ES2420865T3

ES2420865T3 - Sistema y método para monitorear los recursos en una red de suministro de agua

Info

Publication number: ES2420865T3
Application number: ES11157053T
Authority: ES
Inventors: Amir Peleg; Amitai Armon; Uri Barkay; Haggai Scolnicov; Shai Gutner
Original assignee: Takadu Ltd
Current assignee: Takadu Ltd
Priority date: 2010-03-04
Filing date: 2011-03-04
Publication date: 2022-04-07
Anticipated expiration: 2031-03-04
Also published as: WO2011107864A3; WO2011107864A2; TWI502299B; US9568392B2; CN102884407B; SG193853A1; MX2012010254A; TW201303785A; PH12011000083A1; HK1158305A1; PT2472467T; GB2478432A; CO6630098A2; CA2792029A1; IE20110098A1; IE20120498A1; TW201140267A; GB2499113A; EP2472467B1; DK2472467T3

Abstract

Un método informatizado para el seguimiento de una red de servicio público de agua, comprendiendo la red deservicio público de agua al menos una red de tuberías para el suministro de agua a los consumidores y unapluralidad de contadores situados dentro de la red de servicio público de agua, comprendiendo el método:recibir datos de los contadores, representando los datos de los contadores una pluralidad de parámetrosmedidos por los contadores, incluyendo los parámetros al menos el flujo o la presión del agua a través de lastuberías; recibir datos secundarios de una o más fuentes externas a los contadores, representando los datossecundarios una o más condiciones que afectan al flujo o el consumo de agua en una región atendida por lared de servicio público de agua; analizar los datos de los contadores prediciendo estadísticamente los datos de los contadores para un primercontador en base a los datos del segundo contador de la red de servicio público de agua y a los datossecundarios, donde los datos del segundo contador comprenden datos de los contadores distintos a los datosrecibidos del primer contador, y comparar de los datos recibidos del primer contador con los datos de loscontadores predichos para que el primer contador identifique uno o más eventos de la red de servicio públicode agua que comprenden al menos uno o más eventos de fugas detectando una anomalía si los datosrecibidos del primer contador se desvían de los datos de los contadores predichos para el primer contador poruna desviación estadística; e informar el o los eventos de la red de agua a un usuario a través de una interfaz de usuario.

Description

DESCRIPCIÓN

Sistema y método para monitorear los recursos en una red de suministro de agua

Campo de la invención

El campo de la invención se refiere generalmente al monitoreo de los sistemas de distribución de recursos, como, por ejemplo, una red de suministro de agua, y a la detección de anomalías que se asocian con la red de distribución. Antecedentes de la invención

Las Naciones Unidas señalan que el uso del agua ha aumentado a más del doble de la velocidad de aumento de la población en el último siglo, y un número creciente de regiones padecen una escasez crónica de agua. Para 2025, dos tercios de la población mundial podrían estar bajo condiciones de escasez de agua como resultado del aumento de la población. El agua, especialmente el agua potable, es esencial para todos los desarrollos socioeconómicos y para mantener una población saludable. A medida que las poblaciones aumentan en todo el mundo, piden una mayor asignación de agua limpia para su uso, lo que resulta en una mayor escasez de agua.

Un método para hacer frente a la escasez de agua y conservar los recursos es la detección de fugas y otros eventos que ocurren en las redes de suministro de agua. Algunos expertos estiman que las pérdidas por fugas y apropiación ilícita ascienden al 25-30 % del agua que fluye a través de las redes de suministro de agua. Por lo tanto, se puede conservar una cantidad significativa de agua simplemente al hacer frente a la pérdida de agua en sistemas que actualmente controlan los humanos.

Tuberías viejas y mal construidas, protección inadecuada contra la corrosión, válvulas mal mantenidas y daños mecánicos 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, como resultado, el suministro debe aumentar la presión en el sistema para compensar las pérdidas. El aumento de la presión del sistema hace que se bombee más agua y aumenta el consumo de energía del suministro de agua. De hecho, las redes de distribución de agua son los mayores consumidores de energía en muchos países. Al identificar y corregir las fugas de agua y otros problemas de la red, las empresas de servicios públicos pueden conservar agua para el uso futuro y reducir drásticamente el consumo de energía.

A la dificultad se suma que la mayoría de las redes de suministro de agua son grandes y complejas, y se han construido mediante un crecimiento gradual, con muchas tuberías en configuraciones arbitrarias para satisfacer las necesidades geográficas específicas que se desarrollan con el transcurso del tiempo. Además, la mayoría de las redes de suministro de agua carecen de mediciones precisas, frecuentes y en tiempo real del consumo de los clientes, lo que podría permitir una conservación simple de la contabilidad de entrada y salida en masa. Adicionalmente, las redes de suministro de agua se diseñan para suministrar agua a un gran número de consumidores, cuyo comportamiento individual es impredecible y se sujeta a cambios debido a muchos factores. Dichos factores incluyen, por ejemplo, cambios climáticos y eventos naturales (por ejemplo, el clima cálido aumenta el consumo, al igual que las sequías), los días festivos y los eventos sociales atípicos (por ejemplo, hacer que los consumidores se queden en casa y que el uso del agua aumente en las redes residenciales y disminuya en los negocios vecindarios) y cambios demográficos en los vecindarios con el transcurso del tiempo.

Los métodos existentes para la detección de fugas en las redes de suministro de agua no abordan adecuadamente estos problemas. Por ejemplo, los dispositivos de detección de fugas con equipamiento disponibles comercialmente que se usan para estudios de campo, como por ejemplo los sensores acústicos, pueden ser efectivos para localizar una fuga dentro de un área determinada, pero son costosos de instalar y operar y no proporcionan un descubrimiento rápido y una cobertura general de toda la red. Los sistemas existentes de tecnologías de la información para agua, como por ejemplo el de gestión de fugas de agua Advise™ disponible en ABB, intentan hacer algún uso de los datos de los medidores, pero ese uso es simplista y, por lo tanto, los resultados son de utilidad limitada. Por ejemplo, los sistemas no identifican con precisión ni informan en tiempo real sobre los eventos individuales específicos, como por ejemplo fugas u otros eventos de la red, no identifican fallas en los medidores o condiciones adversas de la calidad del agua, carecen del análisis estadístico necesario para comprender con precisión el funcionamiento de rutina de la red, y sufren otras deficiencias. Además, los sistemas actualmente en uso carecen de la capacidad para detectar pérdidas de energía o apropiación ilícita de agua. Una falla clave de la mayoría de los enfoques actuales es la falta de un modelo estadístico profundo de los muchos componentes no medidos de las redes de agua, particularmente, el consumo de agua por parte de los clientes del servicio, que con frecuencia se modela mediante técnicas muy rudimentarias, pero tiene un impacto profundo en cualquier análisis de la red.

Los sistemas de control de supervisión y adquisición de datos ("SCADA") se han vuelto disponibles cada vez más en los servicios públicos de agua en todo el mundo, al recolectar datos desde una variedad de medidores dentro de la red, para medir cantidades como por ejemplo el flujo y la presión. Sin embargo, en la mayoría de las empresas de servicios públicos, unos pocos operadores calificados usan estos sistemas, principalmente para necesidades operativas continuas; las empresas de servicios públicos hacen poco uso de los datos históricos que se acumulan en sus sistemas para detectar automáticamente (o de otro modo) fugas y otros eventos anómalos de la red. Además, cualquier detección de anomalías usualmente se limita a alertas de límite fijo de sensor único, lo que genera una baja sensibilidad o una alta proporción de falsas alertas.

Los operadores de la rede de suministro de agua continúan agregando aún más medidores para monitorear la actividad de los sistemas de distribución. Si bien esto proporciona una mayor cantidad de datos con respecto a la red y, por lo tanto, un mayor potencial para comprender los eventos dentro de la red, un mayor volumen de datos aumentado a menudo sirve simplemente para confundir aún más a los operadores de red y exacerbar el aspecto ya difícil de "aguja en un pajar" del monitoreo de la red de agua. Además, la colocación de más medidores generalmente no se optimiza para mejorar la utilidad de los datos que se reciben desde el sistema general para propósitos de monitoreo avanzado. Como resultado, los mayores volúmenes de datos que describen la actividad de la red se desorganizan y, a menudo, son confusos y no permiten a los operadores de redes tomar mejores decisiones sobre el estado de la red de suministro de agua.

Como tal, existe la necesidad de sistemas y métodos mejorados para analizar mejor los datos que se obtienen de una red de suministro de agua y los datos sobre la red de suministro y el consumo de sus recursos para facilitar una mejor gestión de estos recursos.

El documento KR20080005694 describe un sistema de detección de fugas de agua para una red de tuberías de agua.

El documento US2003/097230 describe un método de validación de sensor de datos. El método comprende las etapas de preprocesar el sensor de datos de cada sensor de una pluralidad de sensores para al menos segmentar los sensores de datos en una pluralidad de grupos, cada grupo agrupa los sensores para detectar datos muy relevantes entre sí; proporcionar el sensor de datos preprocesados a un procesador de correlación, el procesador de correlación determina a partir del sensor de datos preprocesados, los datos preprocesados que no se correlacionan, la determinación se realiza en dependencia de los datos preprocesados redundantes distintos de los datos preprocesados de dos sensores para detectar un parámetro idéntico; y, cuando se detectan datos preprocesados que no se correlacionan, proporcionar la indicación a un operador que los datos del sensor no se correlacionan. Resumen de la invención

La invención se define en las reivindicaciones adjuntas.

