Redacción iAgua
Connecting Waterpeople
ACCIONA
FLOVAC
Ministerio de Medio Ambiente y Agua de Bolivia
Schneider Electric
ADECAGUA
LABFERRER
Ministerio de Vivienda, Construcción y Saneamiento del Perú
AGS Water Solutions
GS Inima Environment
TecnoConverting
ANFAGUA
Fundación CONAMA
Gestagua / SAUR Spain
Esri
Sivortex Sistemes Integrals
Red Control
Agencia Vasca del Agua
TRANSWATER
Hidroconta
DATAKORUM
MOLEAER
Barmatec
Adasa Sistemas
Siemens
Cajamar Innova
Laboratorios Tecnológicos de Levante
Rädlinger primus line GmbH
Confederación Hidrográfica del Segura
Aqualia
Molecor
Minsait
IAPsolutions
Qatium
ONGAWA
Ingeteam
Consorcio de Aguas Bilbao Bizkaia
HRS Heat Exchangers
TEDAGUA
Hach
Sacyr Agua
Terranova
Consorcio de Aguas de Asturias
Filtralite
Smagua
Autodesk Water
TFS Grupo Amper
ICEX España Exportación e Inversiones
Vodafone Business
Fundación Biodiversidad
Lama Sistemas de Filtrado
CAF
MonoM by Grupo Álava
Arup
Centro Nacional de Tecnología de Regadíos (CENTER)
AGENDA 21500
Fundación Botín
SDG Group
Baseform
EPG Salinas
Almar Water Solutions
Asociación de Ciencias Ambientales
NTT DATA
Ministerio de Ciencia, Innovación y Universidades
Amiblu
Grupo Mejoras
Vector Energy
Likitech
SCRATS
Ministerio para la Transición Ecológica y el Reto Demográfico
KISTERS
IRTA
Ens d'Abastament d'Aigua Ter-Llobregat (ATL)
LACROIX
FENACORE
Xylem Water Solutions España
RENOLIT ALKORPLAN
EMALSA
AMPHOS 21
Global Omnium
AECID
Catalan Water Partnership
Prefabricados Delta
Aganova
Hidroglobal
Idrica
Saint Gobain PAM
EVIDEN
Kamstrup
ESAMUR
ISMedioambiente
J. Huesa Water Technology
s::can Iberia Sistemas de Medición

Se encuentra usted aquí

Inteligencia Artificial para la detección de fugas aparentes en el sistema de distribución urbano

Sobre el blog

Francisco Batlle
Doctor Ingeniero de Caminos, Canales y Puertos (UPC) con más de 30 años de experiencia en el sector del agua y la informática. CEO de NEURITE Lab.
  • Inteligencia Artificial detección fugas aparentes sistema distribución urbano

Las fugas aparentes de agua suponen un elevado porcentaje del Agua No Registrada y unas considerables pérdidas económicas para las compañías distribuidoras. Las herramientas de Inteligencia Artificial permiten detectar el comportamiento anómalo del contador de un abonado (una probabilidad de fuga de agua aparente u otra circunstancia) y comunicar la detección de la anomalía.

El Agua No Registrada (ANR) es la diferencia entre el volumen de agua suministrada al sistema de distribución y el agua finalmente registrada en los contadores de los usuarios.

El volumen de Agua No Registrada supone en el mundo entre el 30 y el 35% del agua potable introducida en las redes de distribución, con máximos que pueden alcanzar el 70%, según datos del Banco Mundial.

Las últimas estimaciones indican que en España, del total de agua destinada al abastecimiento del ciclo urbano, el porcentaje anual de agua no registrada se ha mantenido prácticamente idéntico durante los últimos 10 años: se estima que se “pierde” casi 1 litro de cada 4, es decir, un 23% del volumen del agua potable, tratada y limpia introducida en el sistema de distribución urbano no llega a su destino.

