrolgicas disponibles en ArcGis. Por lo anterior, en
primer lugar fue necesario conocer la topografa de la zona, lo cual fue posible al
desarrollar modelos digitales del terreno como los mostrados en la Figura 5-12.
a)
b)
Figura 5-12. a) Plano de elevacin de la Red Chic Sur. b) Modelo en 3D de la Red Chic Sur.
CIACUA
162
Figura 5-13. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la Red Chic Sur.
Finalmente, se delimitaron las cuencas rurales aferentes a cada uno de los caminos de
agua indicados previamente que se encontraron en la zona definida como rural,
obteniendo as las cuencas mostradas en verde en la Figura 5-14. En el caso de la red
Mini Chic Sur, se sigui el mismo procedimiento de delimitacin de las cuencas rurales
mostrado anteriormente, obteniendo as los resultados mostrados en el Anexo 10.11.
163
Figura 5-15. Delimitacin definitiva de cuencas urbanas y rurales para la red Chic Sur
Figura 5-16. Delimitacin definitiva de cuencas urbanas y rurales para la red Mini Chic Sur
CIACUA
164
rea
Este parmetro mide el rea superficial de cada una de las cuencas. En el caso de Chic
Sur, se encontr que el rea promedio de las cuencas urbanas fue de 4,986.47 m2 y de
las rurales fue de 128,962.39 m2. Por su parte, en el caso de Mini Chic Sur se obtuvo
que el rea promedio de las cuencas urbanas es de 6,914.49 m2 y las rurales de
136,406.02 m2.
Ancho de la Cuenca
Pendiente Promedio
165
Como consecuencia de este anlisis, se obtuvo que en promedio en la red Chic Sur
posee un porcentaje de rea impermeable de 94.17%, mientras que en el caso de Mini
Chic Sur este porcentaje fue en promedio de 92.04%.
CIACUA
166
Figura 5-18. Foto de referencia para el coeficiente de rugosidad de las reas permeables presentes en
las cuencas rurales de Chic Sur (Fuente: HR Wallingford Software, 2008).
Por su parte, en el caso de los parques y dems zonas verdes presentes en las cuencas
urbanas de Chic Sur se utiliz como foto de referencia la mostrada en la Figura 5-19,
resultando as un coeficiente de rugosidad para las reas permeables presentes en las
cuencas urbanas igual a 0.021.
Figura 5-19. Foto de referencia para el coeficiente de rugosidad de las reas permeables presentes en
las cuencas urbanas de Chic Sur (Fuente: HR Wallingford Software, 2008).
Al igual que en el caso de las reas permeables, para la determinacin del coeficiente de
Manning asociado con las reas impermeables se utiliz la comparacin de fotos de la
zona de estudio con las disponibles en la biblioteca del software CES, seleccionando
aquellas que mejor representaban las caractersticas de esta. En este caso, dado que la
CIACUA
167
168
5.2.3
Simplificacin de la redes
Una vez se seleccion la red con la cual se iban a hacer la pruebas se hicieron
ejecuciones para revisar su comportamiento hidrulico. Se fueron agregando
precipitaciones a diferentes cuencas para as ir probando que tanto se demoraba cada
ejecucin de la red. Despus de probar una varios escenarios se encontr una regresin
que permita hacer una aproximacin del tiempo computacional necesario para redes con
diferentes tamaos (en cuanto a nmero de nudos). Se encontr que para una red de
1360 nudos, el tamao de la red modelo, cada ejecucin tardara alrededor de 4 minutos.
Debido a que 4 minutos es un alto tiempo computacional para ejecutar metodologas de
optimizacin, se encontr que era necesario hacer algunas simplificaciones sobre la red.
La primera de estas era evitar que en cada ejecucin se hiciera el proceso de LluviaEscorrenta; la segunda era hacer una esqueletizacin de la red.
CIACUA
169
170
entrada, los resultados podrn perder su confiabilidad debido a que calcular caudales a
partir de intervalos donde no se tienen lluvias.
Seguido a esto se ejecuta la herramienta. Esta har uso del Toolkit (presentado en este
informe en la Seccin 5.1) y por medio de ste ir midiendo los caudales aportados a
cada uno de los nodos con conexiones a cuencas. Estos caudales se irn almacenando y
una vez se finalice la ejecucin sern introducidos como caudales de aporte lateral a cada
uno de los nudos. Hasta el momento la herramienta est usando las herramientas
incluidas en EPA-SWMM para hacer la trasformacin Lluvia-Escorrenta pero en
desarrollos posteriores el modelo Lluvia-Escorrenta puede incluirse en esta herramienta.
Una vez finalizado el proceso la herramienta se encarga de generar un nuevo archivo
.INP donde ya se han eliminado las cuencas y sus precipitaciones, y se han incluido
series de tiempo con los caudales laterales para cada uno de los nudos. La Grfica 5-3
muestra cmo sera el nuevo tipo de curvas que se ingresaran en cada nudo de la red
que inicialmente tena alguna cuenca asignada. De esta manera se logr mejorar la
eficiencia de los clculos hidrulicos.
5.2.3.2 Esqueletizacin
La forma ms fcil de reducir el tiempo computacional es haciendo una reduccin en el
nmero de nudos y tuberas de la red. Durante este proceso se debe tener en cuenta que
la hidrulica de la red no debe tener cambios significativos para que as las evaluaciones
hechas sobre la red sigan teniendo utilidad.
CIACUA
171
En la Figura 5-21 se presenta la red ejemplo con la que se trabaj para establecer los
criterios del proceso de esqueletizacin que corresponde a la red Mini Chic Sur. El
primer paso fue establecer cules seran las zonas crticas; estas se establecieron como
las zonas de interseccin. Seguido a esto se procedi a ir eliminando nudos y secciones
haciendo constantes revisiones de que no se estaban teniendo fuertes cambios en la
hidrulica de los puntos crticos, para cada modificacin se permita tener un cambio
mximo en las altura de los nudos crticos del 10%.
En caso de eliminar alguna seccin, se le sumaba su longitud a la seccin
inmediatamente aguas abajo, esto para asegurar que los tiempos de trnsito del agua por
los conductos no se vean afectados. Despus de completar el proceso se lleg a tener la
siguiente red:
172
CIACUA
173
174
CIACUA
175
Los modelos orientados a simulacin y los modelos orientados a control de SDU pueden
trabajar de forma coordinada en tareas de diseo y operacin del sistema y su relacin
con el sistema real puede verse en la Figura 6-2. El espacio de control se encarga de
generar las acciones de control que son probadas en el modelo orientado a control, y
como una medida de verificacin dichas acciones pueden tambin ser probadas en el
modelo orientado a simulacin.
6.1.1
CIACUA
176
CTR, debido a la complejidad de la obtencin de la solucin a la ecuacin de SaintVenant que da como resultado un alto costo computacional.
Un problema clave en el CTR es la seleccin del modelo ms adecuado del SDU con el
objeto de disear un controlador que permita alcanzar un nivel de desempeo deseado.
Para esta seleccin juega un papel importante: el rendimiento requerido, la complejidad
del modelo resultante y el diseo de controlador. Ellos determinan la estructura y la
complejidad del modelo deseado, es decir, niveles ms altos de rendimiento y baja
incertidumbre requieren una mayor complejidad del modelo en general. Por lo tanto, un
modelo basado en el rendimiento deseado, en lugar de en un modelo exacto de la
dinmica del sistema, podra resultar bastante til. Los principales modelos orientados a
control como modelos simplificados, modelos de data driven, modelos conceptuales, son
discutidos en Garca Gutierrez, et al. (2014).
6.1.2
CIACUA
177
DESARROLLAR
Mouse
DHI
Inforworks
Wallingford Software
Coral
Csoft
BPR-CSO
XPstorm
XP Software
EPASWMM
MWH Soft
HYSTEAM-EXTRAN
ITWH
En la Figura 6-3 se propone y discute una estructura de software que permite el control y
automatizacin de un SDU para un esquema jerrquico de control CTR de una red de
gran escala.
Figura 6-3 Estructura de software para control de SDU (Garca Gutierrez, et al., 2014).
178
cuenta la calidad de agua han sido considerados. Los algoritmos de CTR pueden
gestionar ms de uno de estos objetivos de forma simultnea, a travs del uso de
estrategias de control multi-objetivo.
Se ha demostrado que la aplicacin de tcnicas de CTR es una solucin confiable,
adaptable y rentable que permite una mejora significativa en el desempeo de los SDU
(Schtze, et al., 2003 & Schilling, et al., 1996). Las dos razones principales por las que la
aplicacin de CTR mejora la operacin de redes de drenaje existentes son (Borsnyi, et
al., 2008):
La mayora de SDU son diseados de acuerdo con reglas de diseo estticas. Sin
embargo, estos sistemas son operados bajo condiciones dinmicas de carga y
descarga.
Existen muchas tcnicas diferentes para el CTR de SDU. A continuacin se muestran dos
estrategias que se han estudiado en este proyecto, y se muestra su funcionamiento y
desempeo en un caso de estudio.
6.2.1
El control predictivo basado en modelo (MPC, por sus siglas en ingls) es un algoritmo de
control multi-objetivo basado en modelo para sistemas dinmicos de mltiples entradas y
salidas (MIMO). El MPC se basa en el modelo matemtico del sistema o planta a controlar
para generar una secuencia de acciones futuras dentro de un horizonte de tiempo finito
(Ocampo Martnez C. , 2010). Estas acciones, conocidas como secuencia de control
ptima en un horizonte, tienen como objetivo minimizar una funcin de costo determinada.
Esta estrategia de control utiliza una filosofa de horizonte deslizante (receding horizon), la
cual consiste en tomar decisiones a partir de la prediccin del comportamiento futuro del
sistema dentro de un horizonte de tiempo finito (Ocampo Martnez, Toro Olmedo, Logist,
Van Impe, & Puig Cayuela, 2011). En el instante de tiempo t, el algoritmo planea la mejor
secuencia de acciones de control futuras
, donde
es un
horizonte de prediccin finito previamente definido.
La determinacin de esta secuencia se realiza resolviendo un problema de optimizacin a
partir de las salidas predichas del sistema y de la funcin de costo que se desea
minimizar. En la prctica, slo se puede realizar el primer movimiento
. En el instante
de tiempo t+1 se repite el mismo procedimiento, desplazando el horizonte de prediccin.
CIACUA
179
Para plantear el problema de control MPC, considrese un sistema dinmico descrito por
medio del siguiente modelo en variables de estado:
Ecuacin 6-1.
Ecuacin 6-2.
donde
contiene las variables de estado del sistema en el tiempo k,
son las entradas (variables manipuladas) del sistema y
son las salidas del
sistema. A, B y C son matrices de coeficientes con dimensiones adecuadas.
