MX2012010254A

MX2012010254A - Sistema y metodo para supervisar los recursos en una red de suministro de agua.

Info

Publication number: MX2012010254A
Application number: MX2012010254A
Authority: MX
Inventors: Amir Peleg; Haggai Scolnicov; Uri Barkay; Amitai Armon; Shai Gutner
Original assignee: Takadu Ltd
Priority date: 2010-03-04
Filing date: 2011-03-03
Publication date: 2013-02-07
Also published as: GB2499113B; IE86150B1; EP2472467A1; JP2013521558A; CA2792029A1; FR2957097A1; GB201301484D0; GB201103783D0; IE86368B1; US9568392B2; TW201140267A; SG193853A1; US7920983B1; PH12011000083A1; KR20140145637A; WO2011107864A2; ES2420865T3; CL2011000466A1; TW201303785A; GB2499113A

Abstract

Un método computarizado para verificar una red de servicios agua, la red de servicios de agua comprende una red de tuberías para suministrar agua a consumidores y una pluralidad de medidores colocados dentro de las tuberías a través de la red de distribución de agua. El método incluye recibir datos medidos que representan los parámetros medidos por los medidores, tal como flujo, presión, nivel de cloro, pH y turbiedad del agua a distribuirse a través de las tuberías. El método también incluye recibir datos secundarios de fuentes externas a los medidores y condiciones de representación que afectan el consumo de agua en una región atendida por la red de servicios de agua, tales como el clima y vacaciones. El medidor y datos secundarios se analizan utilizando técnicas estadísticas para identificar eventos de red de agua, incluyendo eventos de fugas y otros eventos en cuanto a cantidad y calidad del agua que fluye a través de las tuberías y operación de la red de agua. Los eventos se presentan a los usuarios a través de una interfaz de usuario.

Description

SISTEMA Y METODO PARA SUPERVISAR LOS RECURSOS EN UNA RED DE SUMINISTRO DE AGUA Notificación de Derechos de Propiedad Intelectual Una porción de la descripción de este documento patentable contiene el material que se somete a la protección de los derechos de propiedad intelectual. El poseedor de los derechos de propiedad intelectual no tiene ninguna objeción a la reproducción facsímil mediante cualquier persona del documento patentable o de la descripción de la patente, puesto que aparece en los archivos o registros de patente de la Oficina de Patentes y Marcas Registradas, pero de otra manera se reserva todos los derechos de propiedad intelectual.

Campo de la Invención El campo de la invención se relaciona generalmente con la supervisión de los sistemas de distribución de recursos, tal como una red de suministro de agua, y con la detección de las anomalías que se asocian a la red distribuida.

Antecedentes de la Invención Los Naciones Unidas observaron que el uso de agua ha aumentado más de dos veces el índice del aumento demográfico en el siglo pasado, y un número cada vez mayor de regiones están crónicamente carentes de agua. En 2025, dos tercios de la población mundial podrían estar bajo condiciones de carencia de agua como resultado del aumento demográfico. El agua, especialmente el agua potable, es esencial para todos los progresos socioeconómicos y para mantener a una población sana. A medida que la población aumenta en todo el mundo también aumenta la demanda de la distribución cada vez mayor de agua limpia para el uso, que da lugar a una mayor escasez del agua.

Un método para tratar la escasez de agua y para conservar los recursos es la detección de fugas y otros acontecimientos que ocurren en las redes de suministro de agua. Algunos expertos calculan que las pérdidas debido a las fugas y al hurto ascienden a 25-30% del agua que fluye a través de las redes de suministro de agua. Por lo tanto, una cantidad significativa de agua se puede conservada al tratar simplemente la pérdida de agua en los sistemas que ya controlan los humanos.

Las tuberías antiguas y construidas incorrectamente, la protección inadecuada contra la corrosión, las válvulas reparadas incorrectamente, y el daño mecánico, son algunos de los factores que contribuyen a la pérdida de agua. Además, las fugas de agua reducen la presión de suministro en el sistema, y consecuentemente la compañía de suministro debe aumentar la presión en el sistema para compensar las pérdidas. El aumento de la presión del sistema da lugar a que una mayor cantidad de agua se bombee y a que aumente el consumo de energía de la compañía de suministro de agua. De hecho, las redes de distribución de agua son simplemente los mayores consumidores de la energía en muchos países. Al identificar y corregir las fugas de agua y otros problemas en la red, las compañías de suministro pueden conservar el agua para el uso futuro y reducir dramáticamente el consumo de energía.

Una complicación adicional es que la mayoría de las redes de suministro de agua son grandes y complejas, y que se han construido a través del aumento progresivo, con muchas tuberías en configuraciones arbitrarias para responder a las necesidades geográficas específicas que se presentan en un cierto periodo de tiempo. Además, la mayoría de las redes de suministro de agua carecen el consumo de la medición exacta, frecuente, en tiempo real del consumo del cliente, que puede permitir una conservación simple de la contabilidad del volumen de entrada y de salida. Además, las redes de suministro de agua se diseñan para proporcionar el agua a una gran cantidad de consumidores, cuyo comportamiento individual es imprevisible y está sujeto a cambios debido a muchos factores. Tales factores incluyen, por ejemplo, cambios climáticos y acontecimientos naturales (por ejemplo, el clima caliente aumenta el consumo, al igual que las sequías), los días feriados y los acontecimientos sociales especiales (por ejemplo, provocan que los consumidores permanezcan en el hogar y que el uso de agua aumente en las redes residenciales y que disminuya en las ubicaciones comerciales), y los cambios demográficas en las inmediaciones durante el transcurso del tiempo.

Los métodos existentes para la detección de fugas en redes de suministro de agua no tratan de manera adecuada estos problemas. Por ejemplo, los dispositivos de detección de fugas en los componentes comercialmente disponibles que se usan para las inspecciones en el campo, tal como detectores acústicos, pueden ser eficaces en la localización de una fuga dentro de un área específica, pero su instalación y operación son costosas y no proporcionan el descubrimiento rápido y la protección extendida de una red completa. Los sistemas de IT de agua existente, tal como el sistema de Gestión de Fugas de Agua Advise™ disponible de ABB, intentan hacer un cierto uso de datos de medición pero ese uso es simplista y, por lo tanto, los resultados tienen una utilidad limitada. Por ejemplo, los sistemas no identifican exactamente ni reportan en tiempo real los acontecimientos individuales específicos tal como fugas u otros acontecimientos eh la red, no identifican las averías del medidor o las condiciones adversas de calidad del agua, carecen del análisis estadístico necesario para entender exactamente la operación rutinaria de la red, y sufren otras deficiencias. Además, los sistemas que se encuentran actualmente en uso carecen de la capacidad de detectar la pérdida de energía o los hurtos de agua. Una falla crítica de los métodos más actuales es una carencia del modelado estadístico detallado de muchos componentes sin medir de las redes de agua, especialmente el consumo de agua de los clientes del servicio, que se modela con frecuencia mediante técnicas muy rudimentarias, incluso tiene un impacto profundo sobre cualquier análisis de la red.

Los sistemas de Control de Supervisión y Adquisición de Datos ("SCADA", por sus siglas en inglés) han estado cada vez más disponibles en las compañías de suministro de agua en todo el mundo, los cuales recolectan los datos de una variedad de medidores dentro de la red, que miden las cantidades tal como el flujo y la presión. Sin embargo, en la mayoría de las compañías de suministro estos sistemas se utilizan mediante algunos operadores expertos principalmente para las necesidades operacionales en curso; las compañías de suministro usan poco los datos históricos que se acumulan en sus sistemas para detectar automáticamente (o de otra manera) las fugas y otros acontecimientos anormales en la red. Además, cualquier detección anormal se limita generalmente a las alarmas relacionadas a un solo sensor fijo, lo cual conduce a una sensibilidad baja o a una gran cantidad de alarmas falsas.

Los operadores de la red de suministro de agua continúan agregando aún más medidores para supervisar la actividad de los sistemas de distribución. Aunque esto proporciona mayores cantidades de datos con respecto a la red, y por lo tanto, mayor potencial de comprensión de los acontecimientos dentro de la red, el mayor volumen de datos sirve, a menudo, simplemente para confundir aún más a los operadores de la red, y exacerba el aspecto casi imposible de la supervisión de la red de agua. Por otra parte, la colocación de más medidores no se optimiza generalmente para mejorar la utilidad de los datos que se reciben de todo el sistema para los propósitos de la supervisión avanzada. Por lo tanto, los volúmenes cada vez mayores de los datos que describen la actividad de la red no están organizados y a menudo son confusos y no permiten que los operadores de la red tomen mejores decisiones con respecto al estado de la red de suministro de agua.

Como tal, existe una necesidad de sistemas y métodos mejorados para analizar mejor los datos recuperados de una red de suministro de agua y los datos con respecto a la red de suministro y al consumo de sus recursos para facilitar la gestión mejorada de estos recursos.

Breve Descripción de la Invención Algunas o todas de las deficiencias anteriores y otras deficiencias en la técnica anterior se resuelven mediante un método automatizado para conservar el agua al supervisar una red de distribución de agua, la red de distribución de agua comprende una pluralidad de tuberías y dispositivos de la red tal como válvulas de reducción de presión, depósitos, o bombas, para proporcionar el agua a los consumidores y una pluralidad de medidores que se colocan en las ubicaciones dentro de la red de distribución de agua. Los medidores se pueden colocar en el interior o exterior de las tuberías, cerca de los dispositivos de la red, o en otras ubicaciones arbitrarias. En algunas modalidades, el método incluye la recepción de los datos de medidor de los medidores, los datos que representan una pluralidad de parámetros que se midieron mediante los medidores, los parámetros incluyen por lo menos el flujo de agua a través de las tuberías. En algunas modalidades, los datos de medidor son los datos del Control de Supervisión y Adquisición de Datos (SCADA, por sus siglas en inglés). En algunas modalidades, los datos de medidor se procesan antes de analizarse, por ejemplo, al filtrar la interferencia de los datos de medidor y al formatearlos para el almacenamiento en una base de datos de información de la red.

De acuerdo con algunas modalidades, los datos de medidor se analizan para identificar los acontecimientos de la red de agua, los acontecimientos de la red de agua que comprenden los acontecimientos de fuga y los acontecimientos informativos con respecto al consumo de agua que se proporciona sobre la red de agua y con respecto a la operación de la red y de los medidores. Los acontecimientos informativos que se pueden reportar incluyen un aumento inesperado del patrón de consumo, un cambio en el patrón de consumo, un hurto de agua, un abuso del límite zonal, una avería del medidor de suministro, y un funcionamiento incorrecto del dispositivo de la red. El método de acuerdo con algunas modalidades puede incluir adicionalmente la recepción en un cierto periodo de tiempo plazo de los datos de la calidad del agua que representan la turbiedad, contenido de cloro y el pH del agua que se proporciona sobre la red y la identificación de los acontecimientos de la red al detectar los cambios en los datos de la calidad del agua en un cierto periodo de tiempo superior a un umbral de valor estadístico, proporcional, o constante.

Uno o más acontecimientos de la red se reportan a un usuario a través de una interfaz de usuario. En algunas modalidades, los acontecimientos de la red de agua se almacenan en una base de datos para que puedan ser accesibles para una variedad de módulos de interfaz que reportan los acontecimientos en diferentes que incluyen a través de las listas de acontecimientos, gráficas o datos de tendencia, y registros de problemas u otras alarmas.

En algunas modalidades, el método incluye la recepción de los datos secundarios de una o más fuentes externas a los medidores, los datos secundarios que representan una o más condiciones que afectan el consumo de agua en una región que se atiende mediante la red de suministro de agua. Los datos secundarios podrían incluir, por ejemplo, los datos climáticos que representaban las condiciones climáticas en la región de la red de suministro de agua, los datos del calendario qué representan uno o más factores que afectan el consumo de agua en una fecha determinada, los datos de reparación que representan una o más reparaciones que se realizaron en la red de suministro de agua, y los datos estructurales que representan una estructura de la red de suministro de agua. Según lo que se explicará posteriormente en la presente, estos datos secundarios se pueden analizar junto con los datos de medidor para proporcionar resultados mejores, más exactos y para reducir o eliminar las falsas alarmas. Por ejemplo, un aumento anormal del flujo o consumo de agua en una región específica de una red de suministro de agua se puede explicar debido a un clima caliente por encima del promedio o la sequía o debido a un día feriado u otro acontecimiento natural o humano que provoca que la gente permanezca en su hogar y no acuda a su centro de trabajo o cambie de otra manera el patrón de consumo común en un ubicación o ubicaciones particulares.

