Capituilo Calibracon y Optimizacion Traducido

8/17/2019 Capituilo Calibracon y Optimizacion Traducido

1/39

El Bentley WaterGEMS V8i Darwin Calibrator proporciona un historial de sus

intentos de calibración, le permite utiliar un en!o"ue manual para la

calibración, es compatible con los con#untos de datos de campo m$ltiple,

o!rece la %elocidad y la e&ciencia de al'oritmos 'en(ticos para la

calibración de su sistema de a'ua, y presenta %arios calibración candidatos

para "ue usted considere, en lu'ar de sólo una solución) *sted puede

con&'urar una serie de calibraciones Base, "ue puede tener numerosas

calibraciones ni+os "ue heredan la con&'uración de sus padres Basecalibraciones)

*tilice Base y Calibraciones i+o para establecer un historial de sus

ensayos de calibración para ayudarle a deri%ar una lista de soluciones

optimiadas para el sistema de a'ua) -a herencia no es persistente) Si

cambia la calibración Base, el cambio no ondulación hacia aba#o para las

calibraciones de los ni+os)

*sted puede a#ustar su modelo para adaptarse me#or a la conducta real desu sistema de distribución de a'ua mediante el uso de la !unción de Darwin

calibrador) .ermite realiar a#ustes manuales en el modelo, as/ como los

a#ustes mediante la optimiación del al'oritmo 'en(tico)

El panel i"uierdo del cuadro de di0lo'o Darwin calibrador muestra una lista

de cada estudio de calibración en el proyecto actual, #unto con los

procedimientos manuales y optimiados y soluciones calculadas "ue

con!orman cada estudio)

Calibration Criteria

*tilice la &cha Criterios de calibración para establecer cómo se e%al$an las

calibraciones)


2/39

-as opciones "ue especi&"ue se aplican a todas las pruebas de calibración

en el Estudio de calibración) -a pesta+a Criterios de calibración contiene los

si'uientes controles1

Fitness Type 2 Seleccione el tipo de aptitud "ue desea utiliar de la lista

desple'able) En 'eneral, independientemente del tipo de aptitud "ue

selecciona, la aptitud m0s ba#a indica una me#or calibración) 3ipos de

&tness son1 Minimiar S"uares Di!erencia, Di!erencia Minimiar %alores

absolutos, y minimiar la M04ima Di!erencia

Minimizar Squares Diferencia - *tilia una calibración dise+ado para minimiar

la suma de los cuadrados de la discrepancia entre los datos obser%ados y

los %alores simulados modelo) 5Valores simulados de modelo incluyen

'rados hidr0ulicos y descar'as de tuber/a)6 Esta calibración !a%orece

soluciones "ue minimicen la suma total de los cuadrados de las

discrepancias entre los datos obser%ados y simulados)

Min.. Dif. Valores absolutos 2 *tilia una calibración dise+ado para

minimiar la suma de discrepancia absoluta entre los datos obser%ados ylos %alores simulados modelo) Esta calibración !a%orece soluciones "ue

minimicen la suma total de las discrepancias entre los datos obser%ados y

simulados)

Minimizar Max. Dierencia 2 *tilia una calibración dise+ado para

minimiar el m04imo de todas las discrepancias entre los datos obser%ados

y los %alores simulados modelo) Esta calibración !a%orece soluciones "ue

minimicen el peor discrepancia $nico entre los datos obser%ados ysimulados) 3en'a en cuenta "ue el Mini2miar M04ima Di!erencia 3ipo

7itness es m0s sensible a la e4actitud de los datos "ue otros tipos de

7itness)

Head/Flow per Fitness Point 2 Cabea y Caudal por Gimnasio 3ipo de

proporcionar una manera para "ue usted pueda sopesar la importancia de

la altura y de u#o en su calibración) Establecer estos %alores de tal manera

"ue la cabea y el u#o tienen e"ui%alencia unidad) *sted puede dar una

mayor importancia a la cabea o de u#o mediante el establecimiento de un

n$mero m0s pe"ue+o por su Per Fitness %alor del punto)

Flow Weigt Type 2 Seleccione el tipo de peso1 in'uno, -ineal, Cuadrado,

9a/ cuadrada, y -o') El tipo de ponderación se utilia puede proporcionar

una mayor o menor pena de &tness)


3/39

En 'eneral, las mediciones con mayor u#o tienen m0s peso en las

calibraciones de optimiación "ue a"uellos con menos u#o) *sted puede

e4a'erar o disminuir el e!ecto mediciones m0s 'randes tienen en su

calibración mediante la selección de di!erentes tipos de peso) .or e#emplo,

el uso de nin'una ponderación 5in'uno6 no proporciona nin'una sanción

para las mediciones con menor u#o en comparación con a"uellos con un

mayor u#o) El uso de re'istro y la ra/ cuadrada reduce la pena de aptitud

para las mediciones con menor u#o, y el uso lineal o cuadrada aumenta lapena de aptitud para las mediciones con menos u#o)

ota1 Si cambia las opciones de calibración, los %alores de la aptitud "ue obtiene no

son comparables con los %alores de &tness obtenidos utiliando di!erentes

con&'uraciones de opciones de calibración)

Calibration Criteria Formulae

-as si'uientes !órmulas se utilian para Minimiar S"uares Di!erencia, Minimiar

di!eren2cia %alores absolutos, y minimiar Di!erencia m04ima)


4/39

Donde Wnh y Wnf representan un !actor de ponderación normaliada para

los 'rados y de los u#os hidr0ulicos obser%ados respecti%amente) Ellos se

dan como1

-os !actores de ponderación tambi(n pueden adoptar muchas otras !ormas,

como no hay peso 5i'ual a :6, lineal, cuadrado, ra/ cuadrada y !unciones dere'istro) ;tras %ariables incluyen1

• Ho!sn desi'na el pieom(trica obser%ada2 nh-th

• Hsimn es el modelo2 nh-th simulado pieom(trica)

• Fo!snf es el nh-th u#o obser%ado)

• Fsimnf es el u#o simulado modelo)

• Hpnt toma nota de la car'a hidr0ulica por punto de &tness)

• Fpnt es el u#o por punto de &tness)

• "H es el número de grados hidráulicos observados.