Las pérdidas de agua pueden ser fugas reales (pérdidas físicas resultado de roturas o averías en la red de suministro) o fugas aparentes (subcontaje, consumos autorizados pero no medidos y fraudes o consumos no autorizados).

Fugas aparentes de agua: cuantiosas pérdidas económicas

Las fugas aparentes pueden ser producidas por consumos no autorizados (fraudes), porque el contador no funciona correctamente (subcontaje) o porque haya necesidades no previstas y consumos autorizados, pero no registrados, como por ejemplo que se utilice agua para sofocar un incendio.

Aunque las fugas aparentes suponen un elevado porcentaje del Agua No Registrada, hasta la fecha se ha considerado difícil detectarlas y, por tanto, reducir de manera significativa las cuantiosas pérdidas económicas que implican para las empresas suministradoras.

La dificultad de detectar fugas aparentes de agua

Para detectar fugas reales existen contadores localizados en puntos críticos de la red que separan la red en subsectores. De estos contadores, en una población de, por ejemplo, 60.000 habitantes, puede haber entre 50 o 70, que es una cifra relativamente fácil de manejar por las empresas suministradoras.

Las fugas aparentes, en cambio, se dan en los abonados y, en una población de 60.000 habitantes, puede haber en torno a 25.000 contadores particulares.

Hasta hace 5 o 10 años, los datos relativos al consumo del abonado los tomaba un profesional que, cada cierto número de meses, se personaba en el domicilio del abonado y registraba los datos del contador.

Recientemente, en los municipios españoles se ha ido implementando instrumentos de telemetría en los contadores de los abonados, con medidas registrables y comunicadas con frecuencia horaria a la central. A tal efecto, el PERTE de Digitalización del Ciclo Urbano está impulsando el uso de las nuevas tecnologías de la información en el ciclo integral del agua, favoreciendo una gobernanza más efectiva y reduciendo las pérdidas de agua en las redes de suministro.

De tal manera que en una población de 25.000 abonados con telemetría en sus contadores, se registrarían 219 millones de horas registradas en un año (8.760 horas por abonado): una cifra considerablemente elevada y difícil de manejar si no se recurre a la Inteligencia Artificial (IA).

Cómo valorar el comportamiento “anormal” del contador de un abonado

Para detectar una fuga aparente es imprescindible constatar que el comportamiento del contador del abonado es “anormal”, es decir, distinto del comportamiento que consideramos normal o inherente.

Pero, ¿cómo valorar que es anormal el comportamiento del contador de un abonado?

Un comportamiento anormal es un salto “brusco” de las medidas, pero ¿cuán brusco debe ser para que lo consideremos “anormal” y por tanto indicativo de fuga aparente de agua?

Podríamos definir como “brusco” un consumo que hoy doble o triplique el consumo de, por ejemplo, ayer.

Pero no necesariamente un consumo que doble o triplique el consumo de ayer (con respecto al consumo de hoy) indicaría que estamos realmente ante una fuga, dado que hay circunstancias que podrían explicar el cambio: pongamos por caso que hoy se ha jugado la final de la Copa del Rey de fútbol y que tal evento ha provocado que se doble o triplique el consumo de agua en el domicilio del abonado.

Por ello, si comparamos los consumos del abonado con sus propios consumos, aunque el cambio de un día para otro haya sido brusco, no necesariamente estaríamos ante un consumo anómalo indicativo de una fuga de agua aparente.

Con qué comparar el consumo del contador del abonado

Para detectar una fuga o pérdida aparente de agua no basta con comparar el consumo del abonado en un día en concreto con respecto a su propio consumo en cualquier otro día.

En cambio, sí es posible obtener una información que permita detectar un comportamiento anómalo y, por tanto, si es el caso, una fuga aparente de agua, si se compara el consumo del abonado con respecto al consumo de otros abonados “próximos” en el mismo día.

¿Por qué?

Porque un comportamiento aparentemente anómalo sería realmente anómalo si los abonados “próximos” no comparten una anomalía similar.