En algunas modalidades, los datos de medidor se analizan al predecir de manera estadística los datos de medidor para un primer medidor con base en otros datos de medidor de la red de suministro de agua, por ejemplo, al calcular una distribución estadística de los valores probables para el primer medidor, y al comparar los datos de medidor recibidos para el primer medidor con los datos de medidor previstos para el primer medidor. A modo de ilustración, los datos históricos pueden indicar que los valores del primer medidor comúnmente son aproximadamente el doble de los valores que se midieron concurrentemente mediante un segundo medidor; entonces se predice que el primer medidor tiene una lectura actual que es aproximadamente el doble de la lectura que se obtuvo recientemente en el segundo medidor. Los acontecimientos de la red se pueden identificar al detectar una anomalía si el valor de medidor recibido actual del primer medidor se desvía del valor de medidor previsto para el primer medidor aproximadamente una desviación estadística predefinida, durante un periodo de tiempo que excede un umbral predefinido, si su ocurrencia de frecuencia dentro de un periodo de tiempo predefinido excede un umbral predefinido, o a través de otros medios. La detección de anomalía estadística en los valores de medidor es una manera contundente de superar las dificultades inherentes en muchos de los componentes sin medir de las redes de agua, especialmente el consumo de agua de los clientes del servicio, que tiene un impacto profundo sobre cualquier análisis de la red. La estructura estadística en esta consumo, tal como una tendencia a la periodicidad, que se propaga a través de la red, conduce a la estructura estadística similar o derivada en valores de medidor, que permite un análisis de la probabilidad de que los valores de medidor particulares se generen durante la operación rutinaria de la red (sin anomalía). Además, el uso de la detección de anomalía estadística según lo que se describió en la presente permite el uso de los métodos y sistemas de la presente invención con las redes que proporcionan los datos de medidor que no abarcan cada porción de la red, no se proporciona en una base en tiempo real, de otra manera está incompleto y deficiente. Por lo tanto, por ejemplo, la detección de anomalía que se describió en la presente se diseña para que sea la más útil en las redes de suministro de agua en las cuales los medidores están solamente presentes en ciertos empalmes o ubicaciones de la red, o en las cuales las lecturas de medidor se toman en las residencias del consumidor en una base mensual o de otra manera no pueden proporcionar la información actualizada. De hecho, según lo que se explicó anteriormente, las redes de suministro de agua comunes sufren de uno o más de estos tipos de deficiencias en los datos de medidor recolectados de la red, y carecen del consumo medido exacto, frecuente, en tiempo real del cliente, que podrían permitir una conservación simple de la contabilidad del volumen de entrada y de salida, y se diseñan para proporcionar el agua a una gran cantidad de consumidores, cuyo comportamiento individual es imprevisible y puede cambiar debido a muchos factores.

En algunas modalidades, la predicción de manera estadística de los datos de medidor para el primer medidor con base en otros datos de medidor de la red de suministro de agua, incluye la selección de uno o más segundos medidores como uno o más medidores correspondientes y que correlacionan los datos de medidor que se reciben del primer medidor con los datos de medidor que se reciben de uno o más medidores correspondientes. Uno o más segundos medidores se pueden seleccionar al correlacionar los datos históricos de medidor para uno o más segundos medidores con los datos históricos de medidor para el primer medidor. En algunas modalidades, uno o más segundos medidores pueden ser los medidores que históricamente tuvieron una correlación cercana con los valores del primer medidor. Generalmente, en la operación rutinaria de la red, se esperó que los valores del primer medidor continúen esta correlación. A modo de ilustración, tal situación puede presentarse cuando varios medidores miden el flujo del agua que se consumió por varias inmediaciones distintas con datos demográficas similares, y por lo tanto patrones de consumo similares (o proporcionales). Uno o más segundos medidores se pueden seleccionar adicionalmente como aquellos que se colocan dentro de la red de suministro de agua para que sean los no afectados por las anomalías locales que afectan al primer medidor, de la clase que es de interés para el operador de red, tal como una fuga; incluso, como parte de la misma red y del área general, los segundos medidores que se afectan por las mismas anomalías globales, tal como el aumento del consumo en un día caluroso. De esta manera, una anomalía local que afecta a los datos del primer medidor no afectará a los datos de los segundos medidores y, por lo tanto, será más fácil de detectar mediante una comparación estadística con los datos de los segundos medidores, además una anomalía global no génerará una falsa alarma, incluso si su causa es desconocida.

Algunas o todas las deficiencias anteriores y otras deficiencias en la técnica anterior se resuelven mediante un sistema automatizado para supervisar una red de suministro de agua, el sistema tiene una base de datos de información de la red para almacenar los datos de medidor que representan una pluralidad de parámetros que se midieron mediante los medidores, los parámetros incluyen por lo menos el flujo de agua a través de las tuberías, y los datos secundarios de una o más fuentes externas a los medidores, los datos secundarios que representan una o más condiciones que afectan el consumo de agua en una región que se atiende mediante la red de suministro de agua. El sistema además contiene un motor de análisis que se configura para analizar los datos de medidor y los datos secundarios para identificar las anomalías, un motor de clasificación de acontecimiento que se configura para identificar los acontecimientos de la red de suministro de agua con base en las anomalías, los acontecimientos de la red de agua comprenden los acontecimientos de fuga y otros acontecimientos con respecto a la cantidad o calidad de agua que fluye a través de las tuberías y de los dispositivos de la red y con respecto a la operación de la red de suministro de agua, y una base de datos de acontecimiento para almacenar los datos de los acontecimientos de la red de suministro de agua que representan uno o más acontecimientos de la red de agua que se identificaron por el motor de clasificación de acontecimiento. El sistema puede incluir además un conjunto de módulos de interfaz para recuperar los datos de acontecimiento de la red de suministro de agua de la base de datos de acontecimiento y reportarlos a los usuarios.

En algunas modalidades, el motor de análisis comprende una pluralidad de módulos indicadores para generar una distribución estadística de los valores probables de los datos de medidor para un medidor dado, que asume una operación rutinaria y ningún acontecimiento anormal, y una pluralidad de módulos detectores de anomalía para comparar los datos de medidor actuales para el medidor dado con la distribución de los valores probables para detectar las anomalías en los datos de medidor.

Algunas o todas las deficiencias anteriores y otras deficiencias en la técnica anterior se resuelven mediante un método automatizado para gestionar una red de suministro de agua, el método comprende enviar los datos de medidor a un motor de análisis, recibir los datos del motor de análisis que representan los acontecimientos de la red de suministro de agua, y exhibir los acontecimientos de la red de suministro de agua recibidos a un usuario en un dispositivo de exhibición automatizado. De acuerdo con algunas modalidades, los acontecimientos de la red de agua incluyen los acontecimientos de fuga y otros acontecimientos con respecto a la cantidad o calidad del agua que fluye a través de las tuberías y a través de los dispositivos de la red y con respecto a la operación de la red de suministro de agua. Los datos de acontecimiento de la red de suministro de agua se podrían identificar como resultado del análisis de los datos de medidor y de los datos secundarios, los datos secundarios representan una o más condiciones que afectan el consumo de agua en una región que se atiende mediante la red de suministro de agua.

Breve Descripción de los Dibujos La invención se ilustra en las figuras de los dibujos anexados que se piensan para ser ejemplares y no limitantes, en los cuales las referencias similares se piensan para referirse a las partes similares o correspondientes, y en los cuales: Las figuras 1 y 2 presentan los diagramas de bloque que representan los sistemas para supervisar una red de agua de acuerdo con las modalidades de la presente invención; La figura 3 presenta un diagrama de flujo que ilustra un método para supervisar una red de agua de acuerdo con una modalidad de la presente invención; La figura 4 presenta un diagrama de flujo que ilustra adicionalmente un método para supervisar una red de agua de acuerdo con una modalidad de la presente invención; La figura 5 presenta un diagrama de flujo que ilustra un método para predecir los valores medidos para un medidor dado de acuerdo con una modalidad de la presente invención; Las figuras 6 y 7 presentan los diagramas de flujo que ilustran la selección de atributo de acuerdo con una modalidad de la presente invención; La figura 8 presenta un diagrama de flujo que ilustra un método para detectar un acontecimiento de fuga de agua.

Las figuras 9-11 presentan los diagramas de flujo que ilustran la detección de acontecimiento para los tipos específicos de acontecimiento de acuerdo con las modalidades de la presente invención; y Las figuras 12-15 presentan capturas de pantalla que muestran una interfaz de usuario basada en Web que presenta la información de acontecimiento que se genera mediante el motor de análisis de acuerdo con una modalidad de la presente invención.

Descripción Detallada de la Invención En la siguiente descripción, se hace referencia a los dibujos anexados que forman una parte de la misma, y en los cuales se muestra, a modo de ilustración, las modalidades específicas en las cuales la invención se puede practicar. Se debe entender que otras modalidades se pueden utilizar y que los cambios estructurales se pueden realizar sin apartarse del alcance de la presente invención.

La figura 1 presenta un diagrama de bloque que ilustra una modalidad de un sistema para supervisar los recursos en un sistema de distribución de agua. Según lo que se mostró en la figura 1, el sistema incluye un motor de análisis de la red de agua 100 que se integra mediante varios módulos de software y las bases de datos que residen en el hardware y que realizan las funciones que posteriormente se describirán detalladamente. El motor 100 puede incluir uno o más dispositivos de procesamiento que realizan las operaciones que se describirán posteriormente en respuesta a las instrucciones ejecutables. El motor de análisis de la red de agua 100 analiza los datos que se reciben de diferentes medidores, sensores, dispositivos de lectura, u otros datos que se refieren a una red de distribución. Un experto en la técnica apreciará que a menos que el contexto específico indique explícitamente lo contrario, según lo que se utilizó en la presente, los términos "medidor" y "sensor" se refieran a la misma clase de dispositivos de la red y que comprendan generalmente cualquier medidor, sensor, calibrador, u otro dispositivo capaz de medir los parámetros o valores o un estímulo, especialmente los estímulos con referencia a una red de distribución de agua. El sistema identifica las anomalías y los acontecimientos con base en esos datos y proporciona las alarmas en tiempo real o los reportes de datos sin conexión a los usuarios que pueden entonces tomar las medidas, según sea apropiado, para tratar cualquier fenómeno o acontecimiento que se identifica por el motor de análisis 100. Según lo que se describirá posteriormente con más detalle, las anomalías y los acontecimientos que se identifican mediante el motor de análisis 100 incluyen las fugas, explosiones, consumo inesperado de agua, medidores con falla, problemas de calibración del medidor, cambios de la calidad del agua, otros problemas importantes para la cantidad de agua que se proporciona sobre la red, funcionamientos incorrectos en los dispositivos de la red, y otros problemas que se conocen por los expertos en la técnica.

Según lo que se mostró en la figura 1, los datos que se recibieron como entradas al motor de análisis de la red de agua 100 incluyen, en algunas modalidades, los datos de GIS 101, datos de operación 102, sistema de distribución 103, datos de medidor 1 103a, datos de medidor N 103b, y los datos externos 104.

Los datos de GIS 101 son los datos de un sistema de información geográfica ("GIS", por sus siglas en inglés) que describen la estructura y el diseño de la red de agua y la colocación de los medidores a través de la misma, e incluyen los tipos de medidor, las localizaciones del medidor, antigüedad del medidor, las descripciones de las tuberías de agua tal como diámetros y materiales de fabricación, las divisiones de la red en las zonas de presión y/o en las zonas de suministro, un mapa de la ciudad o del área, y los datos de desarrollo adicionales que se reconocen por un experto en la técnica. Cualquier otra característica de la geografía y diseño del sistema de distribución de agua puede también utilizarse, así como cualquier otro dato en el cual se basa un experto en la técnica. También se observa que estos datos pueden ser los datos evolutivos que incluyen las actualizaciones de acuerdo con la evolución del sistema subyacente de recursos en sí, por ejemplo cuando las nuevas tuberías de agua, conexiones, medidores, etc., se instalan o modifican de otra manera en el sistema. Además, estos datos pueden incluir las actualizaciones cuando el sistema subyacente de recursos se muestrea o se mide, por ejemplo, cuando las tuberías existentes se examinan para determinar el desgaste del material o el estrechamiento interno debido a los depósitos sólidos acumulados.

Los datos de operación 102 incluyen la información de gestión de activos, y pueden ser cualquier información en un formato digital con respecto a las operaciones que se realizaron mediante el operador de red que se puede correlacionar con las lecturas de medidor para determinar o refutar una anomalía. Por ejemplo, los datos de operación 102 pueden incluir la información que se relaciona con las operaciones de la red de agua, tal como operaciones rutinarias o previstas de la red de agua, abertura y cierre de las válvulas que afectan el flujo de agua, las operaciones de bomba, las exploraciones acústicas, las reparaciones o mejoras que se realizan en cualquier parte de la red de agua, las fechas y las duraciones de las reparaciones/mejoras, las localizaciones de las reparaciones/mejoras, mantenimiento rutinario hecho a la red, y la información del control de acceso que indica cuando y donde en la red el personal técnico puede estar activo. En una modalidad, los datos de operación 102 se proporcionan por el sistema que se usa para manejar la red de agua.

Los sistemas de distribución de agua supervisados presentan cantidades extensas de datos dependientes del tiempo tal como, pero sin limitarse a, los indicadores hidráulicos tal como flujo, presión, y nivel de depósito, y los indicadores de calidad tal como cloro, turbiedad, pH, y otros. Estos datos se pueden producir mediante los medidores distribuidos a través de la red, y se pueden representar mediante el sistema de distribución de agua 103. Además, los medidores que se distribuyen a través de la red pueden estar en localizaciones arbitrarias, o localizaciones que proporcionan solamente una representación parcial de la red entera. Los datos de medidor 1 103a y los dato de medidor N 103b representan los datos que se producen mediante varios sensores y medidores en el sistema de distribución de agua 103. Un ejemplo de un sistema que se usa para recolectar los datos de la red tal como aquellos que se representan mediante los datos de red 103a y los datos de medidor 103b, es un sistema SCADA. Los datos de SCADA pueden incluir los datos de medidor continuos dependientes del tiempo, tal como presión de agua, flujo de agua, turbiedad del agua, niveles de cloro en el agua, pH del agua, y niveles de agua del depósito. Los expertos en la técnica están familiarizados con los sistemas de datos de SCADA y pueden apreciar que el término representa una abstracción de la recolección de datos de un proceso industrial, en este caso una red de distribución.