Algunas o todas las deficiencias anteriores y otras en la técnica anterior se resuelven mediante un método computarizado para conservar agua mediante el monitoreo de una red de distribución de agua, la red de distribución de agua comprende una pluralidad de tuberías y dispositivos de red como por ejemplo válvulas reductoras de presión, depósitos o bombas, para suministrar agua a los consumidores y una pluralidad de medidores que se colocan en ubicaciones dentro de la red de distribución de agua. Los medidores pueden colocarse en el interior o exterior de las tuberías, cerca de los dispositivos de red o en otras ubicaciones arbitrarias. El método incluye recibir datos del medidor desde los medidores, los datos representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros incluyen al menos el flujo de agua a través de las tuberías. En algunas modalidades, los datos del medidor son datos de control de supervisión y adquisición de datos (SCADA). En algunas modalidades, los datos del medidor se procesan antes de que se analicen, por ejemplo, al filtrar el ruido de los datos del medidor y al formatearlos para su almacenamiento en una base de datos de información de red.

De acuerdo con algunas modalidades, los datos del medidor se analizan para identificar eventos de la red de agua, los eventos de la red de agua comprenden los eventos de fugas y eventos informativos con respecto al consumo de agua que se suministra a través de la red de agua y el funcionamiento de la red y los medidores. Los eventos informativos que pueden informarse incluyen un aumento inesperado en el patrón de consumo, un cambio en el patrón de consumo, una apropiación ilícita de agua, una violación de los límites de zona, un fallo en el medidor de suministro y un mal funcionamiento de un dispositivo de red. El método de acuerdo con algunas modalidades puede incluir además recibir los datos de la calidad del agua con el transcurso del tiempo que representan la turbidez, el cloro y el pH del agua que se suministra a través de la red e identificar los eventos de la red mediante la detección de cambios en los datos de la calidad del agua con el transcurso del tiempo en exceso de una estadística, proporción, o umbral de valor constante.

El uno o más eventos de red se informan a un usuario a través de una interfaz de usuario. En algunas modalidades, los eventos 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 informan los eventos de diferentes maneras, incluyendo a través de listas de eventos, gráficos o datos de tendencias y solicitudes de información de averías u otras alertas.

El método incluye recibir datos secundarios desde una o más fuentes externas a los medidores, los datos secundarios representan una o más condiciones que afectan el consumo de agua en una región atendida por la red de suministro de agua. Los datos secundarios podrían incluir, por ejemplo, los datos meteorológicos que representan las condiciones meteorológicas 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. Como se explica con más detalle en el presente documento, estos datos secundarios pueden analizarse junto con los datos del medidor para proporcionar resultados mejores y más precisos y para reducir o eliminar las falsas alarmas. Por ejemplo, un aumento anómalo en el flujo o el consumo de agua en una región determinada de una red de suministro de agua puede explicarse por calor o sequedad por encima del promedio o por un día festivo u otro evento natural o humano que hace que las personas se queden en casa y no vayan a trabajar o por otra parte cambiar el patrón de consumo típico en una ubicación o ubicaciones en particular.

Los datos de medidor se analizan al predecir estadísticamente los datos de medidor para un primer medidor en base a otros datos de medidor de la red de suministro de agua, como por ejemplo al calcular una distribución estadística de los valores probables para el primer medidor y 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 son típicamente de aproximadamente el doble de los valores que se miden simultáneamente mediante un segundo medidor; entonces se predice que el primer medidor tendrá una lectura actual aproximadamente del doble de la lectura se obtuvo recientemente del segundo medidor. Los eventos de la red pueden identificarse mediante la detección de una anomalía si el valor de medidor real recibido desde el primer medidor se desvía del valor de medidor previsto para el primer medidor mediante una desviación estadística predefinida, por una duración que excede un umbral predefinido, si su frecuencia ocurre dentro de una ventana de tiempo predefinida, excede un umbral predefinido, o por otros medios. La detección de anomalías estadísticas en los valores de los medidores es una forma sólida de superar las dificultades inherentes a los muchos componentes no medidos de las redes de agua, sobre todo el consumo de agua por parte de los clientes del servicio, lo que tiene un impacto profundo en cualquier análisis de la red. La estructura estadística en este consumo, como por ejemplo una tendencia a la periodicidad, se propaga por toda la red, dando lugar a una estructura estadística similar o derivada en los valores de medidor, lo que permite un análisis de la probabilidad de que se generen valores de medidor particulares durante el funcionamiento rutinario de la red (sin anomalías). Además, el uso de la detección de anomalías estadísticas como se describe en la presente descripción permite el uso de los métodos y sistemas de la presente invención con redes que suministran datos de medidor que no cubren todas las partes de la red, no se proporcionan en tiempo real, o es de otra manera incompleta y deficiente. Por lo tanto, por ejemplo, la detección de anomalías que se describe en el presente documento se diseña para ser de mayor utilidad en las redes de suministro de agua en las que los medidores solo están presentes en ciertas conexiones o ubicaciones de la red, o en las que las lecturas de los medidores se toman en las residencias de los consumidores mensualmente o de lo contrario, no se proporciona los datos actualizados. De hecho, como se explicó anteriormente, las redes de distribución de agua típicas sufren de uno o más de estos tipos de deficiencias en los datos de medidor que se recopilan de la red, y carecen de una medición precisa, frecuente y en tiempo real del consumo del cliente, lo que podría permitir una simple conservación de la contabilización masiva de entradas y salidas, y se diseñan para suministrar agua a un gran número de consumidores, cuyo comportamiento individual es impredecible y está sujeto a cambios debido a muchos factores.

La predicción estadística de los datos de medidor para el primer medidor en base a otros datos de medidores de la red de suministro de agua incluye seleccionar 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 reciben desde el uno o más medidores correspondientes. El uno o más segundos medidores se seleccionan al correlacionar los datos de medidor históricos para uno o más segundos medidores con los datos de medidor históricos para el primer medidor. El uno o más segundos medidores pueden ser medidores que históricamente han tenido una estrecha correlación con los valores del primer medidor. Hablando en términos generales, en el funcionamiento rutinario de red, se espera que los valores del primer medidor continúen esta correlación. A modo de ilustración, tal situación puede surgir cuando varios medidores miden el flujo de agua que consume varios vecindarios distintos con demografía similar y, por lo tanto, patrones de consumo similares (o proporcionales). El uno o más segundos medidores se seleccionan como los que se colocan dentro de la red de suministro de agua para que no se vean afectados por anomalías locales que afecten al primer medidor, del tipo que sea de interés para el operador de la red, como por ejemplo una fuga; sin embargo, al ser parte de la misma red y área general, los segundos medidores se afectan por las mismas anomalías globales, como por ejemplo un mayor consumo en un día caluroso. De esta manera, una anomalía local que afecte 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 del(los) segundo(s) medidor(es), pero una anomalía global no generará una falsa alerta, incluso si se desconoce su causa.

Algunas o todas las deficiencias anteriores y otras en la técnica anterior se resuelven mediante un sistema computarizado para monitorear una red de suministro de agua, el sistema tiene una base de datos de información de red para almacenar los datos de medidores que representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros incluyen al menos el flujo del agua a través de las tuberías, y los datos secundarios de una o más fuentes externas a los medidores, los datos secundarios representan una o más condiciones que afectan el consumo de agua en una región que atiende la red de suministro de agua. El sistema contiene además un motor de análisis que se configura para analizar los datos de medidor y los datos secundarios para identificar anomalías, un motor de clasificación de eventos que se configura para identificar los eventos de la red de suministro de agua en función a las anomalías, los eventos de la red de agua comprenden los eventos de fugas y otros eventos relacionados con la cantidad o la calidad del agua que fluye a través de las tuberías y los dispositivos de red y el funcionamiento de la red de suministro de agua, y una base de datos de eventos para almacenar datos de eventos de la red de suministro de agua que representan uno o más eventos de la red de agua que se identifican mediante el motor de clasificación de eventos. El sistema puede incluir además un conjunto de módulos de interfaz para obtener los datos de eventos de la red de suministro de agua de la base de datos de eventos e informarlos a los usuarios. En algunas modalidades, el motor de análisis comprende una pluralidad de módulos predictores para generar una distribución estadística de los valores probables de los datos de medidor para un medidor determinado, asumiendo un funcionamiento rutinario y sin eventos anómalos, y una pluralidad de módulos detectores de anomalías para comparar los datos de medidor reales para el medidor determinado para la distribución de valores probables para detectar anomalías en los datos de medidor.

Algunas o todas las deficiencias anteriores y otras en la técnica anterior se resuelven mediante un método computarizado para administrar una red de suministro de agua, el método comprende enviar los datos de medidor a un motor de análisis, recibir del motor de análisis los datos que representan eventos de la red de suministro de agua, y mostrar los eventos que se reciben de la red de suministro de agua a un usuario en un dispositivo de visualización computarizado. De acuerdo con algunas modalidades, los eventos de la red de agua incluyen eventos de fugas y otros eventos relacionados con la cantidad o calidad del agua que fluye a través de las tuberías y los dispositivos de red y el funcionamiento de la red de suministro de agua. Los datos de los eventos de la red de suministro de agua se pueden haber identificado como resultado del análisis de los datos de medidores y los datos secundarios, los datos secundarios representan una o más condiciones que afectan el consumo de agua en una región que atiende la red de suministro de agua.

Breve descripción de los dibujos

La invención se ilustra en las figuras de los dibujos adjuntos que pretenden ser ilustrativos y no limitativos, en los que las referencias similares se destinan a hacer referencia a partes similares o correspondientes, y en las que: Las Figuras 1 y 2 presentan diagramas de bloques que representan sistemas para monitorear 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 monitorear una red de agua de acuerdo con una modalidad de la presente invención;

La Figura 4 presenta un diagrama de flujo que ilustra además un método para monitorear 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 valores de medición para un medidor determinado de acuerdo con una modalidad de la presente invención;

Las Figuras 6 y 7 presentan diagramas de flujo que ilustran la selección de atributos de acuerdo con una modalidad de la presente invención;

La Figura 8 presenta un diagrama de flujo que ilustra un método para detectar un evento de fuga de agua.