5/39

• "F es el n$mero de descar'as de tuber/a obser%adas

Optimized Runs

< 9un ;ptimiado 'en(tica al'oritmo consiste en di%idir los datos por

cate'or/as entre las si'uientes &chas1

Roughness Tab

La ficha de rugosidad le permite seleccionar los grupos de ajuste rugosidad (que fuerondefinidas en el Estudio de calibración) y los parámetros a utilizar durante la carrera optimizada

-a &cha de ru'osidad consiste en una tabla "ue contiene las columnas si'uientes1

= 9u'osidad Grupo de Est0 acti%o? 2 Si se marca esta casilla, el 'rupo de a#uste asociado ser0

considerado durante la calibración) Si la casilla no est0 seleccionada, ser0 i'norado)

= ;peración 2 Seleccione la operación "ue desea realiar la calibración)

= Valor m/nimo 2 @ntroduca el %alor m/nimo "ue desea "ue el al'oritmo 'en(tico

para utiliar como l/mite in!erior en el c0lculo de soluciones de acondicionamiento

/sico)


6/39

= Valor m04imo 2 @ntroduca el %alor m04imo "ue desea "ue el al'oritmo 'en(tico

"ue se utilia como un l/mite superior en el c0lculo de soluciones de

acondicionamiento !/sico)

= @ncremento 2 Estableca el incremento como la !recuencia con "ue desea "ue el G<

para probar)

3rate de ele'ir un incremento "ue da el menor n$mero de alternati%as

posibles) Es posible "ue ten'a "ue reducir el inter%alo

comprendido entre los l/mites superior e in!erior para hacer esto)

-a pesta+a demanda consiste en una tabla "ue contiene las columnas

si'uientes1

= Demanda Grupo de


7/39

campo sólo se podr0 editar para Multiplicar la demanda ori'inal de

;peraciones)

= Demanda Multiplicador @ncremento 2 Estableca el incremento como los

inter%alos de demanda multiplicadores en la "ue desea "ue el G< para

probar) 3rate de ele'ir un incremento "ue da el menor n$mero de

alternati%as posibles) Es posible "ue ten'a "ue reducir el inter%alocomprendido entre los l/mites superior e in!erior para hacer esto) Este

campo sólo se podr0 editar para Multiplicar ori'inales ;peraciones a la

%ista)

= M/nimo emisor Coe&ciente 2 @ntroduca el coe&ciente emisor m/nimo "ue desea "ue

el al'oritmo 'en(tico para utiliar como l/mite in!erior en el c0lculo de soluciones de

acondicionamiento !/sico) Este campo sólo se podr0 editar para Set emisor

Coe&ciente Detectar y ;peraciones de nodo de !u'a)

= emisor m04imo Coe&ciente 2 @ntroduca el coe&ciente m04imo emisor "ue desea"ue el al'oritmo 'en(tico "ue se utilia como un l/mite superior en el c0lculo de

soluciones de acondicionamiento !/sico) Este campo sólo se podr0 editar para Set

emisor Coe&ciente Detectar y ;peraciones de nodo de !u'a)

= Emisor Coe&ciente @ncremento 2 Estableca el incremento como los inter%alos de

coe&ciente de emisor a la "ue desea "ue el G< para probar) 3rate de ele'ir un

ncremento "ue da el menor n$mero de alternati%as posibles) Es posible "ue ten'a

"ue reducir el inter%alo comprendido entre los l/mites superior e in!erior para hacer

esto) Este campo sólo se podr0 editar para Set emisor Coe&ciente Detectar y

;peraciones de nodo de !u'a)

= El n$mero de nodos de !u'a 2 El n$mero m04imo de nodos de !u'a posible "ue el

'rupo de la demanda en el c0lculo de soluciones de acondicionamiento !/sico) Este

campo sólo se podr0 editar para Detección de ;peraciones de nodo de !u'a)

Status Tab

*tilice la &cha Estado para %er el estado inicial de cada uno de los tubos en cada uno

de los 'rupos de a#uste de estado del elemento "ue se de&nieron en el estudio de

calibración) .ara cada uno de los elementos, si el est0 acti%o? casilla est0 acti%ada, elelemento asociado se conside2rarse durante la calibración) Si la casilla no est0

seleccionada, ser0 i'norado)


8/39

Field Data Tab

La ficha de datos de campo muestra todas las instantáneas de datos de campo queha introducido para la calibración. Haga clic en el está actio! casilla de erificación allado del nombre de cada uno de los datos de campo instantáneas que desea utilizar para la prueba de calibración. "nstantáneas de datos de campo que tienen las cajassin marcar al lado de ellos no serán utilizados para poner a prueba la aptitud #uandocalcule.

Options Tab

$tilice la ficha %pciones para refinar cómo &entley 'aterE* +,i se aplica elalgoritmo gen-tico () para sus pruebas de calibración optimizados.

%pciones

/ 0establecer 1 Haga clic en 0establecer para restaurar los alores por defecto desoft2are para las %pciones de calibración de 3ar2in.

/ 4olerancia 5itness 1 Establezca la precisión con la que desea que la calibración deoptimización para calcular la aptitud. l igual que con muchos de estos ajustes6debe determinar una tolerancia que equilibra precisión y elocidad para susmodelos de agua. imnasio tolerancia trabaja en conjunto con las generaciones nomejora.

/ Ensayos á7imo 1 Establecer el n8mero má7imo de intentos de calibración deseaque el#alibración %ptimizado para procesar antes de detenerse.

/ eneraciones no mejora 1 Establece el n8mero de n8mero má7imo degeneraciones no mejora que desea que el para procesar sin calcular una aptitudmejorada. *i la calibración optimizado hace que este n8mero de cálculos sinencontrar una mejora en la aptitud que es mejor que la tolerancia de fitness definido6la calibración se detendrá. eneraciones no las obras de mejora en relación con la


9/39

aptitud 4olerancia.

/ *oluciones para 4ener 1 Establecer el n8mero de soluciones de acondicionamientof9sico que se desea conserar.

En lugar de presentar con una sola solución6 &entley 'aterE* +,i se presentacon un n8mero personalizable de soluciones6 para que pueda reisarlosmanualmente.