Los datos externos 104 incluyen la información adicional relevante para el consumo de agua y condiciones de la red, pero no necesariamente dentro de las categorías anteriores, tal como reportes climáticos, días feriados u otros acontecimientos del calendario que afectan el consumo de agua y el comportamiento de la red dentro de las porciones dadas de la red, o en sí cualquier otro acontecimiento en la compañía de suministro o sus clientes que puedan afectar la función de la red de agua.

El motor de análisis de la red de agua 100 analiza varias secuencias de datos de entrada y regresa un resultado que se categoriza y formula como datos de acontecimiento de acuerdo con las operaciones de procesamiento que se describen en detalle adicional posteriormente. Los datos de motor de análisis de la red de agua 100 se almacenan en la base de datos 106, y los datos de la base de datos 106 se recuperan mediante uno o más sistemas de interfaz, tal como la interfaz de seguimiento de acontecimiento 108, la interfaz alerta 109, interfaz de reportes 110, interfaz de sistema propietario 111, y otras interfaces 112. El motor de análisis 100 de agua puede también tener acceso a los datos previamente almacenados en la base de datos 106, para proporcionar la continuidad en el reporte de los acontecimientos, por ejemplo, para actualizar un acontecimiento previamente detectado que aún está sucediendo, en lugar de detectarlo como un acontecimiento separado adicional. Diferentes tipos de sistemas de interfaz se utilizan para proporcionar la información con respecto a los acontecimientos a los usuarios o sistemas externos en maneras diferentes. Por ejemplo, la interfaz de seguimiento de acontecimiento 108 permite a los usuarios explorar a través de todos los acontecimientos que se detectaron en la red, mientras que la interfaz de alerta 109 envía las alarmas a los usuarios (por ejemplo, a través de un correo electrónico, un SMS o un mensaje de voz) o a través de los sistemas externos que se han determinado por la regla o la política para requerir una atención más inmediata. Se puede acceder a las interfaces 108-112 mediante varios dispositivos automatizados, tal como computadoras de escritorio y computadoras portátiles, teléfonos celulares, dispositivos Blackberry, teléfonos inteligentes, localizadores y otros dispositivos móviles que se programan para recibir las páginas, notificaciones de averías y otros tipos de alarmas. Se puede acceder a las interfaces 108-112 mediante los dispositivos computarizados que las solicitan desde los servidores conectados sobre cualquier red conveniente, tal como, pero sin limitarse, al Internet, o se pueden actualizar de manera instantánea en tales dispositivos para la visualizacion mediante los usuarios o la entrada en otros sistemas tal como sistemas de notificación de averías. Los resultados del motor de análisis de la red de agua 100 se pueden almacenar en la base de datos 106, en un archivo de registro electrónico, o imprimirse en papel.

Aunque se ilustre como un solo sistema, en varias modalidades el sistema ilustrado se puede integrar y/o distribuir a través de los múltiples dispositivos de hardware y se puede distribuir lógica, física o geográficamente. El motor de análisis de la red de agua 106 puede ser cualquier dispositivo de procesamiento físico conveniente que realiza las operaciones de procesamiento según lo que se describió en la presente, en respuesta a las instrucciones ejecutables. El motor de análisis de la red de agua 100 puede también incluir cualquier tipo conveniente de dispositivo de almacenamiento operativo para almacenar electrónicamente los datos. La figura 2 presenta un diagrama de bloque que representa otros detalles de un sistema de supervisión de la red de agua de acuerdo con ciertas modalidades. En una modalidad, los elementos 203-207 del motor de análisis de la red de agua 100 de la figura 1. La figura 2 incluye la red de agua 200, red de agua 201, datos 202, base de datos de información de la red 203, motor de preparación de datos 204, pronosticadores 205, detectores de anomalía 206, motor de decisión y clasificación de acontecimiento 207, base de datos 208, y las interfaces de salida 209, que incluyen la interfaz de seguimiento de acontecimiento 210, la interfaz de alarma 211, la interfaz de reporte 212, la interfaz de sistema propietario 213, y otras interfaces 214.

Los sistemas de distribución de agua, que se representan mediante los elementos 200 y 201, son uno o más sistemas de distribución de agua conectados, o sistemas de distribución de agua que se ubican en diferentes áreas con pocas conexiones o ninguna conexión entre los mismos. En una modalidad, los elementos 200 y 201 pueden ser cualquier red de distribución de recursos conveniente, tal como una red de suministro de agua municipal, rural, o mayorista, red de distribución de líquido en una fábrica u otro edificio grande, o embarcación naval, o cualquier red de recolección de recursos conveniente tal como un sistema de alcantarillado. Un experto en la técnica apreciará que los elementos 200 y 201 puedan ser cualquier sistema de distribución o de recolección de agua. La red de agua 200 y la red de agua 201 envían los datos dependientes del tiempo representativos de la red, tal como flujo de agua, presión, turbiedad, nivel de depósito, nivel de cloro, y nivel de pH. Por ejemplo, la red puede obtener esta información al usar un sistema SCADA. Los datos de la red de agua 200 o de la red de agua 201 pueden reportar los datos de los medidores específicos, o serie de medidores, algunos de los cuales se pueden relacionar. Por ejemplo, los medidores se pueden agrupar geográficamente por zona o por el área distrital medida (DMA, por sus siglas en inglés), como un experto apreciará. Los datos se pueden enviar directamente de los medidores o de las series de medidores en la red, o los datos pueden provenir de una base de datos de interfaz de red 203; los datos se podrían enriquecer mediante el motor de preparación de datos 204, para por ejemplo, agregar o calcular nuevos tipos de datos tal como los datos de consumo matutino y vespertino. Por conveniencia, el término "datos de medidor" se utilizará en esta especificación para referirse a los datos reales de un solo medidor, o una combinación significativa predefinida de lecturas de los múltiples medidores o múltiples lecturas de uno o más medidores recibidos en un cierto periodo de tiempo, tal como el flujo de entrada de la suma total para un DMA, o cualquier cálculo predefinido similar que genera un conjunto significativo de datos dependientes del tiempo que describen un cierto aspecto de la red. Un experto identificará fácilmente tales combinaciones significativas, con base en la disposición de la red y las localizaciones de los medidores individuales. Los datos 202 representan otros datos que incluyen la información de la gestión de recursos, que puede ser cualquier información en un formato digital que se pueda correlacionar con las lecturas de medidor para determinar o refutar una anomalía. Por ejemplo, esto puede incluir la información referente a las operaciones de la red de agua, tal como operaciones de la red de agua rutinarias o planeadas, abertura y cierre de las válvulas que afectan al flujo de agua, exploraciones acústicas, reparaciones o mejoras realizadas a cualquier parte de la red de agua, fechas y tiempos de las reparaciones/mejoras, localizaciones de las reparaciones/mejoras, mantenimiento rutinario que se realiza a la red, e información de control de acceso que indica cuando y donde en la red el personales técnico puede estar activo. Además, los datos 202 incluyen la información adicional relevante para el consumo de agua y condiciones de la red, tal como reportes climáticos, días feriados u otros acontecimientos del calendario que afecten el consumo de agua y el comportamiento de la red dentro de las porciones dadas de la red, o en sí cualquier otro acontecimiento en la compañía de suministro o debido a sus clientes, que pueden afectar la función de la red de agua.

La base de datos de información de la red 203 agrega los datos sin procesar de los medidores en las redes de agua 200 y 201, y los datos 202. Datos de la base de datos de información de la red 203 se envían al motor de preparación de datos 204. El motor de preparación de datos 204 organiza y formatea los datos recibidos que se procesarán adicionalmente. Según lo que se conoce por los expertos en la técnica, los formatos de los datos que se usan mediante los diferentes sistemas de distribución de agua pueden diferenciarse entre sí. Por ejemplo, la ciudad de Londres puede recolectar y almacenar los datos de la red en un formato completamente diferente que la ciudad de Nueva York. Además, el motor de preparación de datos 204 elabora los datos para el análisis al eliminar los datos que no reflejan el desempeño actual de la red o que no reflejan un fenómeno temporal que los diseñadores del sistema o los encargados de la red han decidido no tratar; los métodos conocidos comúnmente en la técnica se pueden aplicar para "unificar" los datos que se recolectan de la red. Algunos de estos métodos son LOWESS y la limpieza heurística según lo que se aplica a los datos específicos que se reciben de una red de agua dada. El motor de preparación de datos 204 extrae los elementos datos de los datos de la red y los formatea en un formato similar. Entre la información filtrada puede estar la interferencia que se asocia con las transmisiones de datos de los aspectos de los recursos, tal como por ejemplo, la transmisión de datos con interferencia de un medidor, o los errores que se asocian con las mediciones, transmisiones o recolección de los datos. El motor de preparación de datos 204 puede también producir todos los datos recibidos de las redes de agua 200 y 201, después de que se hayan formateado pero con menos o ninguna filtración o unificación, para permitir que el sistema analice los datos que se podrían desechar de otra manera si primero se aplica una de las técnicas de unificación. El motor de preparación de datos 204 envía los datos que se procesan previamente a los pronosticadores 205 y a los detectores de anomalía 206. Un experto en la técnica apreciará que los elementos 203-214 se pueden contener o residir en el mismo dispositivo, o distribuirse entre los múltiples dispositivos.

En una modalidad, los pronosticadores 205 contienen el número N de pronosticadores individuales que usan varias técnicas. Según lo que se describió adicionalmente, los pronosticadores 205 analizan los conjuntos de datos y proporcionan las predicciones de las distribuciones estadísticas de los valores actuales esperados del medidor que asumen que no está ocurriendo ningún acontecimiento anormal. Según lo que se conoce comúnmente en la técnica, los pronosticadores se pueden diseñar para usar una estructura de aprendizaje de máquina para analizar estadísticamente los datos. Los ejemplos de la estructura de aprendizaje de máquina se discuten en Ethem Alpaydin, Introduction to Machine Learning (Adaptive Computation and Machine Learning), M IT Press (2004), ISBN 0262012111; Ryszard S. ichalski, Jaime G. Carbonell, Tom M. Mitchell, Machine Learning: An Artificial Intelligence Approach. Tioga Publishing Company (1983), ISBN 0-935382-05-4, que se incorpora en la presente mediante referencia en su totalidad. Las descripciones más detalladas de la operación de algunos pronosticadores específicos se encuentran en las figuras 5-6 y las descripciones anexadas.

Los detectores de anomalía 206, que pueden incluir el número M de detectores individuales, reciben datos de predicción estadística de los pronosticadores 205 y los datos procesados previamente del motor de preparación de datos 204. Según lo que se discutió en la figura 5, el conjunto de datos que se recibe de los pronosticadores 205 incluye una distribución con el valor probable, la variación, y cualquier otro indicador estadístico de los valores. Un experto en la técnica reconocerá que el conjunto de datos puede contener los múltiples valores probables y reales para el medidor que se analizará. Los detectores de anomalía 206 incluyen los detectores de anomalía para probar la probabilidad de ninguna anomalía para el medidor y para probar la probabilidad de las hipótesis alternativas tal como los tipos específicos de acontecimiento. Los detectores de anomalía 206 envían las anomalías al motor de decisión y clasificación de acontecimiento 207. Algunas de esas anomalías representan los acontecimientos en y de sí mismos, y algunas representan las partes de los acontecimientos tal como el comienzo de un acontecimiento, el final de un acontecimiento, el cambio sustancial en un acontecimiento, pico de un acontecimiento, y similares.

Los detectores de anomalía 206 son operativos para analizar la importancia de cualquier desviación del valor previsto enviado desde los pronosticadores y del valor actual que se recupera de la red. Para cada conjunto de datos, cada detector de anomalía determina, al analizar la importancia de las desviaciones, la probabilidad estadística de que no ocurra una anomalía relevante debido a las lecturas de medidor durante un periodo dado. Los detectores de anomalía 206 analizan la importancia de las desviaciones en un cierto periodo de tiempo, por ejemplo, durante minutos, horas, días o más, puesto que, por ejemplo, la ocurrencia continúa o frecuente de las desviaciones aumenta la importancia de tales desviaciones. Como un experto en la técnica reconocerá, un diseñador de sistema diseñaría o ajustaría los detectores de anomalía 206 para analizar las desviaciones durante un periodo de tiempo con base en, entre otras cosas, la sensibilidad deseada para los acontecimientos de escala sin importancia, acontecimientos que iniciaron recientemente, que son generalmente perceptibles cuando tienen magnitudes grandes, en comparación con los acontecimientos poca magnitud que requieren desviaciones continuas durante un periodo de tiempo más largo para la detección. Así, por ejemplo, una pequeña desviación que ocurre solamente una vez o durante un corto período de tiempo tal como un minuto no se detectará como anomalía, mientras que la misma pequeña desviación que ocurre durante un periodo de tiempo prolongado o frecuentemente dentro de ese período se identificaría como estadísticamente significativo mediante los detectores de anomalía 206 y se detectarían como una anomalía.

Con respecto al análisis de la importancia de las desviaciones, por ejemplo, una lectura de medidor, cuando se compara con los datos estadísticos históricos, puede ser significativa a la luz de los datos estadísticos históricos. Por ejemplo, una diferencia de tres desviaciones estándar o un valor en el porcentaje superior, puede ser una desviación significativa. En otras modalidades, la desviación estadística se mide mediante la distribución de las desviaciones de acuerdo con los parámetros. Tal parámetro puede ser la hora del día, que significa que la importancia de la desviación puede depender de la distribución de las desviaciones que pueden variar según la hora. Otros parámetros pueden incluir las medidas del tiempo tal como temperatura o humedad, las advertencias climáticas, días feriados, o acontecimientos deportivos que pueden cambiar las características de la red en ese día u hora. Además, el umbral significativo de la desviación de los valores se puede cambiar mediante el nivel de confianza estadística que desea un diseñador de sistema, usuario o encargado de la compañía de suministro de agua. En varias modalidades, el umbral es: (1) un nivel de confianza estadística, se computa con base en la distribución de las desviaciones de la correlación en los datos históricos, tal como un múltiplo especificado de la desviación estándar; o (2) una constante, sobre la cual el sistema detecta una anomalía. En algunas modalidades, se analiza la relación del valor actual al valor previsto, en lugar de la diferencia entre los dos; se debe entender que el término "diferencia" se utiliza para referirse igualmente, en el caso de tales modalidades, a esta relación.