Las Figuras 9 - 11 presentan diagramas de flujo que ilustran la detección de eventos para tipos de eventos específicos de acuerdo con las modalidades de la presente invención; y

Las Figuras 12 a 15 presentan capturas de pantalla que muestran una interfaz de usuario web que presenta información de eventos que se generan mediante el motor de análisis de acuerdo con una modalidad de la presente invención.

Descripción detallada de las modalidades

En la siguiente descripción, se hacen referencias a los dibujos acompañantes que forman parte de este documento y en los que se muestran a modo de ilustración modalidades específicas en las cuales la invención puede llevarse a la práctica. Debe entenderse que pueden utilizarse otras modalidades y pueden realizarse cambios estructurales sin apartarse del alcance de la presente invención.

La Figura 1 presenta un diagrama de bloques que ilustra una modalidad de un sistema para monitorear los recursos en un sistema de distribución de agua. Como se muestra en la Figura 1, el sistema incluye un motor de análisis de la red de agua 100 que se compone de varios módulos de programas informáticos y bases de datos que residen en el equipo informático y realizan las funciones que se describen más adelante. El motor 100 puede incluir uno o más dispositivos de procesamiento que realizan las operaciones descritas a continuación en respuesta a instrucciones ejecutables. El motor de análisis de la red de agua 100 analiza los datos que se reciben desde diferentes medidores, sensores, dispositivos de lectura u otros datos pertenecientes a una red de distribución. Un experto en la técnica apreciará que, a menos que el contexto específico indique explícitamente lo contrario, como se usa en el presente documento, los términos "medidor" y "sensor" generalmente se refieren a la misma clase de dispositivos de red y abarcan cualquier medidor, sensor, dispositivo de medición u otro dispositivo capaz de medir parámetros o valores o un estímulo, especialmente estímulos relacionados con una red de distribución de agua. El sistema identifica anomalías y eventos en base a esos datos y proporciona alertas en tiempo real o informes de datos sin tener acceso a la red a los usuarios que luego pueden tomar medidas, según corresponda, para abordar cualquier fenómeno o evento que se identifique mediante el motor de análisis 100. Como se describe a continuación, las anomalías y eventos que se identifican mediante el motor de análisis 100 incluyen fugas, explosiones, consumo inesperado de agua, medidores defectuosos, problemas de calibración de los medidores, cambios en la calidad del agua, otros problemas importantes para la cantidad del agua que se entrega a través de la red, fallos en los dispositivos de red y otros problemas conocidos por los expertos en la técnica.

Como se muestra en la Figura 1, los datos que se reciben como entradas al motor de análisis de la red de agua 100 incluyen, en algunas modalidades, los datos GIS 101, los datos de funcionamiento 102, el sistema de distribución de agua 103, los datos del medidor 1103a, los datos del medidor N 103b y los datos externos 104.

Los datos GIS 101 son los datos de un sistema de información geográfica ("GIS") que describen la estructura y el diseño de la red de agua y el posicionamiento de los medidores a través de ella, e incluye los tipos de medidores, ubicaciones de los medidores, cantidad de años de los medidores, descripciones de las tuberías de agua como por ejemplo diámetros y materiales de fabricación, particiones de la red en zonas de presión y/o zonas de suministro, un mapa de la ciudad o área y datos adicionales en evolución que se reconocen por un experto en la técnica. También puede utilizarse cualquier otra característica de la geografía y la ingeniería del sistema de distribución de agua, así como también cualquier otro dato en el que confíe un experto en la técnica. También se observa que estos datos pueden ser datos evolutivos que incluyen actualizaciones consistentes con la evolución del propio sistema de recursos subyacente, por ejemplo, cuando se instalan o por otra parte se modifican nuevas tuberías de agua, conexiones, medidores, etc., en el sistema. Además, estos datos pueden incluir actualizaciones cuando se muestrea o mide el sistema de recursos subyacente, por ejemplo, cuando se inspeccionan tuberías existentes para detectar fatiga del material o constricción interna por depósitos sólidos acumulados.

Los datos de funcionamiento 102 incluyen información de gestión de activos y pueden ser cualquier información en formato digital sobre las operaciones que se realizan por el operador de la red que pueda correlacionarse con las lecturas de medidor para determinar o refutar una anomalía. Por ejemplo, los datos de funcionamiento 102 pueden incluir información relacionada con el funcionamiento de la red de agua, como por ejemplo el funcionamiento de rutina o planificado de la red de agua, abertura y cierre de válvulas que afectan el flujo de agua, funcionamiento de las bombas, estudios acústicos, reparaciones o mejoras que se realizan en cualquier parte de la red de agua, fechas y horas de las reparaciones y mejoras, ubicación de las reparaciones y mejoras, mantenimiento de rutina que se realiza a la red e información de control de acceso que indique cuándo y dónde el personal técnico de la red puede estar activo. En una modalidad, los datos de funcionamiento 102 se proporcionan mediante el sistema que se usa para gestionar la red de agua.

Los sistemas de distribución de agua monitoreados producen grandes cantidades de datos temporales, como, por ejemplo, entre otros aspectos, los indicadores hidráulicos como por ejemplo flujo, presión y nivel del depósito, e indicadores de calidad como por ejemplo cloro, turbidez, pH y otros. Estos datos pueden producirse mediante los medidores que se distribuyen a lo largo de la red, y pueden representarse mediante el sistema de distribución de agua 103. Además, los medidores que se distribuyen por la red pueden estar en ubicaciones arbitrarias o ubicaciones que solo proporcionan una representación parcial de toda la red. Los datos del medidor 1103a y los datos del medidor N 103b representan los datos que producen los diversos sensores y medidores en el sistema de distribución de agua 103. Un ejemplo de un sistema que se usa para recoger datos de la red, como el que se representa mediante los datos de la red 103a y los datos del medidor 103b, es un sistema SCADA. Los datos de SCADA pueden incluir los datos temporales de medidores continuos, como la presión del agua, el régimen de flujo del agua, la turbidez del agua, los niveles de cloro en el agua, el pH del agua y los niveles de agua del depósito. Los expertos en la técnica están familiarizados con los sistemas de datos SCADA y pueden apreciar que el término representa una abstracción de la recogida de datos de un proceso industrial, en este caso una red de distribución.

Los datos externos 104 incluyen información adicional relevante para el consumo de agua y las condiciones de la red, pero no estrictamente dentro de las categorías anteriores, como por ejemplo informes meteorológicos, días festivos u otros eventos del calendario que afectan el consumo de agua y el comportamiento de la red dentro de determinadas partes de la red, o cualquier otro evento por parte de la propia empresa de servicios públicos o sus clientes que pueden afectar el funcionamiento de la red de agua.

El motor de análisis de la red de agua 100 analiza las diversas secuencias de datos de entrada y devuelve la salida categorizada y formulada como datos de eventos de acuerdo con las operaciones de procesamiento que se describen con más detalle a continuación. El motor de análisis de la red de agua 100 almacena datos en la base de datos 106, y los datos de la base de datos 106 se obtienen mediante uno o más sistemas de interfaz, como por ejemplo la interfaz de monitoreo de eventos 108, la interfaz de alerta 109, la interfaz de reportes 110, la interfaz del sistema de propiedad 111 y otras interfaces 112. El motor de análisis de agua 100 también puede acceder a los datos almacenados previamente de la base de datos 106, para proporcionar continuidad en el informe de eventos, por ejemplo, para actualizar que un evento detectado previamente que todavía está en curso, en lugar de detectarlo como un evento adicional separado. Se usan diferentes tipos de sistemas de interfaz para proporcionar información de diferentes formas sobre los eventos a los usuarios o sistemas externos. Por ejemplo, la interfaz de monitoreo de eventos 108 permite a los usuarios navegar a través de todos los eventos que se detectan en la red, mientras que la interfaz de alertas 109 envía alertas a los usuarios (por ejemplo, a través del correo electrónico, SMS o mensaje de voz) o sistemas externos que se han determinado por la regla o política que requiera una atención más inmediata. Se puede acceder a las interfaces 108-112 mediante varios dispositivos computarizados, como ordenadores de escritorio y portátiles, teléfonos celulares, dispositivos blackberry, teléfonos inteligentes, mensáfonos y otros dispositivos móviles que se programan para recibir páginas, solicitudes de información de averías y otros tipos de alertas. Se puede acceder a las interfaces 108-112 mediante los dispositivos computarizados al solicitarlas desde servidores que se conectan a través de cualquier red adecuada, como, por ejemplo, entre otros, internet, o pueden enviarse a dichos dispositivos para que los usuarios las vean o ingresen a otros sistemas como los sistemas de solicitudes de información de averías. Los resultados del motor de análisis de la red de agua 100 pueden almacenarse en la base de datos 106, en un archivo de registro electrónico o imprimirse en papel.