:ota; Los alores más altos para las pruebas má7imas y las generaciones nomejora hará que el ciclo de optimización más tiempo. Es posible que deseecomenzar con n8meros bastante bajos y luego aumentar gradualmente el n8merode ejecuciones posteriores como usted quiere asegurarse de mejores soluciones. *iuna carrera parece estar tomando un largo tiempo6 puede hacer clic en el botón3etener para detener la optimización.

%pciones aanzadas

Las opciones aanzadas le permiten personalizar cómo funciona el algoritmogen-tico (). 3esde la optimización gen-tica1algoritmo es un algoritmo deb8squeda guiada al azar6 diferentes alores de los parámetros pueden producen unconjunto ligeramente diferente de soluciones6 que se puede utilizar para un estudiode sensibilidad de la calibración del modelo.

4enga en cuenta que todos los alores deben ser positios6 no negatios. Losalores recomendados se basan en ma7imizar la elocidad y la eficiencia.

/ 0establecer 1 Haga clic en 0establecer para restaurar los alores por defecto desoft2are para las opciones.

/ :8mero má7imo Era 1 Le permite controla el n8mero de hebras e7ternas delalgoritmo gen-tico () utiliza. #ada bucle e7terno se ejecuta sobre el n8mero degeneraciones con el mismo tama o menos6 el%ptimized El utiliza alores sobre la base de lo que está establecido para losensayos má7imas y eneraciones no mejora.

/ 4ama


10/39

largo para cada generación y más soluciones para ser ealuados.

El rango permitido para los alores es de ?> a ?>>. 0ecomendamos que utilice unrango de ?> a =?>.

/ @robabilidad #ortar 1 Establece la probabilidad de que una solución de sediidirá en dos partes. l establecer este alor cercano a =>>A aumenta el n8merode cortes realizados y reduce la cadena media (cromosoma) de longitud. El

aumento #ut @robabilidad prooca soluciones a ariar más ampliamente de unageneración a la siguiente6 mientras que la disminución de estas actualizaciones secambia más marginales.

El interalo permitido para alores es entre >A y =>>A6 no inclusie. Lerecomendamos que utilice un alor inferior al =>A.

juste de la probabilidad de empalme más cercano a =>>A aumenta el consumo dememoria 0 del sistema. *i está recibiendo errores de falta de memoria al utilizar %ptimización6 intente reducir la probabilidad de empalme más cerca de >A ytrate de aumentar la probabilidad de corte lejos del >A.

/ @robabilidad *plice 1 Establece la probabilidad de que dos soluciones se an aunir. $na probabilidad de empalme situado cerca de =>>A de resultados en lascadenas de solución de largo6 lo que aumenta la mezcla de alelos (genes) y mejorala ariedad de soluciones.

El interalo permitido para alores es entre >A y =>>A6 no inclusie. Lerecomendamos que utilice un rango de ?>A a B>A.

/ @robabilidad de mutación 1 Establece la probabilidad de que una solución de se altera al azar. $n alor cercano a =>>A hace que las soluciones para contenermás asignación al azar que los alores más cerca de >A.

El interalo permitido para alores es entre >A y =>>A6 no inclusie. Lerecomendamos que utilice un alor inferior al =>A.

/ 0andom *eed 1 Le permite establecer el generador de n8meros al azar a un nueopunto.El cambio de este alor y salir de todos los demás parámetros tal cual producirá unconjunto de soluciones diferentes.

El rango permisible para los alores es de > a =6 ambos inclusie.

/ 5actor de @enalidad 1 En 3ar2in 3esigner6 utilice un factor de penalización paraayudar a encontrar la solución. $n alto factor de penalización hace que el paracentrarse en soluciones iables6 que no iolen los l9mites de presión y caudal. $nbajo factor de penalización (?>.>>> apro7imadamente) permite que el considerar soluciones que están en el l9mite entre factible y soluciones no factibles6posiblemente iolar presión o l9mites de flujo por una peque


11/39

una solución iable rápidamente6 pero es menos probable que encuentre la soluciónóptima.

3esde un punto de ista práctico6 es posible considerar el comenzar con un altofactor de penalidad y trabajar hacia un factor de penalización menor medida quepersigue una solución óptima.

Roughness Tab

La ficha de rugosidad le permite seleccionar los grupos de ajuste rugosidad (quefueron definidas en el Estudio de calibración) y de las operaciones a realizar durantela ejecución manual.

La ficha de rugosidad consiste en una tabla que contiene las columnas siguientes;

/ 0ugosidad rupo de juste 1 uestra el nombre del grupo de ajuste de rugosidad.

/ CEstá actio! 1 *i se marca esta casilla6 el grupo de ajuste asociado será

considerado durante la calibración. *i la casilla no está seleccionada6 será ignorado.

/ %peración 1 *eleccione la operación que desea realizar la calibración.

/ +alor 1 Escriba el alor que desee para ser usado en conjunción con la operación

durante la fase de calibración manual.


12/39

Demand Tab

La ficha 3emand le permite seleccionar los grupos de ajuste de la demanda (que sedefinieron en el estudio de calibración) y los parámetros a utilizar durante la carreraoptimizada.

La pesta


13/39

@ara cada uno de los elementos6 si el está actio! casilla está actiada6 el elemento

asociado se considerará durante la calibración. *i la casilla no está seleccionada6 será

ignorado.

@ara cambiar el estado inicial de una tuber9a6 haga clic en el campo Estado de

elemento asociado y seleccione el nueo estado. #uando un estado inicial se ha

modificado6 la ssociated cambiado! *e comprobará casilla de erificación.

Ficha de Datos de Campo

La ficha de datos de campo muestra todas las instantáneas de datos de campo que

ha introducido para la calibración. Haga clic en el está actio! casilla de erificación al

lado del nombre de cada uno de los datos de campo instantáneas que desea utilizar

para la prueba de calibración. "nstantáneas de datos de campo que tienen las cajas

sin marcar al lado de ellos no serán utilizados para poner a prueba la aptitud #uando

calcule.

Notas Tab

"ntroduzca las notas que desea asociar con la calibración.