Adicionalmente, en este tipo de sistemas es posible tener en cuenta otro tipo de entradas
en el sistema. Estas entradas, llamadas perturbaciones, tienen la caracterstica de ser
medidas pero no manipuladas por el controlador. Para poder incluir estas nuevas seales
en el sistema es necesario cambiar la Ecuacin 6-1, obteniendo ahora la siguiente
ecuacin:
Ecuacin 6-3.
donde el vector
contiene las perturbaciones que entran al sistema y
de coeficientes de dimensiones apropiadas.
es una matriz
TIPO DE VARIABLE
SMBOLO
DESCRIPCIN
Volumen en los
tanques del sistema
Flujo de drenaje a
travs de tuberas y
canales
Precipitaciones
(lluvia).
CIACUA
Ecuacin 6-4.
180
donde
es un horizonte de prediccin finito establecido,
es un vector con valores
de referencia para los estados del sistema en el tiempo , es una matriz positiva semi|
definida y
es una matriz definida positiva de dimensiones adecuadas.
y
| representan la prediccin del estado
y la seal de control
respectivamente, a partir de conocer
.
Considrese la siguiente secuencia de acciones de control:
[
Ecuacin 6-5.
Ecuacin 6-6.
Sujeto a:
Ecuacin 6-7.
Ecuacin 6-8.
Ecuacin 6-9.
donde
y
son el conjunto de valores que pueden tomar los estados y entradas del
sistema, respectivamente. Estos dos conjuntos dependen de las restricciones que existan
sobre
y
, cuyo cumplimiento siempre debe ser garantizado.
Teniendo en cuenta la informacin de la Tabla 6-2, se puede dar una interpretacin fsica
a este problema de optimizacin, en el caso de SDU. Por un lado, se desea que los
volmenes en los tanques estn lo ms cerca posible a unos valores de referencia . Esto
se ve reflejado en la primera parte de la funcin de costo dada por la Ecuacin 6-4. Por
otro lado, se desean minimizar los caudales que circulan a travs de la red de drenaje
(segundo trmino de la funcin de costo). Las matrices y permiten dar ms peso a un
objetivo u otro, dependiendo de las prioridades del sistema. Diferentes funciones de costo
dependiendo convenientemente de los criterios de gestin de las redes consideradas
CIACUA
181
pueden ser establecidas y penalizadas mediante el diseo del controlador MPC (Schtze,
et al., 2003; Ocampo Martnez C. , 2010; Cembrano).
Dos controladores MPC lineales en tiempo discreto fueron implementados. El primero fue
diseado sin restricciones, es decir, sin tener en cuenta la Ecuacin 6-9 del problema de
optimizacin. Un segundo controlador fue diseado teniendo en cuenta las restricciones
del sistema, que en este caso vienen dadas por las capacidades volumtricas en los
tanques y tuberas, y por el flujo que puede circular en actuadores y canales. Estas dos
restricciones implican unos valores mnimos y mximos que se deben cumplir para
asegurar el correcto funcionamiento del sistema de drenaje. El tipo de sensores y
actuadores presentes en el sistema pueden llegar a aadir restricciones adicionales al
sistema, aunque en este caso no fueron consideradas.
Adicionalmente, estos dos controladores fueron modificados para poder tener en cuenta
las lluvias presentes en el sistema. Esto implic tener en cuenta la ecuacin de estado
modificada del sistema dado por la Ecuacin 6-3 para el diseo del controlador, lo que a
su vez modific el modelo de prediccin del controlador y el planteamiento del problema
de optimizacin. Es importante resaltar que para poder tener en cuenta las perturbaciones
se supuso que el controlador tiene la capacidad de medirlas, y cuenta con alguna forma
de predecir su comportamiento futuro dentro del horizonte de prediccin .
Los controladores MPC mencionados hasta este punto son todos lineales. Sin embargo,
la gran mayora de sistemas hidrulicos, y en particular los sistemas de drenaje, tienen un
comportamiento no lineal, por lo que es de gran inters poder aplicar MPC a sistemas no
lineales.
El MPC es un algoritmo altamente dependiente del modelo matemtico que se tiene del
sistema a controlar. Debido a esto, en el caso de sistemas no lineales puede llegar a ser
muy til trabajar con la representacin no lineal del sistema (informacin ms acertada
sobre sus dinmicas), en lugar de trabajar con aproximaciones lineales del modelo.
Estrategias de este tipo ya existen, y se conocen en general como Nonlinear Model
Predictive Control (NMPC). Sin embargo, la aplicacin de MPC en sistemas lineales tiene
varias ventajas frente a la aplicacin de NMPC. Algunas de estas ventajas son (Bordons
Alba & Camacho, 2007):
CIACUA
182
Debido a esto, es de gran inters poder aprovechar las ventajas del MPC lineal descritas
anteriormente para el control de sistemas no lineales, sin perder tanta informacin de las
dinmicas no lineales del sistema. Para abordar este problema se propusieron dos
enfoques.
El primer enfoque propuesto involucra la aplicacin de la tcnica de Gain Scheduling (GS)
(Shamma, 1988). Esta es una metodologa de diseo que consiste en descomponer un
controlador no lineal por medio del diseo de un nmero finito de controladores lineales.
Estos controladores son calculados a partir de linealizaciones del sistema no lineal
alrededor de varios puntos de equilibrio de un conjunto determinado de variables,
conocidas como variables de scheduling.
Apoyados en esta tcnica de control no lineal, se propuso la estrategia de Gain Scheduled
- Model Predictive Control (GS-MPC). Para un sistema no lineal dado, la tcnica GS-MPC
consiste en definir las variables de scheduling del sistema y generar un conjunto modelos
lineales, obtenidos al linearizar el modelo no lineal del sistema alrededor de determinados
puntos de operacin de estas variables. Luego, en cada iteracin se mide el valor actual
de las variables de scheduling y se aplica GS para escoger el modelo lineal ms
apropiado en ese instante de tiempo. Una vez que se ha elegido el modelo lineal ms
apropiado, los controladores MPC lineales descritos anteriormente pueden ser utilizados.
Este enfoque presenta una desventaja. Esta consiste en que para sistemas complejos o
de gran escala con muchas variables de estado y/o muchos puntos de operacin el
nmero de modelos lineales necesarios para aplicar la tcnica GS-MPC puede llegar a
ser demasiado alto, haciendo inviable el uso de esta tcnica. Para solucionar este
problema, se propone un segundo enfoque denominado Linear Paremeter-Varying MPC
(LPV-MPC). Est tcnica se basa en convertir un modelo no lineal de un sistema a un
modelo lineal de parmetro variables (LPV, por sus siglas en ingls). Un sistema LPV es
un sistema lineal cuyas dinmicas dependen de parmetros exgenos que varan en el
tiempo y cuyo comportamiento no se conoce a priori, pero que se puede medir o estimar
en lnea por el controlador (Scherer, 2001). A parir del modelo LPV del sistema no lineal,
la tcnica LPV-MPC consiste en realizar los siguientes tres pasos en cada iteracin del
controlador:
1. Medir (o estimar) los valores actuales de las variables de scheduling.
2. Generar un modelo lineal alrededor de los valores actuales de las variables de
scheduling.
CIACUA
183
3. A partir del modelo lineal generado, disear un controlador MPC lineal, calculando
y aplicando la ley de control ptima al sistema.
De esta forma, con cualquiera de estos dos enfoques se pueden controlar sistemas no
lineales respetando su naturaleza no lineal, y aprovechando a la vez las ventajas que
presenta la aplicacin del MPC a sistemas lineales.
6.2.2
Dinmicas de Replicador
Las dinmicas de replicador son dinmicas no lineales propuestas por Taylor & Jonker
(1978). Estas dinmicas describen la evolucin de una poblacin compuesta por agentes,
los cuales tienen una interaccin estratgica. Esta seccin presenta los conceptos
preliminares de las dinmicas de replicador y cmo pueden ser usadas para resolver un
problema de distribucin dinmica de recursos.
Considerese una poblacin con un nmero grande y finito de agentes. Cada agente
{
}. Existe una
escoge una de las
estrategias disponibles del conjunto
distribucin de los agentes jugando las estrategias dado por un estado de la poblacin
{
}, donde representa el total de masa en
definido en un simplex
la poblacin y el escalar es la masa de agentes jugando la estrategia
.
Se supone que los agentes son racionales y en consecuencia buscan su beneficio
descrito por una funcin de fitness , i.e., la funcin
toma un posible estado en la
poblacin y retorna un valor real de beneficio que recibe la masa de agentes .
Finalmente, se define la funcin de fitness promedio dada por F iS xi Fi .
Las dinmicas de replicador estn dadas por:
Ecuacin 6-10.
184
Convergencia
La Figura 6-4 presenta un caso con 5 tanques en los cuales los tanques 1, 2, 3 y 4 son
tanques fuente y el tanque 5 es sumidero. Para este caso se quieren asignar los flujos de
salida de los tanques fuente de tal forma que todos los tanques fuente se mantengan a un
mismo nivel. Para ello, se asocia la funcin de fitness con el volumen en los tanques y los
estados de la poblacin al flujo de salida de los tanques fuente. La Figura 6-5 muestra la
evolucin de las alturas para esta configuracin.
Divergencia
CIACUA
185
Para este caso, se quiere distribuir el flujo de salida del tanque fuente a los dems
tanques sumidero de tal modo que todos los niveles en los tanques sumidero
permanezcan iguales. Para ello, las fitness se asocian con el espacio disponible en los
tanques sumidero y los estados en la poblacin con los flujos de salida del tanque fuente.
La Figura 6-7 muestra la evolucin para esta configuracin.
Perturbaciones
186
tanques), en consecuencia las perturbaciones no son medidas pero si son detectadas las
variaciones sobre los estados debidos a las perturbaciones.
La Figura 6-8 presenta el comportamiento de convergencia ante una perturbacin. Como
se observa, el controlador gestiona la red de tal modo que se consigue una redistribucin
de los flujos para alcanzar nuevamente el objetivo.
6.2.3
Caso de Estudio
CIACUA
187
En este caso, el objetivo de control consiste en minimizar los flujos liberados a las calles
de la ciudad y al cuerpo de agua receptor, que corresponde al mar Mediterrneo. Las
acciones de control vienen dadas por el accionamiento de las 5 compuertas previamente
descritas y las perturbaciones del sistema son las precipitaciones a lo largo de la red
medidas por los pluvimetros. Las variables de estado a ser controladas son los
volmenes en cada tanque (virtual o real), expresados en
. Teniendo todo esto en
cuenta, el sistema de prueba cuenta con 5 seales de control, 12 variables de estado y 12
perturbaciones medibles.
Para validar las estrategias de control se gener un escenario de lluvias para el sistema.
La Figura 6-10 muestra las seales de los pluvimetros debido a los eventos de lluvia en
los tanques 1, 2, 4, 9 y 12 del caso de estudio.
