En esta primera publicación, me gustaría introducir el trabajo que he realizado en los últimos 6 meses para poner punto y final al máster en Ingeniería Medioambiental en la Universidad Técnica de Dinamarca (DTU). Un proyecto de investigación enfocado a Smart Water Cities y realizado gracias a la colaboración de DHI A/S y el Departamento de Medioambiente de DTU.
La red de saneamiento es un gigante oculto para la sociedad y, a veces, subestimado. Entre muchas de sus funciones, este laberinto de tuberías subterráneas tiene la ardua tarea de garantizar unos niveles adecuados de higiene en nuestra sociedad y proteger el medio ambiente de posibles vertidos generados por las precipitaciones en la cuenca urbana. Los episodios de lluvia pueden causar sobrecargas en el sistema y dar lugar a inundaciones, como las sufridas en la pasada gota fría, con un alto coste para las personas y las ciudades. Por no hablar del coste medioambiental a causa de los vertidos no tratados en los cauces públicos.
Los modelos hidráulicos se utilizan en el sector del agua para representar el estado real de una red de alcantarillado y su respuesta a “posibles” escenarios. Su principal objetivo es ayudar a los ingenieros a diseñar y evaluar las redes y gestionarlas de forma eficiente. La principal característica de estos modelos se basa en la información física existente en la red, como el diámetro, la profundidad y la longitud de las conducciones. En el mercado hay disponibles distintos programas para modelar la red de saneamiento: SWMM (US EPA, NW, Washington, DC, EE. UU.), MIKE Urban (DHI, Hørsholm, Dinamarca), InfoWorks CS (Innovyze, Broomfield, CO, EE. UU.), entre otros. Estos paquetes informáticos incluyen interfaces de datos adaptables, compatibilidad con sistemas de información geográfica (SIG) y representación gráfica de la red.
En los últimos años, el modelado de redes de saneamiento ha ganado más atención para obtener una previsión en tiempo real y así planificar estrategias que garanticen el correcto funcionamiento de la red. Sin embargo, conseguir un modelo que represente, con total seguridad, las mismas condiciones dadas en la red es prácticamente imposible. Muchos parámetros son asumidos, bien por falta de información e inexperiencia, y esto, por desgracia, hace que la diferencia entre simulación y realidad sea notable. Hablo de parámetros como el tiempo de concentración definido en las cuencas tributarias, los coeficientes de rugosidad de las tuberías e incluso las propias condiciones hidráulicas que se dan en la red. En este punto es cuando el término “data assimilation” entra en juego.
La asimilación de información, o actualización de modelos, tiene como objetivo reducir, al máximo posible, las incertidumbres, generadas por esos parámetros desconocidos que un modelo hidráulico pueda albergar. Para ello, se utiliza como principal recurso toda la información recogida en la red, desde los registros de lluvias en las cuencas tributarias hasta los caudales en los colectores. Cada punto de observación sirve de referencia para forzar el modelo a representar los mismos valores que se muestran en la red. Es decir, si un colector registra un caudal instantáneo de 3.5 m3/s, cuando la simulación representa 1.5 m3/s, el modelo deberá ser forzado a aumentar su valor +2.0 m3/s en dicho punto. Y pensareis, ¿qué ocurre con los puntos restantes de la red? Por desgracia, la cantidad de sensores con los que una red de saneamiento está equipada es muchas veces insuficiente y, asimismo, no garantiza que los valores sean totalmente fiables. Es por ello, que la actualización de modelos hidráulicos recae sobre los hombros de una serie de técnicas para asimilar las medidas de la red, reducir los errores que presenta el modelo respecto a la realidad y propagar dichas correcciones a los demás puntos colindantes. Dichas técnicas son basadas en el algoritmo recursivo definido en el Filtro de Kalman, donde un valor observado puede ser previsto usando únicamente la información, caudales o niveles de agua, introducida en el modelo. De modo que, a mayor cantidad de observaciones instaladas en la red, mayor probabilidad hay de tener un modelo más actualizado y parecido a la realidad.
Pese a ser una técnica muy reciente en redes de saneamiento, sus ventajas son bastante notables. Bien de manera preventiva, preparando la red para el posible evento de lluvia, o una vez la tormenta ha pasado y algunas partes de la red están empezando a saturarse. Si se mira desde el punto de vista de la EDAR, conocer el pronóstico del caudal efluente puede evitar el vertido directo de aguas no tratadas al cauce público. Esto supondría, ni más ni menos, gestionar la planta de tratamiento de manera más eficiente y reducir las sanciones por parte del Tribunal de Justicia Europeo. En el caso de otros puntos sensibles, como los tanques anti-tormentas, parques inundables, e incluso los propios colectores, el valor añadido de pronosticar la situación de la red, que muchas veces se ve sobrepasada por las lluvias, puede marcar la diferencia a la hora de desarrollar estrategias para prevenir futuras inundaciones en el casco urbano. A su vez, esta metodología también ayuda a mostrar las debilidades que nuestro modelo puede tener. Ya no hablo solo de una mala definición de los parámetros hidráulicos, sino de puntos donde el modelo actúa de forma diferente. Por ejemplo, caudales tributarios de otras cuencas colindantes que no están integrados en nuestro modelo y, por tanto, lo limitan a parecerse a la realidad.
La necesidad de contar con modelos correctamente actualizados, que incluyan toda información existente en la red y puedan manejarse de forma “rápida”, es algo inminente. Los efectos del cambio climático, lamentablemente, aumentarán la aparición de situaciones extraordinarias en las cuencas urbanas, quizá nunca registradas con anterioridad. Por tanto, no solo se requerirá de nuevas infraestructuras en la red, sino de su combinación con nuevas tecnologías que ayuden a alcanzar una gestión lo más eficiente posible.
Referencias:
- Campos, L. (2019). Data assimilation in MIKE Urban for real-time forecast of flow to a WWTP. DHI & DTU Environment.
