IAHR CIC
XXV COGRESO LATIOAMERICAO DE HIDRULICA
SA JOS, COSTA RICA, 9 AL 12 DE SETIEMBRE DE 2012
UEVA METODOLOGA PARA DISEO DE REDES ITERAS DE
DISTRIBUCI DE AGUA POTABLE
Silvia Takahashi, Pablo ez
Centro de Investigaciones en Acueductos y Alcantarillados (CIACUA), Departamento de Ingeniera Civil y Ambiental,
Universidad de los Andes, Bogot, Colombia
<stakahas@uniandes.edu.co>, <pa.nanez49@uniandes.edu.co>
RESUME: Las redes internas de distribucin de agua potable (RIDAP), son el componente final del
sistema de distribucin de agua potable de cualquier asentamiento urbano. En la actualidad, las
aproximaciones al anlisis de estos sistemas son considerablemente obsoletas teniendo en cuenta, por
ejemplo, que las metodologas vigentes de diseo en Colombia y Amrica Latina son basadas en
estudios de hace ms de medio siglo (Hunter 1940), que no representan de manera aceptable el
comportamiento real de stos (Acero 2009, Cruz y Barrios 2001). Ello contrasta con las metodologas
de anlisis de las redes de distribucin de agua potable (RDAP), en donde constantemente aparecen
nuevos avances para la solucin de problemas como el de calibracin o el de diseo del sistema,
haciendo uso de herramientas modernas como las tcnicas de Inteligencia Artificial, las ecuaciones
fsicamente basadas, criterios de optimizacin multiobjetivo para minimizar costos constructivos y de
operacin, e incluso software capaz de implementar todas estas herramientas. Basado en el modelado
de la demanda por medio de procesos de Markov, se presenta un mtodo para el anlisis y diseo de
RIDAP. Finalmente se presenta un pseudocdigo del mtodo y muestran los resultados obtenidos con
una red de prueba.
ABSTRACT:
Nowadays, most used analysis methods for internal water distribution systems IWDS are obsolete,
which are based on methods developed in the 40s. Recent studies shown that this previous approaches
didn't fit properly in the dynamical behavior of the IWDS. On the other hand, the water distribution
network WDN analysis methods are well developed, even more this field is very active. In this paper,
we take borrow some succesful concepts in WDN analysis and a novel model for water demand in
IWDS for develop a methodology for IWDS design. Finally, some results are drawn with a test
network.
PALABRAS CLAVE: Redes internas de distribucin de agua potable, modelos de demanda de agua
en edificaciones, modelos estocsticos, mtodo de Hunter.
ITRODUCCI.
El diseo de redes internas de distribucin de agua potable (RIDAP) supone un problema de
optimizacin que busca los dimetros de las tuberas que conforman la red de tal forma que se cumplan
con ciertas restricciones hidrulicas a un bajo costo. Para solucionar este problema primero es
necesario estimar las condiciones de operacin del sistema una vez este sea instalado. Estas
condiciones son variantes en el tiempo y siguen procesos estocsticos derivados del comportamiento de
los usuarios del sistema. Por lo tanto, la condicin de operacin de una RIDAP debe ser modelada
mediante un proceso estocstico que relacione el nmero de usuarios, el nmero de aparatos y el tipo
de uso (e.g., residencial, comercial, industrial, etc.). Una vez se establecen las condiciones de operacin
y dado un nivel de confiabilidad para el sistema, se seleccionan los dimetros de las tuberas dentro de
un conjunto finito de dimetros disponibles.
Aproximaciones tradicionales hacen uso de modelos estocsticos (o mtodos empricos) para
determinar el caudal mximo probable en las diferentes tuberas del sistema, y luego siguiendo algn
tipo de aproximacin se disean las tuberas e.g., el mtodo de Hunter (Hunter 1940), el mtodo
britnico (Garca Sosa 2001), el mtodo de Dawson y Bowman (Castro Ladino, Garzn Garzn et al.