CIACUA
188
La Figura 6-11 muestra la evolucin de los volmenes arrojados a las calles y al mar
Mediterrneo. Los resultados muestran el caso sin control, con un control predictivo
basado en modelo y con las dinmicas de replicador. Como se observa, el
comportamiento mejora con los controladores y las diferencias entre los volmenes en el
caso del control predictivo son similares al caso de las dinmicas de replicador. En la
Figura 6-12 se muestra el volumen que va a las plantas de tratamiento. Se observa un
mejor comportamiento con el MPC ya que se tiene ms agua tratada que en el caso de
las dinmicas de replicador.
CIACUA
189
En la Tabla 6-3 se presentan los resultados de los controladores MPC y LPV-MPC, con
restricciones (C) y sin restricciones (U). En este caso se muestran tres escenarios
diferentes, en los cuales varan las condiciones iniciales del sistema de drenaje. Se evala
cuando el sistema empieza prcticamente vaco (5% de capacidad al inicio), y cuando
empieza en el 25% y 50% de su capacidad.
Tabla 6-3. Resultados de aplicacin de controladores MPC en caso de estudio.
Condiciones Iniciales: 5% de capacidad mxima
3
Controlador
Volumen Desbordes (m )
Reduccin (%)
Sin Control
7,60E+05
MPC-SR
4,54E+05
40,31%
MPC-CR
4,56E+05
40,06%
GSMPC-SR
4,52E+05
40,57%
GSMPC-CR
4,61E+05
39,33%
Controlador
Volumen Desbordes (m )
Reduccin (%)
Sin Control
2,17E+06
MPC-SR
1,17E+06
46,08%
MPC-CR
1,22E+06
43,67%
GSMPC-SR
1,17E+06
46,03%
GSMPC-CR
1,18E+06
45,66%
CIACUA
Controlador
Volumen Desbordes (m )
Reduccin (%)
Sin Control
1,01E+07
190
MPC-SR
2,94E+06
71,00%
MPC-CR
3,30E+06
67,40%
GSMPC-SR
2,89E+06
71,45%
GSMPC-CR
3,04E+06
69,96%
Ntese que en todos los casos, tanto en los diferentes controladores MPC como en el
controlador con dinmicas de replicador, se presentan mejoras significativas en el
desempeo del sistema de drenaje, en comparacin al caso en el que no hay control.
191
Por otro lado, los sistemas de control en red abordan el problema de incertidumbres
causadas por la red de comunicaciones, tanto en las seales de control, como en el
sistema de medicin. Esta incertidumbre se puede tratar usando estimadores de estado
que predigan un estado libre de incertidumbres tales como ruido, prdidas de paquetes,
etc., para que el control pueda realizar su accin con el mayor conocimiento real del
sistema. A continuacin se describe en detalle las metodologas usadas en cada caso.
6.3.1
El control tolerante a fallas (FTC, por sus siglas en ingls) tiene como propsito asegurar
que los objetivos de control sean parcial o totalmente satisfechos cuando ocurra una falla
en los componentes del sistema. Generalmente, la manera para que un sistema sea
tolerante a fallas consiste de dos pasos: la existencia de un mdulo capaz de detectar y
aislar la falla, y un mdulo capaz de redisear la estrategia de control (Blanke, Kinnaert,
Lunze, & Staroswiecki, 2006).
En la revisin de literatura se encontraron dos grupos principales de FTC: tcnicas
pasivas y tcnicas activas. Las tcnicas pasivas son estrategias fijas que toleran cambios
en la planta, y ayudan a disear un control robusto a la expectativa de fallas. Este tipo de
estrategias de control se encuentran en el rea de control robusto donde con cierto
margen, la estrategia de control tiende a ser inmune a las fallas. Estas estrategias tienen
la desventaja de ser confiables nicamente en un rango restringido de fallas.
Adicionalmente, un controlador robusto puede trabajar en un modo no ptimo para cada
escenario de fallas debido a sus parmetros fijos.
Por otro lado, las tcnicas activas adaptan la ley de control basadas en la informacin en
tiempo real de un bloque de diagnstico y determina la ley de control para cumplir los
objetivos de control. Para llevar a cabo estas tareas se requiere de un monitoreo y
diagnstico que aseguren la eficiencia y seguridad del sistema. Un camino para
monitorear los estados del sistema es usar observadores que comparen la medicin real
con una medida estimada. El diagnstico se enfoca en inferir la ocurrencia y causa de la
falla a partir de un modelo de datos histricos.
En general, pueden usarse dos estrategias pueden ser usadas para la deteccin de fallas:
redundancia de hardware, es decir sensores y actuadores extras, o redundancia analtica
que usa un modelo matemtico de los dispositivos. En sistemas crticos como aeronaves
espaciales o aviones, se prefiere usar redundancia de hardware, y en sistemas de gran
escala como las redes de alcantarillado es conveniente usar redundancia analtica ya que
tiene mucho menor costo de implementacin y mantenimiento (Blesa & Puig, 2013).
Para estudiar el CTR se dise un mdulo para detectar fallas haciendo uso de un banco
de observadores de entradas desconocidas que genera un residual para indicar el
dispositivo que se encuentra con alguna imperfeccin.
CIACUA
192
Ecuacin 6-11.
Ecuacin 6-12.
donde
es el vector de estado,
es el vector de entrada que
corresponde a la accin de control generada por el PI,
es el vector de salida
que en este caso son los niveles de los sensores, y v
es el vector de entradas
desconocidas, que en este caso son las fallas que pueden presentar los dispositivos del
sistema. Para la deteccin de fallas se dise un banco de observadores de entradas
desconocidas (UIO). Este tipo de observadores es bien definido si el error de su estado
estimado tiende a cero asintticamente considerando la presencia de las entradas
desconocidas, por ejemplo las fallas del sistema (Trinh & Fernando, 2012). En un sistema
lineal invariante en el tiempo, el UIO es descrito por el siguiente conjunto de ecuaciones:
Ecuacin 6-13.
Ecuacin 6-14.
donde
es el vector de estado y las matrices N, L, G y E son diseadas para que
converja a
.
El banco que se dise consta de tres UIO, una para cada sensor asociado con cada
tanque y otro que corresponde al actuador del sistema. Estos son colocados en paralelo
al sistema para realizar el desacople de la falla, es decir que si el error de estimacin
correspondiente a cualquier UIO supera un umbral de tolerancia, el banco de UIO estara
indicando en cual dispositivo se est presentando alguna falla.
El principal resultado de esta metodologa permiti saber con exactitud, cul y en qu
momento el sistema se encontraba trabajando con dispositivos fsicos que no estaban en
perfectas condiciones. El ajuste y rediseo de la estrategia de control sern tratados en la
CIACUA
193
segunda fase del proyecto, ya que no se saba con exactitud cules estrategias de CTR
presentaran mejor desempeo en los SDU.
6.3.2
Los sistemas de control en red (NCS, por sus siglas en ingls) han sido desarrollados
para aplicaciones que contienen un sistema de comunicaciones complejo. El principal
objetivo de estos es optimizar el desempeo global del sistema bajo restricciones de la
red de comunicaciones. Algunos ejemplos de NCS pueden encontrarse en redes de
sensores mviles, sistemas de transporte, plantas de manufactura y sistemas de potencia.
Particularmente, las redes de alcantarillado cumplen con todas las propiedades de los
NCS, lo que motiv a desarrollar esta tcnica.
Tradicionalmente, el diseo de las estrategias de control supone canales de
comunicaciones ideales. Por esta razn, el desempeo del sistema puede verse influido a
la hora de implementarse en canales reales de comunicacin, debido a que estos
presentan diferentes restricciones. Adicionar la red comunicaciones como un nuevo
elemento del sistema permite adems de tratar con las restricciones fsicas del canal, una
arquitectura flexible que reduce costos de instalacin y mantenimiento en la redes de
alcantarillado (Atsaklis & Baillieul, 2007).
Entre las limitaciones ms importantes que presentan las comunicaciones en las redes de
alcantarillado se pueden encontrar prdidas de paquetes, retardos, garantizar tiempo real
y ancho de banda limitada. Para tratar parcialmente con los problemas mencionados
anteriormente se puede implementar un control distribuido que reduzca la carga de datos
a comunicar, y asegure el tiempo real en la red de alcantarillado. Debido a que el control
centralizado presenta un mejor desempeo del sistema y que existen muy pocos casos
reales con control distribuido implementado, esta tcnica no se consider como la ms
apropiada para ser aplicar en las redes de alcantarillado. Por otro lado, el enfoque de
tratar las incertidumbres de comunicaciones con observadores de estados, ha sido bien
explorado para diferentes casos de aplicacin.
En particular, el problema de observacin que aborda los NCS, es estimar las medidas de
los sensores que se encuentra a cierta distancia del controlador y reconstruir las seales
de control en los actuadores que hayan sufrido prdidas de informacin por la red de
comunicaciones (Hespanha, Naghshtabrizi, & Xu, 2007). Para llevar a cabo estas tareas
se puede abordar las tareas desde un punto de vista determinstico, es decir minimizar un
conjunto de medidas anteriores sujeto a las restricciones del modelo, o desde lo
estocstico asignando probabilidades de xito en la transmisin de paquetes. Para
estudiar los NCS se dise un compensador predictivo para tratar con la prdida de
paquetes y los retardos producidos por la red de comunicaciones.
CIACUA
194
Ecuacin 6-15.
Ecuacin 6-16.
donde
es el vector de estado,
es el vector de entrada que
corresponde a la accin de control
es el vector de salida que en este caso son
los volmenes en cada tanque, y
son procesos de ruido blanco con media cero.
Se supone que los datos de medida y(k) del sensor, son enviados al controlador a travs
de una red de comunicaciones con retardos y prdida de paquetes. El esquema
propuesto para compensar los retardos y la prdida de paquetes est basado en el
siguiente filtro de Kalman (Xia, Fu, & Liu, 2011):
|
|
|
|
indica si la seal es recibida o no por el
Ecuacin 6-17.
donde
es la matriz de control realimentado determinada por un regulador cuadrtico
lineal (LQR). El enfoque descrito anteriormente tiene como principal resultado disminuir la
incertidumbre producida por la red de comunicaciones alcanzando un desempeo
CIACUA
195
aceptable cuando se tiene hasta 15% de prdida de informacin ya sea por retardos o por
prdida de paquetes.
CIACUA
196
CIACUA
197
Funcin obtener todo (get_all): permite obtener una lista de todos los objetos de un
mismo tipo, i.e., nodos, sub-cuencas, conductos, tanques de almacenamiento.
Asimismo, permite extraer una lista con valores de cierto atributo del objeto.
Funcin modificar apertura (modify_setting): modifica el porcentaje de apertura de
una compuerta en SWMM.
Funcin modificar valor de entrada (modify_input_value): modifica el valor de cierta
propiedad inicial del modelo.
CIACUA
198
Figura 6-15. Resultados del nivel en los tanques sin control. -- V1 -- V2 V3.
199
partir del caso de estudio, el objetivo es mostrar la utilidad de la herramienta de cosimulacin y cmo puede verificarse la eficacia de diversas estrategias de control.