En una modalidad, un detector de anomalía encuentra una anomalía cuando existe una desviación grande estadísticamente coherente con los valores previstos durante un período dado. Estadísticamente grande significa un límite relativo estadísticamente significativo (tal como las desviaciones estándar N o K veces el intervalo intercuartil , o de otras estandarizaciones que consideran la distribución actual de los datos, dependiendo de las implementaciones particulares). Además, al comparar las lecturas "momentáneas" con los valores previstos, que usan la desviación estándar total (u otro indicador estadístico) de las diferencias de los valores previstos pueden producir un número elevado de falsos positivos, debido a que la comparación puede, por ejemplo, mezclar juntos los tiempos de alta variación del día con tiempos de baja variación del día. Por lo tanto, para reducir este error, el sistema compara una lectura X(t) con el valor previsto P(t) mediante la división de X(t)-P(t) en, por ejemplo, la desviación estándar de tales diferencias en esa hora aproximada, en ese día de la semana. La magnitud del límite relativo y la longitud del período son los parámetros del método, que permiten que las ejemplificaciones particulares se centren alternativamente en los acontecimientos más cortos o más pequeños.

En otra modalidad, un detector de anomalía computa el área debajo de la curva (AUC, por sus siglas en inglés) de la diferencia entre los valores actuales y previstos durante los períodos fijos particulares (o, alternativamente, del valor absoluto de esa diferencia — esto afecta independientemente de si los valores bajos pueden anularse con elevados valores subsecuentes). Este cómputo se puede realizar de esta manera, por ejemplo, cada cuarto de un día. El AUC no es por sí misma una cantidad estadística, pero puesto que éstos son períodos fijos, la distribución se puede medir de manera empírica: si solamente el 5% de valores de AUC de. X medidor entre la medianoche y 6:00 am en un día laborable fueron mayores que X0, entonces encontrar tal valor de AUC es casi "5% probable". La longitud de los períodos fijos (y con los periodos que se compara) es los parámetros del método, que permiten que las ejemplificaciones particulares se centren alternativamente en los acontecimientos más cortos o más pequeños.

El motor de decisión y clasificación de acontecimiento 207 es operativo para comparar un análisis estadístico de M detectores de anomalía 206 para determinar la probabilidad estadística total de la hipótesis de sin anomalía debido a lecturas de medidor recientes. El motor 207 aumentaría la probabilidad estadística de un acontecimiento con base en la detección de múltiples anomalías, del mismo medidor o diferentes medidores y al mismo tiempo o durante un periodo de tiempo dado, todo lo anterior indica constantemente la ocurrencia del acontecimiento. Por ejemplo, una anomalía puede representar el comienzo de un acontecimiento y otra anomalía puede representar un cambio en el acontecimiento o el final del acontecimiento, y el motor de clasificación 207 reconoce esas anomalías como relacionadas con un solo acontecimiento. Como otro ejemplo, dos anomalías de diferentes medidores que se relacionan con el flujo aumentado, en un periodo similar y desde las localizaciones relacionadas, ambas indicarían el mismo acontecimiento. En una modalidad, la heurística se utiliza para determinar la probabilidad estadística total de una lectura de medidor, con base en una combinación de la probabilidad estadística de una lectura de los datos estadísticos temporales, y la probabilidad estadística de una lectura de los datos estadísticos espaciales. Por ejemplo, si la comparación estadística histórica de los datos indica que la lectura actual del medidor es solo probablemente tal alta como 15%, pero la comparación espacial de los datos estadísticos indica que la lectura actual del medidor es probablemente tal alta como 95%, entonces la probabilidad total de la lectura puede ser probablemente tal alta como 75%. Ver, por ejemplo, Koziol, James y Tuckwell, Henry, "A Bayesian Method for Combining Statistical Tests". Journal of Statistical Planning and Inference 1999: 78(1-2), 317-323, que se incorpora en la presente mediante referencia Los ejemplos de los acontecimientos que se detectan mediante el motor de análisis son una fuga de agua, una explosión, un medidor averiado, un hurto de agua, una avería de comunicación, un problema de calidad del agua, un aumento inesperado en el consumo, un cambio en el patrón de consumo, funcionamientos incorrectos de la red tal como niveles de depósito o presiones anormales, y otros. El detalle adicional con respecto a los acontecimientos se puede incluir, a modo de ejemplo, tal como la hora de inicio del acontecimiento, la hora del final del acontecimiento, una magnitud del acontecimiento, una pérdida de agua total que se asocia con el acontecimiento.

El motor de decisión y clasificación de acontecimiento 207 también genera los datos adicionales con respecto a cada acontecimiento, tal como hora del inicio, hora del final, magnitud del acontecimiento, una magnitud acumulada del acontecimiento tal como el agua total perdida desde que comenzó la fuga, tipo, estado, y unidades físicas del acontecimiento, tal como unidades de presión, pH, o concentración de cloro. La magnitud del acontecimiento es, en algunas modalidades, un valor que representa el tamaño o proporción del acontecimiento, tal como un cálculo del flújo adicional con respecto a las condiciones normales, el cálculo erróneo del medidor, o el cambio de cloro. Esta información se almacena en la base de datos 208 que se enviará adicionalmente a las interfaces 209. Ciertos resultados de las anomalías se trazan para ciertos campos de los acontecimientos que se almacenan en la base de datos 208. Los ejemplos de los campos asociados con los acontecimientos son: el tipo de acontecimiento (según lo que se determinó mediante el motor de decisión y clasificación de acontecimiento 207), la hora del inicio, la hora del final, la magnitud, y las unidades físicas del tipo de acontecimiento.

El experto apreciará que al usar múltiples pronosticadores y detectores de anomalía, la comparación de las probabilidades estadísticas de los detectores de anomalía M 206 puede dar lugar a una confianza aumentada de que un acontecimiento detectado sea una anomalía, o puede dar lugar a una confianza disminuida de que un acontecimiento detectado sea una anomalía. En una modalidad, el motor de decisión y clasificación de acontecimiento 207 puede asignar la importancia a los acontecimientos o partes de acontecimiento que se envían igualmente desde cada detector de anomalía M. En otra modalidad el motor de decisión y clasificación de acontecimiento 207 puede asignar la importancia a los acontecimientos o a las partes de acontecimiento que se envían desde cada detector de anomalía M con base en una configuración predefinida.

La base de datos 208 recibe la información desde el motor de decisión y clasificación de acontecimiento 207 para el almacenamiento en la base de datos 208 y para la recuperación desde la base de datos 208 mediante las interfaces de salida 209.

La interfaz de seguimiento de acontecimiento 210 proporciona una lista de acontecimientos a los usuarios del sistema. Los usuarios pueden observar los acontecimientos individuales y sus datos asociados al seleccionar un acontecimiento mencionado. Los acontecimientos que se envían a la interfaz de seguimiento de acontecimiento 210 se pueden filtrar mediante el usuario del sistema. Por ejemplo, un usuario encargado solamente de la reparación de las fugas puede observar solamente los acontecimientos de fuga, mientras que un administrador del sistema puede ver cada tipo de acontecimiento y los datos de acontecimiento o una vista global de los acontecimientos. Diferentes usuarios observan diferentes tipos de acontecimientos, y ¡as necesidades o responsabilidades de un usuario pueden dictar qué acontecimientos observa el usuario. Por ejemplo, un encargado de fugas puede elegir observar solamente los acontecimientos de fuga de alta confianza, o solamente los fugas con magnitud sobre un cierto umbral fijo. En otro ejemplo, los usuarios encargados de la supervisión de una inmediación observan los acontecimientos que se asocian con los datos de medidor que se ubican en esa inmediación. En otro ejemplo, los encargados de la red de agua 201 observan todos los acontecimientos que se asocian con la red de agua 201, mientras que los administradores de la red de agua 200 y 201 observan todos los acontecimientos que se relacionan con ambas redes. Un experto en la técnica reconocerá que la interfaz de usuario con base en la función estándar, el control de acceso, y los métodos de gestión usuario, que se pueden manejar por los administradores de sistema, se pueden utilizar para proporcionar este detalle del acceso a los datos y a los reportes de acontecimiento.

Los datos de acontecimiento que se representan en la interfaz de seguimiento de acontecimiento 210 pueden incluir la hora de inicio, tipo, ubicación, magnitud y estado del acontecimiento. Además, un usuario que selecciona el acontecimiento puede además obtener una información más detallada tal como mapas, gráficas, comentarios publicados mediante los usuarios que se relacionan con el acontecimiento seleccionado, y las anotaciones para los acontecimientos, mapas, gráficas seleccionados y similares que se realizan mediante el motor o usuarios, según lo que se explicará posteriormente. Como un ejemplo más . detallado, los usuarios de la interfaz de seguimiento de acontecimiento pueden anotar los acontecimientos, o incluir los enlaces de hipertexto para otros acontecimientos u objetos de la interfaz de usuario. Las anotaciones se comunican desde la interfaz de seguimiento de acontecimiento tal como, por ejemplo, los campos de la forma HTML que se comunican sobre la red y almacenan en la base de datos 208 en el registro de acontecimiento asociado que se observará mediante otros usuarios del sistema. Los usuarios pueden también asignar la propiedad o responsabilidad de un acontecimiento o de las tareas que se relacionan con el acontecimiento, a otros usuarios del sistema. Por ejemplo, un analista de fugas puede asignar una fuga sospechosa particular al ingeniero hidráulico de una zona adyacente, para preguntar si el mantenimiento reciente podría explicar una anomalía del flujo, o a un encargado de la sala de mando para recomendar o solicitar una exploración y una reparación. La información de acontecimiento detallada que se presenta a un usuario incluye los datos que ayudarán adicionalmente al usuario a tomar una decisión informada con respecto al acontecimiento y actuar de acuerdo con lo anterior. Por ejemplo, si el sistema detecta una fuga y envía un acontecimiento de fuga a 210, el sistema proporciona los datos de acontecimiento del registro de acontecimiento y la visualización de los datos a través de los mapas, gráficas y similares para mostrar, por ejemplo, a una comparación de presentes valores actuales contra los valores previstos o anteriores. Por ejemplo, una visualización de los datos de acontecimiento puede estar en forma de gráfica que muestra el caudal en un cierto periodo de tiempo y una porción destacada del aumento en el caudal indicativo de una fuga, para ayudar a centrar al usuario en los aspectos importantes del acontecimiento. Las capturas de pantalla de muestra para la ¡nterfaz de seguimiento de acontecimiento 210 se muestran en las figuras 11-15.

La interfaz de alarma 211 opera, de acuerdo con las reglas o políticas predefinidas, para identificar ciertos acontecimientos que necesiten actualizarse de manera instantánea para los usuarios específicos a través de los dispositivos computarizados que se designan mediante los usuarios. Por ejemplo, un usuario puede especificar, a través de reglas o políticas, que ciertos acontecimientos de una magnitud especificada se envíen en mensajes de correo electrónico que se dirigen al usuario mientras que otros tipos de acontecimientos más urgentes o dependientes del tiempo o de mayores magnitudes especificadas se actualizan inmediatamente en su teléfono móvil a través de texto, llamada, o similares. Las alarmas que se generan mediante la interfaz de alarma 211 contienen ciertos datos especificados con respecto a la alarma para ayudar al usuario a tomar una decisión informada con respecto al acontecimiento. El usuario puede configurar la interfaz de alarma 211 para determinar qué grado de detalle se incluye en sí en los mensajes y cuántos datos adicionales permitir para que el usuario recupere, por ejemplo, a través de un enlace un artículo en la interfaz de seguimiento de acontecimiento 210.

La interfaz de reporte 212 es un sistema de reporte que recupera los datos de acontecimiento de la base de datos 208 y genera varios reportes, tablas, diagramas, gráficas y similares para ilustrar los acontecimientos o conjunto de acontecimientos.

Como será entendido por un experto en la técnica, la interfaz de reporte 212 permite que los usuarios agreguen los acontecimientos y datos de acontecimiento medíante cualquier campo o parámetro deseado, tal como geográfico, tiempo, tipo de acontecimiento, y similares. Los reportes que se generan a través de la interfaz de reporte 212 permiten que los usuarios tal como los encargados de la red de agua mejoren el plan de las reparaciones o mejoras futuras en su red, para la colocación de medidores, u otras decisiones que se relacionan con la consideración de operación, diseño, inventario y otras consideraciones.

La interfaz de sistema propietario 213 es un sistema que se interconecta con otro programa de software que se usa mediante los operadores del sistema de distribución de agua. Por ejemplo, la interfaz de sistema propietario 213 recupera los datos de acontecimiento de la base de datos 208 e ingresa todo o una parte especificada de los mismos en un sistema de reporte de avería para informar al personal de mantenimiento de fugas u otros acontecimientos. Un ejemplo de software de reporte de avería es Track-lt® de Numara®. Como otro ejemplo, los datos de acontecimiento se pueden enviar a un sistema de flujo de trabajo o al sistema de gestión de recursos (tal como el sistema Máximo™ disponible de IBM Corp.) para que se puede atender más fácilmente el acontecimiento. Los datos de acontecimiento, para reportar el acontecimiento a los usuarios, se categorizan y se pueden adaptar bien para el uso mediante cualquier interfaz de estándar industrial. Un ejemplo de una interfaz de sistema de flujo de trabajo es Bizflow® de Handysoft.