2006) el mtodo Alemn o de raz cuadrada (Garca Sosa 2001), el mtodo del factor de simultaneidad
(Melguizo 2002), el mtodo racional (Roca Surez and Carratal Fuentes). La mayora de metodologas
siguen el enfoque de Hunter, presentando variaciones con respecto al modelo estocstico para obtener
el caudal mximo probable, la forma de agregar los caudales, o simplemente variando los valores que
relacionan caudal mximo probable por cada tipo de aparato.
Con el objetivo de optimizar el diseo de RIDAP es indispensable conocer las caractersticas de la
demanda que se requiere satisfacer. Los mtodos de diseo tradicionales tienen en cuenta estimaciones
de la demanda (e.g., mtodo de Hunter) ya sea explcita o implcitamente. Debido a que mltiples
anlisis de sensibilidad en su comportamiento muestran que el factor ms influyente es la variacin de
la demanda, es indispensable contar con modelos lo ms acertados posibles para poder estudiar
metodologas de optimizacin de diseo de RIDAP (Garca, Garca-Bartual et al. 2004). En general, las
metodologas tradicionales de diseo de RIDAP involucran cierto conocimiento emprico y algunos
factores probabilsticos a manera de modelos de prediccin de demanda. En (Acero 2009), el autor
explica claramente el mtodo britnico, el mtodo alemn, el mtodo racional, de la raz cuadrada y de
Hunter, siendo el ltimo a la fecha el ms comnmente utilizado. Existen adems ciertas metodologas
de diseo de redes en general que estn basadas en modelos estocsticos de la demanda. En
(Buchberger and Wu 1995), el autor propone el modelado de patrones de consumo como variables
aleatorias. A partir de esta aproximacin se ha desarrollado una lnea de investigacin que busca
mejorar el desempeo de los modelos de demanda. En (Garca, Garca-Bartual et al. 2004), los autores
describen la demanda mediante 9 parmetros y 5 funciones estadsticas.
En este trabajo de investigacin se propone una nueva metodologa que si bien sigue la estructura
clsica de Hunter, hace uso de herramientas computacionales para simulacin de RIDAP que le
permiten prescindir de simplificaciones con respecto al modelo estocstico que determina el caudal
mximo probable. As mismo, hace uso de cadenas de Markov para calcular la probabilidad de
aparicin de cualquier configuracin de los nudos de consumo en la red, y dado un nivel de
confiabilidad del sistema, permite encontrar un diseo que cumple con las restricciones en cuanto a
presiones mnimas de operacin y satisfaccin de la demanda. Consecuentemente, en este proyecto de
investigacin el modelo de demandas planteado sigue un proceso estocstico (Pulsos Rectangulares no
Homogneos de Poisson PRNHP) definido de manera similar que en los modelos ms aceptados en la
actualidad (Buchberger and Wu 1995; Buchberger and Wells 1996; Garca, Garca-Bartual et al. 2004);
y adicionalmente, se propone un modelo basado en cadenas de Markov que define los escenarios de
demanda a los cuales puede ser sometida una RIDAP dado un nivel de servicio.
DESCRIPCI DEL PROBLEMA Y METODOLOGA DE ALISIS.
En la actualidad, las RIDAPs son redes a las que se conectan un alto nmero de aparatos de consumo
de agua, cada uno de los cuales tiene un comportamiento diferente tanto hidrulicamente como
respecto a la manera en que las personas lo utilizan. Adems, con fenmenos como la conciencia
ambiental de los usuarios, y el encarecimiento del costo del servicio, se puede esperar el desarrollo de
ms aparatos sanitarios (Para el resto de este documento, la palabra aparatos, se referir a aparatos
sanitarios tales como sanitarios, lavamanos, duchas, etc.) que seguramente tendrn un comportamiento
diferente a los ya existentes. Teniendo en cuenta esto, las metodologas de diseo deben buscar la
facilidad de acoplamiento de nuevos aparatos, y en general, nuevas tecnologas que se desarrollen para
el sistema. Est es una de las ms notables deficiencias de los mtodos tradicionales de diseo, que
hacen de esta tarea algo notablemente impreciso y subjetivo. Si adems se adiciona la variabilidad en el
comportamiento de los usuarios, por efectos como el clima, la tarifa del servicio de distribucin de
agua o las costumbres de diferentes culturas, se encuentra que estos mtodos son aplicables en
situaciones muy especficas y por lo tanto se hace necesaria una metodologa que sea de fcil
aplicacin para cualquier contexto.