Aunque se ilustra como un solo sistema, en varias modalidades el sistema ilustrado puede integrarse y/o distribuirse a través de múltiples dispositivos de equipos informáticos y puede distribuirse de manera lógica, física o geográfica. El motor de análisis de red de agua 106 puede ser cualquier dispositivo de procesamiento físico adecuado que realice operaciones de procesamiento como se describe en el presente documento, en respuesta a instrucciones ejecutables. El motor de análisis de red de agua 100 también puede incluir cualquier tipo adecuado de dispositivo de almacenamiento que funcione para almacenar datos electrónicamente. La Figura 2 presenta un diagrama de bloques que representa más detalles de un sistema de monitoreo de la red de agua de acuerdo con determinadas modalidades. En una modalidad, los elementos 203-207 forman el motor de análisis de la red de agua 100 de la Figura 1. La Figura 2 incluye la red de agua 200, la red de agua 201, los datos 202, la base de datos de información de la red 203, el motor de preparación de datos 204, los predictores 205, los detectores de anomalías 206, el motor de decisión y clasificación de eventos 207, la base de datos 208 y las interfaces de salida 209, incluido la interfaz de monitoreo de eventos 210, interfaz de alerta 211, interfaz de reportes 212, interfaz del sistema de propiedad 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 poca o ninguna conexión entre ellos. En una modalidad, los elementos 200 y 201 pueden ser cualquier red adecuada de distribución de recursos, como por ejemplo una red de suministro de agua municipal, rural o mayorista, una red de distribución de líquidos en una fábrica u otro edificio grande, o una embarcación de guerra, o cualquier red adecuada de recolección de recursos como un sistema de alcantarillado. Un experto en la técnica apreciará que los elementos 200 y 201 pueden ser cualquier sistema de recogida o distribución de agua. La red de agua 200 y la red de agua 201 envían datos temporales representativos de la red, como el flujo de agua, la presión, la turbidez, el nivel del depósito, el nivel de cloro y el nivel de pH. Por ejemplo, la red puede obtener esta información mediante el uso de un sistema SCADA. Los datos de la red de agua 200 o la red de agua 201 pueden informar los datos desde los medidores específicos o colecciones de medidores, algunos de los cuales pueden relacionarse. Por ejemplo, los medidores pueden agruparse geográficamente por zona o por área medida de distrito (DMA), como apreciará un experto en la técnica. Los datos pueden enviarse directamente desde los medidores o colecciones de medidores en la red, o los datos pueden provenir de una base de datos de interfaz de red 203, adicionalmente, los datos pueden enriquecerse mediante el uso del motor de preparación de datos 204 para, por ejemplo, agregar o calcular nuevos tipos de datos como los datos de consumo matutino y vespertino. Por conveniencia, el término "datos de medidor" se utilizará en esta descripción para referirse a los datos reales de un solo medidor, o una combinación significativa predefinida de lecturas de múltiples medidores o de múltiples lecturas de uno o más medidores que se reciben con el transcurso del tiempo, como por ejemplo la suma total del flujo entrante a un ADM, o cualquier cálculo predefinido similar que genere un conjunto significativo de datos temporales que describan algún aspecto de la red. Un experto en la técnica identificará fácilmente tales combinaciones significativas, en base a el diseño de la red y las ubicaciones de los medidores individuales. Los datos 202 representan otros datos, incluida la información de gestión de recursos, que puede ser cualquier información en formato digital que pueda correlacionarse con las lecturas de medidor para determinar o refutar una anomalía. Por ejemplo, esto puede incluir información relacionada con el funcionamiento de la red de agua, como el funcionamiento de rutina o planificado de la red de agua, abertura y cierre de válvulas que afectan el flujo de agua, estudios acústicos, reparaciones o mejoras realizadas a cualquier parte de la red de agua, fechas y horas de las reparaciones y mejoras, la ubicación de las reparaciones y mejoras, el mantenimiento de rutina que se realiza a la red y la información de control de acceso que indica cuándo y dónde puede estar activo el personal técnico de la red. Adicionalmente, los datos 202 incluyen información adicional relevante para el consumo de agua y las condiciones de la red, como informes meteorológicos, días festivos u otros eventos del calendario que afectan el consumo de agua y el comportamiento de la red dentro de determinadas porciones de la red, o cualquier otro evento de la propia red de distribución o de sus clientes que pueden afectar el funcionamiento de la red de agua.

La base de datos de información de la red 203 agrega los datos sin procesar que se recogen desde los medidores en las redes de agua 200 y 201, y los datos 202. Los datos de la base de datos de información de red 203 se envían al motor de preparación de datos 204. El motor de preparación de datos 204 organiza y formatea los datos que se reciben para que se procesen posteriormente. Como conocen los expertos en la técnica, los formatos de los datos que usan los diferentes sistemas de distribución de agua pueden diferir entre sí. Por ejemplo, la ciudad de Londres puede recoger y almacenar datos de la red en un formato completamente diferente al de la ciudad de Nueva York.

Adicionalmente, el motor de preparación de datos 204 prepara los datos para el análisis mediante la eliminación de los datos que no reflejan el rendimiento real de la red o que reflejan un fenómeno transitorio que los diseñadores de sistemas o los administradores de red han decidido no abordar; se pueden aplicar métodos comúnmente conocidos en la técnica para "suavizar" los datos recopilados de la red. Algunos de estos métodos son el LOWESS y la limpieza heurística como la que se aplica a los datos específicos que se reciben de una red de agua determinada. El motor de preparación de datos 204 extrae los elementos de datos de los datos de la red y los formatea en un formato consistente. Entre la información filtrada puede haber ruido que se asocia con las transmisiones de datos desde los aspectos del recurso, como, por ejemplo, la transmisión de datos ruidosa desde un medidor, o errores que se asocian con las mediciones, transmisiones o recogida de datos. El motor de preparación de datos 204 también puede generar todos los datos que se reciben de las redes de agua 200 y 201, después de que se han formateado, pero con poco o ningún filtrado o suavizado, para permitir que el sistema analice los datos que de otro modo podrían descartarse si se aplica por primera vez una de las técnicas de suavizado. El motor de preparación de datos 204 envía los datos preprocesados a los predictores 205 y los a detectores de anomalías 206. Un experto en la técnica apreciará que los elementos 203-214 pueden contenerse o residir en el mismo dispositivo, o distribuirse entre múltiples dispositivos.

En una modalidad, los predictores 205 contienen N número de predictores individuales que usan diversas técnicas. Como se describe a continuación, los predictores 205 analizan conjuntos de datos y proporcionan predicciones de distribuciones estadísticas de los valores de medidores reales esperados asumiendo que no ocurriendo eventos anómalos. Como se conoce comúnmente en la técnica, los predictores pueden diseñarse mediante el uso un marco de aprendizaje automático para analizar estadísticamente los datos. Los ejemplos del marco de aprendizaje automático se analizan en los documentos Ethem Alpaydin, Introduction to Machine Learning (Adaptive Computation and Machine Learning), MIT Press (2004), ISBN 0262012111; Ryszard S. Michalski, Jaime G. Carbonell, Tom M. Mitchell, Machine Learning: An Artificial Intelligence Approach, Tioga Publishing Company (1983), ISBN 0-935382 05-4. En las Figuras 5-6 y las descripciones adjuntas se encuentran descripciones más detalladas del funcionamiento de algunos predictores específicos.

Los detectores de anomalías 206, que pueden incluir un número M de detectores individuales, reciben datos de predicción estadística desde los predictores 205 y datos preprocesados desde el motor de preparación de datos 204. Como se analiza en la Figura 5, el conjunto de datos que se recibe desde los Predictores 205 incluye una distribución con el valor probable, la varianza y cualquier otro descriptor estadístico de los valores. Un experto en la técnica reconocerá que el conjunto de datos puede contener múltiples valores probables y reales para el medidor que se analiza. Los detectores de anomalías 206 incluyen detectores de anomalías para probar la probabilidad de que no haya anomalías para el medidor y para probar la probabilidad de hipótesis alternativas tales como por ejemplo tipos de eventos específicos. Los detectores de anomalías 206 envían anomalías al motor de clasificación y decisión de eventos 207. Algunas de esas anomalías representan eventos en y por sí mismas, y algunas representan partes de eventos como por ejemplo el inicio de un evento, el final de un evento, un cambio sustancial en un evento, el pico de un evento y similares.

Los detectores de anomalías 206 pueden funcionar para analizar la importancia de cualquier desviación del valor esperado que se envía desde los predictores y el valor real que se obtiene de la red. Para cada conjunto de datos, cada detector de anomalías determina, al analizar la importancia de las desviaciones, la probabilidad estadística de que no ocurra ninguna anomalía relevante dadas las lecturas de medidor durante un período de tiempo determinado. Los detectores de anomalías 206 analizan la importancia de las desviaciones con el transcurso del tiempo, por ejemplo, con el transcurso de los minutos, horas, días o más, ya que, por ejemplo, la aparición continua o frecuente de las desviaciones aumenta la importancia de tales desviaciones. Como reconocerá un experto en la técnica, un diseñador de sistemas diseñaría o ajustaría los detectores de anomalías 206 para analizar las desviaciones durante un período de tiempo en base a, entre otras cosas, la sensibilidad que se desea para los eventos de pequeña escala de tiempo, los eventos iniciados recientemente, que por lo general, son detectables cuando tienen grandes magnitudes, a diferencia de los eventos de pequeña magnitud que requieren desviaciones sostenidas durante un período de tiempo más largo para su detección. De esta forma, por ejemplo, una pequeña desviación que solo ocurre una vez o durante un período corto de tiempo, como un minuto, no se detectaría como una anomalía, mientras que la misma pequeña desviación que ocurre durante un período de tiempo prolongado o con frecuencia dentro de ese período se identificaría como estadísticamente significativo por los detectores de anomalías 206 y se detecta como una anomalía.