Sin embargo, comparar el comportamiento del contador de un abonado con el comportamiento de decenas de miles de contadores proporcionaría millones de comparaciones (625 millones cada hora, en nuestro ejemplo, de 25.000 contadores), difíciles o extremadamente costosas de procesar.

Por tanto, la solución está en comparar únicamente el comportamiento de un abonado en concreto con el comportamiento de unos pocos abonados elegidos, aquellos que sea posible considerar “próximos”, no por su distancia física, sino porque tienen un comportamiento que se ha valorado previamente como similar.

El valor de “proximidad” entre abonados

Para poder realizar la comparación entre abonados es necesario cuantificar el valor de “proximidad”, de tal modo que sea posible agrupar a los abonados en conjuntos (clústeres) de comportamiento similar.

No se trata de una proximidad física, porque nada garantiza que la cercanía o vecindad física conlleve que los comportamientos de unos y de otros sean similares: lo que nos interesa es llevar a cabo una comparación entre los abonados que están próximos en cuanto a comportamiento.

La diferencia entre cómo debería ser el comportamiento del contador de un abonado (según se han comportado los abonados definidos como próximos) y cómo se está comportando dicho abonado es lo que definirá una probable fuga aparente.

Por lo tanto, para empezar, es necesario identificar las dimensiones más significativas (ejes de la figura) y, a continuación, una vez definidas, agrupar en clústeres a los abonados que más cercanos se encuentren en esas dimensiones.

Inteligencia Artificial: la clave está en el clúster

La Inteligencia Artificial nos permite generar clústeres (conjuntos de próximos) en las dimensiones que resulten más eficaces.

Algunas de las dimensiones (ejes de la figura) que pueden tener relevancia son las siguientes:

  • La tipología de uso (industrial, comercial, doméstico, etc.).
  • Los valores medios de consumo de los 7 días de la semana.
  • Las frecuencias de mayor amplitud.
  • La existencia de una segunda residencia.
  • Etc.

Una vez definidos los abonados más “próximos” a un abonado en concreto, es posible obtener para cada abonado una Red Neuronal que describa para cada instante de tiempo el comportamiento esperado en función del comportamiento de los otros abonados “próximos” que forman parte de su clúster, teniendo en cuenta toda la serie histórica de medidas horarias de sus integrantes.


Red neuronal que permite predecir los valores de un abanado a partir de los valores del clúster.

Aplicando esta red neuronal específica de cada abonado a cada lectura del abonado y de los de su clúster, estaremos en disposición detectar el comportamiento anómalo de su contador (una probabilidad de fuga de agua aparente o real) y comunicar a la compañía distribuidora la detección de la anomalía.


Detección de valores anómalos comparando los del abonado (azul) con los predichos por su clúster.

Es importante señalar que, a diferencia de otros métodos de detección de fugas, esta solución no requiere que toda la red esté al mismo nivel de control, es decir, puede aplicarse a aquellos abonados que hayan sido incorporados al telecontrol aunque esta incorporación haya sido parcial y no cubra el total de la red.

Aumento de la facturación

El ciclo urbano del agua factura, según datos gubernamentales, una media de 7.600 millones de euros anuales, pero aproximadamente el 23% del agua potable ya tratada se pierde a través de redes de distribución.

Reducir estas pérdidas en un 10% podría suponer el ahorro de un volumen de agua significativo y un aumento en la facturación del orden de 700 millones.

Suscríbete al newsletter

Newsletters temáticos que recibirás

Los datos proporcionados serán tratados por iAgua Conocimiento, SL con la finalidad del envío de emails con información actualizada y ocasionalmente sobre productos y/o servicios de interés. Para ello necesitamos que marques la siguiente casilla para otorgar tu consentimiento. Recuerda que en cualquier momento puedes ejercer tus derechos de acceso, rectificación y eliminación de estos datos. Puedes consultar toda la información adicional y detallada sobre Protección de Datos.