Haciendo uso de un estudio previo sobre patrones de demanda en RIDAPs, se presenta un modelo del
comportamiento de los usuarios en las RIDAPs basado en cadenas de Markov. Para esto se definen los
escenarios de una red como las posibles combinaciones de nudos ocupados y libres. Son representados
por vectores binarios (1/0, demanda/ no demanda). Por medio de los escenarios se describe el espacio
muestral de las posibles situaciones de servicio en los que se puede encontrar la red. Por ejemplo, para
una red de 4 nudos se tienen = 2
= 2
= 16 posibles escenarios de consumo. Luego, se definen
estados del sistema como grupos de escenarios que comparten el nmero de nudos ocupados y libres,
sin importar la forma como se distribuyan en la red. En todo el espacio muestral existen +1 estados,
donde el valor n es igual al nmero de nudos en la red.
Dado que el uso de los aparatos (nudos de consumo) sigue un proceso estocstico que puede ser
descrito por el modelo de PRNHP, la secuencia de estados (es decir el nmero de aparatos ocupados en
el tiempo) es tambin una variable aleatoria. Esta secuencia es una secuencia de Markov y es posible
predecir su comportamiento en estado estacionario utilizando la teora de cadenas de Markov. Este
proceso aleatorio es estocsticamente estable; por lo tanto se tiene inters en la probabilidad
estacionaria para 0, 1, 2, aparatos encendidos simultneamente. Es decir, dar respuesta a la pregunta
cul es la probabilidad de que m aparatos de n estn ocupados simultneamente? El modelo planteado
para aparatos ( = 4) puede observarse en la Figura 1, en donde los arcos que incrementan el
nmero del estado estn relacionados con la aparicin de pulsos de consumo (parmetro
), mientras
que los arcos que disminuyen el nmero del estado estn relacionados con la duracin de los pulsos de
demanda (parmetro ), en donde los parmetros
, y son parte del modelo de PRNHP.
Cada estado (escenario) tiene asociada una probabilidad de aparicin en el tiempo (e.g, la probabilidad
de que ningn aparato est en uso es del 50%, y de que solo un aparato est en uso es del 45%).
En la Figura 1 se puede observar un diagrama para una cadena de Markov en particular. En este grafo
se pueden observar los elementos que constituyen una cadena, a saber, i) los estados como crculos
enumerados de 0 a 4; ii) los arcos de transicin, que unen los estados. Estos arcos estn marcados con
una variable que representa la probabilidad de que el sistema pase de un estado (desde donde sale el
arco) a otro (hacia donde se dirige el arco). Dado que estas variables representan probabilidades, es
claro que todas las probabilidades que salen de un estado deben sumar 1. De esta manera, para el
ejemplo, en el estado cero se puede asegurar que
= 1, y en el estado uno
+ + = 1 y as
sucesivamente. La probabilidad de que el sistema se encuentre en el estado a
en el instante n (x
= a
)
se calcula como:
px
= a
= a
, , x
= a
= px
= a
= a
, [1]
que es una secuencia de Markov de tiempo discreto. La probabilidad de transicin entre estados est
determinada por:
px
= a
= p
n =
n, sp
(s)
[2]
donde p
n es la probabilidad de que la cadena de Markov se encuentre en el estado i en el tiempo n.
Por otra parte, la sumatoria sobre j representa la sumatoria de todos los pares estado arco que llevan a i.
