CALIBRACIÓN DEL FACTOR DE FRICCIÓN Y DETECCIÓN DE FUGAS EN UNA RED CERRADA DE TUBERÍAS DE AGUA POTABLE Óscar A. Fuentes Mariles Instituto de Ingeniería, Universidad Nacional Autónoma de México Ciudad Universitaria, Coyoacán, 04510, México D.F., México, ofm@pumas.iingen.unam.mx Adriana Palma Nava Instituto de Ingeniería, Universidad Nacional Autónoma de México Ciudad Universitaria, Coyoacán, 04510, México D.F., México, apn@pumas.iingen.unam.mx Guadalupe E. Fuentes Mariles Instituto de Ingeniería, Universidad Nacional Autónoma de México Ciudad Universitaria, Coyoacán, 04510, México D.F., México, gfm@pumas.iingen.unam.mx RESUMEN agua es imperioso disminuir las cantidades de agua que se pierden por este concepto. Las fugas en las redes de distribución de agua potable producen desperdicio de agua, reducen la eficiencia de las redes y generan una pérdida económica a los organismos operadores del sistema de distribución de este tipo de líquido. La detección de fugas en una red de tuberías es complicada ya que en su mayoría no se encuentran visibles. Para reducirlas es necesario contar con procedimientos e instrumentos especiales para localizarlas y eliminarlas. En este artículo se expone un método para detectar fugas a lo largo de las tuberías, además de realizar una estimación del factor de fricción (calibración). Con él se determina el caudal de las mismas y la posición donde ocurren en las tuberías de una red cerrada, además del factor de fricción para cada tubería, considerando la fuga. Si bien, en las redes de agua potable no se puede evitar que existan fugas, es necesario llevar a cabo acciones permanentes encaminadas a disminuir el número de fugas y los caudales de las mismas. Una de las complicaciones de la detección de fugas es que la mayoría de éstas no se encuentran visibles, por tanto para reducirlas es necesario contar con alguna herramienta que permita estimar su localización, así como sus caudales. Se considera que la red funciona en flujo permanente a presión y que sólo existe una fuga por cada tubería de la red. El procedimiento propuesto se basa en las mediciones de la presión en la unión de las tuberías, el conocimiento del diámetro y longitud de las tuberías de la red y la estimación de las demandas de caudal. Se emplea la teoría de la computación evolutiva, en particular, un algoritmo genético simple, como mecanismo de búsqueda de la solución óptima. Palabras Claves: fugas, caudales de fuga, detección de fugas, calibración, factor de fricción, rugosidad, algoritmos genéticos. 1. INTRODUCCIÓN En los sistemas de conducción de agua a presión es común que se presenten fugas de este líquido. Las fugas pueden deberse al agrietamiento transversal, aplastamiento o agrietamiento longitudinal de las tuberías, la corrosión, el mal junteo de los tubos o la falla de las válvulas que pueden incrementar las fugas en una red. En algunos países, las fugas de los sistemas de abastecimiento de agua llegan a ser del 50% de la cantidad requerida por los habitantes para satisfacer sus necesidades hídricas; esto implica pérdidas económicas de importancia y un mal aprovechamiento de los recursos naturales. En Malasia el porcentaje de las fugas es del orden del 40%, en Brasil y Suecia del 25%, y en México 39% [1]. En las ciudades donde es escasa la disponibilidad de Las mediciones de gasto en una red de tuberías de agua potable son complicadas de realizar, mientras que las mediciones de presión son menos difíciles y económicas por lo que el método propuesto se apoya en las mediciones de las cargas de presión en los sitios donde se unen dos o más tuberías (nudos de cruce), además de las características de la red (diámetro, longitud, material, etc.) y los gastos de demanda. Un aspecto muy importante con respecto a las