ES3050735T3 - Fuel leak determination via predictive modeling - Google Patents

Abstract

Los datos que caracterizan una instalación de almacenamiento de combustible pueden recibirse de uno o más sensores ubicados en ella. Un servidor puede determinar una predicción de fugas de combustible en la instalación, basándose en los datos recibidos y, además, en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación. El servidor puede proporcionar la predicción de fugas de combustible. También se describen aparatos, sistemas, métodos, técnicas y artículos relacionados. (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN

[0003] Determinación de fugas de combustible mediante un modelado prediotivo

[0005] REFERENCIA CRUZADA A SOLICITUDES RELACIONADAS

[0007] La presente solicitud reivindica la prioridad de la solicitud de la patente de Estados Unidos n,263/046.345 presentada el 30 de junio de 2020 y titulada "FUEL LEAK DETERMINATION VIA PREDICTIVE MODELING" y la solicitud de patente de Estados Unidos n.2; 17/027.529, presentada el 21 de septiembre de 2020 y titulada "FUEL LEAK DETERMINATION VIA PREDICTIVE MODELING".

[0009] CAMPO

[0011] Se proporcionan sistemas y métodos para la determinación de fugas de combustible mediante un modelado predictivo. También se describen aparatos, sistemas, técnicas y artículos relacionados.

[0013] ANTECEDENTES

[0015] La gestión de existencias líquidas forma parte de las operaciones cotidianas de una instalación de almacenamiento de combustible. Habitualmente, la gestión de existencias líquidas puede implicar la monitorización de existencias de combustible en una instalación de almacenamiento de combustible utilizando una variedad de dispositivos de medición, tales como medidores automáticos de depósitos (ATG), sensores de detección de fugas, sondas magnetoestrictivas, y así sucesivamente, mediciones de evaluación para detectar eventos anómalos y, a menudo, inseguros, que afecten a las existencias de combustibles (p. ej., pérdidas de combustible, excesos de combustible, defectos de depósito, problemas operativos, etc.) y realizar acciones correctivas según sea necesario.

[0017] Convencionalmente, las mediciones de existencias líquidas pueden ser evaluadas manualmente por un operador de la instalación de almacenamiento. El operador puede ser responsable de monitorizar las mediciones con el fin de identificar anomalías y responder apropiadamente. Sin embargo, la práctica de depender de humanos para monitorizar manualmente grandes volúmenes de datos de sensores puede ser propensa a errores, resultando potencialmente en la incapacidad de detectar y resolver problemas en una etapa temprana. Tal incapacidad, en el contexto de la gestión de existencias líquidas, podría tener consecuencias catastróficas, tal como contaminación ambiental, pérdida de ingresos, reputación dañada y riesgos para la salud pública.

[0019] El documento AU 2012 244 083 A1 divulga un aparato y un método mejorado para monitorizar los niveles de propano u otros líquidos consumibles en depósitos de almacenamiento situados remotamente y coordinar la entrega de líquido a esos depósitos, incluyendo un método mejorado de utilización de los datos de monitorización remota para identificar condiciones extraordinarias, programar óptimamente compras o entregas, mejorar la seguridad y operar de manera más eficiente un distribuidor de propano.

[0021] El documento US 2008/125930 A1 divulga un método para monitorizar y alertar automáticamente sobre una fuga de combustible aguas abajo de un medidor de caudal de combustible motor en una aeronave. El método utiliza datos de sensores existentes del motor para introducirlos en un modelo de parámetros predeterminado para predecir el caudal de combustible nominal y también compara el caudal de combustible entre un motor izquierdo y un motor derecho.

[0023] El documento CN 108108832 B divulga un sistema de monitorización inteligente de fugas de gas y petróleo para camiones cisterna basado en una red de sensores inalámbricos, que puede realizar una detección en carretera de parámetros del camión cisterna y una predicción inteligente de una concentración de fugas de gas y petróleo del camión cisterna. El sistema se compone de dos partes de una plataforma de captación de parámetros de estado en carretera y predicción inteligente para un camión cisterna basándose en una red de sensores inalámbricos, y un modelo de predicción inteligente de la concentración de fugas de gas y petróleo de un camión cisterna.

[0025] El documento WO 2006/032873 A1 divulga un método de detección de una fuga de combustible de una reserva de combustible de una aeronave. En la realización descrita, un procesador recibe entradas relacionadas con la cantidad de combustible en la reserva de combustible y con la tasa de utilización de combustible por la aeronave, estando ambas entradas sujetas a ruido. El procesador define el estado de un sistema de flujo de combustible definido por mediciones compensadas en cuanto al ruido de la cantidad de combustible en la reserva de combustible, una estimación de cantidad de fuga de combustible y una estimación de la tasa de fuga de combustible.

[0027] El documento US 9 558 453 B1 divulga un método para predecir fugas en una red de tuberías. Un ejemplo de método incluye la identificación de un subsistema en la red de tuberías que incluye una primera estación. El método también incluye el acceso a mediciones históricas de sensores temporales de las estaciones. El método también incluye la generación de un modelo de predicción para la primera estación que predice una medición de presión en la primera estación basándose en las mediciones históricas de sensores temporales en cada estación del subsistema.

[0029] El documento US 2018/300639 A1 divulga un sistema de predicción de fugas en conductos, El sistema de predicción de fugas en conductos puede incluir uno o más modelos predictivos basándose en una o más técnicas de aprendizaje automático, y se puede entrenar un modelo predictivo utilizando datos para las características de diversos conductos con el fin de determinar los patrones asociados con conductos sin fugas y los patrones asociados con conductos con fugas,

[0031] La agencia de protección medioambiental de Estados Unidos (EPA) especifica estándares de rendimiento para los métodos de detección de fugas en depósitos de almacenamiento subterráneos (UST), Los propietarios y operadores de UST deben demostrar que los métodos de detección de fugas, también denominados métodos de reconciliación estadística de inventarios (SIR), que utilizan, cumplen tales estándares especificados, La EPA exige que los métodos SIR sean capaces de detectar una fuga de 1,105 cm3/s (0,1 galones por hora (1,05 cm3/s equivale a 1 galón por hora)) con una probabilidad de detección (PD) de al menos un 95 por ciento, mientras se opera a una probabilidad de falsa alarma (PFA) no superior a un 5 por ciento,

[0033] Sin embargo, los métodos que se aplican actualmente de detección de fugas son vulnerables a errores asociados con características de UST individuales, calibraciones volumétricas de UST, expansión térmica de fluido debido a variaciones en condiciones ambientales, efectos estacionales, entregas incompletas (o fraudes potenciales) y ventas incompletas (o fugas en boquillas dispensadoras, robos) y similares, Al ser en gran medida de naturaleza estadística, estos métodos no rastrean los errores en todas las etapas de recopilación y análisis de datos, Además, en la actualidad, los datos pertenecientes al combustible almacenado en unos UST se graban al final de cada día y, por tanto, hay una visibilidad limitada de las fuentes de error en el proceso de detección de fugas,

[0034] SUMARIO

[0036] Se proporcionan sistemas y métodos para la determinación de fugas de combustible mediante un modelado predictivo según las reivindicaciones 8 y 1, respectivamente,

[0038] También se describen aparatos, sistemas, técnicas y artículos relacionados,

[0040] En un aspecto, se pueden recibir datos que caracterizan a una instalación de almacenamiento de combustible de uno o más de una pluralidad de sensores dispuestos en la instalación de almacenamiento de combustible, Se puede determinar una predicción de fugas de combustible para la instalación de almacenamiento de combustible mediante un servidor, basándose en los datos recibidos, y basándose además en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible, La predicción de fugas de combustible puede venir provista por el servidor,

