El virtual sensing o sensorización virtual es una de las aplicaciones de la inteligencia artificial de última generación con mayor potencial de impacto en el ámbito de la gestión del ciclo del agua. Los sensores virtuales ofrecen información sobre parámetros físicos que son difíciles y costosos de monitorizar al reemplazar los sensores hardware con sensores de software basados en modelos de inteligencia artificial entrenados con datos históricos. A nivel técnico, un virtual sensor determina las correlaciones entre el parámetro medido y otros parámetros de interés proporcionando, un valor indirecto para la monitorización del parámetro objetivo.
Cetaqua, como centro tecnológico del agua, trabaja para la aplicación de la inteligencia artificial en los distintos procesos que forman parte del ciclo integral del agua para dar soluciones viables, prácticas e innovadoras que contribuyan a seguir garantizando una óptima calidad del agua y la correspondiente monitorización de sus parámetros relevantes.
Los trihalometanos (THMs) son un parámetro de control obligatorio que se encuentra regulado por el RD 3/2023. Por lo tanto, una medida importante para controlar su presencia y poder seguir garantizando que no va a producirse la aparición de dichos componentes a corto plazo es analizar el potencial de formación de THMs a salida de la planta.
Desde el departamento de digital junto con el de gestión de infraestructuras críticas y resiliencia, desarrollamos un modelo de inteligencia artificial basado en aprendizaje supervisado que actúa como un sensor virtual y que es capaz de dar una predicción de dicho potencial de formación a 24 horas vista. Este se desplegó en la nube en un entorno escalable que le permite consultar datos en tiempo real.
El modelo desarrollado, basado en técnicas de virtual sensing, utiliza los datos operacionales provenientes de los sistemas de información de la planta y de los sensores instalados por parte de Cetaqua. Todo ello para dar una predicción automática del potencial de formación de THMs con una periodicidad que es altamente customizable y adaptable a las necesidades de planta. De este modo se sustituye así un proceso manual de medición que resultaba costoso e impráctico para el personal de planta. Los resultados de las predicciones quedan registrados en una base de datos y pueden visualizarse en un entorno de visualización de datos dirigido a los operadores de planta.
Actualmente, se está trabajando en una nueva iteración para mejorar los resultados del modelo actual y también para desarrollar modelos de predicción del potencial de formación de THMs en distintos puntos y procesos del ciclo del agua ampliando la disponibilidad de información sensórica.
Autores:
Laura Bonastre, Sergi Baena y Miquel Tomé.
El virtual sensing es una de las aplicaciones de la inteligencia artificial con mayor potencial de impacto en la gestión del ciclo del agua. En este artículo hablamos sobre cómo esta herramienta puede contribuir a optimizar el uso del agua y mejorar su gestión.