www.futurenviro.es | Abril-Mayo April-May 2021 68 Smart Water | Smart Water Históricamente, la gestión del agua residual ha sido considerada como un sistema para alejar un problema “puramente urbano” mediante la recogida y transporte del agua residual desde los núcleos poblacionales hasta los medios receptores de la forma más rápida. El fin ha sido, principalmente, evitar problemas de salubridad e inundaciones en el núcleo poblacional donde, en el mejor de los casos, el agua residual pasaba por un proceso de depuración y, en el peor, se vertía directamente al medio. Pero esta situación ha cambiado y actualmente la gestión del drenaje urbano afronta retos importantes para minimizar su impacto medioambiental como herramienta fundamental para su protección. Para afrontar esos retos, la aplicación de sistemas inteligentes y metodologías de inteligencia artificial (IA) se convierte en un factor fundamental de cambio y adaptación. A continuación, se exponen tres proyectos de aplicación de IA y sistemas inteligentes que se están llevando a cabo en Canal de Isabel II, así como un cuarto ejemplo de aplicación de IA al abastecimiento de agua de consumo. Sistema de ayuda a la inspección de colectores Canal de Isabel II gestiona el ciclo integral del agua de la Comunidad de Madrid, lo que abarca desde la captación y tratamiento hasta la depuración y reutilización, dando servicio a unos 6,7 millones de habitantes. La gestión inteligente del agua residual se hace fundamental para optimizar los procesos y como ayuda a la toma de decisiones. En Madrid se gestionan un total de 15.000 km de colectores que transportan agua residual hacia las EDAR (Estaciones de Depuración de Aguas Residuales). Las tareas de inspección y mantenimiento de la red se realizan de manera periódica para identificar las actuaciones correctivas necesarias, así como los tiempos óptimos de aplicación. De manera tradicional, las actividades orientadas a realizar la inspección consisten en recorrer la red mediante equipos remotos en la red no visitable, y una brigada de campo en el caso de los colectores visitables (un total de 2.400 km). En el primer caso se toman videos del recorrido, mientras que en el segundo se realizan fotografías de aquellos puntos donde se observa una posible necesidad de actuación. Los datos recogidos son analizados posteriormente en gabinete de manera manual, estando el análisis sujeto a cierto grado de subjetividad debido a la interpretación personal de la interpretación de esas imágenes. Además, las tareas de inspección in situ en el caso de los colectores visitables suponen un factor de riesgo para los trabajadores que ejecutan dichas tareas debido a las condiciones habituales del entorno de trabajo (poca visibilidad, presencia de fango, posibilidad de caída a distintas alturas, posible presencia de gases nocivos…). Algoritmos de inteligencia artificial para interpretación de imágenes Canal de Isabel II, a través de su colaboración con empresas especializadas (en el caso de este ejemplo con Inlocrobotics), ha iniciado la implementación de algoritmos de inteligencia artificial para la interpretación de las imágenes procedentes de las inspecciones de colectores tubulares que permiten realizar la diagnosis de la situación de las infraestructuras inspeccionadas de manera sistemática. El resultado de este análisis es posteriormente visado y asumido Wastewater management has historically been considered as a system to eliminate a “purely urban” problem by collecting and conveying wastewater from population centres to the receiving waters as quickly as possible. The main aim has been to avoid health and flooding problems in the population centre where, in the best-case scenario, the wastewater underwent a treatment process and, in the worst-case scenario, was discharged directly into the environment. However, this situation has changed and urban drainage management must now address the important challenges of minimising environmental impact and becoming a key environmental protection tool. The implementation of smart systems and artificial intelligence (AI) is a key factor in terms of change and adaptation when addressing these challenges. Three AI and smart system projects being carried out at Canal de Isabel II are presented below, as well as a fourth example of the application of AI to drinking water supply. Sewer Inspection Support System Canal de Isabel II manages the integrated urban water cycle in the Madrid region, from collection and treatment to purification and reuse. It serves approximately 6.7 million people. Intelligent wastewater management is essential to optimise processes and aid decision-making. Madridmanages a total of 15,000 kmof sewers that convey wastewater to theWastewater Treatment Plants (WWTPs). Inspection andmaintenance of the network is carried out periodically to identify corrective actions required and the optimum times for carrying out these actions. Traditionally, inspection activities have consisted of travelling around the network using remote equipment for inaccessible sections of the network, and a field team for accessible sections (a total of 2,400 km). In the first case, videos are taken of the route, while in the second, photographs are taken of points where there is a possible need for action. The data collected are subsequently analysed manually in the office, with the analysis being subjective to a certain degree due to personal interpretations of these images. In addition, on-site inspection tasks in accessible sewers involve a risk factor for workers arising from the typical working conditions in this environment (poor visibility, presence of sludge, possibility of falling from different heights, possible presence of noxious gases...). Artificial intelligence algorithms for image interpretation Canal de Isabel II, through its collaboration with specialised companies (in this case Inlocrobotics), has begun implementing artificial intelligence algorithms for the interpretation of sewer pipe inspection images. This facilitates systematic diagnosis of the status of infrastructures. The result of this analysis is subsequently ratified by the corresponding technical team, who are responsible for proposing the appropriate corrective or preventive measures. The algorithm works with convolutional neural networks (using Deep Learning algorithms) and combines computer vision and mobile robotics with the learning of behavioural patterns. INTELIGENCIA ARTIFICIAL Y SISTEMAS INTELIGENTES EN EL CICLO INTEGRAL DEL AGUA ARTIFICIAL INTELLIGENCE AND SMART SYSTEMS IN THE INTEGRATED URBAN WATER CYCLE
RkJQdWJsaXNoZXIy Njg1MjYx