características de la red es el factor de rugosidad interno o bien el factor de fricción, ya que en los casos en que las tuberías ya son viejas, éste se incrementa. En la simulación numérica del flujo en redes es importante tener el valor aproximado de éste, ya que la variación del mismo afecta los cálculos obtenidos. Las pérdidas de carga en las tuberías con flujo a presión ocurren por el efecto del rozamiento del fluido con las paredes internas del conducto. Ellas determinan los caudales que circulan en la tubería en función de la diferencia de cargas piezométricas en sus extremos y en las redes condicionan la distribución del agua entre las conducciones que la componen. En la determinación de la pérdida de carga es muy importante estimar el factor de fricción de Darcy-Weisbach, el cual, en este trabajo se presenta una forma de obtener una aproximación de su valor. La solución óptima del sistema de ecuaciones que se genera al establecer la representación matemática del funcionamiento hidráulico de la red se obtiene mediante la aplicación de un algoritmo genético, los cuales en los últimos años se han utilizado ampliamente en varios campos de la ciencia. Para estimar la bondad del método propuesto para detectar fugas en redes de tuberías y su calibración, se realizaron pruebas sobre un caso sintético, en una red pequeña. Con los datos sintéticos se realizó la estimación de fugas y el factor de fricción, obteniendo buenos resultados. 2. PLANTEAMIENTO DEL PROBLEMA donde C está dada como Considérese la red de tuberías cerrada de la figura 1. Se han numerado los nudos y las tuberías, distinguiendo a estos últimos con números encerrados en un círculo. También aparecen con flechas los gastos (q) que egresan (gastos de demanda) de (o ingresan a la red por ejemplo, desde algún pozo) la red, los gastos (Q) que fluyen en las tuberías (se han supuesto los sentidos del flujo del gasto) y los caudales de las fugas (Qf). Se considera que está red tiene dos fugas, la primera, a una distancia L1 en el tubo 1 y otra, a la distancia L2 en la tubería 4. Las dos distancias son desconocidas (pero la longitud de la tubería no) y se encuentran marcadas en la figura. El tramo del nudo 1 al nudo de la fuga 1, se ha representado como la tubería 1’ y el tramo del nudo de la fuga 1 al nudo dos como tubería 1; se hace la misma consideración para la otra fuga. Se conocen las cargas de presión en los nudos del 1 al 5, los diámetros de las tuberías, la longitud de las tuberías, los gastos de demanda en los nudos y el gasto que ingresa a la red (Q6). C = 0.0826 f L d5 Al expresar estas ecuaciones (1) en función de la carga de presión, se tiene ( )1/ 2 − k 2 (h1 − h3 )1/ 2 + q 6 = q1 k1 (h f 1 − h2 )1 / 2 − k 3 (h2 − h3 )1 / 2 − k 4 (h2 − h f 2 )1 / 2 = q 2 − k1 h1 − h f 1 k 2 (h1 − h3 )1 / 2 + k 3 (h2 − h3 )1 / 2 − k 5 (h3 − h4 )1 / 2 = q 3 ( )1/ 2 = q 4 k 5 (h3 − h4 )1 / 2 + k 4 h f 2 − h4 donde ki [2] es un coeficiente donde están incluidas la longitud, el diámetro, la aceleración de la gravedad y el factor de fricción de cada tubería. Se sabe que 1 C k= 1/ 2 En el sitio donde se juntan varias tuberías se establece que la suma de los gastos que llegan a él es igual a la suma de los gastos que salen del mismo. Así, al aplicar el principio de continuidad en los nudos 1 al 4 y en los nudos de fuga, se establece el sistema de ecuaciones siguiente La fórmula de Swamme y Jain es 0.25 f = ε 5.74 log + 0.9 3.71d ℜ −Q1'− Q2 + Q6 = q1 Q1 − Q3 − Q4 = −q 2 [1] Q2 + Q3 − Q5 = q3 Q5 + Q4'= q 4 Donde ε 2 es la rugosidad De tal forma, el sistema de ecuaciones 2 se puede escribir así: En los métodos de redes se emplea la ecuación de DarcyWeibach hf = f fL d5 El factor de fricción f determina la influencia que tiene la rugosidad de las paredes de la tubería