En consecuencia,
n, s es la probabilidad de transicin entre el estado j al i en los instantes s y n,
finalmente p
s es la probabilidad de que la cadena de Markov se encuentre en el estado j en el tiempo
s. As:
n, s = px
= a
= a
[3]
Adicionalmente, como se explic anteriormente,
al representar probabilidades de transicin desde i
a j, l debe mantenerse a siguiente relacin:
n, s = 1,
[4]
Adems,
n, s =
n, n
, s
[5]
Si el proceso x
es homogneo, las probabilidades de
n, s dependen nicamente de la diferencia
n s, es decir, dependen nicamente de m = n s. Reescribiendo las ecuaciones para m (Papoulis,
Pillai et al. 1965):
m = px
= a
= a
[6]
n + k =
, (Ecuacin de Chapman Kolmogoroff) [7]
Reescribiendo la ltima ecuacin de manera matricial se obtiene,
n + k = kn [8]
Por definicin la matriz de la primera transicin es 1 = . Por lo tanto,
Figura 1. Cadena de Markov
n =
[9]
Utilizando la notacin matricial y la ecuacin anterior, se reemplaza en la Ecuacin [2]Error! o se
encuentra el origen de la referencia. y se obtiene la ecuacin en diferencias recursiva para el vector de
p
n, Pn:
Pn = Pn k
= P0
, [10]
donde Pn = [p
n, p
n, p
n, p
n]. Si el proceso es estadsticamente estable(Papoulis, Pillai
et al. 1965), despus de muchos instantes de tiempo n , Pn se hace independiente de n, es mas si
P1 es tal que P2 = P1 = P, entonces Pn = P para todo n. Si el sistema es estadsticamente
estable el vector de estados en estado estacionario P es la solucin del sistema de ecuaciones descrito
por:
P P =
[11]
Es decir, P es un eigenvector de asociado con el eigenvalor = 1. Adicionalmente, si
tiende a un
lmite cuando n entonces el proceso x
es estadsticamente estable (asintticamente). Para
continuar con el modelado del sistema, es necesario encontrar las probabilidades de transicin en
funcin de los parmetros del modelo PRNHP. La aparicin de los pulsos est relacionada con el
incremento en el estado de la cadena de Markov (e.g., Figura 1) la probabilidad
; por otra parte, la
disminucin en el estado de la cadena de Markov est relacionado con la duracin de los pulsos de
consumo, es decir, que cada vez que un pulso de consumo termina, un aparato se libera, y el estado de
la cadena de Markov cambia (e.g., ); este proceso es conocido como un birth-dead process en la teora
de colas. La evolucin de las probabilidades para cada uno de los estados de la cadena de Markov de la
Figura 1, es mostrada en la Figura 2.
METODOLOGA DE DISEO
Una vez las probabilidades de los escenarios son calculadas se procede a disear la RIDAP para
aquellos escenarios que acumulen la probabilidad de aparicin para la confiabilidad seleccionada. Para
propsitos de diseo, se seleccion como parmetro de diseo el porcentaje de tiempo en el cul el
sistema opera correctamente, (e.g., en el 95% del tiempo se cumplen las restricciones hidrulicas), de
esta manera solo interesan los estados (escenarios) que acumulen esa probabilidad de aparicin (e.g.,
solamente los escenarios con cero y un aparatos en uso). Finalmente, se disea exhaustivamente para
los escenarios crticos que cumplan con la confiabilidad requerida (e.g., 95%).
Sin embargo la metodologa de anlisis descrita anteriormente presenta un reto importante a la hora de
realizar los diseos de las redes. Este consiste en que, el nmero de soluciones para el modelo
hidrulico necesarios para comprobar que el diseo una red cumpla con E aparatos encendidos es muy
0 20 40 60 80 100
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Iteraciones (n)
P
r
o
b
a
b
i
l
i
d
a
d
p
a
r
a
c
a
d
a
e
s
t
a
d
o
p
0
p
1
p
2
p
3
p
4
Figura 2. Evolucin de la probabilidad de
aparicin de los estados
alto. Por ejemplo, el nmero de posibles escenarios es del orden de
n
E
(aproximadamente 5 millones)
para una red con N=25 y E=12, y si se tiene en cuenta que en el procedimiento de diseo se requieren
varias soluciones del modelo hidrulico, el nmero de ejecuciones hacen que el tiempo de diseo no
sea aceptable para el usuario. Por lo tanto se presenta un mtodo que divide la red en subredes ms
pequeas para luego solucionarlas por separado y as disminuir el nmero de ejecuciones del motor
hidrulico. El mtodo se resume en los siguientes pasos:
1. Se define una lnea de gradiente hidrulico LGH recta para todas las ramas de la red, en donde se
cumpla con las restricciones de presin en el nudo ms alejado.