Con respecto al análisis de la importancia de las desviaciones, por ejemplo, la lectura de un medidor, en comparación 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 desviaciones en función de los parámetros. Uno de esos parámetros puede ser la hora del día, lo que significa que la importancia de la desviación puede depender de la distribución de las desviaciones que pueden variar de acuerdo con la hora del día. Otros parámetros de este tipo pueden incluir mediciones meteorológicas como la temperatura o la humedad, avisos meteorológicos, días festivos o eventos deportivos que pueden cambiar las características de la red en ese día u hora del día. Además, el umbral significativo de la desviación de valores puede cambiarse por el nivel de confianza estadística que desee el diseñador del sistema, el usuario o el administrador de la empresa de agua. En varias modalidades, el umbral es: (1) un nivel de confianza estadística, que se calcula sobre la base de la distribución de las desviaciones de la correlación en los datos históricos, como un múltiplo especificado de la desviación estándar; o (2) una constante, por encima de la cual el sistema detecta una anomalía. En algunas modalidades, se analiza la relación entre el valor real y el valor previsto, en lugar de la diferencia entre los dos; debe entenderse que el término "diferencia" se usa para referirse igualmente, en el caso de tales modalidades, a esta relación.

En una modalidad, un detector de anomalías encuentra una anomalía cuando existe una desviación estadísticamente grande consistente de los valores esperados durante un período determinado. Estadísticamente grande significa un límite relativo estadísticamente significativo (como N desviaciones estándar o K veces el intervalo entre cuartillas, u otras estandarizaciones que toman en cuenta la distribución real de los datos, en dependencia de implementaciones particulares). Además, cuando se comparan las lecturas "momentáneas" con los valores esperados, el uso de la desviación estándar general (u otro descriptor estadístico) de las diferencias de los valores esperados puede producir una gran cantidad de falsos positivos, porque la comparación puede, por ejemplo, mezclar valores de momentos del día de alta variación con momentos del día de baja variación. Por lo tanto, para reducir este error, el sistema compara una lectura X(t) con el valor previsto P(t) al dividir X(t)-P(t) entre, por ejemplo, la desviación estándar de tales diferencias en ese momento aproximado del día, en ese día de la semana. La magnitud del límite relativo y la duración del período son parámetros del método, que permiten que las instancias particulares se enfoquen alternativamente en eventos más cortos o más pequeños.

En otra modalidad, un detector de anomalías calcula el área bajo la curva (AUC) de la diferencia entre los valores reales y previstos durante períodos fijos particulares (o, alternativamente, del valor absoluto de esa diferencia; esto afecta si los valores bajos pueden cancelarse o no con valores altos posteriores). Este cálculo puede realizarse de esta manera, por ejemplo, a cada cuarto de día. El área bajo la curva no es en sí misma una cantidad estadística, pero dado que se trata de períodos fijos, la distribución puede medirse empíricamente: si solo el 5 % de los valores del área bajo la curva del medidor X entre la medianoche y las 6 am fue mayor que X0, el valor es aproximadamente "5 % probable". La duración de los períodos fijos (y con lo qué períodos se comparan) son parámetros del método, que permiten que las instancias particulares se enfoquen alternativamente en eventos más cortos o más pequeños.

El motor de decisión y clasificación de eventos 207 puede funcionar para comparar un análisis estadístico desde los M detectores de anomalías 206 para determinar la probabilidad estadística general de la hipótesis de no anomalía determinadas las lecturas de medidor recientes. El motor 207 aumentaría la probabilidad estadística de un evento en base a la detección de múltiples anomalías, desde el mismo o diferentes medidores y al mismo tiempo o durante un período de tiempo determinado, que indican de manera consistente la ocurrencia del evento. Por ejemplo, una anomalía puede representar el inicio de un evento y otra anomalía puede representar un cambio en el evento o el final del evento, y el motor de clasificación 207 reconoce esas anomalías como relacionadas con un solo evento. Como otro ejemplo, dos anomalías de diferentes medidores relacionados con un aumento del flujo, en un tiempo similar y de ubicaciones relacionadas, indicarían el mismo evento. En una modalidad, las heurísticas se usan para determinar la probabilidad estadística general de una lectura de medidor, en base a 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 de los datos estadísticos históricos indica que la lectura de medidor actual tiene solo un 15 % de probabilidad de ser muy alta, pero la comparación de datos estadísticos espaciales indica que la lectura de medidor actual tiene un 95 % de probabilidad de ser tan muy, entonces, la probabilidad de lectura general puede ser un 75 % de probabilidad de ser muy alta. Ver, por ejemplo, el documentoKoziol, James and Tuckwell, Henry, "A Bayesian Method for Combining Statistical Tests." Journal of Statistical Planning and Inference 1999: 78(1-2), 317-323.

Los ejemplos de eventos que se detectan mediante el motor de análisis son una fuga de agua, una explosión, un medidor defectuoso, una apropiación ilícita de agua, una falla de comunicación, un problema de calidad del agua, un aumento inesperado en el consumo, un cambio en el patrón de consumo, fallas de la red como por ejemplo niveles o presiones anormales del yacimiento, y otros. Se pueden incluir más detalles con respecto a los eventos, como por ejemplo la hora de inicio del evento, la hora de finalización del evento, la magnitud del evento, la pérdida total de agua que se asocia con el evento, a manera de ejemplo.

El motor de clasificación y decisión de eventos 207 también genera datos adicionales con respecto a cada evento, como la hora de inicio, la hora de finalización, la magnitud del evento, una magnitud acumulada del evento, como por ejemplo la pérdida total de agua desde que comenzó la fuga, el tipo, el estado y las unidades físicas del evento, como unidades de presión, pH o concentración de cloro. La magnitud del evento es, en algunas modalidades, un valor que representa el tamaño o la proporción del evento, como por ejemplo un cálculo de flujo adicional en condiciones normales, error de cálculo del medidor o cambio de cloro. Esta información se almacena en la base de datos 208 para enviarse posteriormente a las interfaces 209. Ciertas salidas de anomalías se corresponden con ciertos campos de eventos que se almacenan en la base de datos 208. Los ejemplos de campos que se asocian con eventos son: tipo de evento (según lo que se determina mediante el motor de clasificación y decisión de eventos 207), hora de inicio, hora de finalización, magnitud y unidades físicas del tipo de evento.

Un experto en la técnica apreciará que mediante el uso de múltiples predictores y detectores de anomalías, comparar las probabilidades estadísticas de M detectores de anomalías 206 puede dar como resultado una mayor confianza en que un evento que se detecta es una anomalía, o pueden dar como resultado una disminución de la confianza en que un evento que se detecta es una anomalía. En una modalidad, el motor de clasificación y decisión de eventos 207 puede sopesar los eventos o partes de eventos que se envían desde cada M detector de anomalías equitativamente. En otra modalidad, el motor de clasificación y decisión de eventos 207 puede asignar importancia a los eventos o partes de eventos que se envían desde cada M detector de anomalías en base a una configuración predefinida.

La base de datos 208 recibe información desde el motor de clasificación y decisión de eventos 207 para almacenarla en la base de datos 208 y para obtenerla de la base de datos 208 mediante las interfaces de salida 209.

La interfaz de monitoreo de eventos 210 proporciona una lista de eventos a los usuarios del sistema. Los usuarios pueden ver los eventos individuales y sus datos asociados al seleccionar un evento listado. Los eventos que se envían a la interfaz de monitoreo de eventos 210 pueden filtrarse por el usuario del sistema. Por ejemplo, un usuario encargado de reparar solo las fugas puede ver solo los eventos de fugas, mientras que un administrador del sistema puede ver cada tipo de evento y los datos del evento o una vista agregada de los eventos. Los diferentes usuarios ven diferentes tipos de eventos, y las necesidades o responsabilidades de un usuario pueden dictar qué eventos ve el usuario. Por ejemplo, un administrador de fugas puede optar por ver solo los eventos de fugas de alta confianza o solo las fugas con una magnitud superior a un umbral fijo. En otro ejemplo, los usuarios encargados de monitorear un vecindario ven los eventos que se asocian con los datos de los medidores que se ubican en ese vecindario. En otro ejemplo, los administradores de la red de agua 201 ven todos los eventos que se asocian con la red de agua 201, mientras que los administradores de la red de agua 200 y 201 ven todos los eventos que se relacionan con ambas redes. Un experto en la técnica reconocerá que la interfaz de usuario estándar en base a roles, el control de acceso y los métodos de administración de usuarios, que pueden gestionarse mediante los administradores del sistema, pueden utilizarse para proporcionar esta granularidad de acceso a los datos e informes de eventos.

Los datos de los eventos que se representan en la interfaz de monitoreo de eventos 210 pueden incluir la hora, el tipo, la ubicación, la magnitud y el estado de inicio del evento. Además, el usuario que selecciona el evento puede recibir información más detallada, como mapas, gráficos, comentarios que publican los usuarios relacionados con el evento seleccionado y anotaciones a eventos seleccionados, mapas, gráficos y similares, que realizan mediante el motor o los usuarios como se explica a continuación. Como ejemplo más detallado, los usuarios de la interfaz de monitoreo de eventos pueden anotar eventos o incluir hipervínculos a otros eventos u objetos de la interfaz de usuario. Las anotaciones se comunican desde la interfaz de monitoreo de eventos en forma de, por ejemplo, campos de formulario HTML que se comunican a través de la web y se almacenan en la base de datos 208 en el registro de eventos asociado para que los vean otros usuarios del sistema. Los usuarios también pueden asignar el acceso exclusivo o responsabilidad de un evento o de tareas que se relacionan con el evento a otros usuarios del sistema. Por ejemplo, un analista de fugas puede asignar una sospecha de fuga en particular al ingeniero de agua de una zona adyacente, para preguntar si el mantenimiento reciente podría explicar una anomalía de flujo, o al gerente de la sala de control para recomendar o solicitar una inspección y reparación. La información detallada del evento que se presenta a un usuario incluye datos que ayudarán aún más al usuario a tomar una decisión informada sobre el evento y actuar en consecuencia. Por ejemplo, si el sistema detecta una fuga y envía un evento de fuga al 210, el sistema proporciona los datos del evento desde el registro del evento y la visualización de los datos a través de mapas, gráficos y similares para mostrar, por ejemplo, una comparación de valores actuales y reales, frente a valores previstos o pasados. Por ejemplo, una visualización de los datos del evento puede tener la forma de un gráfico que muestre el régimen de flujo con el transcurso del tiempo y una porción resaltada del aumento del régimen de flujo indicativo de una fuga, para ayudar al usuario a centrarse en aspectos importantes del evento. Se muestran las capturas de pantalla de la muestra de la interfaz de monitoreo de eventos 210 en las Figuras. 11-15.