sobre las pérdidas de carga; así como la corrección de éstas al aplicarse a flujos totalmente turbulentos. En este trabajo se empleó la fórmula de Swamme y Jain (1976) para determinarlo de acuerdo con el número de Reynolds y la rugosidad de tubería. Figura 1.Red de tuberías 2 C = 0.0826 y 2 2 2 LV LV A L Q = f = f 2 d 2g d 2g A d 2 gA2 si se usa el sistema internacional de unidades fL h f = 0.0826 5 Q 2 d que puede ser escrita de la siguiente manera: h f = CQ 2 β1 L1' β1 L1 − L1' 12 12 (h1 − h f 1 )1 / 2 − (h f 1 − h2 )1 / 2 − β5 L5 12 β3 12 L3 (h3 − h4 )1 / 2 + β2 12 L2 (h1 − h3 )1 / 2 = q1 − q6 (h2 − h3 )1 / 2 − β4 L4 − L4' β4 L4' 12 (h2 − h f 2 )1 / 2 = q2 [3] (h f 2 − h4 )1 / 2 = q4 donde βi = d5 0.0826 f i Finalmente, para el ejemplo mostrado en la figura 1, se tiene un sistema de tres ecuaciones no lineales con once incógnitas, las longitudes a partir del primer nudo, en sentido del flujo, donde se encuentra la fuga, las cargas en estos puntos, que permiten obtener el caudal y los factores de fricción de cada tramo de tubería. Para resolver este sistema de ecuaciones de manera que las cargas de presión sean parecidas a las medidas se propone en este trabajo emplear un algoritmo genético simple, ya que un método robusto y muy eficiente para esta clase de problemas matemáticos. soluciones (individuo) depende del número de tuberías con fuga de la red y la longitud del cromosoma del individuo está en función del número de variables y del valor de la precisión para cada una. Para el ejemplo que se muestra en este trabajo se tienen 2 tuberías con fuga y como variables se establecieron las cargas de presión, la longitud donde se presenta la fuga a partir del nudo de cruce y el factor de fricción de la tubería, en el caso de presentarse una fuga, se considera que se tienen dos tramos y para cada uno un factor de fricción. 3. ALGORITMOS GENÉTICOS El objetivo de las técnicas de optimación es encontrar el óptimo global (o los óptimos globales) de una función. Desgraciadamente, sólo en algunos casos limitados, puede garantizarse convergencia hacia el óptimo global. De hecho, la mayoría de las técnicas usadas para optimación localizan óptimos locales, pero no puede garantizarse convergencia al óptimo global a menos que se usen técnicas exhaustivas o que se consideren tiempos excesivos de cálculo. El gran campo de aplicación de los AG’s se relaciona con aquellos problemas para los cuales no existen técnicas especializadas [12]. Los algoritmos genéticos, inspirados en la selección natural y la genética, son técnicas de optimación que tienen la ventaja de realizar la búsqueda sobre un conjunto de posibles alternativas simultáneamente (sobre una población), y no a partir de un solo punto, lo cual reduce la posibilidad de converger a un óptimo local. Estos algoritmos parten de una población de soluciones generadas, inicialmente, en forma aleatoria, las cuales se van adaptando al problema (mejorando) a través de las generaciones mediante la selección de las más aptas y la aplicación de operadores genéticos como son cruza y mutación sobre estas soluciones. De esta manera se crea una nueva generación con tendencias a moverse hacia el óptimo al paso del tiempo (generaciones). Los algoritmos genéticos son procedimientos adaptativos (basados en sistemas de analogías con el funcionamiento de la naturaleza y la evolución de la misma) que pueden usarse para resolver problema de optimación, búsqueda y clasificación dentro de los cuales tenemos sistemas de ecuaciones no lineales. Es una técnica robusta basada en el proceso genético de los organismos vivos. En los AG’s se necesita una codificación de cada una de las posibles soluciones (individuos). Además, se requiere de una función de evaluación de aptitud, que asigna un valor