2. Se calcula el estado de Markov que cumpla con la confiabilidad seleccionada para toda la red
,
( = 0).
3. Se identifican las subredes que contienen menos de
nudos de consumo
4. Para estas subredes se calcula un nuevo estado de Markov
, ( = + 1).
5. Para el peor de los casos (sumatoria de los
caudales requeridos en los nudos), revisar si es posible
transportar ese caudal con el dimetro menor dada la LGH calculada en 1.
6. Se regresa al paso 3.
7. Se continua dividiendo las subredes hasta que todas las ramas cumplan con 5
8. Una vez la red es dividida en subredes, cada una de las subredes es analizada como un nudo de
consumo con un modelo de demanda modificado; as cada nivel es diseado para los casos crticos
siguiendo la LGH descrita en 1.
9. Finalmente se comprueba todo el diseo con simulaciones en tiempo extendido, y con perfiles de
demanda generados a partir del modelo de PRNHP.
SUPOSICIOES ECESARIAS E LA METODOLOGA
A fin de desarrollar la metodologa de solucin del problema anteriormente descrito, se hacen
necesarias una serie de suposiciones que se muestran a continuacin. La primera suposicin necesaria
es que las RIDAPs son redes abiertas. Es decir que, topolgicamente, solo existe un camino para unir
cualquier nudo de la red con la conexin de la misma al sistema de acueducto (embalse). Esta
suposicin permite prescindir de clculos hidrulicos de la red durante la etapa de diseo. La segunda
suposicin es que la demanda de todo aparato conectado a la red puede ser modelada con pulsos de
Poisson no homogneos de duracin aleatoria que siguen una Distribucin Exponencial con media en
segundos, y de frecuencia tal, que la aparicin de un evento sigue un proceso de Poisson con tasa
= f(t), donde f(t) es una funcin del tiempo usualmente peridica con periodo igual a 1 da. La tercera
suposicin hecha es que, si bien la mayora de aparatos conectados a una red interna tienen un
comportamiento que se ajusta idealmente al de un emisor (Acero 2009), para el mtodo presentado se
modelan los estos como nudos de demanda independientes de la presin. Se especifica para cada nudo
el caudal mnimo aceptable como el caudal demandado, y la presin correspondiente a dicho caudal
como la presin mnima de acuerdo con la ecuacin del emisor. Finalmente se supone que a lo largo de
la red las propiedades del fluido no cambian (densidad y viscosidad), de manera que el diseo de redes
de distribucin de agua fra debe hacerse independiente del diseo de redes de distribucin de agua
caliente en caso de querer tener en cuenta los cambios en las propiedades del agua producidos por los
cambios en la temperatura de la misma.
PSEUDO ALGORITMO DEL MTODO DE DISEO
Para resolver el problema de diseo de RIDAP, teniendo en cuenta las suposiciones anteriormente
mencionadas, as como los resultados del anlisis del sistema y sus correspondientes consideraciones,
se plantea el siguiente algoritmo de diseo:
1. Leer la red y calcular atributos de los tubos y los nudos: Dentro de este paso se espera que se
reciba como dato de entrada la red con los parmetros hidrulicos de tubos y nudos as como los
parmetros de caracterizacin de la demanda de los nudos. Adems se calculan datos como la
ruta que toma el agua para llegar a cada nudo, as como la distancia de cada nudo al embalse, el
nmero de nudos aguas abajo de cada tubo y sus tubos inmediatamente aguas abajo.
2. Asignar a cada nudo su LGH objetivo: Utilizando criterios de optimizacin de los costos
constructivos (Wu, 1975; Ochoa, 2009), se asigna una LGH objetivo para cada nudo. De esta
manera el diseo buscar que la red presente dichos valores cuando ocurra el (o los)
escenario(s) de diseo. Dado que Wu (1975) encuentra que la diferencia entre la distribucin
ptima de presiones y la distribucin de presiones utilizando lneas rectas no es considerable en
trminos de costos constructivos, se recomienda el uso de distribuciones de presiones rectas,
dada su facilidad de clculo.