Soluciones de calibración

3espu-s de calcular un recorrido optimizado o manual6 aparecerán una o más

soluciones en el panel de lista de estudio de calibración. 3estacando una solución

hace que las siguientes fichas disponibles en el lado derecho del cuadro de diálogo;

Tab Solución 1 La ficha de soluciones muestra los alores ajustados para cada

grupo de ajuste junto con una comparación entre el alor original y ajustado para cada

elemento dentro de cada grupo de ajuste. Los resultados de la solución son filtrados


14/39

por 4ipo de ajuste de grupoD haga clic en el tipo que desee en el panel 4ipo de grupo

de ajuste.

Tab resultados simulados 1 La pesta


15/39

demás6 cuando una solución se pone de reliee en el panel de lista de estudio de

calibración6 los siguientes controles estarán disponibles;

/ E7portación de Escenario 1 Haga clic en el botón E7portar para e7portar el Escenario

de la solución de calibración seleccionado actualmente en el modelo de flujo de agua.

Esto abre la e7portación de calibración al cuadro de diálogo Escenario (para más

información6 consulte #alibración E7portar a #uadro de diálogo Escenario en la

página ==1BF).

/ "nforme 1 Haga clic en el botón "nforme para mostrar una ista preia de impresión

de la entana de datos de soluciones.

/ ráfico 1 Haga clic en el botón ráfico para er un gráfico con sus conjuntos de

datos obserados con respecto al HL correlación entre el simuladas y obseradas

HL.

Correlación Cuadro de diálogo Graph

Este cuadro de diálogo muestra un gráfico que muestra la correlación entre la

simulada y

%bserada HL.


16/39

#opiar; copia el gráfico actual en el portapapeles.

ista preliminar! uestra una ista preia del gráfico tal como se erá cuando se

imprima.

Opciones! bre las opciones de gráficos para permitir la isualización de gráficos

para su personalización.

Cerrar! #ierra la entana del gráfico.

"#uda! abre la ayuda para el cuadro de diálogo ráfico de correlación.

$mportación de datos de campo en Dar%in calibrador &so 'odel(uilder

3ar2in instantáneas de datos de campo se pueden importar a tra-s de odel&uilder6

los datos de campo tiene que estar preparado en un formato determinado para una

colección de datos diferente. Echemos E7cel como origen de datos de ejemploD el

proceso de importación de otras fuentes de datos a a ser muy similar a esto tambi-n.

Conse)os de calibración optimizados*G"

3ar2in calibrador emplea un poderoso m-todo de b8squeda algoritmo gen-tico

competente sobre la base de los principios de la eolución natural y la reproducción

biológica. Este tipo de algoritmo de b8squeda se adapta bien a la optimización de

problemas de naturaleza solución local óptima no cone7o y m8ltiple. La calibración

de un modelo hidráulico entra en esta categor9a problema y6 como resultado6 una

herramienta de b8squeda basada 1optimización6 tales como 3ar2in calibrador6 es

una buena elección para la calibración del modelo hidráulico.

pesar de todas las buenas caracter9sticas de hay6 sin embargo6 algunas

cuestiones a tener en cuenta;

/ $na solución es más en forma 8nica en relación con otras soluciones conocidas y6

en consecuencia6 un no tiene ninguna prueba de la erdadera optimalidad. #omo

sólo conoce la mejor solución con respecto a los demás6 un no tiene ninguna

regla precisa para cuando parar. Esto significa que los m-todos heur9sticos deben ser


17/39

utilizados para determinar si se debe detener una ejecución de . En 3ar2in #ali1

brator puede establecer un plazo parar6 ya sea por;

1 Haga clic en 3etener.

1 El establecimiento de un n8mero má7imo de soluciones de prueba.

1 El establecimiento de un n8mero má7imo de generaciones no mejora6 de forma que

si el estado f9sico de la mejor solución no mejora en más de una tolerancia

especificada en un determinado n8mero de generaciones6 entonces el se detiene.

/ $n es un m-todo no determinista que depende en cierta medida de su población

aleatoria inicial (a partir de lugares en el espacio de la solución). @or lo tanto6 cada

ejecución realizado puede producir diferentes soluciones. (*i mantiene todos los

parámetros y ajustes aptitud del mismo6 el m-todo es determinista y producirá

soluciones id-nticas cada ez.) 3ado el hecho de que un no tiene ninguna

erdadera prueba para el óptimo6 cuando le detuo un y producir un resultado

determinado6 no siempre e7iste la posibilidad que si se ejecuta el nueo es posibleencontrar una mejor solución. 3e hecho6 es una buena práctica para ejecutar un

arias eces6 cada ez modificar algo en la ejecutar (por ejemplo6 los parámetros

de 6 pesadez f9sica6 o la configuración del grupo de ajuste)6 con el fin de producir

otra serie de potencialmente mejores resultados. #omo m9nimo6 la semilla de n8mero

aleatorio debe ser cambiado para cada ejecución indiidual de modo que la b8squeda

inicia de forma diferente y por lo tanto llega a la conclusión de manera diferente.

/ El calcula la aptitud de cada solución de prueba de acuerdo con los objetios

definidos para el problema de optimización. sólo utiliza medios objetios para

decidir lo que constituye una solución en forma y lo que constituye una soluciónmenos coneniente. El no tiene forma de ealuar subjetiamente una solución

distinta de los m-todos

(pesos) integradas en la definición del cálculo de la aptitud. La mejor solución

encontrada por un no debe ser aceptada ciegamente como correcta. @ara

cualquier problema de optimización sola no es probable que haya muchas soluciones

que se apro7imen a los objetios requeridos. 3ebido al hecho de que el no tiene

ning8n concepto de lo que constituye una solución en forma6 con e7cepción de su

rendimiento frente a los objetios definidos6 el puede producir soluciones que son

poco prácticas. Es decir6 el no puede pensar por el ingeniero6 sólo puede buscar lacombinación de opciones que se presentan a la misma. *i el ingeniero no proporciona

la con datos de alta calidad y opciones suficientes o suficientemente fle7ibles a

considerar6 entonces el puede no ser capaz de encontrar una solución

satisfactoria. @or el contrario6 si el se presenta con demasiadas posibilidades de

probar (por ejemplo6 en 3ar2in calibrador6 si define rangos de grupos de ajuste

e7cesiamente grandes6 combinados con incrementos de ajuste peque


18/39

cantidad de grupos de ajuste)6 entonces la eficiencia de la b8squeda se reduce 6 y

la probabilidad de que la encontrará la respuesta correcta tambi-n se reduce

considerablemente. es un altamente sofisti1domesticadas t-cnica de b8squeda6

pero a pesar de sus grandes caracter9sticas6 toda9a debe ser utilizado con un

grado de juicio de ingenier9a y habilidad. *ólo entonces el ingeniero de esperar que el

para encontrar soluciones que no son sólo en forma6 pero son prácticos y que

puedan representar a la situación de la ida real con la mayor precisión posible.