de calidad a cada solución. Durante la ejecución del algoritmo, los padres deben ser seleccionados para la reproducción; luego, dichos padres se cruzarán para generar hijos, sobre cada uno de los cuales actuará el operador de mutación. Como resultado, los hijos forman un conjunto de individuos más apto (valores más cercanos a la solución del problema), que constituyen la población de la siguiente generación. Los principios básicos de los AG’s fueron establecidos por Holland en 1975 [3]. Si bien, es difícil garantizar que con este algoritmo se encuentre la solución del problema, existe evidencia empírica de que se obtienen soluciones aceptables, en un tiempo de cómputo relativamente corto. Para resolver el sistema no lineal (ecuaciones 3), se plantea un algoritmo general simple, de la siguiente manera: • Población de soluciones. El algoritmo genera de forma aleatoria un conjunto de soluciones del problema que serán evaluadas. Cada una de las • Asignación de una calificación a cada individuo. Se establece una función objetivo que se denomina de aptitud, para asignar a cada una de las soluciones una calificación. En este caso se empleó la siguiente: Fa = • q medido − q estimado Mezclado de las mejores soluciones para generar otras que en promedio sean superiores. Una vez que se estimó la aptitud de cada individuo de la población, se seleccionan parejas para llevar a cabo la cruza y generar otra población (generación), la cual se evaluará nuevamente. El método de selección para la cruza empleado fue el de ruleta [14], con un valor de 0.6 de cruza y de 0.01 de mutación. El método es general y capaz de ser aplicado a distintos tipos de problemas de optimación, con la ventaja de que son fáciles de plantear y sencillos de codificar en la computadora. Se utilizó el algoritmo genético simple implantado en Matlab (MathWorks,1992) con algunas modificaciones en los archivos de ejecución. En la aplicación del algoritmo genético simple se utilizaron, en cada corrida 300 generaciones (iteraciones) y el número de individuos elegido fue de 4000, ya que para estos valores los resultados obtenidos se aproximaban a la solución buscada. Una vez obtenida una solución óptima estableciendo que en la red, en cada tubería puede existir sólo una fuga, con los datos respecto a posición de fuga, carga de presión en el nudo de fuga o caudal de la misma y factor de fricción, se realiza el cálculo hidráulico de la red, para comparar la diferencia entre los datos encontrados con el algoritmo genético y la modelación numérica de la red. En el método se establecieron las siguientes hipótesis: a) El número de fugas por tubo es uno b) Se cuenta con mediciones de la carga de presión en varios nudos de la red de tuberías (nudos de cruce). c) Se conocen los gastos de demanda y el gasto total que se ingresa a la red de tuberías. d) Se conoce la longitud y diámetro de cada tubo de red f) El flujo en la red es permanente 4. RESULTADOS En la tabla 1, se muestran las características de la red mostrada en la figura 1. En la tabla 2 se muestran los resultados obtenidos para una primera evaluación. El procedimiento se realizó en etapas, ya que como primera búsqueda se establecieron fronteras muy distantes, es decir, por ejemplo para la posición de la primera fuga se estableció un espacio de búsqueda a partir de los 50 metros de distancia del primer nudo, y con un intervalo de 50 m, esto es, las posiciones posibles eran 50, 100, 150, 200, 250, 300, 350 y 400. Para el caso de las cargas de presión, el incremento o precisión era de 0.001m, dentro del intervalo de la cargas entre los nudos donde se presenta la fuga, por ejemplo, para la segunda fuga la búsqueda era entre 59.357 y 76.825 m, que son lo valores de carga de presión de los nudos 2 y 4. Para el