Además de cualquiera de las modalidades que se describieron previamente, los elementos 203-209 pueden residir en un servidor o en un conjunto de servidores tal como un servidor Web y pueden utilizar un modelo de proveedor de servicios de aplicación ("ASP", por sus siglas en inglés) para proporcionar a los usuarios de las interfaces 209 el acceso a las alarmas y los reportes a través de una interfaz Web.

La figura 3 presenta un diagrama de flujo que ilustra un método para supervisar una red de agua de acuerdo con las modalidades de la presente invención. En la etapa 301, el sistema recibe los datos desde o sobre la red de agua, que incluyen los datos de red (por ejemplo, los datos de SCADA), los datos de GIS, los datos de operación, y los datos de acontecimiento externo del sistema de distribución de agua y de otras fuentes. El sistema es operativo para recibir otros tipos de datos de las mismas fuentes o de otras fuentes, y se puede modificar para procesar tales datos con el mismo método analítico. La etapa 301 se puede realizar, en una modalidad, mediante el elemento 100 en la figura 1, o más específicamente mediante el elemento 203 en la figura 2. Después, en la etapa 302 el sistema analiza los datos recibidos al usar los modelos estadísticos y otros algoritmos que se describen en la presente. La etapa 302 se puede realizar, en una modalidad, mediante el elemento 100 en la figura 1, o más específicamente cualquier combinación de los elementos 204-208 en la figura 2. Finalmente, en la etapa 303, el sistema genera y exhibe el resultado que incluye los acontecimientos, alarmas, reportes, y gráficas. La etapa 303 se puede realizar, en una modalidad, mediante los elementos 106-112 en la figura 1, o más específicamente mediante los elementos 210-214 en la figura 2.

La figura 4 presenta un diagrama de flujo que ilustra en detalle adicional un método para supervisar una red de agua de acuerdo con las modalidades de la presente invención. En la etapa 401, el sistema recibe los datos de la red de agua bajo análisis; los datos incluyen la identificación y localizaciones geográficas de los medidores en la red. Después, en la etapa 402, el sistema selecciona por lo menos un medidor que se analizará. Después, en la etapa 403, el sistema predice una distribución probable de los valores con base en los datos recibidos en la etapa 401. Las modalidades para predecir una distribución probable de valores se discuten con respecto a la figura 5. Después, en la etapa 404, el sistema determina si existe una desviación estadísticamente significativa de valores después de comparar los valores previstos con los valores actuales. Las modalidades para determinar la importancia de las desviaciones se discuten con respecto a la figura 2. Si no hay desviación de valores, o la desviación es insignificante, el sistema procede a la etapa 402 y selecciona otro objetivo que se analizará. Si, sin embargo, el sistema determina que la desviación de valores es significativa, el sistema procede a la etapa 405 y detecta una anomalía.

Después, en la etapa 406, el sistema clasifica el acontecimiento o las partes de acontecimiento. Después, en la etapa 406a, el sistema determina si el acontecimiento o el acontecimiento relacionado existen en la base de datos. Si el acontecimiento o el acontecimiento relacionado no existen en la base de datos, el. sistema procede a la etapa 406b y crea un acontecimiento en la base de datos. Sin embargo, si el acontecimiento o un acontecimiento relacionado existen en la base de datos, el sistema actualiza el acontecimiento que se almacenó previamente en la base de datos en la etapa 406c. Para determinar si el acontecimiento detectado existe en la base de datos, el sistema compara el acontecimiento detectado con los acontecimientos activos que se almacenaron previamente en la base de datos. Un acontecimiento activo puede ser un acontecimiento que está todavía en curso, tal cómo una fuga que se detectó previamente, pero que aún no se ha reparado. En una modalidad, para determinar los acontecimientos que estando activos, el sistema determina si un acontecimiento, tal como una fuga, ha concluido. El sistema determina si un acontecimiento detectado se relaciona con un acontecimiento previamente almacenado observando la semejanza de los tipos de acontecimiento, la hora del inicio del acontecimiento detectado y del acontecimiento previamente almacenado, del acontecimiento previamente almacenado que no ha terminado, la localización del acontecimiento detectado y del acontecimiento previamente almacenado, o cualquier otro campo de datos que pueda relacionar dos o más acontecimientos como detecciones alternas o parciales del mismo acontecimiento en un aspecto físico. En una modalidad, cuando el sistema actualiza el acontecimiento en la etapa 406c, el registro de acontecimiento permanece en la base de datos como el mismo acontecimiento, para modo que los usuarios que supervisan el acontecimiento previamente almacenado observen el acontecimiento detectado y su impacto sobre el estado del acontecimiento previamente almacenado. Después, en la etapa 407, el sistema proporciona el acontecimiento y los datos asociados a una interfaz u otro sistema capaz de reportar o almacenar los datos. En una modalidad, los datos asociados que se proporcionan con el acontecimiento son los datos asociados para detectar el acontecimiento. Por ejemplo, si el sistema detecta y clasifica una fuga, los datos asociados que se proporcionan a una interfaz de usuario, pueden ser un mapa que muestra la localización de la fuga, así como las gráficas que muestran la diferencia en el caudal en un cierto periodo de tiempo que provocó que el sistema indique el acontecimiento.

En la etapa 408, el sistema selecciona el siguiente objetivo para supervisar, y el sistema continúa detectando las anomalías para otros medidores en la red.

La figura 5 presenta un diagrama de flujo que ¡lustra un método para la predicción de valores en la etapa 403 de la figura 4. El sistema en la figura 5 realiza una predicción al primero seleccionar las cualidades en la etapa 501. Las cualidades son, generalmente las series de datos, tal como los datos históricos de un medidor dado. Los datos históricos del medidor pueden incluir una lectura de medidor y la fecha y la hora correspondientes para esa lectura de medidor. En una modalidad, las cualidades que se seleccionan son los datos históricos de medidor para un medidor correspondiente, o los medidores, con base en una correlación cercana de los datos históricos de medidor que se analizarán con los datos históricos de medidor o de los medidores correspondientes seleccionados. La figura 6 discute una modalidad para determinar los medidores correspondientes con base en una correlación cercana con los datos históricos del medidor que se analizará.

Después, en la etapa 502, el sistema puéde determinar la combinación mejor adaptada de las cualidades seleccionadas de acuerdo con un error métrico, por ejemplo, al usar la regresión linear y la métrica de la raíz del error cuadrático promedio (RMSE, por sus siglas en inglés). La combinación mejor adaptada produce una función de las cualidades seleccionadas que se aproxime al conjunto de datos que se pronosticará.

Después, en la etapa 503, el sistema predice la distribución de valor probable de las cualidades seleccionadas al aplicar la función que se obtuvo en la etapa 502 con los datos de las cualidades seleccionadas. El conjunto de datos resultante incluye una distribución de valor probable para el medidor. Después, el conjunto de datos resultante procede del pronosticador en el elemento 205 a un detector de anomalía correspondiente en el elemento 206 de la figura 2.

Generalmente, una predicción se puede generar al seleccionar varias cualidades tal como conjuntos de datos de medidor y combinándolos para producir una aproximación cercana del conjunto de datos para el cual se está generando una predicción. En una modalidad, la "selección de cualidad independiente", la selección de la cualidad procede al seleccionar los conjuntos de datos N en donde cada uno tiene, individualmente, el mejor ajuste con el conjunto de datos bajo análisis. A modo de ejemplo, si el error métrico usado es la raíz del error cuadrático promedio (RMSE, por sus siglas en inglés), y las cualidades son las que se combinarán con afinidad, entonces los conjuntos de datos que se seleccionaron serán los conjuntos de datos en donde cada uno, individualmente, se aproxima mejor al conjunto de datos que se analiza, en términos de RMSE, bajo la transformación afín de mejor ajuste. Con este fin, el sistema encuentra los parámetros de mejor ajuste para cada conjunto de datos individual (con respecto a la aproximación del conjunto de datos bajo análisis), y registra el error de aproximación que se alcanzó mediante cada conjunto de datos con los parámetros óptimos; el sistema selecciona los conjuntos de datos con los errores más bajos (mejor ajuste). Como un experto en la técnica apreciará, se puede lograr el hallazgo de los parámetros de mejor ajuste mediante métodos bien conocidos, tal como la regresión linear.

En otra modalidad, la "selección exhaustiva de la cualidad", la selección de la cualidad procede al seleccionar los conjuntos de datos N que minimizan el error de predicción al explorar todos los conjuntos de variables N posibles de los conjuntos de datos disponibles para la predicción. Para cada conjunto de variables N, el sistema encuentra los parámetros de mejor ajuste (para aproximarse al conjunto de datos bajo análisis, con respecto a un error métrico específico tal como MSE), registra el error de aproximación que se alcanzó, y selecciona el conjunto de variables N con el error más bajo (mejor ajuste).

En una modalidad, la "selección cada vez mayor de la cualidad", la selección de la cualidad procede al seleccionar los conjuntos de datos N uno a la vez, tal que cada conjunto de datos adicional proporciona la reducción más grande del error de aproximación, al generar la combinación de mejor ajuste de los conjuntos de datos ya seleccionados con el nuevo conjunto de datos. En la etapa K+1, cuando los conjuntos de datos K se han seleccionado ya (K<N), el sistema determina el conjunto de datos K+1 para agregarse al encontrar los parámetros de mejor ajuste y registra el error .de aproximación para todas las series de conjuntos de datos K+1 compuestos de los conjuntos de datos K ya seleccionados y uno de los otros conjuntos de datos disponibles para la predicción; el sistema selecciona el conjunto de datos adicional que alcanza el error más bajo (mejor ajuste).

La figura 7 proporciona un diagrama de flujo para una modalidad de la "selección cada vez mayor de la cualidad". En la etapa 701, el sistema selecciona el primer conjunto de datos, o datos de medidor, para agregarse a las cualidades seleccionadas. El primer conjunto de datos se puede seleccionar con base en tener una alta correlación con los datos de medidor que son analizados. Después, en la etapa 702, el sistema determina si otra serie de datos se agrega al conjunto de datos al determinar si N, el número de conjuntos de datos en la combinación, es menor que K, el número predefinido de conjuntos de datos que el diseñador ha permitido que se combinen. Si no, el sistema procede a la etapa 708 y realiza el análisis. Si otra serie de datos se agregará al conjunto de datos, el sistema procede a la etapa 703 y selecciona una segunda serie de datos para agregarse al conjunto de datos. Después, en la etapa 704, el sistema encuentra los parámetros de mejor ajuste para todas las series de datos en el conjunto de datos, y después registra los errores de aproximación para todas las series de datos en el conjunto de datos en la etapa 705. Después, en la etapa 706, el sistema determina si el conjunto de datos agregado alcanza el error más bajo al determinar el mejor ajuste. Si el conjunto de datos agregado no alcanza el error más bajo, el sistema procede a la etapa 702. Sin embargo, si la segunda serie de datos alcanzó el error más bajo, el sistema procede a la etapa 707 y agrega la segunda serie de datos al conjunto de datos. El sistema entonces procede a la etapa 702.

Después de cada una de estas modalidades de la selección de cualidad, la selección de parámetro entonces procede mediante cualquier método conocido para un experto en la técnica, tal como la regresión linear, para generar la combinación afín de mejor ajuste de todos los conjuntos de datos seleccionados, en términos del error métrico se utiliza (por ejemplo, RMSE). En una modalidad, varias diferentes regresiones o métodos de regresión se utilizan paralelamente, y el resultado es la combinación media o promedio o similar de los resultados individuales de la regresión.

Como un experto estará consciente, la "selección independiente de cualidad" es la más rápida de manera computacional pero la menos exacta de estas modalidades, la "selección exhaustiva de cualidad" es la más lenta de manera computacional pero la más exacta, y la "selección cada vez mayor de la cualidad" puede proporcionar un de nivel intermediario de exactitud con la velocidad de cómputo intermedia.

Generalmente, los conjuntos de datos que están disponibles para el uso en la generación de predicciones incluyen todos o algunos conjuntos de datos de medidor que se reciben mediante el sistema, tal como todas las series de tiempo de las lecturas de medidor y las transformaciones de aquellos conjuntos de datos tal como los cambios de las series de tiempo de las lecturas de medidor. En una modalidad, los conjuntos de datos que están disponibles para la predicción (las cualidades de las cuales la selección de cualidad debe elegir los conjuntos N) son los conjuntos de datos para los medidores distintos del medidor bajo análisis, y ciertos cambios de tiempo del conjunto de datos para el medidor que se analiza y otros medidores. Los cambios de tiempo corresponden a los múltiplos de los períodos de ciclo esperados en los datos, tal como un día, una semana, y un año. A modo de ejemplo, los otros medidores cuyos conjuntos de datos se consideran como que pueden ser la serie completa de medidores disponibles, o la serie de medidores que miden la misma cantidad (por ejemplo, los medidores; de flujo, si el medidor bajo análisis es un medidor de flujo), o solamente los medidores que se establecen remotamente desde el medidor bajo análisis, tal que un acontecimiento local que se registra mediante el medidor bajo análisis es poco probable que se propague hidráulicamente a través de la red a cualquiera de los medidores remotos.