[0042] Se pueden incluir una o más de las siguientes características en cualquier combinación factible, Por ejemplo, el al menos un modelo predictivo puede incluir un parámetro de calibración predeterminada para la instalación de almacenamiento de combustible, un modelo físico para la instalación de almacenamiento de combustible y un modelo de errores indicativo de al menos un grado de error en los datos, Por ejemplo, la determinación de la predicción de fugas de combustible puede incluir además la determinación, basándose en los datos recibidos, del parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, del modelo físico y una optimización del modelo de error, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible, y la determinación de la predicción de fugas de combustible basándose en si la tasa de fugas de combustible supera un umbral predeterminado, Por ejemplo, el modelo de equilibrio de fluidos puede determinar un nivel de combustible previsto para la instalación de almacenamiento de combustible basándose en los datos recibidos, Por ejemplo, se puede determinar una segunda predicción de fugas de combustible para la instalación de almacenamiento de combustible basándose en un segundo modelo de equilibrio de fluidos y un segundo umbral predeterminado, basándose el segundo modelo de equilibrio de fluidos en el modelo de equilibrio de fluidos y siendo el segundo umbral predeterminado mayor que el umbral predeterminado, Por ejemplo, el uno o más de la pluralidad de sensores puede incluir uno cualquiera de una varilla de medición de nivel, un medidor automático de depósitos, un sensor de detección de fugas de combustible, una sonda magnetoestrictiva, un dispositivo de punto de venta, un controlador de estación de servicio, un sistema administrativo y un dispensador de combustible, Por ejemplo, el servidor puede estar comunicativamente acoplado con el uno o más de la pluralidad de sensores, Por ejemplo, la predicción de fugas de combustible puede ser una predicción diaria de fugas de combustible, Por ejemplo, se puede proporcionar la predicción de fugas de combustible a una interfaz gráfica de usuario de una pantalla comunicativamente acoplada con el al menos un procesador de datos, y la interfaz gráfica de usuario se puede configurar para presentar una caracterización visual de la predicción de fugas de combustible en la pantalla, Por ejemplo, se puede proporcionar la predicción de fugas de combustible a un medidor automático de depósitos para que un usuario la visualice, Por ejemplo, se puede determinar la predicción de fugas de combustible en un intervalo de tiempo repetible, Por ejemplo, el modelo físico puede ser un modelo de equilibrio de fluidos, Por ejemplo, la determinación puede basarse además en una programación matemática y puede incluir maximizar o minimizar una función caracterizada por el modelo físico y por al menos valores de entrada variables de la función, caracterizando los valores de entrada los datos recibidos, y calcular un valor de salida de la función, caracterizando el valor de salida la tasa de fugas de combustible prevista. Por ejemplo, se puede determinar una fuente de la fuga de combustible basándose en la tasa de fugas de combustible prevista, la predicción de fugas de combustible y los datos recibidos,

[0044] En otro aspecto, se proporciona un sistema y este puede incluir al menos un procesador de datos y una memoria que almacena instrucciones configuradas para hacer que el al menos un procesador de datos realice las operaciones descritas en el presente documento, Las operaciones pueden incluir la recepción, de uno o más de una pluralidad de sensores dispuestos en una instalación de almacenamiento de combustible, de datos que caracterizan la instalación de almacenamiento de combustible, la determinación, basándose en los datos recibidos, de una predicción de fugas de combustible para la instalación de almacenamiento de combustible, basándose además la determinación en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible, y la provisión de la predicción de fugas de combustible,

[0045] Se pueden incluir una o más de las siguientes características en cualquier combinación factible, Por ejemplo, el al menos un modelo predictivo puede incluir un parámetro de calibración predeterminada para la instalación de almacenamiento de combustible, un modelo físico para la instalación de almacenamiento de combustible y un modelo de errores indicativo de al menos un grado de error en los datos, Por ejemplo, la determinación de la predicción de fugas de combustible puede incluir además la determinación, basándose en los datos recibidos, del parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, del modelo físico y una optimización del modelo de error, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible, y la determinación de la predicción de fugas de combustible basándose en si la tasa de fugas de combustible supera un umbral predeterminado, Por ejemplo, el modelo de equilibrio de fluidos puede determinar un nivel de combustible previsto para la instalación de almacenamiento de combustible basándose en los datos recibidos, Por ejemplo, las operaciones pueden incluir además la determinación de una segunda predicción de fugas de combustible para la instalación de almacenamiento de combustible basándose en un segundo modelo de equilibrio de fluidos y un segundo umbral predeterminado, basándose el segundo modelo de equilibrio de fluidos en el modelo de equilibrio de fluidos y siendo el segundo umbral predeterminado mayor que el umbral predeterminado, Por ejemplo, el uno o más de la pluralidad de sensores puede incluir uno cualquiera de una varilla de medición de nivel, un medidor automático de depósitos, un sensor de detección de fugas de combustible, una sonda magnetoestrictiva, un dispositivo de punto de venta, un controlador de estación de servicio, un sistema administrativo y un dispensador de combustible, Por ejemplo, el al menos un procesador de datos puede estar comunicativamente acoplado con el uno o más de la pluralidad de sensores, Por ejemplo, la predicción de fugas de combustible puede ser una predicción diaria de fugas de combustible, Por ejemplo, se puede proporcionar la predicción de fugas de combustible a una interfaz gráfica de usuario de una pantalla comunicativamente acoplada con el al menos un procesador de datos, y la interfaz gráfica de usuario se puede configurar para presentar una caracterización visual de la predicción de fugas de combustible en la pantalla, Por ejemplo, se puede proporcionar la predicción de fugas de combustible a un medidor automático de depósitos para que un usuario la visualice, Por ejemplo, las operaciones pueden incluir además la determinación de la predicción de fugas de combustible en un intervalo de tiempo repetible, Por ejemplo, el modelo físico puede ser un modelo de equilibrio de fluidos, Por ejemplo, la determinación puede basarse además en una programación matemática y puede incluir maximizar o minimizar una función caracterizada por el modelo físico y por al menos valores de entrada variables de la función, caracterizando los valores de entrada los datos recibidos, y calcular un valor de salida de la función, caracterizando el valor de salida la tasa de fugas de combustible prevista, Por ejemplo, las operaciones can pueden incluir además la determinación de una fuente de una fuga de combustible basándose en la tasa de fugas de combustible prevista, la predicción de fugas de combustible y los datos recibidos,

[0046] También se describen productos de programa informático no transitorio (es decir, productos de programa informático incorporados físicamente) que almacenan instrucciones, que cuando son ejecutadas por uno o más procesadores de datos de uno o más sistemas informáticos, hacen que al menos un procesador de datos realice las operaciones en el mismo, De manera similar, también se describen sistemas informáticos que pueden incluir uno o más procesadores de datos y una memoria acoplada con el uno o más procesadores de datos, La memoria puede almacenar temporal o permanentemente instrucciones que hacen que al menos un procesador realice una o más de las operaciones descritas en el presente documento, Además, los métodos se pueden ser implementados por uno o más procesadores de datos, ya sean dentro de un único sistema informático o, ya sean distribuidos entre dos o más sistemas informáticos, Tales sistemas informáticos pueden estar conectados y pueden intercambiar datos y/o comandos u otras instrucciones o similares a través de una o más conexiones por una red (p, ej,, Internet, una red de área amplia inalámbrica, una red de área local, una red de área amplia, una red cableada o similares), a través de una conexión directa entre uno o más de los múltiples sistemas informáticos, etc,