Con base en la experiencia de modelacin presentada anteriormente, en la Fase II de la
presente investigacin se implementar un modelo orientado a control del SDU del sector
Chic de Bogot (descrito en la pgina 7). ste ser un modelo simplificado del sistema y
ser utilizado para probar estrategias de control dependientes de modelo, como MPC,
GS, Lgica Difusa, entre otros. As mismo, aprovechando la funcionalidad de Matlab y la
versatilidad de la herramienta de co-simulacin, ser posible determinar una posicin
ptima para los sensores en el sistema. Se estimar la posicin del mnimo nmero de
sensores necesarios para garantizar controlabilidad y observabilidad del sistema, es decir
que la informacin de entrada garantice un solucin al problema de control y que se
pueda llevar el sistema a un estado deseado. Finalmente, se modelar el sistema de
comunicaciones que transmitir informacin entre sensores y actuadores. De esta
manera, se observar el efecto de prdida de informacin en el canal de comunicaciones
y problemas derivados de la desincronizacin del sistema. Se corregirn dichos
problemas modelando estrategias de control de redes.
6.5 Conclusiones
El CTR aplicado a SDU cubre principalmente el estudio de modelos y de estrategias de
control que pudieran ser aplicados en ciudades colombianas. Las redes de drenaje
urbano se pueden considerar sistemas de gran escala por la disposicin geogrfica de los
elementos en las ciudades, sumado a la gran cantidad de elementos que la componen,
como tuberas, tanques de almacenamiento, vlvulas, compuertas, sensores, entre otros.
En el diseo de estrategias de control, se requiere de un modelo del sistema de drenaje
que sintetice las caractersticas ms importantes de la red. Para el caso de los sistemas
de drenaje se estudiaron varios tipos de modelos unos principalmente orientados a la
simulacin que estn basados en las ecuaciones de Saint-Venant, pero que por su costo
computacional son de difcil aplicacin para control en tiempo real del sistema de drenaje.
Por otro lado, se estudiaron modelos orientados a control que son un poco ms simples y
con menor costo computacional, que pueden ser empleados por las estrategias de CTR.
Luego de determinar los modelos ms apropiados para modelar SDU de gran escala, se
disearon, implementaron y probaron varios tipos de controles que permitieron disminuir
el vertimiento de aguas residuales a las calles y a cuerpos de agua a parir de un caso de
estudio (el sistema de drenaje urbano de la ciudad de Barcelona). Se encontr que la
estrategia de MPC es una estrategia de control idnea que ser aplicada para en el CTR
de SDU. Sumado a que permite agregar a la funcin de costo requerimientos operativos,
econmicos, energticos, con esto se tienen ventajas superiores sobre otras estrategias
de control. Por ltimo, se estudi una temtica novedosa para puede ser implementada en
SDU como es el aseguramiento de la operacin que aborda problemticas de seguridad y
control tolerante a fallos.
CIACUA
200
7. Publicaciones Fase I
Uno de los productos ms importantes del desarrollo de la presente investigacin est
relacionado con la divulgacin de los resultados en eventos internacionales y en revistas
arbitradas. Adems de las diferentes metodologas planteadas (para determinar eventos
de precipitacin, localizar y dimensionar tanques de almacenamiento, y
aplicar
estrategias de CTR), de los resultados obtenidos en las diferentes reas y en particular
del desarrollo del Toolkit de EPASWMM, las siguientes publicaciones hacen parte de los
productos de la primera fase del proyecto. Al igual que los resultados, las publicaciones se
presentan por reas de conocimiento.
TTULO
AUTORES
JOURNAL/EVENTO
Water Resources
Research o
Hydrology and Earth
System Sciences
Climate Change
Congreso
Latinoamericano de
Hidrulica e
Hidrologa
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
ESTADO
Redaccin
Redaccin
Artculo
presentado y
publicado
Artculo
presentado y
publicado
Redaccin
201
TTULO
Dimensionamiento y Localizacin ptima de
Tanques de Almacenamiento para la
Minimizacin de Inundaciones (Concentrado
en volmenes y con control hidrulico)
AUTORES
Maria Cunha, Nuno Simoes,
Joao Zeferino, Pedro
Iglesias, Javier Martnez,
Juan Saldarriaga y Camilo
Salcedo
JOURNAL/EVENTO
ESTADO
Water Resources
Planning and
Management
Redaccin
Water Resources
Management o
Journal of
Hydroinformatics
Congreso
Latinoamericano de
Hidrulica e
Hidrologa
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
Redaccin
Artculo
presentado y
publicado
Artculo
presentado y
publicado
Redaccin
TTULO
Ampliacin de las
capacidades del Toolkit de
EPASWMM para
optimizacin de redes de
drenaje urbano
Modelacin de Redes de
Drenaje Urbano bajo
escenarios de Cambio
Climtico
Modelacin de Redes de
Drenaje Urbano bajo
escenarios de Cambio
Climtico
CIACUA
AUTORES
JOURNAL/EVENTO
ESTADO
Water Resources
Planning and
Management
Redaccin
Seminario Nacional
de Hidrulica e
Hidrologa
(Colombia)
Resumen
extendido
aceptado
para
conferencia
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
Redaccin
202
TTULO
Drenaje Urbano y Cambio
Climtico: haca los sistemas
de alcantarillado del futuro
AUTORES
Juan Saldarriaga, Ins Camilloni, Mara
Cunha, Nuno Simoes, Joao Zeferino, Pedro
Iglesias, Javier Martnez, Nicanor Quijano,
Carlos Ocampo, Diego Pez, Jessica
Bohrquez, Camilo Salcedo y Daniel
Vallejo
JOURNAL/EVENTO
Simposio
Iberoamericano
sobre Sistemas de
Abastecimiento de
Agua y Drenaje
Urbano
ESTADO
Redaccin
TTULO
A survey on Modeling, Real-time
Control and Secure Operation of
Urban Drainage Systems
JOURNAL/EVENTO
ESTADO
Water Resources
Management
Enviado
Hydroinformatics
Conference
Artculo
aceptado para
presentacin
oral
Congreso
Latinoamericano de
Control Automtico
Enviado
Journal of the
Franklin Institute
Enviado
IEEE Conference on
Decision and
Control
Sometido a
Revisin
IEEE Conference on
Decision and
Control
Sometido a
Revisin
G. Riao-Briceo, J. Barreiro-Gmez, N.
Quijano
Por Definir
Redaccin
CIACUA
AUTORES
L. Garca-Gutirrez, E. Escobar, J. BarreiroGmez, D. Tllez, N. Quijano and C.
Ocampo-Martnez
L. Garca-Gutirrez, E. Escobar, J. BarreiroGmez, N. Quijano and C. OcampoMartnez
and D. Tllez
203
8. Trabajo Futuro
Considerando los objetivos descritos en la Seccin 1.1, el alcance y el impacto del
proyecto, la presente investigacin contempla una Fase II con el objetivo de
complementar la generacin de conocimiento y la aplicacin de las metodologas producto
de la Fase I. Con el fin de cumplir con estos objetivos, Mexichem particip en la
Convocatoria 633 de Colciencias para obtener, a travs de la modalidad de Beneficios
Tributarios, la financiacin necesaria para desarrollar la Fase II de la presente
investigacin. El trabajo futuro est contemplado, al igual que el desarrollo de la Fase I en
las siguientes reas del conocimiento: Cambio Climtico, Reduccin de Caudales Pico,
Modelacin Computacional y Control en Tiempo Real.
En el rea de Cambio Climtico uno de los objetivos es aplicar las metodologas
planteadas en la Fase I al caso de estudio, utilizando los resultados de los MCGs
validados en la primera fase para el escenario RCP 4.5. Igualmente explorar otros MCGs
para determinar su funcionamiento en la zona de estudio considerando la metodologa de
validacin utilizada en la Fase I y otros mecanismos nuevos que puedan ayudar a validar
ms estrictamente los MCGs.
Una de las actividades realizadas para utilizar los MCGs en la metodologa planteada es
el desarrollo de metodologas de DownScaling de los resultados originales de los MCGs
para que estos sean aplicables a contextos urbanos. Uno de los objetivos para la Fase II
del proyecto es el avance en la determinacin de metodologas para disminuir la
resolucin de los resultados de los MCGs sin perder la precisin de sus estimaciones de
precipitacin en el futuro.
Por su parte, si se consideran las condiciones actuales de los SDU de aguas lluvias en la
ciudad de Bogot, la aplicacin prctica de las metodologas de dimensionamiento y
ubicacin de tanques de almacenamiento est supeditada a la presencia de basuras en
estos sistemas pues esto podra comprometer el funcionamiento hidrulico de las
estructuras instaladas. As, aunque la problemtica anterior no est directamente
relacionada con el CC ser abordada en la Fase II del proyecto dada su importancia.
En el rea de Reduccin de Caudales Pico se seguir conservando la divisin propuesta
entre optimizacin con control hidrulico y sin ste, para poder abordar el problema
relacionado con la localizacin y el dimensionamiento de estructuras de almacenamiento
en los sistemas de drenaje urbano de una forma ms amplia.
En primer lugar, en el rea de optimizacin con control hidrulico se analizar la evolucin
del Toolkit, adaptando as el modelo de decisin a los nuevos desarrollos de esta
herramienta. De igual manera, se desarrollarn funciones de costo que representen los
daos potenciales generados por las inundaciones con el fin de que el modelo de
optimizacin enfocado a costos pueda ser utilizado. Una vez esto sea hecho, se
CIACUA
204
205
CIACUA
206
9. Bibliografa
Abadie, J., & Carpentier, J. (1969). Generalization of the Wolfe reduced gradient method
to the case of non-linear constrains. En R. Fletcher (Ed.), Optimization (pgs. 3747). New York: Academic Press.
Acevedo, L. (2009). Estimacin Hidrolgica bajo escenarios de Cambio Climtico. UNAL
Medelln.
Achleitner, S., Rauch, W., & Mderl, M. (2007). City-drain an open source approach for
simulation of integrated urban drainage systems.
Alperovits, E., & Shamir, U. (1977). Design of Optimal Water Distribution Systems (Vol. 13
No. 6). Haifa, Israel: Water Resourcs Research.
Andrs-Domnech, I., Montanari, A., & Marco, J. (2012). Efficiency of Storm Detention
Tanks for Urban Drainage Systems under Climate Variability. Journal of Water
Resources Planning and Managment, 36-46.
Artita, K., Kaini, P., & Nicklow, J. (2013). Examining the Possibilities: Generatong
Alternative Watershed-Scale BMP Designs with Evolutionary Algorithms. Water
resources management, 27(11), 3849-3863.
Atsaklis, P., & Baillieul, J. (2007). Control and Communication Challenges in Networked
Real-Time Systems. Proceedings of the IEEE, 95(1), 9-28.