/ La incertidumbre en las obseraciones de campo debe ser ealuado antes de que

estas obseraciones se utilizan en una optimización. :o es raro que los errores en la

medición de la p-rdida de carga para estar en el mismo orden de magnitud o mayor

que la p-rdida de carga real ('alsGi6 >>>). Estos alores no se deben utilizar en la

calibración debido a que el algoritmo de calibración se obedientemente tratar de

coincidir con las obseraciones de campo6 incluso si son erróneos. @ara asegurarse

de que la p-rdida de carga es adecuada para superar el error de medición6 que es 8til

para recoger datos cuando las elocidades en las tuber9as son apreciables. En

algunos sistemas de tama6 entonces ese alor se podrá decir en el futuro no muy

lejano. *i el uso del agua durante una obseración de la presión se determina que es

=>> gpm (I6J l K s)6 es que el alor de la demanda que se debe utilizar en el modelado6

dado que es sólo una obseración de una distribución! El agua real determinada a

partir de la calibración puede no ser el mejor alor a utilizar para representar el estado

actual a


19/39

este mensaje mientras se ejecuta una calibración; El motor de la calibración no tuo

-7ito. #onsulte el sistema de ayuda de consejos para resoler problemas.

*i usted está recibiendo el mensaje de -7ito del motor6 intente lo siguiente;

/ 4ome nota del mensaje de error que se proporciona junto con el motor de calibración

fue el mensaje fallido. *e puede proporcionar una pista de por qu- la calibración no se

ha ejecutado y ahorrar de tener que ir más lejos a tra-s de esta lista

/ seg8rese de que el modelo de escenario sobre el que se basa la calibración

funcionará apropiadamente en &entley 'aterE* +,i. *eleccione nálisisM

#ompute6 seleccione el botón de estado estacionario6 y haga clic en %. *i la carrera

se obtiene ya sea una luz de color amarillo o erde6 entonces el modelo hidráulico

corre y -ste no es el problema.

/ seg8rese de que la configuración del grupo toda su aspereza y la demanda son

álidos y razonable. @or ejemplo6 aseg8rese de que los ajustes de rugosidad y K o

ajustes de la demanda no son tales que su modelo hidráulico podr9a tener dificultad

para conerger. @or ejemplo6 aseg8rese de que no está permitiendo que e7ige ser

demasiado altos o demasiado áspero tuber9as6 causando una cantidad e7cesia de

p-rdida de carga.

/ *i tiene un gran n8mero de tubos asignados a los grupos de estatus6 reisar lanecesidad de incluir todos esos tubos como las decisiones de estado y tratar de

minimizar el n8mero de tubos en los grupos de estatus.

:ota; Los ajustes de la memoria irtual se deben ajustar sólo los usuarios aanzados

o administradores del sistema.

/ $sted puede estar e7perimentando poca memoria del sistema. l ejecutar 3ar2in

calibrador6 aseg8rese de cerrar todas las aplicaciones no utilizadas y si el ajuste de

los parámetros aanzados aseg8rese de que está utilizando una probabilidad de

corte de más de un peque por ciento. *i su sistema no tiene mucha memoria 0 (N=,b)6 tambi-n es

posible que desee aumentar la cantidad de memoria irtual asignada que su sistema

está utilizando. Los usuarios de 'indo2s B,KE deben dejar que 'indo2s administre

la memoria irtual6 sin embargo6 los usuarios de 'indo2s :4K>>>KO@ pueden

querer aumentar el tama


20/39

consulte la documentación de icrosoft 'indo2s para obtener información sobre la

configuración de memoria irtual espec9ficas a su sistema1ciones de sericio.

*i usted está teniendo problemas para conseguir soluciones de calibración

razonables6 intente lo siguiente;

/ seg8rese de que el campo Hora para cada uno de su medida de datos de campo

fija corresponde a la hora del d9a en que se tomaron las medidas. La razón es que el

tiempo introducido en el conjunto de datos de campo se utiliza para determinar los

multiplicadores de la demanda (de los patrones de flujo)6 que a su ez se utiliza para

calcular las e7igencias de cone7iones que se pueden simular en el motor de

calibración . (La demanda en un cruce durante una fase de calibración del es el

producto de sus demandas iniciales y los factores de la demanda en el momento

especificado para los datos de campo establecidos.) justes de la bomba y los ajustes

de control6 etc6 tambi-n se determina a partir de la configuración de tiempo que

especifique. justes multiplicador de la demanda y las e7igencias de cone7iones

adicionales (por ejemplo6 pruebas de flujo de fuego) son además de6 no en lugar de6las demandas de unión ya calculados a partir de los multiplicadores de patrones.

4ambi-n tenga en cuenta que un estado de equilibrio se ejecute en &entley

'aterE* +,i se ejecutará con sólo demandas iniciales de unión aplicadas6

mientras que un desplazamiento de calibración basado en un escenario de estado

estacionario se siguen utilizando multiplicadores de patrón durante el tiempo

especificado.

/ odificación del estado de un enlace puede tener efectos significatios en los

resultados hidráulicos y sus posibilidades de encontrar buenas soluciones de

calibración. *i está utilizando una serie de ajustes de grupo de estado6 debe reisar

por qu- necesita esos grupos de ajuste. 4al ez sea mejor para e7perimentar con este

tipo de ajustes de forma manual6 o conseguir a alguien para aeriguar si esa álula

realmente se cierra y retire la decisión de estado de la calibración . En general6

trate de mantener las decisiones de ajuste de estado a un m9nimo.