[0048] Los detalles de una o más variaciones de la materia objeto descrita en el presente documento se exponen en los dibujos adjuntos y en la siguiente descripción, Otras características y ventajas de la materia objeto descrita en el presente documento serán evidentes a partir de la descripción y los dibujos, así como de las reivindicaciones,

[0049] BREVE DESCRIPCIÓN DE LOS DIBUJOS

[0051] Las realizaciones del presente documento se podrán entender mejor con referencia a la siguiente descripción junto con I<os>dibujos adjuntos en I<os>que I<os>números de referencia similares Indican elementos que son Idéntica<o>funcionalmente similares, de los que:

[0053] la Figura 1 es un diagrama de flujo de un proceso que ilustra un ejemplo de proceso de algunas implementaciones de la materia objeto actual que puede proporcionar una mejor detección de fugas de combustible en una instalación de almacenamiento de combustible;

[0055] la Figura 2A es una primera vista de partes de una interfaz de usuario ilustrativa implementada por el ejemplo de proceso de la Figura 1;

[0057] la Figura 2B es una segunda vista de partes de una interfaz de usuario ilustrativa implementada por el ejemplo de proceso de la Figura 1;

[0059] la Figura 2C es una tercera vista de partes de una interfaz de usuario ilustrativa implementada por el ejemplo de proceso de la Figura 1;

[0061] la Figura 3 es un diagrama esquemático de un sistema ilustrativo para la implementación de la materia objeto actual, tal y como se muestra y describe en el presente documento; y

[0063] la Figura 4 es un diagrama esquemático de una estación de aprovisionamiento de combustible que está en comunicación operativa con el sistema de la Figura 3.

[0065] Se debe entender que los dibujos mencionados anteriormente no están necesariamente a escala, presentando una representación algo simplificada de diversas características preferidas, ilustrativas de los principios básicos de la divulgación. Las características de diseño específico de la presente divulgación, incluyendo, por ejemplo, dimensiones, orientaciones, ubicaciones, y formas específicas vendrán determinadas en parte por la aplicación y el entorno de uso particulares que se contemplen.

[0067] DESCRIPCIÓN DETALLADA

[0069] La materia objeto actual incluye una metodología SIR, en algunas implementaciones, puede cumplir los criterios de la EPA sobre detección de fugas en depósitos de almacenamiento subterráneos en una instalación de almacenamiento de combustible. La metodología puede rastrear con precisión calibraciones volumétricas de depósitos de almacenamiento subterráneos, expansión térmica de fluido debido a variaciones en condiciones ambiente, efectos estacionales, entregas incompletas (o fraudes potenciales) y ventas incompletas (o fugas en boquillas dispensadoras, robos), así como tener en cuenta el error en la detección de fugas que estas condiciones representan. Esta metodología puede incluir un equilibrado de fluidos basado en física que utiliza la creación de modelos de inventario y técnicas de creación de modelos predictivos para reducir las fuentes de error en la detección de fugas y proporcionar una tasa de fugas prevista con una probabilidad de detección y una probabilidad de falsas alarmas que pueda satisfacer los estrictos requisitos de la EPA.

[0071] El equilibrado de fluidos basado en física puede incluir una tasa de fugas de combustible bruta basada en niveles iniciales y finales de combustible en la instalación de almacenamiento de combustible a lo largo de un periodo de tiempo dado y tener en cuenta las ventas de combustible desde la instalación de almacenamiento de combustible y las entregas de combustible a la instalación de almacenamiento de combustible durante el periodo de tiempo dado. Al emplear un equilibrado de fluidos basado en física y técnicas de creación de modelos predictivos que tienen en cuenta las fuentes de error y las discrepancias que el equilibrado de fluidos basado en física no puede contemplar por sí solo, algunas implementaciones de la metodología SIR contabilizan el combustible en cada depósito y predicen con precisión la cantidad de tasa de fuga diaria promediada a lo largo de un periodo de 30 días o un periodo de 60 días.

[0073] La Figura 1 es un diagrama de flujo de un proceso que ilustra un ejemplo de proceso 100 de algunas implementaciones de la materia objeto actual que puede proporcionar una mejor detección de fugas de combustible en una instalación de almacenamiento de combustible.

[0075] En 110, se pueden recibir datos que caracterizan una instalación de almacenamiento de combustible de uno o más de una pluralidad de sensores dispuestos cerca de la instalación de almacenamiento de combustible. En algunas implementaciones, el uno o más de la pluralidad de sensores puede incluir uno cualquiera de una varilla de medición de nivel, un medidor automático de depósitos, un sensor de detección de fugas de combustible, una sonda magnetoestrictiva, un dispositivo de punto de venta, un controlador de estación de servicio, un sistema administrativo y un dispensador de combustible, cada uno de los cuales puede estar en comunicación operativa con la instalación de almacenamiento de combustible.

[0077] En algunas implementaciones, la instalación de almacenamiento de combustible puede ser un depósito de almacenamiento de combustible subterráneo en una estación de aprovisionamiento de combustible que está configurado para suministrar combustibles a los dispensadores de combustibles de la estación de aprovisionamiento de combustible. En algunas implementaciones, la instalación de almacenamiento de combustible puede comprender una pluralidad de depósitos de almacenamiento de combustible subterráneos, cada uno situado en la estación de aprovisionamiento de combustible y configurado para suministrar combustible a los dispensadores de combustible de la estación de aprovisionamiento de combustible. En algunas implementaciones, la instalación de almacenamiento de combustible puede estar situada en una ubicación separada de la estación de aprovisionamiento de combustible.

[0079] En algunas implementaciones, los datos se pueden recibir en un servidor. En algunas implementaciones, el servidor puede incluir un servidor de gestión de existencias líquidas comunicativamente acoplado con la pluralidad de sensores que pueden recopilar los datos. El servidor puedes ser un servidor remoto, p. ej., basado en la nube, situado lejos de la instalación de almacenamiento de combustible y/o de la estación de aprovisionamiento de combustible, sin embargo, en algunas implementaciones, el servidor puede estar situado en la instalación de almacenamiento de combustible y/o la estación de aprovisionamiento de combustible. En algunas realizaciones, los datos recibidos del uno o más de la pluralidad de sensores se pueden recopilados por un dispositivo intermedio de recopilación de datos (no mostrado), tal como un dispositivo de I<o>T, situado sobre el terreno, y el dispositivo de recopilación de datos puede retransmitir los datos recopilados al servidor para su procesamiento.

[0081] En algunas implementaciones, los datos recibidos de la pluralidad de sensores pueden caracterizar uno o más aspectos de la instalación de almacenamiento de combustible para un periodo de tiempo designado (p. ej., un día). Por ejemplo, en algunas implementaciones, los datos pueden caracterizar una cantidad de combustible presente en la instalación de almacenamiento de combustible en un tiempo inicial del periodo de tiempo designado, una cantidad de combustible añadido a la instalación de almacenamiento de combustible por la entrega de combustible de un proveedor de combustible, una cantidad de combustible retirado de la instalación de almacenamiento de combustible por la venta de combustible a un cliente, una cantidad de combustible presente en la instalación de almacenamiento de combustible en un tiempo final del periodo de tiempo designado, una capacidad de la instalación de almacenamiento de combustible, un tipo de combustible almacenado en la instalación de almacenamiento de combustible, un grado de combustible almacenado en la instalación de almacenamiento de combustible, condiciones de clima, temperatura y/o presión ambiental en la instalación de almacenamiento de combustible, y un tipo de sensor dispuesto en la instalación de almacenamiento de combustible. En algunas implementaciones, cuando la instalación de almacenamiento de combustible comprende una pluralidad de depósitos de combustible, los datos pueden caracterizar si la pluralidad de depósitos de combustible está en comunicación fluídica con algunos o todos de cada uno de ellos, y el número de depósitos de combustible que están en comunicación fluídica entre sí.