En algunas modalidades, los datos de medidor que se usan pueden ser una versión procesada de los datos de medidor originales que se recibieron, y se pueden restringir adicionalmente en tiempo a partir de los datos históricos completos. Por ejemplo, los conjuntos de datos que se usan para el análisis anterior pueden ser los valores promedio de medidor que se calculan durante los períodos de seis horas consecutivas (un valor promedio para cada medidor durante cada 6 horas), que inicia 70 días antes del tiempo actual, y finaliza 7 días antes del tiempo actual. Esto podría, por ejemplo, eliminar cualquier efecto indeseado de desemejanza reciente entre los medidores, que se causó mediante un efecto en curso que se debe detectar; cualquier desemejanza irrelevante que pudo existir hace mucho tiempo (tal como durante otra temporada); y las diferencias pequeñas en el día.

La figura 6 presenta un diagrama de flujo que ilustra un método para la selección de los datos correspondientes para una predicción de medidor correspondiente. La figura 6 representa una subclase simple de los algoritmos de selección establecidos anteriormente, en los cuales un solo conjunto de datos de un medidor separado se selecciona como el conjunto de datos correspondiente. Esto hace uso de la observación de que los medidores remotos no se pueden afectar generalmente por los mismos acontecimientos locales, tal como una fuga en la dirección descendente de uno de los medidores, pero se pueden afectar semejantemente por el consumo global o acontecimiento de la red (tal como un día caluroso o un acontecimiento deportivo), así se previene muchas falsas alarmas potenciales. En la etapa 601, el sistema selecciona un primer conjunto de datos que incluye los datos históricos de un medidor. Los datos históricos incluyen los valores de presión y flujo y el tiempo que se asocia con las lecturas de la presión y flujo. Después, en la etapa 602, el sistema selecciona un segundo conjunto de datos, el segundo conjunto de datos incluye los datos históricos de un medidor. En una modalidad el segundo conjunto de datos es los datos históricos de un dispositivo de la red físicamente diferente y conectado hidráulicamente de manera no fuerte con el dispositivo de la red que se representa mediante el primer conjunto de datos. Por ejemplo, el primer conjunto de datos se asocia con un medidor ubicado en Manhattan, y el segundo conjunto de datos se asocia con un medidor ubicado en Queens. Las localizaciones elegidas pueden estar muy alejadas o de otra manera suficientemente remotas del medidor que se analiza tal que los conjuntos de datos no están conectados hidráulicamente, y por lo tanto no se afectan por la misma anomalía o acontecimiento, por ejemplo, su flujo de agua no se afecta por las mismas fugas, los cambios de la calidad de agua en uno no afectaría al otro, y similares. Sin embargo, aunque el segundo conjunto de datos no se afecte por el mismo acontecimiento hidráulico local, ambos conjuntos de datos se pueden aún afectar por el mismo acontecimiento regional o global, tal como un día caluroso, o acontecimiento deportivo en toda la ciudad. En otra modalidad, el segundo conjunto de datos es un conjunto de datos de un diferente periodo de tiempo del mismo medidor que se representa por el primer conjunto de datos. Por ejemplo, el primer conjunto de datos es del medidor 1, y el segundo conjunto de datos es también del medidor 1 pero representa los datos de tres días anteriores.

Después, en la etapa 603 el sistema compara los datos históricos del primer conjunto de datos con los datos históricos del segundo conjunto de datos para determinar si existe una correlación cercana entre los dos medidores. Una correlación se puede determinar de acuerdo con las técnicas estándar de correlación que se conocen en la técnica. Algunas técnicas existentes de correlación que se conocen en la técnica se describen en Miles, Jeremy y Shevlin, Mark, Applying Regression and Correlation: A Guide for Students and Researchers, Sage Publications Ltd. (2000), ISBN 0761962301. Una correlación sé puede considerar estrecha si el valor de correlación excede un umbral predeterminado, en este caso el sistema procede a la etapa 604. Por ejemplo, si el error métrico de correlación que se usa es R-cuadrático (también se llama coeficiente de determinación), que oscila de 0 a 1, entonces el sistema puede reconocer los medidores como medidores correspondientes si el R-cuadrático está sobre un valor predefinido tal como 0. En la etapa 604, el sistema determina si otro conjunto de datos correspondiente se puede requerir. En una modalidad, otro conjunto de datos correspondiente se puede requerir para facilitar una detección más exacta de la anomalía, y el sistema procede a la etapa 602. Si ningún conjunto de datos correspondiente se requiere, el sistema realiza el análisis en la etapa 605, y según lo discutido con respecto a la figura 5.

Sin embargo, volviendo a la etapa 603, y en otro ejemplo, si el valor de correlación es más bajo que el umbral, el sistema puede reconocer que los conjuntos de datos no se correlacionan estrechamente, en este caso el sistema procede a la etapa 602 y se selecciona otro conjunto de datos.

En algunas modalidades, los datos que se usan adicionalmente un pronosticador pueden incluir otras formas de datos disponibles para el motor de análisis de red, tal como los datos de operación y los datos externos, que se describieron anteriormente. Tales datos se pueden utilizar, por ejemplo, para restringir, mejorar, o categorizar adicionalmente los datos de medidor. A modo de ilustración, un pronosticador puede utilizar tales datos para solamente los datos de los días feriados anteriores (días laborables no regulares) para predecir los valores para un día feriado actual, o anular los efectos del tiempo fuera de temporada, los acontecimientos conocidos de la red, o los cambios temporales de la red.

La figura 8 presenta un diagrama de flujo que ilustra un método para detectar y registrar un acontecimiento de fuga de agua. En la etapa 801, el sistema obtiene los datos procesados previamente del sistema de distribución de agua. Después, en la etapa 802, el sistema realiza el número N de predicciones estadísticas de acuerdo con número N de modelos de predicción estadística. Después, en la etapa 803, y para cada pronosticador, el sistema compara los datos de predicción con los datos reales para determinar si existe una desviación estadísticamente significativa. Si no existe una desviación estadísticamente significativa para el pronosticador particular, el sistema procede a la etapa 807 y no se produce ningún acontecimiento. En la etapa 807, el sistema procede a la etapa 808 para seleccionar otro conjunto de datos de medidor de la red de agua para el análisis. Sin embargo, en la etapa 803, si una desviación estadísticamente significativa existe para el pronosticador particular, el sistema procede a la etapa.804 y detecta una anomalía.

Después, en la etapa 805, la anomalía se puede clasificar como un acontecimiento de acuerdo con la discusión de los ejemplos que se proporcionaron con respecto a la figura 4. Por ejemplo, si el sistema, de acuerdo con diferentes modelos de pronosticador, reporta una anomalía de un aumento continuo estadísticamente significativo del flujo y una anomalía de una reducción a corto plazo estadísticamente significativa de la presión (seguida por una corrección de la presión), las anomalías se clasifican en la etapa 805 como el principio de un acontecimiento de fuga. En un punto posterior de tiempo, si el sistema detecta una anomalía correspondiente de la disminución de flujo de magnitud similar, la anomalía se clasifica como el final de ese acontecimiento de fuga. Otro método para clasificar las desviaciones en la etapa 805, es el uso de datos externos para confirmar o refutar las anomalías detectadas en la etapa 804. Por ejemplo, si el día en el que ocurrió el análisis fue un día feriado, en el cual, por ejemplo, los patrones residenciales del uso de agua pueden cambiar significativamente, entonces las desviaciones estadísticas grandes de los datos previstos pueden aumentar el umbral estadístico necesario para identificar un acontecimiento dé fuga. En otro ejemplo, un acontecimiento deportivo puede producir un consumo mayor en un área de la red, y el sistema se puede equipar para utilizar esta información como datos externos para confirmar o refutar la existencia de un acontecimiento.

En otras modalidades, el sistema puede refutar una anomalía detectada al aplicar las limitaciones adicionales en los datos que producen la anomalía. Por ejemplo, el sistema, o los operadores de la red, pueden decidir proporcionar las alarmas que corresponden solamente a las fugas que superan un cierto umbral de magnitud, que tiene una desviación de los valores previstos que perdura durante más de un periodo de tiempo especificado, o que ocurre durante cierta frecuencia durante un periodo de tiempo. La sensibilidad del sistema para detectar los fugas puede depender por lo menos en parte del umbral de magnitud que se determina mediante el usuario, o de tener una fuga que perdura durante por lo menos un periodo de tiempo especificado.

Después, en la etapa 806, el sistema registra un acontecimiento tal como una fuga y además proporciona las características de una fuga detectada. Las características pueden incluir la magnitud de la fuga, la tendencia o velocidad de incremento de la fuga y la cantidad total de agua que se escapó hasta ahora. La alarma de fuga y las características de la fuga se pueden almacenar en un elemento similar a la base de datos 208 en la figura 2, y se puede también reproducir en cualquiera de los resultados 210-214 de la figura 2. Después de registrar un acontecimiento en la etapa 806, el sistema procede a la etapa 808 para seleccionar otro conjunto de datos de medidor de la red para el análisis.

La figura 9 presenta un diagrama de flujo que ilustra un método para detectar una anomalía de medidor averiado. En la etapa 901, el sistema selecciona un conjunto de datos que se analizará. Los elementos 902 y 905-909 representan varios pronosticadores y los detectores de anomalía para determinar la importancia estadística de cualquier desviación de valores actuales y previstos. Un experto en la técnica apreciará que cada elemento 902 y 905-909 o cualquier combinación de los elementos se pueda utilizar para determinar los valores probables y para publicar una anomalía. Además, el sistema puede proceder mediante la ejecución de manera concurrente de cualquier combinación de los elementos, o secuencialmente en cualquier orden .

Al proceder con la modalidad que se ilustra mediante el diagrama de flujo en la figura 9, el pronosticador y los detectores de anomalía que se representan mediante el elemento 902, determinan independientemente si hay una desviación estadísticamente significativa del valor transmitido, más allá de qué se puede explicar mediante un acontecimiento verdadero de la red, tal como una fuga.

El pronosticador y los detectores de anomalía que se representan mediante los elementos 903-905, determinan independientemente si existe una desviación de cambio de tiempo estadísticamente significativa cuando el primer conjunto de datos se correlaciona con un segundo conjunto de datos. El pronosticador y los detectores de anomalía proceden a seleccionar un conjunto de datos de referencia o múltiples conjuntos en la etapa 903, y después correlacionar el primer conjunto de datos con el conjunto de datos de referencia en la etapa 904. El conjunto de datos de referencia puede incluir uno o más medidores que tengan generalmente los valores en correlación cercana con el medidor bajo análisis. El sistema procede después a la etapa 905 para determinar si el medidor exhibe un cambio de tiempo estadísticamente significativo al buscar el cambio de tiempo que produce la mejor correlación. Si el medidor exhibe el cambio de tiempo (es decir, si el mejor cambio de tiempo es significativamente diferente de 0), el sistema procede a la etapa 910 y reporta un acontecimiento de medidor averiado.

El pronosticador y los detectores de anomalía que se representan por el elemento 906 determinan si un valor fijo se transmitió. El sistema determina si un valor fijo, o los datos que no cambiaron en un cierto periodo de tiempo, se transmitieron en la etapa 904. Si el medidor transmitió un valor fijo, valor casi fijo, o un valor frecuentemente fijo, durante un periodo de tiempo anormalmente largo, el sistema procede a la etapa 910 y reporta un acontecimiento de medidor averiado.

El pronosticador y los detectores de anomalía que se representan por el elemento 907 determinan sí o no la variabilidad a corto plazo es demasiado alta o demasiado baja. Si la variabilidad a corto plazo es demasiado alta o demasiado baja, el sistema procede a la etapa 909 y reporta una alarma de medidor averiado.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 908, determinan sí o no hay una desviación estadísticamente significativa de la cantidad de datos generalmente transmitidos. Si considerablemente menos o más datos generalmente se transmitieron, entonces el sistema produce una anomalía. Por ejemplo si ningún valor se transmitió mediante el medido durante tres días, el sistema produce una anomalía. Sin embargo, sin la desviación entre la cantidad de datos prevista para se transmita y los datos actuales transmitidos, no es estadísticamente significativa, no se produce ninguna anomalía.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 909, determinan sí o no los valores no están apoyados mediante otros medidores de la red. Por ejemplo, la conservación del volumen puede indicar que la lectura en un primer medidor de flujo debe ser mayor que la lectura en un segundo medidor de flujo en la dirección descendente del mismo, o que la suma de varias otras lecturas de medidor. Si se encuentran tales valores "imposibles", el sistema procede a la etapa 910 y reporta un acontecimiento de medidor averiado.

Después de proporcionar un acontecimiento en la etapa 910, el sistema selecciona el siguiente objetivo que se analizará en la etapa 91 1 y continúa analizando la red para determinar otros medidores averiados.

La figura 10 ilustra un diagrama de flujo que representa una modalidad para proporcionar una anomalía inesperada del consumo o hurto. Los elementos 1003-1005 representan varios pronosticadores y detectores de anomalía para determinar la importancia estadística de cualquier desviación de valores actuales y previstos. Un experto en la técnica apreciará que cada combinación de elementos 1003-1005 o cualquiera de los elementos se pueda utilizar para determinar los valores probables y para reportar una anomalía. Además, el sistema puede proceder a ejecutar cualquier combinación de los elementos de manera concurrente, o secuencial en cualquier orden.