La interfaz de alerta 211 funciona, de acuerdo con reglas o políticas predefinidas, para identificar ciertos eventos que necesitan enviarse a usuarios específicos a través de los dispositivos computarizados que designan los usuarios. Por ejemplo, un usuario puede especificar, a través de reglas o políticas, que ciertos eventos de una magnitud específica se envíen en mensajes de correo electrónico que se dirigen al usuario, mientras que otros eventos de tipos más urgentes o que no permiten demora o de magnitudes específicas más grandes se envían al teléfono móvil del usuario a través de mensajes de texto, mensáfonos instantáneos o similares. Las alertas que genera la interfaz de alerta 211 contienen ciertos datos específicos sobre la alerta para ayudar al usuario a tomar una decisión informada sobre el evento. El usuario puede configurar la interfaz de alerta 211 en cuanto a cuántos detalles incluir en los mensajes mismos y cuántos datos adicionales poner a disposición del usuario para que los obtenga, por ejemplo, a través de un enlace a un elemento en la interfaz de monitoreo de eventos 210.

La interfaz de informes 212 es un sistema de informes que obtiene datos de eventos desde la base de datos 208 y genera varios informes, tablas, cuadros, gráficos y similares para ilustrar eventos o agregaciones de eventos. Como entenderá un experto en la técnica, la interfaz de informes 212 permite a los usuarios agregar eventos y datos de eventos mediante cualquier campo(s) o parámetro(s) deseados, tales como geográfico, tiempo, tipo de evento y similares. Los informes generados a través de la interfaz de informes 212 permiten a los usuarios, como los administradores de redes de agua, planificar mejor las futuras reparaciones o mejoras a su red, la colocación de los medidores u otras decisiones relacionadas con el funcionamiento, el diseño, el inventario y otro tipo consideraciones.

La interfaz del sistema de propiedad 213 es un sistema que interactúa con otro programa informático que usan los operadores del sistema de distribución de agua. Por ejemplo, la interfaz del sistema de propiedad 213 obtiene datos de los eventos desde la base de datos 208 e ingresa todos o una parte específica de ellos en un sistema de información de averías para informar al personal de mantenimiento sobre fugas u otros eventos. ¡Un ejemplo de programa de información de averías es Track-It!® de Numara®. Como otro ejemplo, los datos del evento pueden enviarse a un sistema de flujo de trabajo o sistema de gestión de recursos (como el sistema Maximo™ disponible en la Corporación IBM) para que se pueda actuar más fácilmente sobre el evento. Los datos de eventos, para informar de eventos a los usuarios, están bien categorizados y pueden adaptarse para el uso en cualquier interfaz estándar de la industria. Un ejemplo de una interfaz del sistema de flujo de trabajo es Bizflow® de Handysoft.

Además de cualquiera de las modalidades que se describen anteriormente, los elementos 203 - 209 pueden residir en un servidor o conjunto de servidores como un servidor web y pueden utilizar un modelo de proveedor de servicios de aplicaciones ("ASP") para proporcionar a los usuarios de las interfaces 209 acceso a alertas e informes a través de una interfaz web.

La Figura 3 presenta un diagrama de flujo que ilustra un método para monitorear una red de agua de acuerdo con las modalidades de la presente invención. En la etapa 301, el sistema recibe datos desde o acerca de la red de agua, que incluyen los datos de la red (por ejemplo, datos SCADA), datos GIS, datos de funcionamiento y datos de eventos externos del sistema de distribución de agua y otras fuentes. El sistema puede funcionar para recibir otro tipo de datos de la misma o de otras fuentes, y puede modificarse para procesar dichos datos con el mismo enfoque analítico. La etapa 301 puede realizarse, en una modalidad, por el elemento 100 en la Figura 1, o más específicamente por el elemento 203 en la Figura 2. A continuación, en la etapa 302, el sistema analiza los datos recibidos mediante el uso de modelos estadísticos y otros algoritmos que se describen en este documento. La etapa 302 puede realizarse, en una modalidad, por el elemento 100 en la Figura 1, o más específicamente por cualquier combinación de elementos 204-208 en la Figura 2. Por último, en la etapa 303, el sistema genera y muestra resultados que incluyen eventos, alertas, informes y gráficos. La etapa 303 puede realizarse, en una modalidad, por los elementos 106-112 en la Figura 1, o más específicamente por los elementos 210-214 en la Figura 2.

La Figura 4 presenta un diagrama de flujo que ilustra con más detalle un método para monitorear una red de agua de acuerdo con las modalidades de la presente invención. En la etapa 401, el sistema recibe datos desde la red de agua bajo análisis; los datos incluyen la identificación y la ubicación geográfica de los medidores en la red. A continuación, en la etapa 402, el sistema selecciona al menos un medidor para analizar. A continuación, en la etapa 403, el sistema predice una distribución probable de valores en base a los datos que se reciben en la etapa 401. Las modalidades para predecir una distribución probable de valores se analizan con respecto a la Figura 5. A continuación, en la etapa 404, el sistema determina si existe una desviación de valores estadísticamente significativa después de comparar los valores previstos con los valores reales. Las modalidades para determinar la importancia de las desviaciones se analizan 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 para analizar. Sin embargo, si el sistema determina que la desviación de valores es significativa, el sistema procede la etapa 405 y detecta una anomalía.

A continuación, en la etapa 406 el sistema clasifica el evento o las partes del evento. A continuación, en la etapa 406a, el sistema determina si el evento o evento relacionado existe en la base de datos. Si el evento o el evento relacionado no existe en la base de datos, el sistema procede a la etapa 406b y crea un evento en la base de datos. Sin embargo, si el evento o un evento relacionado existe en la base de datos, el sistema actualiza el evento previamente almacenado en la base de datos en la etapa 406c. Para determinar si el evento detectado existe en la base de datos, el sistema compara el evento detectado con los eventos activos que se almacenaron previamente en la base de datos. Un evento activo puede ser un evento que aún está en curso, como una fuga que se detectó previamente, pero que aún no se ha reparado. En una modalidad, para determinar los eventos que todavía están activos, el sistema determina si un evento, como por ejemplo una fuga, ha finalizado. El sistema determina si un evento detectado se relaciona con un evento almacenado previamente al observar la similitud de los tipos de eventos, la hora de inicio del evento detectado y el evento almacenado previamente, que el evento almacenado previamente no ha terminado, la ubicación del evento detectado y el evento almacenado previamente, o cualquier otro campo de datos que pueda relacionar los dos o más eventos como detecciones alternativas o parciales del mismo evento físico del mundo real. En una modalidad, cuando el sistema actualiza el evento en la etapa 406c, el registro de eventos permanece en la base de datos como el mismo evento, de modo que los usuarios que monitorean el evento almacenado previamente observarán el evento detectado y su impacto en el estado del evento almacenado previamente. A continuación, en la etapa 407, el sistema proporciona el evento y los datos asociados a una interfaz u otro sistema capaz de informar o almacenar los datos. En una modalidad, los datos asociados que se proporcionan con el evento son datos que se asocian con la detección del evento. 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 muestre la ubicación de la fuga, así como también gráficos que muestren la diferencia en el régimen de flujo con el transcurso del tiempo que motivó al sistema a emitir el evento.

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

La Figura 5 presenta un diagrama de flujo que ilustra un método para la predicción de valores en la etapa 403 de la Figura 4. El sistema de la Figura 5 realiza una predicción al seleccionar primero los atributos en la etapa 501. Los atributos son, generalmente, colecciones de datos, como los datos históricos de un medidor determinado. Los datos históricos del medidor pueden incluir una lectura de medidor, la fecha y hora correspondientes para esa lectura de medidor. En una modalidad, los atributos que se seleccionan son datos de medidor históricos para un medidor o medidores correspondientes, en base a una estrecha correlación de los datos históricos del medidor a analizar con los datos de medidor históricos o medidores correspondientes seleccionados. La Figura 6 describe una modalidad para determinar los medidores correspondientes en base a una estrecha correlación con los datos históricos del medidor a analizar.

A continuación, en la etapa 502, el sistema puede determinar la combinación de mejor ajuste de los atributos seleccionados de acuerdo con una métrica de error, por ejemplo, mediante el uso de regresión lineal y la métrica del error cuadrático medio (RMSE). La combinación de mejor ajuste produce la función de los atributos seleccionados que se aproxima al conjunto de datos que se va a predecir.

A continuación, en la etapa 503, el sistema predice la distribución de valor probable de los atributos seleccionados mediante la aplicación de la función que se obtiene en la etapa 502 con los datos de los atributos seleccionados. El conjunto de datos resultante incluye una distribución de valor probable para el medidor. A continuación, el conjunto de datos resultante procede desde el predictor en el elemento 205 hasta un detector de anomalías correspondiente en el elemento 206 de la Figura 2.