[0083] En 120, se puede determinar una predicción de fugas de combustible para la instalación de almacenamiento de combustible basándose en los datos de combustible recibidos. La predicción de fugas de combustible se puede determinar basándose en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible. En algunas implementaciones, el al menos un modelo predictivo puede incluir un parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, un modelo físico para la instalación de almacenamiento de combustible y un modelo de errores indicativo de al menos un grado de error en los datos. El parámetro de calibración predeterminada puede incluir una o más características de la instalación de almacenamiento de combustible. En algunas implementaciones, el parámetro de calibración predeterminada se puede aproximar, pasa su utilización por el al menos un modelo predictivo, como una función lineal a trozos que tiene una pluralidad de puntos de interrupción predeterminados y se puede determinar una pendiente entre cada uno de los puntos de interrupción predeterminados mediante la optimización del modelo de errores, sin embargo, en algunas implementaciones, el parámetro de calibración predeterminada se puede aproximar utilizando otras técnicas conocidas para el experto en la materia. En algunas implementaciones, también se puede determinar un número de puntos de interrupción mediante la optimización del modelo de errores. En algunas implementaciones, se puede determinar el número de puntos de interrupción predeterminados utilizando técnicas de aprendizaje automático que implican, por ejemplo, un algoritmok-meansy árboles potenciados por gradiente. En algunas implementaciones, los parámetros de calibración predeterminada pueden incluir, utilizar o basarse en datos que caracterizan la instalación de almacenamiento de combustible que se han obtenido previamente.

[0085] En algunas implementaciones, el modelo físico puede incluir un modelo de equilibrio de fluidos que determina un nivel de combustible previsto para la instalación de almacenamiento de combustible basándose en los datos recibidos. Por ejemplo, en algunas implementaciones, el modelo de equilibrio de fluidos puede predecir un nivel inicial de combustible en la instalación de almacenamiento de combustible para un día dado, basándose en el nivel inicial de combustible en la instalación de almacenamiento de combustible el día anterior, el nivel final de combustible en la instalación de almacenamiento de combustible el día anterior, la cantidad de combustible vendido desde la instalación de almacenamiento de combustible durante el día anterior y la cantidad de combustible entregado a la instalación de almacenamiento de combustible durante el día anterior. En algunas implementaciones, el modelo de equilibrio de fluidos puede predecir un nivel inicial de combustible en la instalación de almacenamiento de combustible para un día dado basándose en el nivel inicial de combustible en la instalación de almacenamiento de combustible para cada día de un periodo de días en consideración, en el nivel final de combustible en la instalación de almacenamiento de combustible para cada día del periodo de días en consideración, en la cantidad de combustible vendido desde la instalación de almacenamiento de combustible para cada día del periodo de días en consideración y en la cantidad de combustible entregado desde la instalación de almacenamiento de combustible para cada día del periodo de días en consideración.

[0087] En algunas implementaciones, el al menos un modelo predictivo puede tener en cuenta diversos errores y discrepancias entre el nivel inicial de combustible en la instalación de almacenamiento de combustible para un periodo de tiempo dado (p. ej., un día) y el nivel final de combustible en la instalación de almacenamiento de combustible para un periodo de tiempo dado, que de otro modo no podrían tenerse en cuenta por las ventas de combustible desde la instalación de almacenamiento de combustible durante el periodo de tiempo dado y las entregas de combustible desde la instalación de almacenamiento de combustible durante el periodo de tiempo dado. Tales discrepancias pueden incluir una fuga de combustible desde la instalación de almacenamiento de combustible durante el periodo de tiempo dado, discrepancias en ventas de combustible desde la instalación de almacenamiento de combustible y en entregas de combustible a la instalación de almacenamiento de combustible resultantes de errores de cálculo/medición o robo de combustible, y similares. En algunas implementaciones, el al menos un modelo predictivo puede tener en cuenta los errores y discrepancias para una serie de periodos de tiempo (p. ej., una serie de días). En algunas implementaciones, el al menos un modelo predictivo puede tener en cuenta los errores y discrepancias mencionados anteriormente debido a la utilización el modelo de errores. El modelo de errores puede incluir una o más funciones optimizadas que se pueden utilizar junto con el modelo físico mediante el al menos un modelo predictivo para minimizar diversos términos de corrección de errores para su utilización en la determinación de una tasa de fugas de combustible prevista con un alto grado de precisión. Por ejemplo, en algunas implementaciones, el modelo de errores puede minimizar una desviación, con respecto a 1, de un factor de corrección promedio para cualquier error multiplicativo introducido en la determinación de la cantidad de ventas de combustible desde la instalación de almacenamiento de combustible en un día dado, y una desviación, con respecto a 1, de un factor de corrección promedio para cualquier error aditivo introducido en la determinación de la cantidad de combustible entregado en ese día dado. En algunas implementaciones, el modelo de errores puede minimizar una desviación, con respecto a 0, de un valor de fugas promedio para la instalación de almacenamiento de combustible. En algunas implementaciones, el modelo de errores puede minimizar un promedio ponderado de cada una de estas desviaciones y puede incluir además contribuciones de error asociadas con factores de corrección aditiva. En algunas implementaciones, el modelo de errores puede minimizar una función de coste que incluya la una o más funciones optimizadoras y que está basada en el número de puntos de interrupción predeterminado, un número de días de datos en consideración (p. ej., 30 o 60), un número de días, durante el periodo de tiempo en consideración, durante el cual se proporcionaron las entregas de combustible a la instalación de almacenamiento de combustible, un término de ponderación de corrección de errores de entrega, un término de ponderación de tasa de fugas de combustible prevista y un número de días, durante el periodo de tiempo en consideración, durante el cual se realizaron ventas de combustible desde la instalación de almacenamiento de combustible. En algunas implementaciones, el modelo de errores puede resolver una o más ecuaciones lineales utilizando la función de coste minimizada y evaluar de ese modo una tasa de fugas diarias promedio para el periodo de tiempo en consideración. En algunas implementaciones, el modelo de errores puede determinar la tasa de fugas de combustible prevista para el periodo de tiempo en consideración calculando la mediana de la tasa de fugas diaria promedio para el periodo de tiempo en consideración. En algunas implementaciones, el modelo de errores puede atribuir una o más partes de la tasa de fugas de combustible prevista a las fuentes de error/discrepancias mencionadas anteriormente y determinar una fuente de una fuga de combustible basándose en la magnitud de la una o más partes de la tasa de fugas de combustible prevista. En algunas implementaciones, la determinación de la fuente de la fuga se puede basar en la tasa de fugas de combustible prevista, la predicción de fugas de combustible, y los datos recibidos.

[0089] En algunas implementaciones, la determinación de la predicción de fugas de combustible se puede basar además en una programación matemática y puede incluir maximizar o minimizar una función caracterizada por el modelo físico y por al menos valores de entrada variables de la función que caracterizas los datos recibidos, y calcular un valor de salida de la función que caracteriza la tasa de fugas de combustible prevista. En algunas implementaciones, la predicción de fugas de combustible se puede determinar en uno o más intervalos de tiempo repetibles. En algunas implementaciones, la predicción de fugas de combustible puede ser una predicción de fugas de combustible diaria.