factor de fricción el intervalo de búsqueda para una primera estimación se definió entre 0.02 y 0.023, en intervalos de 0.001, definidos éstos de acuerdo a las características de la red sin fuga (número de Reynolds y rugosidad para el material). Tabla 1 Características de la red Tubería Diámetro (pulgadas) Factor de fricción 1’ 1 2 3 4’ 4 5 6 8 8 8 6 6 6 4 8 .02 .02 .02 .02 .02 .02 .02 .02 Nudos (extremos de tubería) Del Al 1 1’ 1’ 2 1 3 2 3 2 4’ 4’ 4 3 4 1 7 Longitud (m) 100 300 300 500 200 100 400 200 Tabla 2 Resultado del cálculo hidráulico de la red con fugas. Datos sintéticos. Nudo 1 1’ 2 3 4’ 4 5 Carga (Datos sintéticos) (m) Gasto demanda (l/s) 81.301 25.00 79.819 10.00 (fuga) 76.825 -20.00 76.276 50.00 63.135 15. 00 (fuga) 59.357 60.00 100.00 140.00 Resultado con AG’s Carga (m) Resultado con AG’s Posición (m) 79.741 100 63.778 200 Tabla 2 Continuación. Nudo 1 1’ 2 3 4’ 4 5 Resultado con AG’s f Carga calculada (m) 0.021 81.301 0.02 79.730 0.021 76.698 0.022 76.072 0.02 62.941 0.023 58.571 0.021 100.00 Error % 0 1.74 2.83 4.06 3.68 4.49 16.8 Con este primer intento, se aprecia que el valor del factor de fricción presenta una gran variación y las cargas de presión estimadas presentan todavía un error considerable, sobre todo al valuar hidráulicamente la solución propuesta. Esta solución, de acuerdo a las cargas de presión calculadas con AG’s, da un caudal de fuga de 9.98 l, con la posición y los factores de fricción, se realiza el cálculo hidráulico de la red bajo estas condiciones, obteniendo las cargas de presión para cada nudo, tal como se muestra en la penúltima columna de la tabla 2. Con estos cálculos se obtiene el error para las cargas de presión, que es la diferencia entre “medidas” (caso sintético) y calculadas. En un caso práctico no se tendría una observación de la carga de presión en donde se presenta la fuga, pero la finalidad en este caso es valuar la robustez del método y determinar la factibilidad de emplearlo en una red real, por lo que sí se han considerado para valuar el error. Al analizar estos resultados, el espacio de búsqueda o bien precisión de la variable para el algoritmo genético se redujo con la finalidad que en la nueva búsqueda del mejor individuo se probaran mejores soluciones. Se realizaron dos pruebas más obteniendo los resultados mostrados en la tabla 3. En el resto de las soluciones las posiciones de las fugas daba en el valor correcto, es decir, a 100 y 200 m, para la fuga 1 y fuga 2, respectivamente, por lo que es esta tabla se omite este resultado. En estos resultados se puede apreciar que aunque la búsqueda se acote, o bien el espacio se reduzca, la robustez de los AG’s es muy buena, ya que se gana poco en errores, aunque desde el concepto del funcionamiento hidráulico, éstas son mejores soluciones. Para una tercer corrida, ver tabla 3, la diferencia entre cargas ya es muy pequeña y logra ubicar la fuga, el caudal y los factores de fricción de forma muy aproximada, concluyendo que este error es aceptable. Esta insensibilidad también puede explicarse porque los gastos en la red son muy pequeños y la diferencia entre los factores de fricción y cargas de presión no generan un cambio significativo en los caudales de fuga. Tabla 3 Resultado del cálculo hidráulico de las soluciones propuesta por los AG’s Nudo Carga real (m) 1 1’ 2 3 4’ 4 5 81.301 79.819 76.825 76.276 63.135 59.357 100.00 Resultado 2 con AG’s Carga (m) 79.6682 63.5077 Resultado 2 con AG’s f Carga calculada (ms) 0.0207 81.301 0.02 79.752 0.021 76.721 0.02 76.074 0.0213 62.320 0.021 58.418 0.02 100 Tabla 3 Continuación Error % 0 3.37 2.32 4.01 2.13 5.38 17.2 Nudo 1 1’ 2 3 4’ 4 5 Resultado 3 con AG’s Carga (m) 79.7406 63.32 Carga calculada (ms) Error % 0.021 81.301 0.02 79.730 0.021 76.703 0 0.25 2.72 4.01 0 