3. Dividir la red en ramas de diseo:
i. Ejecutar el algoritmo de cadenas de Markov para toda la red, conociendo para ello, el
nmero de nudos de demanda, el promedio de los parmetros de todos los nudos y el
promedio de los parmetros de todos los nudos. Como resultado del proceso se obtiene
el estado de Markov de diseo de la red E
Red
.
ii. Hacer una comprobacin de diseo del tubo principal de la red suponiendo que tiene el
dimetro mnimo, y que la energa disponible es la diferencia entre la LGH objetivo del
nudo aguas arriba y del nudo aguas abajo. En caso de que el caudal que puede
transportar ese tubo sea mayor que la suma de los caudales de los E
Red
nudos con mayor
caudal demandado aguas abajo del tubo (Q
Crtico
), se puede suponer que el resto de tubos
aguas abajo quedarn bien diseados si se les asigna el dimetro mnimo, de manera que
el diseo hidrulico finalizara en este punto. Sin embargo si el caudal que puede
transportar la tubera es inferior a Q
Crtico
, entonces es necesario seguir con el paso iii.
iii. Calcular J como un porcentaje FJ de la diferencia entre N y E
Red
:
J=FJN-E
Red
[15]
iv. Dado que puede llegar a tardarse mucho el procedimiento de diseo evaluando los
N
E
Red
posibles escenarios, se dejan en la rama de nivel 1, solo aquellos tubos con ms
de E
Red
+J nudos de demanda aguas abajo.
v. Para cada tubo que est inmediatamente aguas abajo de la rama recin definida, volver a
ejecutar el algoritmo de cadenas de Markov (paso i) utilizando el nmero de nudos de
demanda aguas abajo del tubo, y el promedio de los parmetros y de dichos nudos.
Despus realizar una comprobacin de diseo (paso ii) para verificar si el tubo puede
cumplir con los requerimientos de caudal aguas abajo en caso de ser diseado con el
dimetro mnimo.
vi. Repetir el paso v para los tubos inmediatamente aguas abajo de la rama recin definida,
incrementando el nivel de la rama con cada iteracin hecha, hasta que todos los tubos de
la red cumplan alguna de los siguientes condiciones: a) Pertenecer a una rama de diseo,
o b) Tener asignado el dimetro mnimo.
4. Disear cada rama de diseo:
i. Seleccionar todas las ramas con nivel mximo. Para cada rama de dicho nivel contar el
nmero de nudos de demanda dentro de la rama N
Rama
y ejecutar el algoritmo de
cadenas de Markov para dicho nmero de nudos y con el promedio de los parmetros
y para ese conjunto de nudos. Como resultado se obtiene el estado de Markov de
diseo para la rama analizada E
Rama
.
ii. Generar cada posible escenario de E
Rama
nudos encendidos en la rama a disear. Dado
que la rama tiene N
Rama
nudos, el total de posibles escenarios es
N
Rama
E
Rama
. Para cada
escenario posible, disear todos los tubos de la rama a partir de la diferencia de LGH
objetivo entre el nudo aguas arriba y el nudo aguas abajo del tubo
iii. Dado que en el paso anterior se generaron
N
Rama
E
Rama
escenarios de demanda, se debe
disponer de
N
Rama
E
Rama
caudales transportados por el tubo padre de la rama en cuestin.
Utilizando los anteriores datos se deben modificar los parmetros de demanda del nudo
inmediatamente aguas arriba del tubo padre de acuerdo con las siguiente ecuaciones:
Modificado
=
i
N
Rama
i=1
N
Rama
[16]
Modificado
=
i
N
Rama
i=1
N
Rama
[17]
Q
Modificado Alto
= mx. Q
Nudo
, P
PA
Caudales
Tubo Padre
[18]
Q
Modificado bajo
= mn. Q
Nudo
, P
PB
Caudales
Tubo Padre
[19]
donde:
Q
Nudo
: Caudal demandado por el aparato conectado al nudo en cuestin.
P
A
B: Funcin que calcula el percentil A-avo de la lista B de caudales.
Caudales
Tubo Padre
: Lista de los
N
Rama
E
Rama
caudales transportados por el tubo padre
de la rama.