[0091] En algunas implementaciones, el al menos un modelo predictivo puede recibir parámetros proporcionados por el usuario para su utilización en la determinación de la tasa de fugas de combustible prevista. Por ejemplo, los parámetros proporcionados por el usuario pueden incluir el número de días de datos para su consideración por el al menos un modelo predictivo, tal como 30 días, 60 días, o cualquier periodo de tiempo para el que se desea una tasa de fugas de combustible prevista y/o predicción de fugas de combustible. En algunas implementaciones, cuando el número de días de datos para su consideración por el al menos un modelo predictivo es de 60 días, el al menos un modelo predictivo calcula tasas de fugas de combustible previstas de 30 días, para dos conjuntos de datos, cada uno correspondiente a un periodo de 30 días dentro del conjunto de datos de 60 días. Para tener en cuenta los errores en los datos, el al menos un modelo predictivo puede determinar una tasa de fugas de combustible prevista de 60 días basada en la diferencia entre las tasas de fugas de combustible previstas de 30 días. Los periodos de tiempo correspondientes a los conjuntos de datos considerados y analizados por los modelos pueden tener longitudes variables y no es necesario que los periodos de tiempo sean contiguos. Por ejemplo, un primer conjunto de datos puede comprender datos recopilados a lo largo de un periodo de 45 días y un segundo conjunto de datos puede comprender datos recopilados a lo largo de un periodo de 45 días en la misma estación del año anterior. En algunas implementaciones, los parámetros proporcionados por el usuario también pueden incluir diversos parámetros de calidad de los datos que pueden ser utilizados por el al menos un modelo predictivo para mejorar la calidad de los datos recibidos que se utilizan para determinar la predicción de fugas de combustible. Por ejemplo, los parámetros de calidad de los datos pueden incluir indicaciones para ignorar o retirar partes de los datos si la tasa de fugas de combustible prevista, determinada por el al menos un modelo predictivo, supera cierto valor. Además, en algunas implementaciones, los parámetros de calidad de los datos pueden incluir un parámetro de fuga inducida artificialmente que puede ser utilizado por el al menos un modelo predictivo como punto de referencia contra la tasa de fugas de combustible prevista, determinada por el al menos un modelo predictivo. En algunas implementaciones, los parámetros de calidad de los datos pueden incluir un parámetro para un umbral de fuga recuperada, que puede establecerse, por ejemplo, en aproximadamente 85-90 % del parámetro de fuga inducida artificialmente.

[0093] En algunas implementaciones, los parámetros proporcionados por el usuario también pueden incluir parámetros de un modelo de errores que pueden influir en las características operativas del modelo de errores. Por ejemplo, en algunas implementaciones, los parámetros del modelo de errores pueden incluir el término de ponderación de corrección del error de entrega, el término de ponderación de la tasa de fugas de combustible prevista y/o límites superior/inferior para aspectos del parámetro de calibración predeterminada.

[0095] Además, en algunas implementaciones, cuando los parámetros proporcionados por el usuario incluyen una selección de 60 días como número de días de datos para su consideración por el al menos un modelo predictivo en la determinación de la predicción de fugas de combustible, los parámetros proporcionados por el usuario pueden incluir además (1) un parámetro de punto de referencia para su utilización por el al menos un modelo predictivo para ajustar la tasa de fugas de combustible prevista y tener de ese modo en cuenta la corrección de línea base/error cero definida por el usuario (2) un parámetro ajustado en temperatura que instruye al el al menos un modelo predictivo para utilizar niveles de existencias ajustados en temperatura, basándose en los datos recibidos, en la determinación de la tasa de fugas de combustible prevista, y/o (3) un parámetro de coeficiente de expansión volumétrica que define el coeficiente de expansión volumétrica para el combustible situado en la instalación de almacenamiento de combustible para su utilización por el al menos un modelo predictivo en la determinación de la tasa de fugas de combustible prevista.

[0097] De acuerdo con la invención, la determinación de la predicción de fugas de combustible se basa en si la tasa de fugas de combustible prevista supera uno o más umbrales predeterminados. Por ejemplo, en algunas implementaciones, los parámetros proporcionados por el usuario pueden incluir varios umbrales predeterminados para la tasa de fugas de combustible prevista que se puede utilizar por el al menos un modelo predictivo para determinar la predicción de pico de combustible. De acuerdo con la invención, los parámetros proporcionados por el usuario incluyen un primer umbral predeterminado para la tasa de fugas de combustible prevista, y el al menos un modelo predictivo puede determinar una predicción de fugas de combustible de una (p. ej., sin fugas) instalación de almacenamiento de combustible "ajustada" cuando la tasa de fugas de combustible prevista es menor que el primer umbral predeterminado. De manera similar, los parámetros proporcionados por el usuario incluye a segundo umbral predeterminado para la tasa de fugas de combustible prevista que es más alto que el primer umbral predeterminado, y el al menos un modelo predictivo puede determinar una predicción de fugas de combustible de una instalación de almacenamiento de combustible con "fugas" cuando la tasa de fugas de combustible prevista es más alta que el primer umbral predeterminado y más bajo que el segundo umbral predeterminado.

[0099] De manera similar, los parámetros proporcionados por el usuario incluyen un tercer umbral predeterminado para la tasa de fugas de combustible prevista que es más alta que un segundo umbral predeterminado, y el al menos un modelo predictivo puede determinar una predicción de fugas de combustible "no concluyente debido a una alta tasa de fugas de combustible prevista" cuando la tasa de fugas de combustible prevista supera el tercer umbral predeterminado. Tal predicción puede tener el efecto de proporcionar una alerta a un usuario final que hay un problema con una o más de la pluralidad de sensores, o, si no hay problema con ninguno de la pluralidad de sensores, que la instalación de almacenamiento de combustible ha tenido fugas de combustible a una tasa alarmantemente alta.

[0101] En 130, el servidor puede proporcionar la predicción de fugas de combustible. En algunas implementaciones, se puede proporcionar la predicción de fugas de combustible a un medidor automático de depósitos para que un usuario la visualice. En algunas implementaciones, el servidor puede proporcionar la predicción de fugas de combustible y/o la tasa de fugas de combustible prevista a una interfaz gráfica de usuario de una pantalla comunicativamente acoplada con el servidor y, en algunas implementaciones, la interfaz gráfica de usuario puede estar configurada para presentar una caracterización visual de la predicción de fugas de combustible y/o de la tasa de fugas de combustible prevista en la pantalla. Un ejemplo de tal interfaz gráfica de usuario se muestra en la Figura 2A como interfaz de usuario 200. Como se muestra, la interfaz de usuario 200 puede incluir una ventana de parámetros 202 en la que una variedad de parámetros provistos por el usuario, tal como el número de días en consideración (p. ej., 30 días o 60 días), el número de puntos de interrupción en la función lineal en trozos que aproxima la gráfica de calibración de depósitos, los umbrales de varianza diaria, los umbrales predeterminados primero y segundo para establecer una predicción de fugas y similares. La interfaz de usuario 200 también puede incluir una lista de depósitos 204 que proporciona tasas de fugas de combustible previstas para cada depósito de la instalación de almacenamiento de combustible para el número de días en consideración que ha proporcionado el usuario. La interfaz de usuario 200 también puede recuperar las tasas de fugas de combustible previstas históricas que se pueden almacenar en el servidor para su visualización en la lista de depósitos, y el usuario puede interactuar con la lista de depósitos 204 para seleccionar o quitar de la selección depósitos para su análisis por el al menos un modelo predictivo.

[0103] La Figura 2B muestra una ventana 206 de rendimiento del modelo, que proporcionar una representación gráfica de la tasa de fugas de combustible prevista determinada por el al menos un modelo predictivo y una variedad de otros modelos. La ventana 206 de rendimiento del modelo también puede proporcionar una tasa de fugas de combustible prevista corregida, que, en algunas implementaciones, se puede basar en la tasa de fugas de combustible prevista, pero que está modificada para tener en cuenta cualquier error de procesamiento de datos o ruido estadístico introducido durante la ejecución del al menos un modelo predictivo.