Behera, P., Papa, F., & Adams, B. (1999). Optimization of regional storm-water
management systems. J. Water Resour. Piann. Manage, 125(2), 107-114.
Benavides, H. (2011). Evidencias del Cambio Climtico en Colombia - Anlisis de
tendencias de precipitacin y temperatura para diferentes pisos trmicos.
Bennett, M., & Mays, L. (1985). Optimal design of detention and drainage channel system
. J. Water Resource. Piann. Manage, 111(1), 99-112.
Bentley. (2014). Water GEMS.
Blanke, M., Kinnaert, M., Lunze, J., & Staroswiecki, M. (2006). Diagnosis and FaultTolerant Control.
Blesa, J., & Puig, V. (2013). Limnimeter and rain gauge FDI in sewer networks using an
interval parity equations based detection approach and an enhanced isolation
scheme. 21(2), 146-170.
Bordons Alba, C., & Camacho, E. (2007). Model Predictive Control.
CIACUA
207
Borsnyi , P., Benedetti, L., Dirckx, G., De Keyser, W., Muschalla, D., Solvi, A.-M., . . .
Vanrolleghem, P. (2008). Modelling real-time control options on virtual sewer
systems,. Journal of Environmental Engineering and Science, 7(4), pgs. 395-410.
Bosshard, T., & Kotlarski, S. (2011). Spectral representation of the annual cycle in the
climate change signal. Hydrology and Earth System Sciences, 2777-2788.
Brooke, A., Kendrick, D., & Meeraus, A. (1988). GAMS: A Users Guide. The Scientific
Press.
Burns, M., Fletcher, T., Walsh, C., Landson, A., & Hatt, B. (2012). Hydrologic
shortcomings of conventional urban stormwater management and opportunities for
reform. Landsc. Urban Pian., 105, 230-240.
Butler, D., & Davies, J. (2011). Urban Drainage (3 ed.). Londres: CRC Press.
Butler, D., & Schtze, M. (s.f.). Integrating simulation models with a view to optimal control
of urban wastewater systems. Environmental modelling & software.
Butler, D., & Schuzte, M. (2005). Integrating simulation models with a view to optimal
control of urban wastewater systems. Environmental Modelling & Software, 415426.
Cembrano, G., Quevedo, J., Salamero, M., Puig, V., Figueras, J., & Marti, J. (s.f.). Optimal
control of urban drainage systems: a case study. Control Engineering Practice.
Chan, C., Dickinson, R., & Burguess , E. (2005). Runtime Comparisons between SWMM4
and SWMM5 using various Continuous Simulation Model Networks. Effective
Modeling of Urban Water Systems, Monograph 13.
Chow, V., Maidment, D., & Mays, L. (1994). Hidrologa Aplicada. Santaf de Bogot:
McGraw-Hill.
CIACUA. (2013). Cambio Climtico y Variacin Futura en la intensidad de las
precipitaciones en las ciudades colombianas. Revisin Bibliogrfica. Bogot:
Uniandes.
CIACUA. (2013). Metodologas de reduccin de caudales pico y presentacin del caso de
estudio. Estado del Arte. Bogot: Uniandes.
Cruz, M. (1999). Determinacin de la tormenta de diseo. Ingeniera Hidrulica y
Ambiental, 27-30.
Cunha, M., Pinheiro, L., Zeferino, J., Antunes, A., & Alfonso, P. (2009). Optimization model
for integrated regional wastewater systems planning. (ASCE, Ed.) Journal of water
resources planning and management, 135(1), pgs. 23-33.
CIACUA
208
Curtis, C., & McCuen, R. (1977). Design Efficiencies of Stormwater Detention Basin.
Jornal of the Water Resources Planning and Management Division, 103(1), 125140.
De Martino, G., De Paola, F., Fontana, N., Marini, G., & Ranucci, A. (2011). Pollution
Reduction in Receivers: Storm-Water Tan. Journal of Urban Planning and
Development, 29-38.
Deb, K., Prapat, A., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic
algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182197.
Di Toro, D., & Small, M. (1979). Stormwater Interception and Storage. Journal of the
Enviromental Engineering Division, 105, 43-54.
Dowsland, K. (1993). Simulated annealing. Modern Heuristic Techniques for Combinatorial
Problems, 20-69. Nueva York, USA: John Wiley & Sons.
Doyle, J. (19-22 de Abril de 1976). Efficient Storage of Urban Storm Water Runoff..
Proceedings of the Conference on Environmental Modeling and Simulation, 139143. Cincinnati, Ohio, USA.
Duan, N., Mays , L., & Lansky, K. (1990). Optimal based design of pumping and
distribution systems. Journal of Hydraulics Engineering, 116(2), 249-286.
ESRI. (2012). ArcMap 10.1. Redlands, California.
Fletcher, T., Andrieu, H., & Hamel, P. (2013). Understanding, management and modelling
of urban hydrology and its consequences for receiving waters: A state of the art.
Adv. Water Resour, 51, 261-279.
Fu, G., Butler, D., & Khu, S.-T. (2008). Multiple objective optimal control of integrated
urban wastewater systems. Environmental Modelling & Software, 225-234.
Fu, G., Khu, S.-T., & Butler, D. (2010). Optimal Distribution and Control of Storage Tank to
Mitigate the Impact of New Developments on Receiving Water Quality. Journal of
Environmental Engineering, 136(3), 335-342.
Fujiwara, O., Jenchaimahakoon, B., & Edirisinghe, N. (1987). A modified linear
programming gradient method for optimal design of looped water distribution
networks. Water Resources Research, 23(6), 977-982.
Garca Gutierrez, L., Escobar, E., Barreiro Gomez, J., Quijano, N., Ocampo Martinez, C.,
& Tellez, D. (2014). ON THE MODELING AND REAL-TIME CONTROL OF URBAN
DRAINAGE SYSTEMS: A SURVEY HIC2014. New York City, USA.
CIACUA
209
Garca Gutierrez, L., Escobar, E., Barreiro Gomez, J., Tllez, D., Quijano, N., & Ocampo
Martinez, C. (17 de agosto de 2014). A SURVEY ON MODELING, RTC AND
SECURE OPERATION OF URBAN DRAINAGE SYSTEMS.
Granados, A. (1990). Redes colectivas de riego a presin. E.T.S.I.C.C.P y U. Politecnica
de Madrid.
Grimson, R., Montroull, N., Saurral, R., Vasquez, P., & Camilloni, I. (2013). Hydrologic
modelling of the Iber Wetlands in southeastern South America. Journal of
Hydrology, 47-54.
Guidolin, M., Burovskiy, P., Kapelan, Z., & Savic, D. (2011). An Object-Oriented Toolkit for
Water Distribution System Simulations. Water Distribution System Analysis, 1-13.
Gulizia , C., & Camilloni, I. (2014). Comparative analysis of the ability of a set of CMIP3
and CMIP5 global climate models to represent the precipitation in South America.
Int J. of Climatology (en prensa).
Gulizia, C., Moiria , D., & Camilloni, I. (2012). Identification of the principal patterns of
summer moisture in South America and their representation by WCRP/CMIP3
global climate models. Buenos Aires, Argentina: Springer.
Harris, I., Jones, P., Osborn , T., & Lister, D. (2014). Updated high-resolution grids of
monthly climatic observations. International Journal of Climatology.
Hespanha, J. P., Naghshtabrizi, P., & Xu, Y. (2007). A Survey of Recent Results in
Networked Control Systems. Proceedings of the IEEE, 95(1), 138-162.
Hirsch, C. (1990). Numerical Computation of Internal and External Flows Volume 2:
Computational Methods for Inviscid and Viscous Flows. Inglaterra: John Wiley &
Sons Ltd.
Howard, C. (Agosto de 1976). Theory of Storage and Treatment-Plant Overflows. Journal
of Environmental Engineering Division, 102(EE4), 709-722.
HR Wallingford Software. (2008). Conveyance Estimation System 2.0.0.3 - CES. Reino
Unido.
Huber, W., & Dickinson, R. (1988). Storm Water Management Model, Version 4: Users
Manueal. Athens, Georgia.
Iglesias Rey, P. L., & Martnez Solano, F. J. (Junio de 2013). Anlisis de Redes de
Alcantarillado mediante el programa SWMM 5. Curso de Verano. Bogot:
Universidad Politectinca de Valencia.
CIACUA
210
Iglesias, P., & Martnez, F. (2014). Gua de Manejo Rpido de la Librera de Conexin de
SWMM 5. Espaa: Universidad Politcnica de Valencia.
Kandiah, V. (2012). Population-based search enabled by high performance computing for
BWN-II design. WDSA 2012: 14th Water Distribution Systems Analysis Conference
(pg. 536). Adelaide: Engineers Australia.
Kirkpatrick, S., Gellat, C., & Vecchi, M. (1983). Optimization by Simulated Annealing.
Science, 220(4598), 671-680.
Kuo, J., Cheng, W., & Chen, L. (2003). Multiobjective water resources systems analysis
using genetic algorithms application to Chou-Shui River Basin Taiwan. Water
Science and Technology, 48(10), 71-77.
Lansey, K., & Mays, L. (1989). Optimization model for water distribution system design.
Journal of Hydraulic Engineering, 115(10), 1401-1418.
Lavado, W., Labat, D., Guyot, J., & Ardoin-Bardin, S. (2011). Assessment of climate
change impacts on the hydrology of the Peruvian AmazonAndes basin.
Hydrological Processes, 3721-3734.
Li, X., & Wei, X. (2008). An Improved Genetic Algorithm-Simulated Annealing Hybrid
Algorithm for the Optimization of Multiple Reservoirs. WATER RESOURCES
MANAGEMENT, 22(8), 1031-1049.
Li, Y., Kang, J.-H., Lau, S.-L., Kayhanian, M., & Stenstorm, M. (2008). Optimization of
Settling Tank Design to Remove Particles and Metals. Journal of Environmental
Engineering, 885-894.
Liebman, J., Ladson, L., Schrage, L., & Waren, A. (1986). Modeling and Optimization with
GINO. The Scientific Press.
Lin, J., Sedigh, S., & Miller, A. (2009). Towards integrated simulation of cyber-physical
systems: a case study on intelligent water distribution. In Dependable, Autonomic
and Secure Computing, 690-695.
Loganathan, V., Delleur, J. W., & Segarra, R. I. (1985). Planning Detention Storage for
Stormwater Management. Journal of Water Resource Planning and Management,
111, 382-398.
Mailhot, A., & Duchesne, S. (2010). Design Criteria of Urban Drainage Infraestructures
under Climate Change. Journal of Water Resources Planning and Management,
201 - 208.
CIACUA
211
Maksimovi, ., rodanovi, D., Boonya-Aroonnet, S., Leitao, J., Djordjevi, S., & Allitt, R.
(2009). Overland flow and pathway analysis for modelling of urban pluvial flooding.
Journal of Hydraulic Research, 47, 4, 512-523.