En la etapa 1001 el sistema selecciona un medidor de una red de agua para analizar un consumo de agua o un hurto de agua inesperados. En otra modalidad, el sistema selecciona una sección de una red de agua, o una red de agua completa para analizar un consumo de agua o un hurto de agua inesperados. Después, en la etapa 1002, si el sistema detecta un aumento en el flujo del medidor seleccionado o de la sección de red, el sistema procede a categorizar adicionalmente la anomalía, que se representa mediante los elementos 1003-1005. En una modalidad, el sistema puede detectar un aumento del flujo con respecto a los datos históricos de medidor y aplicar el análisis estadístico que se describió con respecto a la figura 2. En otra modalidad el sistema puede detectar un aumento en el flujo al analizar los datos en tiempo real del medidor.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1003 determinan sí o no hay una coincidencia estadísticamente significativa del aumento del flujo con la estructura de consumo. En la etapa 1003, el sistema puede analizar el aumento actual del flujo con un patrón de consumo previamente almacenado. El patrón de consumo previamente almacenado puede incluir los datos de medidor o de la red del año anterior, o cualquier otro periodo de tiempo para facilitar el análisis para determinar un patrón de consumo. Si el aumento del flujo coincide con el patrón de consumo, el sistema procede a la etapa 1006 para determinar si el acontecimiento se puede explicar mediante otro factor.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1004, determinan sí o no hay un aumento recurrente estadísticamente significativo del flujo con respecto a las horas similares. Por ejemplo, el sistema analiza los datos históricos para el medidor o sistema para determinar la periodicidad del patrón de consumo. Si existe un aumento recurrente del flujo, y éste no ocurrió adicionalmente en el pasado, el sistema procede a la etapa 1006 para determinar si el acontecimiento se puede explicar mediante otro factor.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1005, determinan sí o no hay un flujo recurrente estadísticamente significativo que tiene cada vez una magnitud similar. En una modalidad, el sistema compara los períodos de flujo aumentado con otros datos históricos de flujo del medidor o de la red para determinar un aumento casi constante de la magnitud de flujo durante los períodos recurrentes. Si el sistema detecta magnitudes similares cada vez, y esto no ocurrió adicionalmente en el pasado, el sistema procede a la etapa 1006 para determinar si el acontecimiento se puede explicar mediante otro factor.

En la etapa 1006 el sistema determina si un acontecimiento detectado se puede refutar mediante datos externos o de operación. En un ejemplo, el sistema analiza los datos de operación para determinar si había una entrada autorizada al sitio bajo análisis. En otro ejemplo, el sistema refuta un acontecimiento detectado si un aumento flujo en un medidor y una disminución correspondiente del flujo de magnitud similar en otro medidor para la misma región indica un cambio de flujo, pero no un cambio en el consumo total en esa región. Si el sistema no refuta el acontecimiento detectado en la etapa 1006, el sistema proporciona un acontecimiento inesperado o desautorizado del consumo o hurto en la etapa 1007. Sin embargo, si el sistema refuta el acontecimiento, el sistema procede a la etapa 1008. Después, en la etapa 1008, el sistema selecciona el siguiente objetivo que se analizará y continúa analizando la red para otros acontecimientos inesperados o desautorizados del consumo o hurto.

La figura 11 ilustra un diagrama de flujo que representa una modalidad para proporcionar una alarma de anomalía de la calidad del agua. En la etapa 1101, el sistema selecciona un conjunto de datos del primer sitio que se analizarán. Los elementos 1103, 1104, y 1106 representan varios pronosticadores y detectores de anomalía para determinar la importancia estadística de cualquier desviación de valores actuales y previstos. Un experto en la técnica apreciará que cada elemento 1103, 1104, y 1106 o cualesquiera combinaciones de elementos se pueda utilizar para determinar los valores probables y para reportar una anomalía. Además, el sistema puede proceder a ejecutar cualquier combinación de los elementos de manera concurrente, o secuencial en cualquier orden.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1103, determinan sí o no hay un cambio estadísticamente significativo en el contenido de cloro, turbiedad, o pH en por lo menos dos sitios que se seleccionaron en la etapa 1102, el cambio es superior a un umbral predefinido que se establece mediante los encargados de la red de agua. El sistema puede seleccionar por lo menos dos o más sitios cercanos en la etapa 1102. El número de sitios que se seleccionan puede ayudar adicionalmente a que el sistema pronostique más exactamente una anomalía de la calidad del agua. Si el sistema detecta un cambio en la etapa 1103, el sistema procede a la etapa 1 105 para decidir si se debe reportar el acontecimiento.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1104, determinan sí o no hay un aumento estadísticamente significativo de la turbiedad en el medidor seleccionado del sitio seleccionado, y si es así el sistema procede a la etapa 1105 para decidir si se debe reportar el acontecimiento.

El pronosticador y los detectores de anomalía que se representan mediante el elemento 1106, determinan sí o no hay una disminución estadísticamente significativa del contenido de cloro en el mismo sitio. Si existe una disminución del contenido de cloro en el sitio, el sistema procede a la etapa 1105 para decidir a si se debe reportar el acontecimiento.

En la etapa 1105, el sistema recibe los acontecimientos de los elementos 1103, 1104, y 1106 y determina si se deben reportar los acontecimientos, o se descalifican. Una razón para descalificar un acontecimiento es si existe una disminución de presión estadísticamente significativa, aumento de flujo, o un ingreso autorizado al sitio que se seleccionó en la etapa 1101. En una modalidad, un ingreso autorizado al sitio puede incluir una reparación al sitio mediante un equipo de construcción, que puede dar lugar a un aumento temporal de la turbiedad en el medidor seleccionado. Una disminución de presión a corto plazo significativa, por ejemplo, puede indicar un acontecimiento de fuga o una intervención en la red, que se debe considerar como la causa original de lo que parece de otra manera ser una anomalía de la calidad. Sin embargo, debido a que una reparación puede ser relativamente breve, el sistema puede no desear proporcionar una alarma de anomalía debido a una reparación temporal, y el sistema procede a la etapa 1108 para seleccionar otro conjunto de datos que se analizará. Si el sistema no detecta una disminución de presión, aumento de flujo, o ingreso autorizado al sitio, el sistema procede a la etapa 1107 y proporciona un acontecimiento de calidad de agua. Después de proporcionar un acontecimiento en la etapa 1107, el sistema selecciona el siguiente objetivo que se analizará en la etapa 1108 y continúa analizando la red para otros acontecimientos de calidad del agua. Un experto en la técnica apreciará que otras modalidades pueden procesar similarmente otros parámetros e indicadores de la calidad del agua, al considerar los acontecimientos y las actividades de la red que pueden afectar temporalmente a esos otros parámetros.

La figura 12 ilustra una captura de pantalla de la interfaz de usuario ("Ul", por sus siglas en inglés) que se genera mediante la interfaz de seguimiento de acontecimiento de acuerdo con una modalidad de la presente invención. La figura 12 exhibe los acontecimientos detectados y su información asociada con un usuario. El usuario puede, por ejemplo, ser un trabajador en una red de suministro de agua que se encarga de la supervisión de la red de agua bajo análisis. La figura 12 incluye la captura de pantalla de Ul 1201 que incluye las secciones para el estado de actualización 1202, el panel de la lista de acontecimientos 1203, la gráfica 1204, la información de acontecimiento 1205, la gráfica 1206, y el mapa 1207.

En una modalidad, la Ul 1201 es una página Web visible para un usuario sobre una red o en Internet. Además, el estado de actualización 1202 informa al usuario la última fecha y hora en las que el sistema supervisó la red de agua para detectar las anomalías. El panel de lista de acontecimientos 1203 proporciona al usuario un listado de acontecimientos previamente detectados, fechas, horas, de localizaciones, y el estado de los acontecimientos. Además de la modalidad, el panel de lista de acontecimientos 1203 permite adicionalmente que una persona que observa la interfaz de usuario 1201 seleccione un acontecimiento en el panel de lista de acontecimientos 1203. La información detallada que se asocia con el acontecimiento seleccionado se reproduce como la información de acontecimiento 1205, las gráficas 1204 y 1206, y el mapa 1207. La información de acontecimiento 1205 incluye, por ejemplo, una hora del inicio de la anomalía, una hora del final de la anomalía, una magnitud de la anomalía, una pérdida de agua total que se asocia con la anomalía, y cualquier comentario que se suministra mediante los usuarios del sistema. Los comentarios que se suministran mediante los usuarios o el sistema pueden también proporcionar enlaces de hipertexto a otros acontecimientos almacenados mediante el sistema. Las gráficas 1204 y 1206 incluyen la información detallada con respecto al acontecimiento seleccionado por el usuario tal como una comparación visual del flujo de agua actual y previsto (rutinario) en un medidor relevante. Además, la interfaz de usuario 1201 utiliza los datos de GIS que se asocian con el acontecimiento seleccionado para mostrar la localización del acontecimiento en el mapa 1207. En una modalidad, el acontecimiento se asocia con un medidor específico, y la localización del medidor se produce en el mapa 1207. Se puede también permitir que el mapa de acontecimiento 1207 exhiba un área de la red que se afecta mediante el acontecimiento detectado, o un área calculada dentro de la cual es estadísticamente probable que se encuentre la localización exacta del acontecimiento.

La base de datos 208 o incluso el motor de decisión y clasificación de acontecimiento 207 de la figura 2 puede contener una aplicación interactiva de software que asocia los datos de medidor, alarmas, reportes, análisis estadístico y un mapa de la red de agua con una interfaz de usuario para permitir que un usuario del sistema discierna fácilmente la localización del fuga de agua o de otro acontecimiento. Una interfaz de usuario se puede incluir en la base de datos 208, y presentarse a cualquier número de interfaces que se representan mediante el elemento 209. En otra modalidad, el motor de decisión y clasificación de acontecimiento 207 es operativo para enviar la información directamente a los elementos 210, 211, 212, 213, 214.

La figura 13 ilustra una captura de pantalla de Ul que se genera mediante la interfaz de seguimiento de acontecimiento de acuerdo con una modalidad de la presente invención. La pantalla en la figura 13 exhibe los acontecimientos detectados y su información asociada con un usuario. El usuario puede, por ejemplo, ser un trabajador en una red de suministro de agua que se encarga de la supervisión de la red de agua bajo análisis. La figura 13 abarca la Ul 1301 que incluye el panel de lista de acontecimientos 1302, las gráficas 1303 y 1304, el mapa 1305, y la información de acontecimiento 1306.

En una modalidad, la Ul 1301 es una página Web visible para un usuario sobre una red o Internet. Además, el panel de lista de acontecimientos 1302 proporciona al usuario un listado de acontecimientos previamente detectados, fechas, horas, localizaciones del medidor, y estado de los acontecimientos. Además de la modalidad, el panel de lista de acontecimientos 1302 además permite que la persona que observa la Ul 1301 seleccione un acontecimiento en el panel de lista de acontecimientos 1302. La información detallada que se asocia al acontecimiento seleccionado se reproduce como información de acontecimiento 1306, las gráficas 1303 y 1304, y el mapa 1305. La interfaz de usuario 1301 utiliza los datos de GIS que se asocian con el acontecimiento seleccionado para mostrar la localización o la localización aproximada del acontecimiento en el mapa 1305. En una modalidad, el mapa 1305 es operativo para exhibir la localización de los múltiples medidores que registran un acontecimiento.

La figura 14 ilustra una captura de pantalla de otra Ul que se genera mediante la interfaz de seguimiento de acontecimiento de acuerdo con una modalidad de la presente invención. La pantalla en la figura 14 exhibe los datos que se asocian con un acontecimiento detectado o con un medidor seleccionado o con la región de la red. El usuario puede, por ejemplo, ser un trabajador en una red de suministro de agua que se encarga de la supervisión de la red de agua bajo análisis, y más específicamente la figura 14 representa un módulo gráfico que representa los datos que se recolectaron mediante el sistema, y que permite que el usuario además explore, modifique, y cambie las gráficas que se proporcionan mediante el sistema para cada acontecimiento, o explore independiente los datos a través de varias visualizaciones y que use algunas de las capacidades de procesamiento previo del sistema. La figura 14 incluye la Ul 1401, el panel de control de lista y gráfica de medidores 1402, la gráfica 1403, y el estado de actualización 1404. En una modalidad, la Ul 1401 es una página Web visible para un usuario sobre una red o Internet. El usuario de la Ul 1401 puede seleccionar uno o más medidores y una variedad de tipos de gráficas del panel de control de lista y gráfica de medidores 1402. Los datos que se asocian con los medidores seleccionados se pueden producir en la gráfica 1403. Los datos que se producen en la gráfica 1403 pueden ser cualquier información que se obtenga mediante el sistema. El estado de actualización 1402 informa al usuario la fecha y hora anteriores en las que el sistema supervisó la red de agua para detectar las anomalías.

La figura 15 ilustra una captura de pantalla de la Ul que se genera mediante la interfaz de reporte de acuerdo con una modalidad de la presente invención. La pantalla en la figura 15 exhibe una descripción agregada de los acontecimientos detectados y de su información asociada con un usuario. El usuario puede, por ejemplo, ser un trabajador en una red de suministro de agua que se encarga de la supervisión de la red de agua bajo análisis. La figura 15 incluye la Ul 1501, el panel de selección de descripción 1502, los paneles de conteo de acontecimiento 1503 y 1504, el mapa 1505, y las gráficas 1506.

En una modalidad, la Ul 1501 es una página Web visible para un usuario sobre una red o Internet. Además, el panel de descripción 1502 proporciona al usuario las opciones para exhibir un conjunto de acontecimientos durante un periodo de tiempo seleccionado. El usuario puede elegir la exhibición de los acontecimientos con base en los valores de medidor, acontecimientos, fechas, y estado de los acontecimientos. La información detallada que se asocia con la selección del usuario en el panel de selección de descripción 1502 se reproduce como paneles de conteo de acontecimiento 1503 y 1504, el mapa 1505, y las gráficas 1506. El panel de selección de descripción 1502 permite que el usuario clasifique y filtre los acontecimientos mediante sus varios campos y características, por ejemplo, para observar solamente los acontecimientos recientes y sin resolver, los acontecimientos que se clasifican por el tipo, y para actualizar los estados del acontecimiento y otras características del flujo de trabajo. Esto es de acuerdo con los estándares industriales de software, que se conocen bien por el experto.