[0105] En algunas implementaciones, el servidor puede monitorizar estos errores de procesamiento y/o el nivel de ruido estadístico introducido durante la ejecución del al menos un modelo predictivo y determinar una o más métricas de rendimiento para el al menos un modelo predictivo. En algunas implementaciones, el servidor puede, utilizando técnicas de aprendizaje automático y/o inteligencia artificial, determinar un modelo recomendado del al menos un modelo predictivo para su utilización en la determinación de la tasa de fugas de combustible prevista y la predicción de fugas de combustible. Por ejemplo, el servidor puede proporcionar recomendaciones para tales parámetros provistos por el usuario como el número de puntos de interrupción en la función lineal en trozos que aproxima la gráfica de calibración de depósitos, los umbrales de varianza diaria, los umbrales predeterminados primero y segundo para establecer una predicción de fugas y similares. Al hacer esta determinación, el servidor puede evaluar las métricas de rendimiento determinadas y basar la recomendación determinada en su revisión de las métricas de rendimiento. En algunas implementaciones, el servidor puede, utilizando técnicas de aprendizaje automático y/o inteligencia artificial, proporcionar parámetros recomendados proporcionados por el usuario, para su visualización en la interfaz de usuario 200, que corresponden al modelo recomendado del al menos un modelo predictivo y que se basan en la revisión de las métricas de rendimiento. Al proporcionar recomendaciones de modelos y parámetros, el servidor y la interfaz de usuario 200 brindan la capacidad de obtener tasas de fugas de combustible previstas y predicciones de fugas de combustible para cada depósito en una instalación de almacenamiento de combustible dada con mayor precisión y fiabilidad en comparación con los métodos existentes.

[0106] En algunas implementaciones, la ventana 206 de rendimiento del modelo también puede proporcionar uno o más valores estadísticos para la tasa de fugas de combustible prevista determinada por el al menos un modelo predictivo, tal como un valor mínimo de la tasa de fugas de combustible prevista, un límite inferior de la tasa de fugas de combustible prevista, un valor percentil 25 de la tasa de fugas de combustible prevista, una mediana de la tasa de fugas de combustible prevista, un percentil 75 de la tasa de fugas de combustible prevista, un límite superior de la tasa de fugas de combustible prevista, un valor máximo de la tasa de fugas de combustible prevista y una medición de los errores cuadráticos medios (RMSE) con respecto a cero.

[0108] En algunas implementaciones, además se pueden analizar las tasas de fugas de combustible previstas para cada depósito en una instalación de almacenamiento de combustible para tener en cuenta la variabilidad entre los depósitos y proporcionar una mejor visibilidad a la precisión de la precisión de las tasas de fugas de combustible previstas. Por ejemplo, en un método ilustrativo de análisis adicional de las tasas de fugas de combustible previstas, se pueden proporcionar al servidor para un procesamiento adicional las tasas de fugas de combustible previstas basadas en una semana de datos de cada estación (para ajustarlas a variaciones estacionales de los datos) y determinadas basándose en umbrales predeterminados por defecto (p. ej., el primer, segundo y tercer umbrales predeterminados expuestos anteriormente) y otros parámetros proporcionados por el usuario. En algunas implementaciones, el servidor puede evaluar las tasas de fugas de combustible previstas y dividir los depósitos en subconjuntos basándose en las tasas de fugas de combustible previstas. Por ejemplo, los depósitos con tasas de fugas de combustible previstas que estadísticamente estén muy por debajo del máximo de todo el conjunto de datos, se pueden clasificar como depósitos "con pocas fugas", y el resto se puede clasificar como depósitos "con muchas fugas".

[0110] En algunas implementaciones, el servidor puede ejecutar iterativamente el al menos un modelo predictivo en algunos o en todos los datos recibidos, con umbrales predeterminados variables y configuraciones de modelo aplicadas, para proporcionar una base comparativa del rendimiento de predicción de fugas de combustible bajo diferentes umbrales predeterminados y configuraciones de modelo para un conjunto dado de depósitos en una instalación de almacenamiento de combustible. Por ejemplo, el servidor puede ejecutar el al menos un modelo predictivo, con la configuración de 30 días y con umbrales predeterminados por defecto, en los datos y determinar los depósitos para los cuales el al menos un modelo predictivo fue capaz de determinar una predicción de fugas de combustible "ajustada". El servidor también puede determinar los depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" y volver a ejecutar el al menos un modelo predictivo, esta vez con la configuración de 60 días con los mismos umbrales predeterminados por defecto, en ese subconjunto de datos perteneciente a los depósitos para los cuales no se determinó una predicción de fugas de combustible "ajustada".

[0112] El servidor entonces puede, utilizando los resultados de la re-ejecución, determinar los depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" durante la re-ejecución, El servidor puede volver a ejecutar entonces, el al menos un modelo predictivo en los datos correspondientes al conjunto de depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" con la configuración de umbral predeterminado por defecto/de 60 días, pero utilizando esta vez la configuración de 60 días y umbrales predeterminados flexibles que son menos restrictivos que los umbrales predeterminados por defecto,

[0114] De manera similar, el servidor puede determinar de nuevo los depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" y volver a ejecutar de manera iterativa el al menos un modelo predictivo, con la configuración de 30 días y con umbrales predeterminados aún más flexibles que sean menos restrictivos que los umbrales predeterminados flexibles, en los datos correspondientes a los depósitos no identificados en la ejecución "ajustada" anterior del modelo y determinar los depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" basándose en esta ejecución más reciente,

[0116] El servidor puede volver a ejecutar el al menos un modelo predictivo, con la configuración de 60 días y utilizando los umbrales predeterminados aún más flexibles, en los datos correspondientes a los depósitos no identificados en la ejecución anterior del modelo "ajustado" y determinar un conjunto residual de depósitos para los cuales el al menos un modelo predictivo no fue capaz de determinar una predicción de fugas de combustible "ajustada" permanece, Este conjunto final de depósitos se puede clasificar mediante el al menos un modelo predictivo como "no concluyente" (p, ej,, el servidor fue incapaz de determinar una predicción de fugas de combustible para los depósitos),

[0118] El servidor puede entonces proporcionar, a la interfaz gráfica de usuario 200, una gráfica 208 (de la que se muestra en un ejemplo en la Figura 2C) que indique el número de depósitos identificados como "ajustados" durante la ejecución del al menos un modelo predictivo en cada una de las configuraciones mencionadas anteriormente, La gráfica 208 también muestra los umbrales predeterminados precisos utilizados durante cada ejecución del modelo, Como tal, el servidor y la interfaz gráfica de usuario pueden proporcionar una visibilidad añadida al rendimiento del al menos un modelo predictivo para una variedad de condiciones para un conjunto dado de depósitos en una instalación de almacenamiento de combustible,