Masatsugu Takamatsu, M., Barret, M., & Charbeneau, R. (2010). Hydraulic Model for
Sedimentation in Storm-Water Detention Basins. Journal of Environmental
Engineering, 527-534.
Mays, L., & Bendiet, P. (s.f.). Model for optimal size and location of detention.. J. Water
Resour. Plann. Manage, 108(3), 270-285.
McKinney, W. (2012). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and
IPython.
Meredith, D., Middleton, A., & Smith, J. (1990). Design of Detention Basins for Industrial
Sites. Journal Water Resource Planning and Management, 586-591.
Michalewicz, Z., & Fogel, D. (2004). How to solve it: Modern heuristics . Berlin, Alemania:
Springer.
Ministerio de Vivienda, Ciudad y Territorio. (2012). Reglamento Tcnico del Sector de
Agua Potable y Saneamiento Bsico. Ttulo D: Sistemas de Recoleccin y
Evacuacin de Aguas Residuales Domsticas y Aguas Lluvias. Bogot D.C.,
Colombia.
Monbaliu, J., Jo, J., Fraisse, C., & Vadas, R. (1990). Computer aided design of pipe
networks. (S. Simonovic, I. Goulter, D. Burn, & B. Lence, Edits.) Winnipeg,
Canada: Friesen Printers.
Monem, M., & Namdarian, R. (s.f.). Application of simulated annealing techniques for
optimal water distribution in irrigation canals. Irrigation and Dranage, 54(4), 365-73.
Mora-Meli, D., Iglesias-Rey, P., Martnez-Solano, F., & Fuertes-Miquel, V. (Septiembre
de 2013). Design of Water Distribution Networks using a Pseudo-Genetic Algorithm
and Sensitivity of Genetic Operators. Water Resources Managment, 27, 4149-4162.
Mulvey, J., Vanderbei, R., & Zenios, S. (1995). Robust optimization of large-scale
systems. Operations Research, 43(2), 264-281.
Murtagh , B., & Saunders, M. (1987). MINOS 5.1 Users Guide.System Optimization
Laboratory. Departament of Operations Research, Stanford University.
Newell, A., Shaw, C., & Simon, H. (1962). The process of creative thinking. (W.
Wertheimer, & H. Grubert, Edits.) New York: Atherton Press.
CIACUA
212
Nix, S., & Heany, J. (1988). Optimization of storm water storage-release strategies. Water
Resources Research, 24(11), 1831-1838.
Ocampo Martnez, C. (2010). Model Predictive Control of Wastewater Systems. Springer.
Ocampo Martnez, C., Puig Cayuela, V., Cembrano Gennari, G., & Quevedo Casn, J.
(Febrero de 2013). Application of Predictive Control Strategies to the Management
of Complex Networks in the Urban Water Cycle. IEEE Control Systems Magazine,
15-41.
Ocampo Martnez, C., Toro Olmedo, R., Logist, F., Van Impe, J., & Puig Cayuela, V.
(2011). Tuning of predictive controllers for drinking water networked systems.
14507-14512. Miln, Italia.
Papa, F., & Adams, B. (1997). Application of derived probability and dynamic programming
techniques to planning regional stormwater management systems. Water Sci.
Technol, 36(5), 227-234.
Park, M., Chung, G., Yoo, C., & Kim, J. (2012). Optimal design of stormwater detention
basin using the genetic algorithm.. KSCE Journal of Civil Engineering, 16(4), 660666.
Prez Murillo, G. (2013). Implementacin de un modelo fsico para el anlisis de retencin
de agua lluvia en techos verdes modulares. Bogot: Uniandes.
Pimentel, H., & Formiga, K. (2001). PNL2000: Mtodo prtico de dimensionamento
econmico de gua. Revista Brasilera de Recursos Hrdicos, 6(4), 91-108.
Pulgarn Dvila, E. (2009). Frmulas regionales para la estimacin de curvas intensidadfrecuencia-duracin basadas en las propiedades de escala de la lluvia. Medelln:
Universidad Nacional de Colombia.
Qin, H., Li, Z., & fU, G. (2013). The effects of low impact development on urban flooding
under different rainfall characteristics. J. Environ. Manage, 129, 577-585.
Quindry, G., Brill, E., Liebman, J., & Robinson, A. (1979). Comment on "Design of optimal
water distribution systems by Alperovits E. and Shamir U". Water Resources
Research, 15(6), 1651-1654.
Ramirez, J. (2000). Prediction and modeling of flood hydrology and hydraulics. Inland
Flood Hazards. Colorado State University.: E. E. Wohl,.
Rathnam, E., ABdulla, S., & Jayakumar, K. (2002). Urban Runoff Estimation and
Optimization of Stormwater Detention SystemsA Case Study for Hyderabad City,
India. Bridges, 10(40644), 43.
CIACUA
213
214
Segarra, R. (1995). Optimal design of runoff storage/release systems. Water Sci Technol,
32(1), 193-199.
Shamma, J. (1988). Analysis and design of gain scheduled control systems.
Stouffer , R., Taylor, K., & Meehl, G. (2011). Long-term experimental Design. Clivar.
Taylor, K., Stouffer, R., & Meehl, G. (2012). An Overview of CMIP5 and the experiment
design. Bulletin of the American Meteorological Society, 485-498.
Taylor, P., & Jonker, L. (1978). Evolutionary stable strategies and game dynamics. 40,
145-156.
Tmez, J. (1987). Clculo hidrometeorolgico de caudames mximos en pequeas
cuencas naturales. MOPU.
Travis, Q., & Mays, L. (2008). Optimizing Retention Basin Networks. J. Water Resour.
Plann. Manage., 134, 5, 432-439.
Trinh, H., & Fernando, T. (2012). Functional Observers for Dynamical Systems. Berln .
USDA. (1986). Estimating Runoff: SCS Runoff Curve Number Method. Urban Hydrology
for Small Watersheds - TR55, 1-11.
Vanrollenghem, P., Benedetti, L., & Meirlaen, J. (2005). Modelling and real-time control of
the integrated urban wastewater system. Environmental Modelling & Software,
427-442.
Vera, C., Liebmann, B., Silvestri, G., & Gonzalez, P. (2006). Climate change scenarios for
seasonal precipitation in South America from IPCC-AR4 models. Geophys.
Vidal, J., & Wade, S. (2007). A framework for developing high-resolution multi-model
climate projections: 21st century scenarios for the UK. International Journey
CLimatol, 843-858.
Wong, T., Allen, R., Brown, R., Deletic, A., Gangadharan, L., Gernjak, W., . . . Walsh, C.
(2013). Blueprint2013. Stormwater Management in a Water Sensitive City,
Cooperative Research Centre for Water Sensitive.
Wood, A., Leung Lai , R., Sridhar, V., & Lettebnmaier, D. (2004). Hydrologic implications of
dynamical and statistical approaches to downscaling climate model outputs.
Washinton: Kluwer Academic Publishers.
Wood, A., Maurer, E., Kumar, A., & Lettenmaier, D. (2002). Long-range experimental
hydrologic forecasting for the eastern United States. Journey of Geophysical.
Xia, Y., Fu, M., & Liu, G.-P. (2011). Analysis and Synthesis of Networked Control Systems.
CIACUA
215
Yazdi, J., & Neyshabouri, S. (2012). Optimal design of flood-control multi-reservoir system
on a watershed scale. Natural hazards, 63(2), 629-646.
Yeh, C., & Labadie, J. (1997). Multiobjective watershed-level planning of storm water
detention systems. 123(6), pgs. 336-343.
Zeferino, J., Antunes, A. P., & Cunha, M. (2010). Multi-objective model for regional
wastewater systems planning. Civil Engineering and Environmental Systems,,
27(2), 95-106.
Zeferino, J., Antunes, A., & Cunha, M. (2009). An efficient simulated annealing algorithm
for regional wastewater system planning. Computer-Aided Civil and Infrastructure
Engineering, 24(5), 359-370.
Zeferino, J., Antunes, A., & Cunha, M. (2009). An efficient simulated annealing algorithm
for regional wastewater system planning. 24(5), 359-370.
Zhen, X.-Y., Yu, S., & Lin, J.-Y. (2004). Optimal location and sizing of stormwater basins at
watershed scale. ASCE, Journal of Water Resources Planning and Management,
130(4), 339-347.
Zoppou, C. (2001). Review of urban storm water models. Environmental modelling and
software, 16(3), 195-231.
CIACUA
216
10.