/ seg8rese de que los grupos de ajuste son lógicas. @or ejemplo6 las uniones se

agrupan por el patrón o las demandas de los grupos de la demanda y las tuber9asestán agrupados por tama


21/39

cada grupo. @or ejemplo6 un grupo rugosidad permite que ar9e entre una de Hazen1

'illiams # de

,> y una de Hazen1'illiams # de =J>6 con un incremento de >6= equiale a ?>>

diferentes posibles configuraciones de rugosidad para un grupo. Esto es demasiado

alto 4rate de elegir l9mites inferior y superior6 y un incremento que le dará no más de

=>1= alores posibles. *i es necesario6 se puede empezar con la configuración del

curso (por ejemplo de ,> a

=J> con un incremento de ?) inicialmente6 y perfeccionar gradualmente el rango

permitido y el incremento para filtrar las soluciones de calibración. Esto se aplica tanto

a los grupos de ajuste rugosidad y tambi-n para e7igir grupos de ajuste.

/ seg8rese de que dispone de los datos suficientes y de campo de calidad y que se

ha introducido correctamente. En general6 es una buena idea tener tantos (o más)

mediciones de datos de campo como los grupos de ajuste para la calibración6 o bien

su problema de calibración es bajo1especificado. Esto significa que no es probableque haya m8ltiples soluciones de calibración que producen las mismas o muy

similares resultados hidráulicos (por ejemplo6 soluciones que presentan errores de

compensación). En teor9a6 sólo hay una solución correcta6 sin embargo6 debido a los

l9mites obserados para muchas calibraciones modelo prácticos6 los datos de campo

de mayor calidad que se puede brindar6 más posibilidades tienes de encontrar una

solución que sea cercana a la situación real. l ealuar el n8mero de campo

obseraciones que usted tiene6 consideran que cada obseración indiidual deber9a

contribuir con información 8nica y precisa para la calibración. @or ejemplo6 la presión

mediciones realizadas en dos uniones en diferentes partes del sistema de distribución

tienden a ser más alioso que dos mediciones realizadas en los alrededores de uno al

otro en el sistema de distribución. 3e hecho6 las dos mediciones tomadas en puntos

pró7imos entre s9 pueden ser sólo tan buena como una medición. Es decir6 ambas

mediciones dicen lo mismo sobre el sistema. *implemente6 los datos de campo recoja

y entrar en 3ar2in calibrador debe ser los datos que representan momentos en que

su sistema está e7perimentando una gran demanda6 incluso si es sólo el resultado de

actiidades tales como las pruebas de flujo de fuego. La razón de esto es que durante

los tiempos de demandas normales6 la p-rdida de carga a tra-s del sistema es por lo

general en el mismo orden de magnitud que el error en la medición de p-rdida de

carga. @or lo tanto6 los peque


22/39

:ota; Los nieles de los tanques6 los ajustes de elocidad de la bomba6 la

configuración de la álula y HL reserorio son utilizados por el motor de calibración

como condiciones de contorno y como estas entradas de datos de este tipo de campo

no aparecerán en el resumen del informe de calibración. Es decir6 se establecen estas

cantidades fijadas en las simulaciones de calibración y la calibración no intenta hacer

coincidir estos datos. 4odas las demás cantidades se utilizan en forma de cantidades

obseradas de que el motor de calibración intenta igualar mediante el ajuste de los

parámetros definidos en los grupos de ajuste.

/ seg8rese de que está utilizando las condiciones de contorno adecuadas. *i ha

introducido obseraciones de nieles de los tanques6 etc6 aseg8rese de que usted no

ha cometido errores en la introducción de los datos.

+lanes de Optimización de 'e)oras de Capital con Dar%in Designer

Dar%in Designer

3ar2in 3esigner le permite dise


23/39

etodolog9a 3ar2in 3esigner

3ar2in calibrador etodolog9a

Los modelos de computadora se han conertido en una herramienta esencial para la

gestión de los sistemas de distribución de agua en todo el mundo. Hay numerosos

efectos para el uso de un modelo de ordenador para simular las condiciones de flujo

dentro de un sistema. $n modelo puede ser empleado para;

/ segurar la adecuada cantidad y calidad de sericio de los recursos de agua potable

a la comunidad

/ Ealuar alternatias de planificación y dise>=)6 se debe considerar la calibración de todos los parámetros

del modelo6 como la demanda de cone7ión6 el estado de funcionamiento de las

tuber9as y álulas y tuber9as de rugosidad coeficientes.


24/39

#alibración de los modelos de redes de distribución de agua se basa en los datos de

medición de campo6 como las presiones de cone7iones6 los flujos de tuber9as6 los

nieles de agua en las instalaciones de almacenamiento6 la configuración de las

álulas6 el estado de funcionamiento de la bomba (on K off)6 y elocidades de la

bomba. Entre todos los ámbitos posibles de datos de obseración6 unión HL y los

flujos de tuber9a se utilizan con mayor frecuencia para ealuar el ajuste bondad1de1de

la calibración del modelo. %tros parámetros6 como el niel de los tanques6 la

configuración de la álula y el estado de funcionamiento de la bomba K elocidad seutilizan como condiciones de contorno que se registran en la recogida de un conjunto

de obseraciones de calibración de presiones y caudales de unión de tuber9as.

3atos de obseración de campo se miden y se recogieron en diferentes momentos

del d9a y en arios lugares en el sitio6 que pueden corresponder a diersas cargas de

demanda y las condiciones de contorno. @ara que los resultados del modelo de

simulación para más de cerca eniado repre1datos obserados6 los resultados de la

simulación deben utilizar la misma carga de la demanda y las condiciones de contorno

como datos obserados. @or lo tanto6 el proceso de calibración debe llearse a cabo

bajo arias condiciones de carga de la demanda y de contorno de funcionamiento.