[0120] En algunas implementaciones, la materia objeto actual se puede configurar para implementarse en un sistema 300, como se muestra en la Figura 3, El sistema 300 puede incluir uno o más de un procesador 310, una memoria 320, un dispositivo de almacenamiento 330 y un dispositivo de entrada/salida 340, Cada uno de los componentes 310, 320, 330 y 340 puede interconectarse utilizando un bus de sistema 350, El procesador 310 se puede configurar para procesar instrucciones para su ejecución dentro del sistema 100, En algunas implementaciones, el procesador 310 puede ser un procesador de un único hilo, En implementaciones alternativas, el procesador 310 puede ser un procesador de múltiples hilos, El procesador 310 se puede configurar además para procesar instrucciones almacenadas en la memoria 320 o en el dispositivo de almacenamiento 330, incluyendo la recepción o envío de información a través del dispositivo de entrada/salida 340, La memoria 320 puede almacenar información dentro del sistema 300, En algunas implementaciones, la memoria 320 puede ser un medio legible por ordenador, En implementaciones alternativas, a memoria 320 puede ser una unidad de memoria volátil, En algunas implementaciones más, la memoria 320 puede ser una unidad de memoria no volátil, El dispositivo de almacenamiento 330 puede ser capaz de proporcionar almacenamiento masivo para el sistema 100, En algunas implementaciones, el dispositivo de almacenamiento 330 puede ser un medio legible por ordenador, En implementaciones alternativas, el dispositivo de almacenamiento 330 puede ser un dispositivo de disco flexible, un dispositivo de disco duro, un dispositivo óptico, un dispositivo de cintas, una memoria de estado sólido no volátil o cualquier otro tipo de dispositivo de almacenamiento, El dispositivo de entrada/salida 340 se puede configurar para proporcionar operaciones de entrada/salida para el sistema 300, En algunas implementaciones, el dispositivo de entrada/salida 340 puede incluir un teclado y/o dispositivo apuntador, En implementaciones alternativas, el dispositivo de entrada/salida 340 puede incluir una unidad de visualización para visualizar interfaces gráficas de usuario, En algunas implementaciones, el sistema 300 puede estar en comunicación operativa con uno o más componentes de una estación de aprovisionamiento de combustible 400, como se muestra en la Figura 4, La estación de aprovisionamiento de combustible 400 puede incluir una instalación de almacenamiento de combustible 410, que puede incluir uno o más depósitos de combustible 420 dispuestos en el suelo de la estación de aprovisionamiento de combustible 400 que están configurados para contener combustible en la estación de aprovisionamiento de combustible 400, El uno o más depósitos de combustible 420 de la instalación de almacenamiento de combustible 410 puede estar en comunicación operativa con uno o más sensores 430 que están situados cerca de la instalación de almacenamiento de combustible 410 y configurados para captar datos que caracterizan el combustible almacenado en el uno o más depósitos de combustible 420, el uno o más depósitos de combustible 420 y la instalación de almacenamiento de combustible 410, El uno o más sensores 430 también pueden estar en comunicación operativa con el sistema 300, de tal manera que el sistema 300 puede recibir los datos captados para su utilización en la determinación de la tasa de fugas de combustible prevista y la predicción de fugas de combustible.

[0122] El uno o más depósitos de combustible 420 de la instalación de almacenamiento de combustible 410 también pueden estar en comunicación operativa y fluídica con un dispensador de combustible 440, que puede dispensar el combustible contenido en el uno o más depósitos de combustible a un cliente, El dispensador de combustible 440 puede estar en comunicación operativa con el sistema 300, de tal manera que el sistema 300 puede recibir datos del dispensador de combustible 440 relativos a la venta de combustible al cliente para su utilización en la determinación de la tasa de fugas de combustible prevista y la predicción de fugas de combustible,

[0124] Cabe destacar que, las etapas mostradas en las Figuras 1-4 son meros ejemplos ilustrativos y que podrían incluirse o excluirse otras etapas determinadas según se desee, Además, si bien se muestra un orden particular de las etapas, este orden es meramente ilustrativo y se puede utilizar cualquier disposición adecuada de las etapas sin desviarse del alcance de las realizaciones del presente documento, Es más, las etapas ilustradas pueden modificarse de cualquiera manera adecuada de conformidad con el alcance de las presentes reivindicaciones,

[0125] En consecuencia, el sistema SIR, expuesto en el presente documento, puede combinar todas las alertas y puntos de datos conocidos, los detalles del equipo y la infraestructura sobre el terreno en un modelo para proporcionar a un usuario la tasa de fugas de combustible prevista y la predicción de fugas de combustible, Al aplicar técnicas de inteligencia artificial y aprendizaje automático para proporcionar recomendaciones para un modelo y un parámetro, la gestión de existencias líquidas se puede realizar de manera más eficiente, ahorrando de ese modo costes y mejorando la seguridad,

[0127] Uno o más aspectos o características de la materia objeto descrita en el presente documento se pueden realizar en una circuitería electrónica digital, circuitería integrada, circuitos integrados de aplicación específica (ASIC) especialmente diseñados, matrices de puertas programables en campo (FPGA), hardware, firmware o software informático y/o combinaciones de los mismos, Estos diversos aspectos o características pueden incluir una implementación en uno o más programas informáticos que son ejecutables y/o interpretables en un sistema programables que incluye al menos un procesador programable, que puede ser de propósito especial o general, acoplado para recibir datos e instrucciones de, y para transmitir datos e instrucciones a un sistema de almacenamiento, al menos un dispositivo de entrada y al menos un dispositivo de salida, El sistema programable o el sistema informático pueden incluir clientes y servidores, Un cliente y un servidor generalmente están alejados entre sí y habitualmente interactúan a través de una red de comunicación, La relación del cliente y el servidor surge en virtud de los programas informáticos que se ejecutan en los ordenadores respectivos y que tienen una relación cliente-servidor entre sí,

[0129] Estos programas informáticos, que también se pueden denominar programas, software, aplicaciones de software, aplicaciones, componentes o código, incluyen instrucciones de máquina para un procesador programable y se pueden implementar en un lenguaje procedural de alto nivel, un lenguaje de programación orientado a los objetos, un lenguaje de programación funcional, un lenguaje de programación lógico y/o en un lenguaje ensamblador/máquina, Tal y como se usa en el presente documento, la expresión "medio legible por máquina" se refiere a cualquier producto de programa, aparato y/o dispositivo informático, tal como, por ejemplo, discos magnéticos, discos ópticos, memorias, y dispositivos lógicos programables (PLD), utilizado para proporcionar instrucciones de máquina y/o datos a un procesador programable, incluyendo un medio legible por máquina que recibe instrucciones de máquina como señal legible por máquina, La expresión "señal legible por máquina" se refiere a cualquier señal utilizada para proporcionar instrucciones y/o datos de máquina a un procesador programable, El medio legible por máquina puede almacenar tales instrucciones legibles por máquina de manera no transitoria, tal como haría, por ejemplo, una memoria de estado sólido no transitoria o un disco duro magnético o cualquier medio de almacenamiento equivalente, El medio legible por máquina puede almacenar como alternativa o adicionalmente tales instrucciones de máquina de manera transitoria, tal como haría, por ejemplo, una caché de procesador u otra memoria de acceso aleatorio asociada con uno o más núcleos físicos de procesador,

[0131] Para proporcionar una interacción con un usuario, se pueden implementar uno o más aspectos o características de la materia objeto descrita en el presente documento en un ordenador que tenga un dispositivo de visualización, tal como, por ejemplo, un tubo de rayos catódicos (CRT) o una pantalla de cristal líquido (LCD) o un monitor de diodos emisores de luz (LED) para mostrar la información para el usuario y un teclado y un dispositivo apuntador, tal como, por ejemplo, un ratón o una bola de mando, con los que el usuario puede proporcionar entradas al ordenador, También se pueden utilizar otros tipos de dispositivos para proporcionar una interacción con un usuario, Por ejemplo, la retroalimentación provista al usuario puede adoptar cualquier forma de retroalimentación sensorial, tal como, por ejemplo, retroalimentación visual, retroalimentación audible o retroalimentación táctil; y la entrada del usuario se puede recibir en cualquier forma, incluyendo, aunque no de forma limitativa, una entrada acústica, de voz o táctil, Otros posibles dispositivos de entrada incluyen, aunque de forma no limitativa, pantallas táctiles u otros dispositivos sensibles al tacto, tales como paneles táctiles resistivos o capacitivos de punto único o múltiple, hardware y software de reconocimiento de voz, escáneres ópticos, punteros ópticos, dispositivos de captura de imágenes digitales, así como el software de interpretación asociado, y similares,

[0132] Un experto en la materia apreciará características y ventajas adicionales de la invención basándose en las realizaciones descritas más arriba. En consecuencia, la invención no está limitada por lo que se ha mostrado y descrito de manera particular, salvo que así se indique en las reivindicaciones adjuntas.