Q
Modificado Alto
: Caudal que demandar el nudo en cuestin cuando se modele
como encendido.
Q
Modificado Bajo
: Caudal que demandar el nudo en cuestin cuando se modele
como apagado.
Con este paso se pretende resumir las demandas de la rama recin diseada es dos
demandas representativas ubicadas en el nudo aguas arriba de dicha rama.
iv. Seleccionar todas las ramas de nivel anterior al nivel ya diseado y repetir los pasos i, ii
y ii
v. Repetir el paso iv hasta que sea diseada la rama de nivel 1. Exportar red.
EVALUACI DE RESULTADOS
Dado que los mtodos ms utilizados hoy en da son variaciones del mtodo de Hunter, a continuacin
se presenta una comparacin cuantitativa de los resultados obtenidos con el mtodo tradicional de
Hunter y el mtodo aqu propuesto. Esta comparacin busca encontrar las diferencias en el desempeo
hidrulico y en los costos constructivos de la red. A continuacin se presentan los diseos obtenidos
por ambas metodologas. La metodologa de Hunter se puede resumir de la siguiente manera: Primero
se calculan los caudales siguiendo las unidades de Hunter, donde se considera una disminucin en el
caudal a medida que el sistema aumenta en complejidad. Posteriormente, se calcula una Lnea de
Gradiente Hidrulico (LGH) recta desde el embalse hasta cada nudo de consumo de la red. Esta LGH
se considera ideal, y con sta es posible obtener las prdidas totales ideales que tendra cada tubo
perteneciente a la RIDAP. Una vez se tiene las prdidas de las tuberas, es posible realizar el diseo
tubo a tubo con todos los materiales disponibles y con el conjunto de dimetros comerciales que se
tengan. Tambin es posible utilizar dimetros continuos para una solucin tubo a tubo exacta.
Particularmente se utiliza una presin mnima de 7 mca para el clculo de la LGH ideal.
A continuacin se presentan diferentes comparaciones entre los diseos generados por las
metodologas. El primer criterio de comparacin es el costo de construccin de cada sistema. Dados los
diseos con dimetros continuos, se utiliza una funcin de costos de la siguiente forma:
donde: es el costo constructivo calculado de la red,
: Longitud del tubo analizado,
:
Dimetro del tubo analizado. , : Parmetros de la funcin de costo. La Ecuacin [20] ha sido
utilizada para estimar los costos constructivos de las RDAPs y por lo tanto se est suponiendo que los
costos de las RIDAPs tienen un comportamiento similar. Los parmetros de la funcin de costos
utilizados para la comparacin, fueron = 0.015 y = 1.46 y (los dimetros de las tuberas en
milmetros). A continuacin se presenta una comparacin de los valores encontrados para cada red:
Tabla 1. Comparacin de costos constructivos para la red de ejemplo
En la Tabla 1 se puede ver que no existe una diferencia clara en los costos constructivos entre las dos
metodologas, siendo ms barato el diseo alcanzado por la metodologa propuesta. As, un costos altos
corresponden a escenarios de demanda ms exigentes que los utilizados por Hunter, para asegurar una
probabilidad de falla igual o menor a la aceptable, mientras un costo ms bajo puede corresponder a un
escenario menos exigente que asegura una probabilidad de falla aceptable, o a un diseo que resulta
minimizando costos por su uso de energa. Por otro lado es posible comparar los dimetros de cada
tubera de la red, lo cual es equivalente a una comparar los caudales de diseo. Teniendo en cuenta que
para ambas metodologas se ajust una superficie de altura piezomtrica objetivo igual. Respecto a esta
ltima observacin, cabe mencionar que el diseo tradicional de Hunter implementado en el mbito
profesional, difcilmente tiene en cuenta una superficie ptima de alturas piezomtricas, y por lo tanto
el diseo tradicional presentado en esta seccin es un diseo basado en una metodologa tradicional
pero optimizado en su uso de energa y, por lo tanto en los costos constructivos. Es decir que los costos
de las redes diseadas con la metodologa de Hunter, en el mbito profesional resultaran mayores al no
tener en cuenta ningn criterio de minimizacin de costos.