10.1
Anexos
Ecuaciones Curvas IDF ciudad de Bogot
PERIODO DE RETORNO
CHIC NORTE
ID SECTOR
C1
Xo
C2
PERIODO DE RETORNO
CHIC SUR
ID SECTOR
C1
Xo
C2
PERIODO DE RETORNO
MINI CHIC SUR
ID SECTOR
C1
Xo
C2
PERIODO DE RETORNO
CHIC NORTE
CIACUA
ID SECTOR
5492,14
35,92
1,07
5203,66
33,44
1,05
5501,48
35,79
1,06
217
5299,03
34,70
1,05
4915,10
31,81
1,04
4204,70
26,15
1,01
4669,60
29,33
1,03
4663,11
29,53
1,04
PERIODO DE RETORNO
CHIC SUR
ID SECTOR
4234,58
25,94
1,02
4485,32
27,83
1,03
3992,36
23,80
1,00
4035,63
24,07
1,01
4007,79
23,82
1,01
PERIODO DE RETORNO
MINI CHIC SUR
10.2
ID SECTOR
4035,63
24,07
1,01
4007,79
23,82
1,01
Para
,
y
los cuatro primeros momentos
trminos de los MPP segn las siguientes expresiones:
El parmetro
CIACUA
se pueden expresar en
se calcula como:
218
Donde:
Los parmetros
se calculan como:
[
Donde:
{ [
Al expresar
10.3
]}
CIACUA
219
10.4
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
Sector 6
220
Sector 7
Sector 8
CHIC SUR
CIACUA
Sector 1
Sector 2
Sector 3
Sector 4
221
Sector 5
10.5
CIACUA
222
CIACUA
223
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
224
Sector 7
10.6.1.2
CIACUA
Sector 8
Hietogramas de Precipitacin
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
225
Sector 7
Sector 8
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
226
10.6.2.2
Hietogramas de Precipitacin
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
CIACUA
Curvas IDF
227
10.6.3.2
10.7
Hietogramas de Precipitacin
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
228
Sector 7
10.7.1.2
Sector 8
Hietogramas de Precipitacin
Sector 1
Sector 3
CIACUA
Sector 2
Sector 4
229
CIACUA
Sector 5
Sector 6
Sector 7
Sector 8
230
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
231
10.7.2.2
Hietogramas de Precipitacin
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
CIACUA
232
Curvas IDF
10.7.3.2
Hietogramas de Precipitacin
CIACUA
233
10.8
CIACUA
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
Sector 7
Sector 8
234
10.8.1.2
CIACUA
Hietogramas de Precipitacin
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
Sector 6
Sector 7
Sector 8
235
Curvas IDF
Sector 1
Sector 2
Sector 3
Sector 4
Sector 5
CIACUA
236
10.8.2.2
Hietogramas de Precipitacin
Sector 1
Sector 3
Sector 2
Sector 4
Sector 5
CIACUA
237
Curvas IDF
10.8.3.2
Hietogramas de Precipitacin
10.9
CIACUA
TIPO
NOMBRE
TUBERA
PLB86066
NODO
PMP93228
CAMBIO
CORTAR TUBERA EN 2 SEGN LA INTERSECCIN CON LA OTRA LNEA
TRONCAL
MOVER EL NODO HASTA LA INTERSECCIN DE LA TRONCAL CON LA
LOCAL
TUBERA
PLB86066
TUBERA
PLT81783
TUBERA
PLC94199
TUBERA
PLC94199
238
CIACUA
SE CRE EL NODO
CON PLC94199
SE CRE EL NODO
CON PLC94198
SE CRE EL NODO
CON PLC94508
SE CRE EL NODO
CON PLC94502
NODO
CRE01
NODO
CRE02
NODO
CRE03
NODO
CRE04
TUBERA
PLC94502
NODO
CRE05
TUBERA
PLB86066
NODO
CRE06
TUBERA
PLT85809
NODO
PMI92816
NODO
PMP93208
TUBERA
PLT85995
TUBERA
PLT100663
NODO
PMP106089
NODO
PMP106088
TUBERA
PLT100691
NODO
PMI92814
NODO
PMP93201
NODO
PMP93202
NODO
PMP93200
NODO
PMP93203
NODO
PMP93204
TUBERA
PLT85996
TUBERA
PLT86002
TUBERA
PLT85997
TUBERA
PLT86001
TUBERA
PLT86000
TUBERA
PLT85998
TUBERA
PLT86006
NODO
PMP93211
TUBERA
PLT85739
NODO
CRE07
NODO
PMP93144
NODO
PMP93145
NODO
PMP93120
NODO
PMP93223
NODO
CRE08
NODO
DESC
239
RED
TUBERA
PLB86092
NODO
CRE09
NODO
CRE01
NODO
CRE02
NODO
CRE03
NODO
CRE04
NODO
CRE05
NODO
CRE06
NODO
CRE07
NODO
PMI92782
COTAFONDO=2545.59-COTATERREN=2549.96COTAFONDO=2546.42-COTATERREN=2550.79COTAFONDO=2545.73-COTATERREN=2551.12COTAFONDO=2545.79-COTATERREN=2551.18COTAFONDO=2549.13-COTATERREN=2551.68-
TUBERA
TUBERA
PLV86064
NODO
CRE05
NODO
CRE04
NODO
NODO
NODO
NODO
NODO
NODO
LNEA
PLT86034
NODO
PMP93222
NODO
PMI92798
OBSERVACIONES:
PARA LOS NODOS SE TOMO LA COTABATEAFINAL DE LA TUBERA AGUAS ARRIBA COMO VALOR PARA LA
COTA DE FONDO. ES IMPORTANTE ACLARARA QUE EN EL CASO DE TENER MS DE UNA TUBERA DE
LLEGADA SE TOM EL MENOR VALOR DE LA COTA
CIACUA
240
PARA LOS CASO DE TENER NODOS INICIALES SE TOMO EL DATO DE LA SIGUIENTE TUBERA AGUAS
ABAJO. NUEVAMENTE EN CASO DE TENER MS DE UNA SE TOMO LA DE MENOR VALOR
EN LOS CASO DE TENER MATERIAL=0 SE TOM COMO CONCRETO CON N DE MANNING DE 0.013
LAS SECCIONE DE TIPO 6 TRAPEZOIDALES SE TOMARON COMO BOXCULVERT DEBIDO A LA FALTA DE
DATOS GEOMTRICOS PARA LA SECCIN
NODO
COTA FONDO
ALTURA CMARA
CRE05
2549.0801
2.599901135
CRE04
2548.7695
2.410500328
CRE03
2548.75553
2.364465489
CRE02
2547.92326
2.866740842
CRE01
2547.28356
2.676436549
CIACUA
ORIGINAL
NUEVA
PMP93122
2550.1
PMP93123
2549.98
PMP93194
2546.587
2549.587
PMP93161
2546.563
2549.563
PMP93159
2545.508
2549.508
PMP93146
2545.052
2549.052
PMP93174
2544.95
2548.95
PMP92885
2544.92
2548.92
PMP93090
2546.209
2548.609
PMP9313
2546.338
2548.538
PMP93171
2546.111
2548.42
PMP93170
2545.53
2548.33
2548.28
PMP93151
2546.96
PMP106082
2545.778
PMP93080
2552.744
2553.744
PMP93009
2552.399
2553.399
PMP92870
2553.253
2553.257
PMP93157
2549.855
2550.855
PMP92923
2555.745
2555.725
PMP92904
2572.426
2571.426
PMP92972
2552.368
2551.368
241
PMP93198
2566.588
2564.588
PMP92947
2555.219
2555.403
PMP92916
255.369
255.569
PMP93000
2564.077
2563.077
PMP93058
2549.44
2549.24
PMP92887
2552.535
2552.335
PMP92876
2556.538
2553.138
PLT86027
PMP92888
2553.526
2553.726
PMP93197
2581.113
2580.313
PMP92937
2557.097
2556.097
PMP92971
2550.233
2550.433
PMP93008
2550.654
2550.354
PMP93010
2550.569
2550.169
PMP93086
2556.886
2555.886
PMP106084
2548.22
2548.82
PMP92950
2554.278
2554.378
PMP92974
2549.566
2549.766
PMP93049
2549.542
2549.742
PMP106073
2547.55
2547.95
PMP93119
2551.173
2551.473
PMP93015
2550.702
2551.302
PMP92951
2548.33669
2548.36669
PMC98455
2554.26492
2554.36492
PMP92891
2548.39706
2548.49706
PMP92948
2552.106
2551.506
PMP93025
2548.43231
2548.44231
CIACUA
242
A continuacin se enumeran tanto las funciones como, en su caso, las constantes que se
requieren para su uso y se describe muy brevemente su significado. Las constantes se
han definido en ingls tal y como se definen en el cdigo fuente de SWMM5
proporcionado por la USEPA con el fin de facilitar la tarea de los programadores.
swmm_getVersion
Sintaxis.
int swmm_getVersion(void);
Descripcin.
Recupera el nmero de versin del mdulo de clculo de SWMM 5.
Argumentos.
Ninguno.
Valor devuelto.
Nmero de versin del mdulo de clculo.
swmm_run
Sintaxis.
int swmm_run(char* f1, char* f2, char* f3);
Descripcin.
Realiza una simulacin completa con SWMM 5.
Argumentos.
f1 nombre del archivo de datos (INP).
f2 nombre del archivo del informe (RPT).
f3 nombre del archivo de resultados (OUT).
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Si el argumento f3 es una cadena de texto vaca, los resultados se escribirn en el
archivo del informe siguiendo las instrucciones recogidas en la seccin [REPORT] del
archivo de datos.
CIACUA
INFORME FINAL FASE I
243
swmm_open
Sintaxis.
int swmm_open(char* f1, char* f2, char* f3);
Descripcin.
Abre el mdulo de clculo para analizar un nuevo proyecto.
Argumentos.
f1 nombre del archivo de datos (INP).
f2 nombre del archivo del informe (RPT).
f3 nombre del archivo de resultados (OUT).
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Si el argumento f3 es una cadena de texto vaca, entonces los resultados se
almacenarn en un archivo temporal hasta que se ejecute la funcin swmm_close.
swmm_start
Sintaxis.
int swmm_start(int saveFlag);
Descripcin.
Inicializa el mdulo de clculo antes de comenzar una nueva simulacin.
Argumentos.
saveFlag
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
CIACUA
244
Descripcin.
Avanza la simulacin en un intervalo de tiempo.
Argumentos.
elapsedTime
devuelve el tiempo transcurrido de la simulacin una vez finalizado
el clculo del instante actual. Este valor se mide en das decimales.
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Cuando se alcanza el instante establecido para terminar la simulacin, el valor devuelto
por elapsedTime ser 0. Por ejemplo:
Int err;
Double elapsedTime;
err = swmm_start(1);
// Este bucle se ejecuta hasta que elapsedTime es 0
// o se produce un error
If (err == 0) do
{
err = swmm_step(&elapsedTime);
} while (elapsedTime > 0.0 && err == 0);
err = swmm_end();
CIACUA
245
swmm_end
Sintaxis.
int swmm_end(void);
Descripcin.
Finaliza la simulacin una vez se ha alcanzado el final de la misma.
Argumentos.
Ninguno.
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Debe llamarse una vez el bucle que contiene las llamadas a swmm_step ha finalizado.
swmm_getMassBalErr
Sintaxis.
int swmm_getMassBalErr(float* runoff,
float* flow,
float* qual);
Descripcin.
Recupera los errores resultantes del balance de continuidad una vez ha finalizado la
simulacin con SWMM.
Argumentos.
runoff
flow
qual
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
CIACUA
246
Comentarios.
El error de continuidad viene definido por:
Descripcin.
Escribe las series temporales obtenidas como resultado de la simulacin con formato
de texto en el archivo del informe (RPT) una vez la simulacin se ha completado.
Argumentos.
Ninguno.
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Esta funcin debe llamarse despus de haber terminado la simulacin con la funcin
swmm_end.
Las subcuencas, nudos y lneas cuyos resultados deben escribirse en el archivo del
informe deben haberse especificado previamente en la seccin [REPORT] del archivo
de datos.
swmm_close
Sintaxis.
int swmm_close(void);
Descripcin.
CIACUA
247
Descripcin.
Devuelve el nmero de elementos de un determinado tipo presentes en la red.
Argumentos.
code
*count
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Tabla 10-1. Valores para el argumento code de la funcin swmm_getCount.
Constante
CIACUA
Valor
Descripcin
SWMM_GAGECOUNT
Pluvimetros
SWMM_SUBCATCHCOUNT
Subcuencas
SWMM_NODECOUNT
Nudos
SWMM_LINKCOUNT
Lneas
SWMM_POLLUTCOUNT
Contaminantes
248
SWMM_LANDUSECOUNT
SWMM_TIMEPATTERNCOUNT
SWMM_CURVECOUNT
Curvas
SWMM_TSERIESCOUNT
Series
temporales
SWMM_CONTROLCOUNT
SWMM_TRANSECTCOUNT
10
SWMM_AQUIFERCOUNT
11
Acuferos
SWMM_UNITHYDCOUNT
12
Hidrogramas
unitarios
SWMM_SNOWMELTCOUNT
13
Acumulaciones
de nieve
SWMM_JUNCTIONCOUNT
14
Conexiones
SWMM_OUTFALLCOUNT
15
Vertimientos
SWMM_STORAGECOUNT
16
Depsitos
SWMM_DIVIDERCOUNT
17
Divisores
SWMM_CONDUITCOUNT
18
Conductos
SWMM_PUMPCOUNT
19
Bombas
SWMM_ORIFICECOUNT
20
Orificios
SWMM_WEIRCOUNT
21
Vertederos
SWMM_OUTLETCOUNT
22
Controles
Secciones
transversales
Salidas
(Descargas)
swmm_getNodeIndex
Sintaxis.
int swmm_getNodeIndex(char *id, int *index);
Descripcin.