#alibración tradicional de un modelo de distribución de agua se basa en un

procedimiento de ensayo y error por el cual un ingeniero o modelador calcula primero

los alores del modelo parámetros6 se ejecuta el modelo para obtener una presión y

caudal predicho6 y finalmente se comparan los alores simulados a los datos

obserados. *i los datos de predicción no se compara de cerca con los datos

obserados6 el ingeniero regresa a la modelo6 hace algunos ajustes a los parámetrosdel modelo6 y calcula de nueo para producir un nueo conjunto de resultados de la

simulación. Esto puede tener que repetirse arias eces para asegurarse de que el

modelo produce una predicción calibrada de la red de distribución de agua en el

mundo real. La t-cnica de calibración tradicional es6 entre otras cosas6 bastante

tiempo.

demás6 una representación de red t9pica de una red de agua puede incluir cientos o

miles de enlaces y nodos. "dealmente6 durante el proceso de calibración modelo de

distribución de agua6 el coeficiente de rugosidad se ajusta para cada enlace y la

demanda se ajusta para cada nodo. *in embargo6 sólo un peque


25/39

consecución de un modelo de gran precisión bajo condiciones prácticas6 con inclusión

de diersos parámetros del modelo como la rugosidad de la tuber9a6 la demanda de

cone7iones y el estado del enlace6 y tambi-n la demanda m8ltiple y condiciones de

contorno.

Formulación de calibración

$n calibrador optimizado se formula y desarrollado para facilitar el proceso de

calibración de un modelo de distribución de agua. Los parámetros se obtienenreduciendo al m9nimo la discrepancia entre los alores obserados de campo1de las

presiones hidráulicas de unión (grados) y los flujos de tuber9a para las condiciones

l9mite dadas pronosticado por el modelo y. La calibración %pti1mized se define

entonces como un problema de optimización no lineal con tres objetios diferentes de

calibración.

Ob)eti/os de calibración

La bondad de ajuste de calibración del modelo es ealuado por la discrepancia entre

el modelo simulado y el campo medido cruce HL y el flujo de la tuber9a. La

puntuación de bondad de ajuste se calcula mediante el uso de una cabeza de fitness1

punto1por1hidráulico especificado por el usuario para Punc1ciones y de la aptitud de

punto por flujo para tuber9as. Esto permite que un modelador de ponderar con

fle7ibilidad la ealuación tanto de flujo de la tuber9a y la unión de la carga hidráulica.

4res funciones de fitness se definen de la siguiente manera;

Restricciones de calibración

#alibración optimizada se llea a cabo mediante el cumplimiento de dos restricciones

de tipo6 las limitaciones de los sistemas hidráulicos y de los parámetros de calibración

de las limitaciones ligadas. Las restricciones del sistema son un conjunto de

ecuaciones impl9citas que garanticen la conseración del flujo de continuidad en losnodos y de la energ9a para los circuitos dentro de un sistema de distribución de agua.

#ada solución de prueba generada por el se analiza utilizando &entley

'aterE* +,i solucionador de red hidráulica.

Las limitaciones con destino de calibración se utilizan para establecer los l9mites

má7imos de los coeficientes de rugosidad de la tuber9a y la demanda de cone7iones

multiplicador y m9nimo. *e les da de la siguiente manera.


26/39

4ubos que tienen las mismas caracter9sticas f9sicas y hidráulicos se les permite ser

agrupados como un eslabón de calibración6 y un nueo coeficiente de rugosidad o un

coeficiente de rugosidad multiplicador se asigna a todos los tubos en el mismo grupo.

Las uniones que tienen los mismos patrones de demanda y dentro de una misma área

topológica tambi-n se pueden agregar como una unión de calibración para el que se

calcula un mismo multiplicador de la demanda y se le asigna. Los parámetros de

calibración están limitadas por los l9mites superior e inferior prescritos y se ajustan con

un alor incremental1prescrito usuario. @or ejemplo6 un alor # de Hazen1'ill1"ams

para un tubo o un grupo de tubos se calcula dentro de un rango de > a => y por un

incremento de ?. ultiplicadores de la demanda puede ariar de >6, a =6 por >6=.

gregación parámetro es 8til en la reducción de la dimensión de calibración6 sin

embargo precaución debe ser ejercida al agrupar las tuber9as y uniones6 ya que esto

puede afectar a la precisión de la calibración del modelo.

"lgoritmo Gen-tico Optimized Calibración

$n algoritmo gen-tico () es un robusto paradigma de b8squeda basado en losprincipios de la eolución natural y la reproducción biológica (oldberg6 =B,B). @ara

optimizar la calibración de un modelo de distribución de agua6 un programa de

algoritmo gen-tico primero genera una población de soluciones de prueba de los

parámetros del modelo. $n solucionador hidráulico luego simula cada solución de

prueba. La simulación hidráulica resultante predice la LH (presiones de unión) y el

tubo fluye en un n8mero predeterminado de nodos (o puntos de datos) en la red. Esta


27/39

información luego se pasa al módulo de calibración asociado. El módulo de

calibración eal8a cómo de cerca el modelo de simulación es que los datos

obserados6 la ealuación de la calibración calcula un alor de bondad de ajuste6 que

es la discrepancia entre los datos obserados y el modelo predijo flujos de tuber9a y

presiones1ción junc o HL6 para cada solución. Este alor de bondad de ajuste es

asignado entonces como la aptitud para esa solución en el algoritmo gen-tico.

$na generación producida por el algoritmo gen-tico es entonces completa. La medida

de la aptitud se tiene en cuenta cuando se realiza la pró7ima generación de las

operaciones de algoritmos gen-ticos. @ara encontrar las soluciones óptimas de

calibración6 soluciones más adecuadas serán seleccionados mediante la imitación de

principio de selección natural de 3ar2in de la superiencia del más apto. Las

soluciones seleccionadas se utilizan para reproducir una nuea generación de

soluciones de calibración mediante la realización de operaciones gen-ticas. 3urante

muchas generaciones6 las soluciones eolucionan6 y el óptimo o cerca de soluciones

óptimas en 8ltima instancia emergen. Hay numerosas ariaciones de los algoritmos

gen-ticos en la 8ltima d-cada. uchas aplicaciones e7itosas de a la solución de

calibraciones modelo se han lleado a cabo para la calibración optimizado de los

sistemas de recursos de agua ('ang =BBD 'u =BBD &aboic etc =BBD 'u y Larsen

=BBI). ás recientemente6 un algoritmo competente gen-tica (tambi-n llamada rápida

desordenado )6 que se ha demostrado la más eficiente para la optimización de

un sistema de distribución de agua ('u Q *impson >>=)6 se ha utilizado para la

calibración optimizado. $na bree descripción se da en la siguiente sección.