0.79 Resultado 3 con AG’s f 0.02 76.07 0.021 62.471 0.021 58.557 100.00 0.02 7.77 5. COMENTARIOS Y CONCLUSIONES Con este trabajo y otros similares se ha podido verificar la bondad de los algoritmos genéticos como una herramienta para la para obtener o acercarse al óptimo global en problemas de optimación. Los resultados son útiles para detectar las tuberías con fugas y una buena aproximación al factor de fricción y por tanto a la determinación del factor de rugosidad, aunque se debe continuar con este tema para mejorar sus estimaciones y que algunas imprecisiones en las mediciones de las cargas de presión puedan manipularse para que no tengan una influencia importante en los resultados. En el Instituto de Ingeniería se cuenta con una red experimental, se pretende seguir este estudio para verificar los resultados obtenidos con los datos sintéticos, y definir la factibilidad de su aplicación a casos prácticos. REFERENCIAS [1] Arreguín F., Ochoa L., Fernández A. (1997), Evaluación de pérdidas en redes de distribución de agua, TLALOC-AMH, Órgano informativo de la Asociación Mexicana de Hidráulica (AMH), No.10. [2] Sánchez J., Fuentes O. (1996), Método para detectar fugas mayores en una red de agua potable, Ingeniería del agua, Vol.3, No. 1. [3] Holland, J.H. (1975), Adaptation in Natural and Artificial Systems, University of Michigan Press [4] Sánchez J., Fuentes O. (1991), Actualización de un método para calcular redes de tuberías funcionando a presión en régimen permanente, Revista de Ingeniería, Vol. LXI, México D. F. [5] López A., Vela F., Iglesias P. (1995), Análisis de seguridad en abastecimientos y su aplicación a la detección de fugas, Ingeniería del agua, Vol. 2, Num. 3. [6] Pudar S., Ligget A.(1992), Leaks in Pipe Networks, Journal of Hydraulics Engineering, ASCE, Vol. 118, No. 7. [7] Sánchez B., Fuentes M. (1996), Método para detectar fugas mayores en una red de agua potable, Revista Ingeniería del Agua, Universidad Politécnica de Valencia, España, Vol. 3, No. 1, marzo 1996, ISNN 1134-2196. [8] Vela A., Martínez F., García-Serra J., Pérez R. (1994), Estrategias óptimas para la reducción de pérdidas de agua en sistemas de abastecimiento, Ingeniería del Agua, Vol. 1, No. 1, Valencia, España. [9] Vítovský, J. and Simpson, A. (2000). Leak detection and calibration using transients and genetic algorithms. Journal of Water Resources Planning and Management, Vol. 126, No.4. pp 262-265. [10] Luvizotto, E. y Ocampos, A. (2002). Compando os métodos de Levembenvereg e Nelder-Mead em modelos de deteccao de fuga, Seminario Hispano-Brasileiro sobre planificación, proyecto y operación de redes de abastecimiento de agua. Valencia, España. Págs. 451-463. [11] Fuentes M. O.A., Rodríguez V. K., Jímenez M. M. R., y De Luna C. F., Vega S. B. E. (2004), Método para la detección de fugas en redes de distribución de agua potable, Memorias del 3er Seminario Hispano-Brasileño sobre Planificación, Proyecto y Operación de redes de abastecimiento de agua, Universidad Politécnica de Valencia, España. [12] Rodríguez V. K., Jiménez M. M. R., Fuentes M. O. A. (2004), Los algoritmos genéticos en la Ingeniería de los sistemas de abastecimiento ¿la modelación del futuro de las redes de distribución?, XVIII Congreso Nacional de Hidráulica, San Luis Potosí, S. L. P. , México, Tema 11: Agua potable y alcantarillado, 1533. [13] Fuentes M. O. A., Palma N. A., Rivera T. F. G., Rodríguez V. K. (2004), Localización de fugas y determinación de sus gastos en una red de tuberías de agua potable usando un algoritmo genético, XVIII Congreso Nacional de Hidráulica, San Luis Potosí, S. L. P., México, Tema 11: Agua potable y alcantarillado, 1557. [14] Goldberg, D. E. (1989), Genetic algorithms in search, optimization and machina learning, Addison-Wesley.