Generalmente, se puede generar una predicción mediante la selección de varios atributos, como, por ejemplo, los conjuntos de datos de medidores y combinarlos para producir una aproximación cercana al conjunto de datos para el cual se genera una predicción. En una modalidad, "la selección de atributo independiente", la selección de atributo procede mediante la selección de N conjuntos de datos que cada uno, individualmente, tiene el mejor ajuste con el conjunto de datos bajo análisis. A manera de ejemplo, si la métrica de error que se usa es la raíz del error cuadrático medio (RMSE), y los atributos deben combinarse de manera afín, entonces los conjuntos de datos seleccionados serán los conjuntos de datos que, individualmente, se aproximen mejor al conjunto de datos que se analiza, en términos de RMSE, bajo la transformación afín de mejor ajuste. Para ello, 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 logra cada conjunto de datos con parámetros óptimos; el sistema selecciona los conjuntos de datos con menores errores (el mejor ajuste). Como apreciará un experto en la técnica, la búsqueda de los mejores parámetros de ajuste puede lograrse mediante métodos bien conocidos, tales como la regresión lineal.

En otra modalidad, "la selección exhaustiva de atributos", la selección de atributos procede al seleccionar los N conjuntos de datos que minimizan el error de predicción al explorar todas las N-tuplas posibles de conjuntos de datos disponibles para la predicción. Para cada N-tupla, el sistema encuentra los parámetros de mejor ajuste (para aproximar el conjunto de datos bajo análisis, con respecto a una métrica de error específica como por ejemplo la RMSE), registra el error de aproximación que logra y selecciona la N-tupla con el error más bajo (el mejor ajuste). En una modalidad, "la selección de atributo incremental", la selección de atributo procede al seleccionar los N conjuntos de datos uno a la vez, de manera que cada conjunto de datos adicional proporcione la mayor reducción en el 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 ya se han seleccionado K conjuntos de datos (K<N), el sistema determina el conjunto de datos K+1 para agregarlos al encontrar los parámetros de mejor ajuste y al registrar el error de aproximación para todas las colecciones de K+1 conjuntos de datos compuestos por los K conjuntos de datos ya seleccionados y uno de los otros conjuntos de datos disponibles para la predicción; el sistema selecciona el conjunto de datos adicional que obtiene el error más bajo (mejor ajuste).

La Figura 7 proporciona un diagrama de flujo para una modalidad de la "selección de atributo incremental". En la etapa 701, el sistema selecciona el primer conjunto de datos, o los datos de medidor, para agregarlos a los atributos seleccionados. El primer conjunto de datos puede seleccionarse en base a tener una alta correlación con los datos de medidor que se analizan. A continuación, en la etapa 702, el sistema determina si se debe agregar otra colección de datos 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 combinar. Si no es así, el sistema procede a la etapa 708 y realiza el análisis. Si se va a agregar otra colección de datos al conjunto de datos, el sistema procede a la etapa 703 y selecciona una segunda colección de datos para agregar al conjunto de datos. A continuación, en la etapa 704, el sistema encuentra los parámetros de mejor ajuste para todas las colecciones de datos en el conjunto de datos, y luego registra los errores de aproximación para todas las colecciones de datos en el conjunto de datos en la etapa 705. A continuación, en la etapa 706, el sistema determina si el conjunto de datos agregado obtiene el error más bajo al determinar el mejor ajuste. Si el conjunto de datos agregado no obtiene el error más bajo, el sistema procede a la etapa 702. Sin embargo, si la segunda colección de datos obtuvo el error más bajo, el sistema procede a la etapa 707 y agrega la segunda colección de datos al conjunto de datos. A continuación, el sistema procede a la etapa 702.

Después de cada una de estas modalidades de selección de atributos, la selección de parámetros entonces procede mediante cualquiera de los métodos familiares para un experto en la técnica, como la regresión lineal, para generar la combinación afín de mejor ajuste de todos los conjuntos de datos seleccionados, en términos de la métrica de error que se usa (por ejemplo, el RMSE). En una modalidad, se emplean en paralelo varias regresiones o métodos de regresión diferentes, y el resultado es la mediana, promedio o combinación similar de resultados de regresión individuales.

Como tendrá en cuenta un experto en la técnica, la "selección de atributos independientes" es computacionalmente la más rápida pero menos precisa de estas modalidades, la "selección exhaustiva de atributos" es computacionalmente la más lenta pero más precisa, y la "selección de atributos incrementales" puede proporcionar un nivel intermedio de precisión con velocidad computacional intermedia.

Generalmente, los conjuntos de datos que están disponibles para el uso en la generación de predicciones incluyen todos o algunos de los conjuntos de datos de medidor que recibe el sistema, como por ejemplo todas las series de tiempo de lecturas de medidor y las transformaciones de esos conjuntos de datos, como por ejemplo las diferencias de tiempo de las series de tiempo de lecturas de medidores. En una modalidad, los conjuntos de datos que están disponibles para la predicción (los atributos de los cuales la selección de atributos debe elegir N conjuntos) son los conjuntos de datos para medidores distintos del medidor bajo análisis, y ciertas diferencias de tiempo del conjunto de datos para el medidor que se analiza y otros medidores. Las diferencias de tiempo corresponden a múltiples de los períodos de ciclo que se espera en los datos, como por ejemplo un día, una semana y un año. A manera de ejemplo, los otros medidores cuyos conjuntos de datos se consideran que pueden ser la colección completa de medidores disponibles, o la colección de medidores que miden la misma cantidad (por ejemplo, medidores de flujo, si el medidor bajo análisis es un medidor de flujo), o solo medidores que se encuentran de manera remota del medidor bajo análisis, de manera que es poco probable que un evento local que registre el medidor bajo análisis se propague hidráulicamente a través de la red a alguno 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 reciben, y se pueden restringir más en el tiempo a partir de todos los datos históricos. Por ejemplo, los conjuntos de datos que se usan para el análisis anterior pueden ser los valores de medidor promedio calculados durante períodos consecutivos de 6 horas (un valor promedio para cada medidor por cada 6 horas), comenzando 70 días antes del momento actual y terminando 7 días antes del momento actual. Esto podría, por ejemplo, eliminar cualquier efecto no deseado de disimilitud reciente entre medidores, que se ocasiona por un efecto continuo que se va a detectar; cualquier diferencia irrelevante que pueda haber existido hace mucho tiempo (como por ejemplo durante otra época); y breves diferencias en el día.

La Figura 6 presenta un diagrama de flujo que ilustra un método para la selección de datos correspondientes para una predicción de medidor correspondiente. La Figura 6 representa un subcaso simple de los algoritmos de selección que se establecieron anteriormente, en el que se selecciona un único conjunto de datos de un medidor separado como el conjunto de datos correspondiente. Esto hace uso de la observación de que los medidores distantes por lo general pueden no verse afectados por los mismos eventos locales, como una fuga aguas abajo de uno de los medidores, pero pueden verse afectados de manera similar por el consumo global o eventos de la red (como por ejemplo un día cálido o eventos deportivos), por lo tanto, se previene de esta manera muchas posibles falsas alertas. En la etapa 601, el sistema selecciona un primer conjunto de datos que incluye datos históricos de un medidor. Los datos históricos incluyen valores de presión y flujo y el tiempo que se asocia con las lecturas de presión y flujo. A continuación, en la etapa 602, el sistema selecciona un segundo conjunto de datos, que incluye los datos históricos de un medidor. En una modalidad, el segundo conjunto de datos son datos históricos de un dispositivo de red físicamente diferente y que no se conecta hidráulicamente con mucha fuerza al dispositivo de red que se representa mediante el primer conjunto de datos. Por ejemplo, el primer conjunto de datos se asocia con un medidor que se ubica en Manhattan y el segundo conjunto de datos se asocia con un medidor que se ubica en Queens. Las ubicaciones elegidas pueden ser lo suficientemente remotas o lo suficientemente distantes del medidor que se analiza, de manera que los conjuntos de datos no se conecten hidráulicamente y, por lo tanto, no se vean afectados por la misma anomalía o evento, por ejemplo, su flujo de agua no se ve afectado por las mismas fugas, los cambios de calidad del agua en uno no afectarían al otro y cambios similares. Sin embargo, aunque el segundo conjunto de datos no se verá afectado por el mismo evento hidráulico local, ambos conjuntos de datos aún pueden verse afectados por el mismo evento regional o global, como un día cálido o un evento deportivo en toda la ciudad. En otra modalidad, el segundo conjunto de datos es un conjunto de datos de un período de tiempo diferente del mismo medidor que se representa mediante el primer conjunto de datos. Por ejemplo, el primer conjunto de datos es del medidor 1 y el segundo conjunto de datos también es del medidor 1, pero representa datos de tres días antes. A continuación, 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 estrecha correlación entre los dos medidores. Se puede determinar una correlación de acuerdo con las técnicas de correlación estándar conocidas en la técnica. Algunas técnicas de correlación existentes conocidas en la técnica se describen en el documentode Miles, Jeremy and Shevlin, Mark, Applying Regression and Correlation: A Guide for Students and Researchers, Sage Publications Ltd. (2000), ISBN 0761962301. Una correlación puede considerarse cercana si el valor de correlación excede un umbral predeterminado, en cuyo caso el sistema procede la etapa 604. Por ejemplo, si la métrica de correlación que se usa es R-cuadrado (también se le llama coeficiente de determinación), que varía de 0 a 1, entonces el sistema puede reconocer los medidores como medidores correspondientes si el R-cuadrado calculado está por encima de un valor predefinido como 0,9. En la etapa 604, el sistema determina si puede ser necesario otro conjunto de datos correspondiente. En una modalidad, puede ser necesario otro conjunto de datos correspondiente para facilitar una detección de anomalías más precisa, y el sistema procede la etapa 602. Si no se requiere un conjunto de datos correspondiente, el sistema realiza el análisis en la etapa 605, y como se explica con respecto a la Figura 5.