Claims (15)

1. REIVINDICACIONES

1. Un método que comprende:

recibir, de uno o más de una pluralidad de sensores (430) dispuestos en una instalación de almacenamiento de combustible (410), datos que caracterizan la instalación de almacenamiento de combustible; determinar, mediante un servidor (300) y basándose en los datos recibidos, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible, basándose además la determinación en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible;

estando el métodocaracterizado porcomprender:

determinar, mediante el servidor y basándose en si la tasa de fugas de combustible prevista supera un primer, segundo y/o tercer umbral, una predicción de fugas de combustible para la instalación de almacenamiento de combustible, en donde el tercer umbral es más alto que el segundo umbral y el segundo umbral es más alto que el primer umbral; y

proporcionar, mediante el servidor, la predicción de fugas de combustible

en donde al ser la tasa de fugas de combustible prevista:

menor que el primer umbral, indica una instalación de almacenamiento de combustible sin fugas, mayor que el primer umbral, pero menor que el segundo umbral, indica una instalación de almacenamiento de combustible con fugas, y

mayor que el segundo umbral y el tercer umbral, indica una predicción no concluyente.

2. El método de la reivindicación 1, en donde el al menos un modelo predictivo incluye un parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, un modelo físico para la instalación de almacenamiento de combustible y un modelo de error indicativo de al menos un grado de error en los datos.

3. El método de la reivindicación 2, en donde la determinación de la tasa de fugas de combustible prevista se basa además en los datos recibidos, el parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, el modelo físico y una optimización del modelo de error, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible.

4. El método de la reivindicación 3, en donde el modelo de equilibrio de fluidos determina un nivel de combustible previsto para la instalación de almacenamiento de combustible basándose en los datos recibidos.

5. El método de la reivindicación 3, que comprende, además:

proporcionar, mediante el servidor, la tasa de fugas de combustible prevista a una interfaz gráfica de usuario para su representación en una pantalla.

6. El método de la reivindicación 3, que comprende, además:

determinar una segunda predicción de fugas de combustible para la instalación de almacenamiento de combustible basándose en un segundo modelo de equilibrio de fluidos y un segundo umbral predeterminado, basándose el segundo modelo de equilibrio de fluidos en el modelo de equilibrio de fluidos y siendo el segundo umbral predeterminado mayor que el umbral predeterminado.

7. El método de la reivindicación 1, en donde el uno o más de la pluralidad de sensores incluye uno cualquiera de una varilla de medición de nivel, un medidor automático de depósitos, un sensor de detección de fugas de combustible, una sonda magnetoestrictiva, un dispositivo de punto de venta, un controlador de estación de servicio, un sistema administrativo y un dispensador de combustible.

8. Un sistema (300) que comprende:

al menos un procesador de datos (310); y

una memoria (320) que almacena instrucciones configuradas para hacer que el al menos un procesador de datos realice las operaciones que comprenden:

recibir, de uno o más de una pluralidad de sensores (430) dispuestos en una instalación de almacenamiento de combustible (410), datos que caracterizan la instalación de almacenamiento de combustible; determinar, basándose en los datos recibidos, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible, basándose además la determinación en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible; estando el sistemacaracterizado por quecomprende:

determinar, mediante el servidor (300) y basándose en si la tasa de fugas de combustible prevista supera un primer, segundo y/o tercer umbral, una predicción de fugas de combustible para la instalación de

almacenamiento de combustible, en donde el tercer umbral es más alto que el segundo umbral y el segundo umbral es más alto que el primer umbral; y

proporcionar la predicción de fugas de combustible

en donde al ser la tasa de fugas de combustible prevista:

menor que el primer umbral, indica una instalación de almacenamiento de combustible sin fugas, mayor que el primer umbral, pero menor que el segundo umbral, indica una instalación de almacenamiento de combustible con fugas, y

mayor que el segundo umbral y el tercer umbral, indica una predicción no concluyente.

9. El sistema de la reivindicación 8, en donde el al menos un modelo predictivo incluye un parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, un modelo físico para la instalación de almacenamiento de combustible y un modelo de error indicativo de al menos un grado de error en los datos.

10. El sistema de la reivindicación 9, en donde la determinación de la tasa de fugas de combustible prevista se basa además en el parámetro de calibración predeterminado para la instalación de almacenamiento de combustible, el modelo físico y una optimización del modelo de error, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible.

11. El sistema de la reivindicación 10, en donde el modelo de equilibrio de fluidos determina un nivel de combustible previsto para la instalación de almacenamiento de combustible basándose en los datos recibidos.

12. El sistema de la reivindicación 10, que comprende, además:

proporcionar la tasa de fugas de combustible prevista a una interfaz gráfica de usuario para su representación en una pantalla.

13. El sistema de la reivindicación 10, que comprende, además:

determinar una segunda predicción de fugas de combustible para la instalación de almacenamiento de combustible basándose en un segundo modelo de equilibrio de fluidos y un segundo umbral predeterminado, basándose el segundo modelo de equilibrio de fluidos en el modelo de equilibrio de fluidos y siendo el segundo umbral predeterminado mayor que el umbral predeterminado.

14. El sistema de la reivindicación 8, en donde el uno o más de la pluralidad de sensores incluye uno cualquiera de una varilla de medición de nivel, un medidor automático de depósitos, un sensor de detección de fugas de combustible, una sonda magnetoestrictiva, un dispositivo de punto de venta, un controlador de estación de servicio, un sistema administrativo y un dispensador de combustible.

15. Un producto de programa informático no transitorio que almacena instrucciones que, cuando son ejecutadas por al menos un procesador de datos (310) que forman parte de al menos un sistema informático, hacen que el al menos un procesador de datos implemente operaciones que comprenden:

recibir, de uno o más de una pluralidad de sensores (430) dispuestos en una instalación de almacenamiento de combustible (410), datos que caracterizan la instalación de almacenamiento de combustible; determinar, basándose en los datos recibidos, una tasa de fugas de combustible prevista para la instalación de almacenamiento de combustible, basándose además la determinación en al menos un modelo predictivo que predice si existe una fuga de combustible en la instalación de almacenamiento de combustible;

caracterizado por quelas operaciones comprenden:

determinar, mediante el servidor y basándose en si la tasa de fugas de combustible prevista supera un primer, segundo y/o tercer umbral, una predicción de fugas de combustible para la instalación de almacenamiento de combustible, en donde el tercer umbral es más alto que el segundo umbral y el segundo umbral es más alto que el primer umbral; y

proporcionar la predicción de fugas de combustible,

en donde al ser la tasa de fugas de combustible prevista:

menor que el primer umbral, indica una instalación de almacenamiento de combustible sin fugas, mayor que el primer umbral, pero menor que el segundo umbral, indica una instalación de almacenamiento de combustible con fugas, y

mayor que el segundo umbral y el tercer umbral, indica una predicción no concluyente.