Metodologías para análisis de error de previsión de demanda para identificar eventos anómalos en redes de abastecimiento de agua (Methodologies for Analysis of Forecasting Demand Error to Identify Anomalous Events in Water Supply Networks)

8 Pages Posted: 1 Feb 2018 Last revised: 8 Feb 2018

See all articles by Daniel A. Sierra

Daniel A. Sierra

Universidade Estadual de Campinas (UNICAMP)

Daniel Manzi

Universidade Estadual de Campinas (UNICAMP)

Bruno Brentan

Universidade Estadual de Campinas (UNICAMP)

Edevar Luvizotto Junior

Universidade Estadual de Campinas (UNICAMP)

Date Written: November 30, 2017

Abstract

Spanish Abstract: Los sistemas de abastecimiento de agua están frecuentemente expuestos a problemas operacionales que llevan a comportamientos inesperados (eventos anómalos). La detección de eventos anómalos puede ser de gran importancia para las empresas de abastecimiento porque permiten la rápida restitución del servicio en condiciones adecuadas, reduciendo las pérdidas físicas por la ocurrencia de fugas y aumentando la satisfacción de los usuarios finales. Teniendo como base un estudio de caso para un distrito de medición en la ciudad de Santa Bárbara do Oeste (SP-Brasil), este trabajo presenta una metodología para la detección de eventos anómalos en la operación de redes de abastecimiento de agua utilizando el análisis de datos de demanda de la entrada del sector, para lo cual se ha implementado un modelo de previsión de demanda en tiempo real basado en redes neuronales recurrentes no-lineales (NARX). Posteriormente se aplican dos metodologías para analizar el error: Puntos de Cambios Abruptos y mapas de Sumas Acumulativas. Con el modelo de previsión es posible estimar la curva de previsión de demanda y junto con el análisis del error de este modelo, es posible identificar los eventos anómalos de baja magnitud que no son evidentes de forma gráfica en una primera aproximación. La comparación entre la curva de previsión de demanda y los datos reales de demanda permite definir intervalos de variación del error con los cuales es posible identificar las anomalías con una mayor precisión.

English Abstract: The water supply systems are currently exposed to operational problems, which cause unexpected behaviors (anomalous events). The anomalous events detection may be relevant for the water supply companies because they allow rapid restitution of the service in suitable conditions, reducing the leaks and increasing the users’ satisfaction. Based on the case of study of the Santa Barbara do Oeste city (SP-Brazil), this work presents a methodology for anomalous events detection in the operation of water supply networks using demand data analysis in the sector entrance by implementing a forecasting demand model based in neural networks nonlinear autoregressive (NARX). Afterwards, two methodologies are applied to analyze the error: Abrupt Change Points and Cumulative Sums Maps (CUSUM). With the forecasting model is possible to identify the anomalous events of low scale, which are not graphically evident at first view. The comparison between the forecasting demand curve and the real demand data allows to define intervals of error variation making possible to identify the anomalous events with greater accuracy.

Note: Downloadable document is in Spanish.

Keywords: Water Supply Systems, Forecasting Demand, Anomalous Events Detection

Suggested Citation

Sierra, Daniel A. and Manzi, Daniel and Brentan, Bruno and Junior, Edevar Luvizotto, Metodologías para análisis de error de previsión de demanda para identificar eventos anómalos en redes de abastecimiento de agua (Methodologies for Analysis of Forecasting Demand Error to Identify Anomalous Events in Water Supply Networks) (November 30, 2017). Ibero-American Seminar on Water and Drainage Networks (SEREA 2017). Available at SSRN: https://ssrn.com/abstract=3113039

Daniel A. Sierra (Contact Author)

Universidade Estadual de Campinas (UNICAMP) ( email )

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Daniel Manzi

Universidade Estadual de Campinas (UNICAMP)

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Bruno Brentan

Universidade Estadual de Campinas (UNICAMP) ( email )

Cidade Universitária Zeferino Vaz - Barão
Geraldo
Campinas - SP, 13083-970
Brazil

Edevar Luvizotto Junior

Universidade Estadual de Campinas (UNICAMP) ( email )

Av. Albert Einstein, 951
Campinas, 13083-852
Brazil

Register to save articles to
your library

Register

Paper statistics

Downloads
15
Abstract Views
81
PlumX Metrics