CIACUA
249
Devuelve el ndice de la posicin que ocupa un nudo con identificativo conocido dentro
de la matriz de nudos del proyecto estudiado.
Argumentos.
*id
*index
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_getNodeId
Sintaxis.
int swmm_getNodeId(int index, char *id);
Descripcin.
Devuelve el nombre identificativo del nudo que ocupa una determinada posicin en la
matriz de nudos del proyecto estudiado.
Argumentos.
index
*id
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
La variable *id pasada como argumento a la funcin debe ser una cadena de texto de
longitud fija de 32 caracteres blancos. La funcin devolver el identificativo y rellenar
el resto de la cadena con blancos que habr que eliminar posteriormente.
CIACUA
250
swmm_getLinkIndex
Sintaxis.
int swmm_getLinkIndex(char *id, int *index);
Descripcin.
Devuelve el ndice de la posicin que ocupa una lnea con identificativo conocido
dentro de la matriz de lneas del proyecto estudiado.
Argumentos.
*id
*index
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_getLinkId
Sintaxis.
int swmm_getLinkId(int index, char *id);
Descripcin.
Devuelve el nombre identificativo de la lnea que ocupa una determinada posicin en la
matriz e nudos del proyecto estudiado.
Argumentos.
index
*id
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
CIACUA
251
Comentarios.
La variable *id pasada como argumento a la funcin debe ser una cadena de texto de
longitud fija de 32 caracteres blancos. La funcin devolver el identificativo y rellenar
el resto de la cadena con blancos que habr que eliminar posteriormente.
swmm_getNodeType
Sintaxis.
int swmm_getNodeType(int index, int *value);
Descripcin.
Devuelve un cdigo que representa a qu tipo de nudo pertenece el nudo especificado.
Argumentos.
index
*value
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Tabla 10-2. Valores para el argumento value de la funcin swmm_getNodeType.
Constante
Valor
Descripcin
SWMM_JUNCTION
SWMM_OUTFALL
Vertido
SWMM_STORAGE
Depsito
SWMM_DIVIDER
Divisor
swmm_getLinkType
Sintaxis.
int swmm_getLinkType(int index, int *value);
Descripcin.
Devuelve un cdigo que representa a qu tipo de lnea pertenece la lnea especificada.
CIACUA
252
Argumentos.
index
*value
Constante
Valor
Descripcin
SWMM_CONDUIT
Conducto
SWMM_PUMP
SWMM_ORIFICE
Orificio
SWMM_WEIR
Vertedero
SWMM_OUTLET
Salida
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_getNodeValue
Sintaxis.
int swmm_getNodeValue(int index, int code, float *value);
Descripcin.
Devuelve el valor que toma un parmetro del nudo indicado. El parmetro se especifica
como argumento de la funcin.
Argumentos.
index
code
(dato) cdigo que indica el parmetro cuyo valor se desea recuperar (vese
la Tabla 10-4).
*value
(resultado) valor que toma el parmetro indicado por code para el nudo
cuya posicin indica index.
CIACUA
253
Constante
SWMM_NODE_INVERTELEV
Valor
1
Descripcin
Get / Set
Cota de la base
Get / Set
Profundidad
mximo)
(nivel
Get / Set
SWMM_NODE_FULLDEPTH
SWMM_NODE_DEPTH
Nivel
Get
SWMM_NODE_HEAD
Altura piezomtrica
Get
SWMM_NODE_VOLUME
Volumen acumulado
Get
SWMM_NODE_LATFLOW
Aporte lateral
Get
SWMM_NODE_INFLOW
Aporte total
Get
SWMM_NODE_OVERFLOW
Caudal desbordado
Get
SWMM_NODE_INITIALDEPTH
10
Nivel inicial
Get / Set
SWMM_NODE_QUAL
50
Concentracin
contaminante
de
Get
Volumen en depsitos
Get / Set
11
Valor
de
A
rea=A(Nivel)^B+C
en
SWMM_STORAGE_A
Get / Set
12
Valor
de
B
rea=A(Nivel)^B+C
en
SWMM_STORAGE_B
en
Get / Set
13
Valor
de
C
rea=A(Nivel)^B+C
SWMM_STORAGE_C
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_setNodeValue
Sintaxis.
int swmm_setNodeValue(int index, int code, float value);
CIACUA
254
Descripcin.
Establece el valor que debe tomar un parmetro del nudo indicado. El parmetro se
especifica como argumento de la funcin.
Argumentos.
index
code
(dato) cdigo que indica el parmetro cuyo valor se desea fijar (vese la
Tabla 10-4).
value
(dato) valor que debe tomar el parmetro indicado por code para el nudo
cuya posicin indica index.
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_getLinkValue
Sintaxis.
int swmm_getLinkValue(int index, int code, float *value);
Descripcin.
Devuelve el valor que toma un parmetro de la lnea indicada. El parmetro se
especifica como argumento de la funcin.
Argumentos.
index
code
(dato) cdigo que indica el parmetro cuyo valor se desea recuperar (vase
la Tabla 10-5).
*value
(resultado) valor que toma el parmetro indicado por code para la lnea
cuya posicin indica index.
CIACUA
255
Constante
Valor
Descripcin
Get / Set
SWMM_LINK_XSECT1
Altura
Get
SWMM_LINK_DIAMETER
Dimetro
Get
SWMM_LINK_FLOW
Caudal
Get
SWMM_LINK_DEPTH
Nivel
Get
SWMM_LINK_VELOCITY
Velocidad
Get
SWMM_LINK_FROUDE
N de Froude
Get
SWMM_LINK_CAPACITY
SWMM_LINK_QUAL
10
Capacidad (relacin de
llenado)
Get
50
Concentracin de
contaminante
Get
12
Nivel de arranque
Get / Set
SWMM_PUMP_SHUTOFFDEPTH
13
Nivel de parada
Get / Set
SWMM_PUMP_INISETTING
14
Estado inicial
Get / Set
SWMM_LINK_OFFSET1
15
Get / Set
SWMM_LINK_OFFSET2
16
Get / Set
Desniveles
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
CIACUA
256
swmm_setLinkValue
Sintaxis.
int swmm_setLinkValue(int index, int code, float value);
Descripcin.
Establece el valor que debe tomar un parmetro de la lnea indicada. El parmetro se
especifica como argumento de la funcin.
Argumentos.
index
code
value
(dato) valor que debe tomar el parmetro indicado por code para la lnea
cuya posicin indica index.
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
swmm_setLinkGeom
Sintaxis.
int swmm_setLinkGeom(int index, int type,
double g1, double g2, double g3, double g4);
Descripcin.
Establece las dimensiones geomtricas de un conducto en funcin de su forma
geomtrica.
Argumentos.
index
type
(dato) cdigo que indica la forma geomtrica del conducto (vase la Tabla
10-6).
g1,g4
(datos) vector con los valores necesarios para definir las dimensiones
geomtricas de la tubera (vase el Manual de Usuario de SWMM para ms
informacin sobre el significado de cada parmetro en funcin de la forma
geomtrica de la tubera).
CIACUA
257
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
Comentarios.
Para el caso de orificios, estos solo pueden tener geometra circular o rectangular
cerrada. La posicin del orificio con respecto a la base del conducto se fija como
desnivel a la entrada (ver figura inferior).
Constante
DUMMY
CIACUA
Valor
0
Descripcin
Ficticio
CIRCULAR
Circular
FILLED_CIRCULAR
Circular relleno
RECT_CLOSED
Rectangular cerrado
RECT_OPEN
Rectangular abierto
TRAPECIAL
Trapecial
TRIANGULAR
Triangular
PARABOLIC
Parablico
POWERFUNC
Potencial
RECT_TRIANG
RECT_ROUND
10
258
MOD_BASKET
11
HORIZ_ELLIPSE
12
Elipse horizontal
VERT_ELLIPSE
13
Elipse vertical
ARCH
14
Arco
EGGSHAPED
15
Ovoide
HORSESHOE
16
GOTHIC
17
Gtico
CATENARY
18
SEMIELLIPTICAL
19
Semielptico
BASKETHANDLE
20
Cesto
SEMICIRCULAR
21
Semicircular
IRREGULAR
22
Irregular
CUSTOM
23
Personalizado
FORCE_MAIN
24
Tubera forzada
swmm_getLinkNodes
Sintaxis.
int swmm_setLinkNodes(int index, int *n1, int *n2);
Descripcin.
Devuelve los ndices numricos de los nudos extremos de una lnea a partir del ndice
de la misma.
Argumentos.
index
*n1
*n2
CIACUA
259
Valor devuelto.
Devuelve 0 si la funcin se ha ejecutado correctamente y un cdigo de error si se ha
producido algn error durante la ejecucin.
10.10.2 Cmo realizar un clculo desde Visual .NET usando las funciones de la librera
de conexin de SWMM preparada por la UPV?
A continuacin se explica brevemente cmo utilizar la librera de funciones de conexin
con SWMM desde el entorno de programacin Visual Studio .NET. Estas funciones
pueden utilizarse igualmente en otros entornos como Visual Basic, C o Delphi.
Antes de empezar
Para poder utilizar las distintas funciones incluidas en la librera, cuando se crea un
proyecto nuevo deben incluirse las declaraciones a todas las funciones que se vayan a
emplear. Igualmente, es recomendable para facilitar la legibilidad del cdigo emplear
constantes autoexplicativas en lugar de los cdigos numricos que utilizan gran parte de
las funciones. Para ello, se ha preparado el archivo swmm5tk.vb, el cual recoge tanto la
definicin de las constantes como la declaracin de las funciones.
Por otra parte, cuando se procede a compilar la aplicacin, el programa ejecutable (EXE)
buscar la librera (DLL). Por ello, el archivo swmm5.dll que contiene la librera debe estar
situado en el mismo directorio que el ejecutable de la aplicacin. En general, este
directorio estar en
C:\...<Directorio de la aplicacin>\bin\Debug
260
CIACUA
261
' Inicializa
d = 0.0
nLinea = 3
' Arranca
CIACUA
262
mErr = swmm_start(0)
' Acaba
mErr = swmm_end()
'*** Fin clculo con SWMM
CIACUA
263
Figura 10-2. Mapa de acumulacin de agua de acuerdo con la direccin de flujo para la Red Mini Chic
Sur.
Figura 10-3. Resultado de la delimitacin de cuencas rurales en la Red Mini Chic Sur.
CIACUA
264
CIACUA
265