0
20
40
60
80
100
120
140
160
0 10 20 30 40 50 60 70 80 90 100
D
i
a
m
e
t
r
o
(
m
m
)
Orden decreciente de tuberas segn su dimetro por Hunter
Diseo Hunter Diseo Propuesto
=
,
[20]
Costo (USD)
Diseo Hunter Diseo Propuesto
$73,109.68 $60,056.33
Figura 3. Comparacin de dimetros obtenidos en los diseos realizados por Hunter y la
metodologa propuesta
Como se puede ver en la Figura 3, los diseos generados por ambas metodologas son relativamente
similares, aunque presentan algunas diferencias que pueden implicar un comportamiento hidrulico
considerablemente diferente. Por otro lado, las diferencias en algunas tuberas responden especialmente
al mtodo de agregacin de caudales implementado por ambos mtodos. As, el mtodo propuesto llega
a un caudal acumulado para las tuberas ms cercanas al embalse (punto de unin de la RIDAP con la
RDAP), considerablemente mayor que el mtodo de Hunter. Este dficit de capacidad de las tuberas
principales, puede generar comportamientos no aceptables del sistema en condiciones de demanda alta,
como presiones bajas en aparatos como duchas y grifos, o largos tiempos de recarga en el caso de las
cisternas de los inodoros. Adems dimetros subestimados para el caso de tuberas principales puede
implicar la necesidad de dimetros ms grandes aguas abajo de stas, y si el nmero de tuberas y su
longitud, son suficientes.
COCLUSIOES
Se presenta una nueva metodologa para el diseo de RIDAP utilizando cadenas de Markov para
modelar las demandas. Usando un mtodo de divisin de las redes se propone una metodologa que
permite aplicar este mtodo a redes de tamao real. Finalmente se presentan resultados comparativos
con diseos obtenidos con mtodos tradicionales.
Los resultados obtenidos con respecto al diseo muestran que es posible mejorar en gran medida los
diseos obtenidos con los mtodos tradicionales, ya que estos sobreestiman los caudales mximos
probables. Adems al utilizar el mtodo de divisin por subredes, el tiempo requerido para disear
RIDAPs es adecuado.
REFERECIAS BIBLIOGRFICAS
Acero, M. F. (2009). Revisin Crtica de los Mtodos de Diseo de Abastecimiento de Agua Potable al
Interior de edificaciones. Departamento de Ingeniera Civil y Ambiental. Bogot, Universidad
de los Andes. Master in Science.
Acero, M. F. (2009). Revisin Crtica de los Mtodos de Diseo de Abastecimiento de Agua Potable al
Interior de edificaciones. Bogot, Universidad de los Andes.
Buchberger, S. G. and G. J. Wells (1996). "Intensity, Duration, and Frequency of Residential Water
Demands." Journal of Water Resources Planning and Management 122(1): 11-19.
Buchberger, S. G. and L. Wu (1995). "Model for Instantaneous Residential Water Demands." Journal
of Hydraulic Engineering 121(3): 232-246.
Castro Ladino, . Y., J. E. Garzn Garzn, et al. (2006). "Aplicacin de los mtodos para el clculo
de caudales mximos probables instantneos, en edificaciones de diferente tipo." Seminario
Iberoamericano sobre Sistemas de Abastecimiento Urbano de Agua, Joo Pessoa (Brasil).
Garca Sosa, J. (2001). Intalaciones Hidrulicas y Sanitarias. Mxico D.F., Fernando Cuna Rojas.
Garca, V. J., R. Garca-Bartual, et al. (2004). "Stochastic Model to Evaluate Residential Water
Demands." Journal of Water Resources Planning and Management 130(5): 386-394.
Hunter, R. (1940). "Methods of Estimating Loads in Plumbing Systems." Building Materials and
Structures ational Bureau of Standards.
Melguizo, S. (2002). Fundamentos de Hidrulica e Instalaciones de Abasto en Edificaciones.
Papoulis, A., S. U. Pillai, et al. (1965). Probability, random variables, and stochastic processes,
McGraw-hill New York.
Roca Surez, M. and J. Carratal Fuentes Manual de fontanera. Espaa, CA.