'etodolog.a Dar%in Designer

3ar2in 3esigner utiliza un algoritmo gen-tico () gen-rico paradigma de b8squedapara ayudar a los ingenieros hidráulicos planificar y dise


28/39

distribución de agua y de rehabilitación que satisface los criterios prescritos

hidráulicos tales como;

/ 9nimo requerido de presión de unión

/ La presión má7ima permisible de cone7iones

/ 0equisito de má7ima elocidad de flujo de tuber9a permitida

/ 9nimo requerido elocidad de flujo de la tuber9a.

Ni/el 'odelo 1! Optimización má2ima de bene3icios

El modelo de optimización de beneficios se ha desarrollado para determinar la

solución má7ima de dise


29/39

del tubo se puede seleccionar de un conjunto de tama


30/39

conjunto de diámetro de la tuber9a disponible 3> de opciones de ##. El nueo costo

tuber9a se da como;

Costo +ipe Rehabilitación

El costo de un tubo de rehabilitación se asocia con el diámetro de la tuber9a y de la

acción de rehabilitación. 3eje cG (eG6 dG) tener un costo por unidad de longitud de una

tuber9a para el G1-simo eG acción de rehabilitación elegido entre un conjunto de

posibles E> acción de opciones de la #E para la tuber9a e7istente de dG diámetro. Elcoste de las tuber9as de rehabilitación se formula como;

@ara las tuber9as que se agrupan en un eslabón de dise


31/39

El objetio de un dise


32/39

de optimización multi1objetio (minimización de costes y ma7imización de beneficios)

una. $na optimización multi1objetio permite a los ingenieros para crear un dise


33/39

aumenta la presión6 cada unidad adicional de beneficio presión ale menos. @or lo

tanto6 b partición deber9a ser inferior a =6> (por ejemplo alrededor de >6?).

:P R :8mero de uniones de beneficios presión

:3 R :8mero de eentos de dise


34/39

$n conjunto de diámetros de tuber9a se puede introducir tambi-n para e7cluir los

tama


35/39

$na solución de dise


36/39

'ulti Ob)eti/o "lgoritmo Gen-tico Optimized Dise5o

Los algoritmos gen-ticos han sido ampliamente aplicado a la resolución de problemas

de optimización de un solo objetio en el análisis de sistemas de recursos h9dricos(&+"# et al =BBD. 'u y *impson

=BBI6 =BBFa6 =BBFb y >>=D 'u et al. >>> y >>=). En los 8ltimos a


37/39

una de las funciones objetio y trata a los demás funciones objetio como

restricciones. #ada una de las limitaciones que se limita a un alor prescrito.

4ransforma un problema de optimización multiobjetio en una optimización de la de un

solo objetio. La solución óptima dado por el m-todo de restricción6 sin embargo6

depende de los l9mites de las restricciones de pre1definidas. *oluciones @areto1

óptimos se pueden obtener mediante la realización de arias ejecuciones del

problema de un solo objetio de optimización utilizando diferentes pesos factores o

l9mites de las restricciones. #uantas más combinaciones de factores de ponderación ol9mites de las restricciones6 se requieren los más carreras de optimización6 mayor es

el coste computacional. @or el contrario6 el algoritmo gen-tico multiobjetio optimiza

simultáneamente todas las funciones objetio en una carrera sin ning8n tipo de

solución de seguridad en funciones objetio. @roporciona un m-todo eficaz para el

manejo de la optimización multiobjetio.

El objetio de la optimización de un solo objetio es la b8squeda de una solución

óptima. %ptimización multi1objetio tiene dos goles durante el proceso de b8squeda.

$no de los objetios es encontrar un conjunto de soluciones @areto1óptimas lo más

cerca posible al frente de @areto1óptimo. El segundo objetio es el de mantener un

conjunto de soluciones @areto1óptimos tan diersas como sea posible. &8squeda de

soluciones @areto1óptimos es sin duda la tarea principal para la optimización multi1

obje1tio. $na solución del problema de un solo objetio de optimización es ealuada

por el alor objetio6 que contribuye directamente a la idoneidad de la solución

genotipo correspondiente. *in embargo6 la aptitud de una solución para el problema

de optimización multi1objetio se determina por el predominio solución que se puede

definir como el n8mero de soluciones dominadas entre la población actual de

soluciones. #uanto más fuerte el dominio6 mayor es la aptitud se asigna a unasolución. *i bien la b8squeda de soluciones @areto1óptimos es importante6 el

mantenimiento de la diersidad de las soluciones @areto1óptimas tambi-n es esencial.

Lidiar con la optimización multi1objetio6 tales como la minimización de costes y

la ma7imización de beneficio para un sistema de distribución de agua6 se pre- que

las soluciones de comercio1off óptimos se encuentran y se distribuyen de manera

uniforme para toda la gama de presupuesto de costos. Esto se consigue normalmente

mediante el uso de un m-todo de intercambio de fitness o solución de cl8steres.

@ara resoler eficazmente el problema de la relación costo1beneficio óptimo dise>) proporciona una potente herramienta de optimización de dise


38/39

a los ingenieros hidráulicos para dise


39/39

@or ejemplo6 el tama bits6 es más

de un millón. Esto hizo que la aplicación de la desordenado primera generación a

un problema de optimización a gran escala imposible. Este cuello de botella ha sido

superado mediante la introducción de un procedimiento de filtro de bloque deconstrucción (oldberg et al. =BBJ) en el desordenado . El procedimiento de filtro

acelera el proceso de b8squeda y se llama rápido desordenado.

El ayuno desordenado emula el proceso gen-tico1eolutio de gran alcance en

dos bucles anidados6 un bucle e7terior y un bucle interno. #ada ciclo del bucle

e7terior6 que se denota como una -poca6 inoca una fase de inicialización y un bucle

interior que consiste en una fase de filtrado de bloque de construcción y una fase

yu7taposicional. l igual que un algoritmo gen-tico simple6 la inicialización

desordenado crea una población de indiiduos al azar. El tama

Capituilo Calibracon y Optimizacion Traducido

Documents

Transcript of Capituilo Calibracon y Optimizacion Traducido