Los paneles de conteo de acontecimiento 1504 y 1505 exhiben el número de acontecimientos, tipos de acontecimiento, y localizaciones de acuerdo con un periodo de tiempo. En una modalidad, los paneles de conteo de acontecimiento 1504 y 1505 exhiben los acontecimientos que corresponden a diferentes periodos de tiempo, que permiten que un usuario compare y distinga el comportamiento de la red en un cierto periodo de tiempo. El mapa 1505 exhibe la localización y la otra información de los acontecimientos que ocurren o que han ocurrido previamente en un área. En una modalidad, el mapa representa los acontecimientos y destaca las áreas con múltiples acontecimientos: las localizaciones con pocos acontecimientos se pueden tener un color verde, mientras que las localizaciones con muchos acontecimientos pueden tener un color rojo. Las gráficas 1506 operan para exhibir la evolución del número y tipos de acontecimientos durante un periodo de tiempo. En una modalidad, las gráficas 1506 representan los tipos y los números de acontecimientos que ocurren durante dos meses consecutivos, por ejemplo, para permitir que el usuario compare y analice las tendencias recientes. Un experto en la técnica apreciará que cualquier información recolectada mediante el sistema se puede reproducir en la gráfica 1506 para mejorar la ayuda para un usuario que se encarga de la supervisión de la red de distribución de agua.

Las figuras 1 a 15 son ilustraciones conceptuales que permiten una explicación de la presente invención. Se debe entender que varios aspectos de las modalidades de la presente invención se podrían ¡mplementar en hardware, firmware, software, o combinaciones de los mismos. En tales modalidades, varios componentes y/o etapas se implementarían en hardware, firmware, y/o software para realizar las funciones de la presente invención. Es decir, la misma pieza de hardware, firmware, o módulo de software podría realizar uno o más de los bloques ilustrados (por ejemplo, los componentes o las etapas).

También se debe entender que la invención se aplica no sólo a las redes de suministro de agua, sino a cualquier tipo de sistema de distribución. Otros tipos de sistemas de distribución pueden ser: aceite, aguas residuales o aguas negras, gas, electricidad, telefonía, u otros sistemas de distribución de energía que implican los recursos fluidos o que fluyen desde de un área a los consumidores. De hecho, la invención se puede aplicar a cualquier sistema de distribución o serie que tiene medidores o sensores en las localizaciones arbitrarias en los parámetros de medición de distribución de la red tal como flujo, presión, calidad o el flujo de datos en sí.

En las implementaciones de software, el software de computadora (por ejemplo, los programas u otras instrucciones) y/o los datos se almacenan en un medio legible mediante máquina como parte de un producto de programa de computadora, y se cargan en el sistema de computadora o en otro dispositivo o máquina a través de una unidad de almacenamiento desprendible, disco duro, o interfaz de comunicaciones. Los programas de computadora (también se llaman lógica de control de computadora o código de programa legible por computadora) se almacenan en una memoria principal y/o secundaria, y se ejecutan mediante uno o más procesadores (controladores, o similares) para hacer que uno o más procesadores realicen las funciones de la invención según lo que se describió en la presente. En este documento, los términos "medio legible mediante máquina", "medio de programa de computadora" y "medio usable en computadora" se utilizan para referirse generalmente a medios tal como una memoria de acceso aleatorio (RAM, por sus siglas en inglés); memoria de sólo lectura (ROM, por sus siglas en inglés); unidad de almacenamiento desprendible (por ejemplo, un disco magnético u óptico, dispositivo de memoria Flash, o similares); un disco duro; o similares.

Notablemente, las figuras y los ejemplos anteriores no pretenden limitar el alcance de la presente invención a una sola modalidad, puesto que otras modalidades son posibles mediante el intercambio de alguno o todos los elementos que se describieron o ilustraron. Por otra parte, donde ciertos elementos de la presente invención se pueden implementar parcial o completamente al usar los componentes conocidos, solamente se describen esas porciones de tales componentes sabidos que son necesarias para la comprensión de la presente invención, y las descripciones detalladas de otras porciones de tales componentes conocidos se omiten para no hacer confusa a la invención. En la presente especificación, una modalidad que muestra un componente singular no se debe limitar necesariamente a otras modalidades que incluyen una pluralidad del mismo componente, y viceversa, a menos que se indique explícitamente lo contrario en la presente. Además, la presente invención comprende los equivalentes conocidos presentes y futuros para los componentes conocidos referidos en la presente mediante ilustración.

La descripción anterior de las modalidades específicas revela muy detalladamente la naturaleza general de la invención, en la forma en la cual otras descripciones no pueden hacerlo, mediante la aplicación del conocimiento dentro de la habilidad de la técnica relevante (que incluye el contenido de los documentos que se citan e incorporan mediante referencia en la presente), para modificar y/o adaptar fácilmente varias aplicaciones tales modalidades específicas, sin la experimentación indebida, sin apartarse del concepto general de la presente invención. Tales adaptaciones y modificaciones, por lo tanto, se piensan para estar dentro del significado y gama de los equivalentes de las modalidades descritas, con base en la enseñanza y pautas que se presentan en la presente.

Aunque varias modalidades de la presente invención se han descrito anteriormente, se debe entender que se han presentado a modo de ejemplo, y no de limitación. Sería evidente para un experto en la técnica relevante que varios cambios en forma y detalle se podrían realizar en la presente sin apartarse del espíritu y alcance de la invención. Por lo tanto, la presente invención no se debe limitar mediante ninguna de las modalidades ejemplares descritas anteriormente, pero se debe definir solamente de acuerdo con las siguientes reivindicaciones y sus equivalentes.

Claims

REIVINDICACIONES

1. Un método computarizado para supervisar una red de suministro de agua, la red de suministro de agua comprende por lo menos una red de tuberías para proporcionar el agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el método comprende: recibir los datos de medidor, los datos de medidor representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros incluyen por lo menos el flujo o presión del agua a través de las tuberías; recibir los datos secundarios de uno o más fuentes externas a los medidores, los datos secundarios representan una o más condiciones que afectan al flujo o consumo de agua en una región que se atiende mediante la red de suministro de agua; analizar los datos de medidor al predecir estadísticamente los datos de medidor para un primer medidor con base en los segundos datos de medidor de la red de suministro de agua y los datos secundarios, en donde los segundos datos de medidor comprenden los datos de medidor distintos de los primeros datos de medidor recibidos, y al comparar los primeros datos de medidor recibidos .con los datos de medidor previstos para que el primer medidor identifique uno o más acontecimientos de la red de suministro de agua que comprenden por lo menos uno o más acontecimientos de fuga al detectar una anomalía si los primeros datos de medidor recibidos se desvían de los datos de medidor previstos para el primer medidor mediante una desviación estadística; y reportar uno o más acontecimientos de red de agua a un usuario a través de una interfaz de usuario.

2. El método de la reivindicación 1, que comprende almacenar los acontecimientos de la red de agua en una base de datos.

3. El método de la reivindicación 1, en donde la recepción de datos de medidor comprende la recepción de los datos de control de supervisión y adquisición de datos (SCADA, por sus siglas en inglés).

4. El método de la reivindicación 1, que comprende clasificar la anomalía como un acontecimiento de fuga.

5. El método de la reivindicación 1, en donde la detección de la anomalía comprende la determinación de si una duración de la anomalía excede un umbral predefinido.

6. El método de la reivindicación 1, en donde la detección de la anomalía determina si una frecuencia de la anomalía dentro de un periodo de tiempo predefinido excede un umbral predefinido.

7. El método de la reivindicación 1, en donde predecir estadísticamente los datos de medidor para el primer medidor con base en los segundos datos de medidor de la red de suministro de agua, comprende la selección de uno o más segundos medidores como uno o más medidores correspondientes y correlacionar los datos de medidor que se reciben desde el primer medidor con los datos de medidor que se recibieron desde uno o más medidores correspondientes.

8. El método de la reivindicación 7, en donde la selección de uno o más segundos medidores como uno o más medidores correspondientes, comprende: correlacionar los datos históricos de medidor para uno o más segundos medidores con los datos históricos de medidor para el primer medidor; y seleccionar uno o más segundos medidores para los cuales una existe una correlación con el primer medidor.

9. El método de la reivindicación 7, en donde la selección de uno o más segundos medidores como uno o más medidores correspondientes, comprende la identificación, de uno o más segundos medidores dentro de la red de suministro de agua que se colocan dentro de la red de suministro de agua como sin afectar debido a las anomalías que afectan al primer medidor.

10. El método de la reivindicación 1, en donde predecir estadísticamente los datos de medidor para el primer medidor con base en los segundos datos de medidor de la red de suministro de agua, comprende correlacionar los datos de medidor que se reciben del primer medidor con por lo menos los datos históricos de medidor almacenados para el primer medidor.

11. El método de la reivindicación 1, en donde predecir estadísticamente los datos de medidor para el primer medidor comprende el cálculo de una distribución estadística de los valores probables para el primer medidor.

12. El método de la reivindicación 2, en donde la recepción de los datos de medidor comprende la recepción durante un periodo de tiempo de los datos de la calidad de agua que representan la turbiedad, cloro y pH del agua que se proporciona sobre la red, y en donde la identificación de uno o más acontecimientos de la red comprende la detección de un cambio en los datos de la calidad de agua durante un periodo de tiempo superior a un umbral.

13. El método de la reivindicación 1, en donde la recepción de datos secundarios comprende la recepción de por lo menos de uno de: los datos climáticos que representan las condiciones climáticas en la región de la red de suministro de agua; los datos de calendario que representan uno o más factores que afectan el consumo de agua en una fecha determinada; los datos de reparación que representan una o más reparaciones que se realizan en la red de suministro de agua; y los datos estructurales que representan una estructura de la red de suministro de agua.

14. El método de la reivindicación 20, en donde uno o más acontecimientos informativos comprenden por lo menos uno de: un aumento inesperado en el patrón de consumo, un cambio en el patrón de consumo, un hurto de agua, un traspaso del límite zonal, una avería del medidor de la compañía de suministro, y un funcionamiento incorrecto del dispositivo de la red.

15. El método de la reivindicación 1, que comprende procesar los datos de medidor antes de analizarlos, que incluyen la filtración de interferencia de los datos de medidor.

16. Un sistema computarizado para supervisar una red de suministro de agua, la red de suministro de agua comprende una red de tuberías para proporcionar el agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el sistema comprende: una base de datos de información de la red para almacenar los datos de medidor que representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros incluyen por lo menos el flujo o la presión de agua a través de las tuberías, y los datos secundarios de una o más fuentes externas para los medidores, los datos secundarios que representan una o más condiciones que afectan el flujo o consumo de agua en una región que se atiende mediante la red de suministro de agua; un motor de análisis que se configura para analizar los datos de medidor al predecir estadísticamente los datos de medidor para un primer medidor con base en los segundos datos de medidor de la red de suministro de agua y los datos secundarios, en donde los segundos datos de medidor comprenden los datos de medidor distintos de los primeros datos de medidor recibidos, y para comparar los primeros datos de medidor recibidos con los datos de medidor previstos para que el primer medidor identifique las anomalías; un motor de clasificación de acontecimiento que se configura para identificar los acontecimientos de la red de suministro de agua con base en las anomalías, los acontecimientos de la red de agua comprenden los acontecimientos de fuga; y una base de datos de acontecimiento para almacenar los datos de acontecimiento de la red de suministro de agua que representan uno o más acontecimientos de la red de agua que se identifican mediante el motor de clasificación de acontecimiento.

17. El sistema de la reivindicación 16, en donde el motor de análisis comprende una pluralidad de módulos de pronosticador para generar una distribución estadística de los valores probables de los datos de medidor para un medidor dado y una pluralidad de módulos de detector de anomalía para comparar los datos de medidor para el medidor dado con la distribución de valores probables para detectar las anomalías en los datos de medidor.

18. El sistema de la reivindicación 16, que comprende una pluralidad de módulos de interfaz para recuperar los datos de acontecimiento de la red de suministro de agua de la base de datos de acontecimiento y reportarlos a los usuarios.

19. Un método computarizado para manejar una red de suministro de agua, la red de suministro de agua comprende una red de tuberías para proporcionar el agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el método comprende: enviar los datos de medidor a un motor de análisis, los datos de medidor representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros incluyen por lo menos el flujo de agua a través de las tuberías; recibir los datos de motor de análisis que representan los acontecimientos de la red de suministro de agua, los acontecimientos de la red de agua comprenden los acontecimientos de fuga, los datos de acontecimiento de la red de suministro de agua que se identifican como un resultado del análisis de los datos de medidor al predecir estadísticamente los datos de medidor para un primer medidor con base en los segundos datos de medidor de la red de suministro de agua y los datos secundarios, los datos secundarios representan una o más condiciones que afectan al consumo o flujo de agua en una región que se atiende mediante la red de suministro de agua, en donde los segundos datos de medidor comprenden los datos de distintos de los primeros datos de medidor recibidos, y comparar los primeros de medidor datos recibidos con los datos de medidor previstos para que el primer medidor identifique las anomalías; y exhibir los acontecimientos de la red de suministro de agua a un usuario en un dispositivo de exhibición computarizado.

20. El método de la reivindicación 1, en donde los acontecimientos de la red de agua, que adicionalmente comprende la identificación de uno o más acontecimientos informativos con respecto a la cantidad o calidad del agua que fluye a través de las tuberías y con respecto a la operación de la red de suministro de agua.