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

En algunas modalidades, los datos que usa un predictor pueden incluir otras formas de datos disponibles para el motor de análisis de red, como por ejemplo los datos de funcionamiento y los externos, que se describieron anteriormente. Dichos datos pueden usarse, por ejemplo, para restringir, mejorar o categorizar aún más los datos de medidor. A modo de ilustración, un predictor puede usar dichos datos para que solo los datos de días festivos anteriores (no días laborales regulares) se usen para predecir valores para un día festivo actual, o para cancelar los efectos del clima fuera de temporada, eventos de red conocidos o cambios de redes temporales.

La Figura 8 presenta un diagrama de flujo que ilustra un método para detectar y registrar un evento de fuga de agua. En la etapa 801, el sistema obtiene los datos preprocesados desde el sistema de distribución de agua. A continuación, en la etapa 802, el sistema realiza N números de predicciones estadísticas de acuerdo con N números de modelos de predicción estadística. A continuación, en la etapa 803, y para cada predictor, 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 predictor específico, el sistema procede a la etapa 807 y no se produce ningún evento. En la etapa 807, el sistema procede a la etapa 808 para seleccionar otro conjunto de datos de medidor desde la red de agua para su análisis. Sin embargo, en la etapa 803, si existe una desviación estadísticamente significativa para el predictor específico, el sistema procede a la etapa 804 y detecta una anomalía.

A continuación, en la etapa 805, la anomalía puede clasificarse como un evento de acuerdo con la discusión de los ejemplos que se proporcionan con respecto a la Figura 4. Por ejemplo, si el sistema, de acuerdo con diferentes modelos predictores, emite una anomalía de un aumento continuo estadísticamente significativo en el flujo y una anomalía de una reducción de presión a corto plazo estadísticamente significativa (seguida de una corrección de presión), las anomalías se clasifican en etapa 805 como el comienzo de un evento de fuga. En un momento posterior, si el sistema detecta una anomalía de disminución de flujo correspondiente de magnitud similar, la anomalía se clasifica como el final de ese evento de fuga. Otro método para clasificar las desviaciones en la etapa 805 es el uso de datos externos para confirmar o refutar las anomalías que se detectan en la etapa 804. Por ejemplo, si el día en que se realizó el análisis fue un día festivo, en el que, por ejemplo, los patrones de uso de agua residencial pueden cambiar significativamente, entonces grandes desviaciones estadísticas de los datos previstos pueden aumentar el umbral estadístico necesario para identificar un evento de fuga. En otro ejemplo, un evento deportivo puede desencadenar un mayor consumo en un área de la red, y el sistema puede proporcionarse para utilizar esta información como datos externos para confirmar o refutar la existencia de un evento.

En otras modalidades, el sistema puede refutar una anomalía detectada al aplicar limitaciones adicionales a los datos que producen la anomalía. Por ejemplo, el sistema, o los operadores de la red, pueden decidir proporcionar alertas solo correspondientes a las fugas que cruzan un cierto umbral de magnitud, que tienen una desviación de los valores esperados que duran más de un período de tiempo específico, o que ocurren en una cierta frecuencia durante un período de tiempo determinado. La sensibilidad del sistema para detectar fugas puede depender al menos en parte del umbral de magnitud determinado por el usuario, o tener una fuga que dure al menos un período de tiempo específico.

A continuación, en la etapa 806 el sistema registra un evento como por ejemplo 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 aumento de la fuga y la cantidad total de agua que se filtró hasta el momento. La alerta de fuga y las características de la fuga pueden almacenarse en un elemento 208 similar a una base de datos en la Figura 2, y también pueden reproducirse en cualquiera de las salidas 210-214 de la Figura 2. Después de registrar un evento en la etapa 806, el sistema procede a la etapa 808 para seleccionar otro conjunto de datos de medidor de la red para su análisis.

La Figura 9 presenta un diagrama de flujo que ilustra un método para detectar una anomalía de medidor defectuoso. En la etapa 901, el sistema selecciona un conjunto de datos para analizar. Los elementos 902 y 905-909 representan varios predictores y detectores de anomalías para determinar la importancia estadística de cualquier desviación de los valores reales y previstos. Un experto en la técnica apreciará que cada elemento 902 y 905-909 o cualquier combinación de los elementos puede usarse para determinar los valores probables y generar una anomalía. Además, el sistema puede continuar la ejecución de cualquier combinación de los elementos simultáneamente o secuencialmente en cualquier orden.

Al Continuar con la modalidad que ilustra el diagrama de flujo en la Figura 9, el predictor y los detectores de anomalías que se representan mediante el elemento 902 determinan si existe o no una diferencia estadísticamente significativa del valor que se transmite, más allá de lo que puede explicarse mediante un evento de red real, como por ejemplo una fuga.

El predictor y los detectores de anomalías que se representan mediante los elementos 903-905 determinan si existe o no una diferencia del desplazamiento del reloj estadísticamente significativa cuando el primer conjunto de datos se correlaciona con un segundo conjunto de datos. Los detectores de predicción y anomalías proceden al seleccionar un conjunto de datos de referencia o conjuntos múltiples en la etapa 903, y luego al 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 normalmente tienen valores en estrecha correlación con el medidor bajo análisis. A continuación, el sistema procede a la etapa 905 para determinar si el medidor presenta una diferencia de reloj estadísticamente significativa mediante la búsqueda de la diferencia de tiempo que produce la mejor correlación. Si el medidor muestra una diferencia del reloj (es decir, si la mejor diferencia de tiempo es significativamente diferente de 0), el sistema procede a la etapa 910 y emite un evento de medidor defectuoso.

El predictor y los detectores de anomalías que se representan mediante el elemento 906 determinan si se transmitió un valor fijo. El sistema determina si en la etapa 904 se transmitió un valor fijo o datos que no cambian con el transcurso del tiempo. Si el medidor transmitió un valor fijo, casi fijo o frecuentemente fijo, durante un tiempo anormalmente largo, el sistema procede a la etapa 910 y emite un evento de medidor defectuoso.

El predictor y los detectores de anomalías que se representan mediante el elemento 907 determinan si 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 emite una alerta de medidor defectuoso.

El predictor y los detectores de anomalías que se representan mediante el elemento 908 determinan si existe o no una desviación estadísticamente significativa de la cantidad de datos habituales que se transmiten. Si se transmitieron considerablemente menos o más datos de los habituales, entonces el sistema produce una anomalía. Por ejemplo, si el medidor no transmitió ningún valor durante tres días, el sistema produce una anomalía. Sin embargo, si la desviación entre la cantidad de datos que se predice transmitir y los datos reales que se transmiten no es estadísticamente significativa, no se produce ninguna anomalía.

El predictor y los detectores de anomalías que se representan mediante el elemento 909 determinan si los valores son compatibles con otros medidores de la red. Por ejemplo, la conservación de la masa puede indicar que la lectura en un primer medidor de flujo debe ser mayor que la lectura en un segundo medidor de flujo aguas abajo, o la suma de varias otras lecturas del medidor. Si se encuentran tales valores "imposibles", el sistema procede a la etapa 910 y emite un evento de medidor defectuoso.

Después de proporcionar un evento en la etapa 910, el sistema selecciona el siguiente objetivo para analizar en la etapa 911 y continúa analizando la red en busca de otros medidores defectuosos.

La Figura 10 ilustra un diagrama de flujo que representa una modalidad para proporcionar un consumo inesperado o una anomalía de apropiación ilícita. Los elementos 1003-1005 representan varios predictores y detectores de anomalías que determinan la importancia estadística de cualquier desviación de los valores reales y previstos. Un experto en la técnica apreciará que cada elemento 1003-1005 o cualquier combinación de los elementos puede usarse para determinar los valores probables y generar una anomalía. Además, el sistema puede continuar la ejecución de cualquier combinación de los elementos simultáneamente o secuencialmente en cualquier orden. En la etapa 1001, el sistema selecciona un medidor de una red de agua para analizar un consumo de agua inesperado o una apropiación ilícita de agua. 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 inesperado o una apropiación ilícita de agua. A continuación, en la etapa 1002, si el sistema detecta un aumento en el flujo del medidor o sección de la red seleccionados, 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 en el flujo sobre los datos históricos del medidor y aplicar el análisis estadístico que se describe con respecto a la Figura 2. En otra modalidad, el sistema puede detectar un aumento en el flujo al analizar datos del medidor en tiempo real.

El predictor y los detectores anomalías que se representan mediante el elemento 1003 determinan si existe o no una coincidencia estadísticamente significativa del aumento de flujo con el patrón de consumo. En la etapa 1003, el sistema puede analizar el aumento del flujo de corriente con un patrón de consumo almacenado previamente. El patrón de consumo almacenado previamente puede incluir datos de medidor o de la red del año pasado, o cualquier otro marco de tiempo para facilitar el análisis de la determinación de un patrón de consumo. Si el aumento de flujo coincide con el patrón de consumo, el sistema procede a la etapa 1006 para determinar si el evento puede explicarse por otro factor.

El predictor y los detectores de anomalías que se representan mediante el elemento 1004 determinan si hay o no un aumento recurrente estadísticamente significativo en el flujo en horas similares. Por ejemplo, el sistema analiza los datos históricos para el medidor o el sistema determina la periodicidad del patrón de consumo. Si existe un aumento recurrente en el flujo, y esto no ocurrió más en el pasado, el sistema procede a la etapa 1006 para determinar si el evento puede explicarse mediante otro factor.

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

En la etapa 1006, el sistema determina si un evento detectado puede refutarse por los datos externos o de funcionamiento. En un ejemplo, el sistema analiza los datos de funcionamiento para determinar si hubo una entrada autorizada al sitio bajo análisis. En otro ejemplo, el sistema refuta un evento detectado si un aumento de flujo en un medidor y una disminución de flujo correspondiente de magnitud similar en otro medidor para la misma región indica un cambio en el flujo, pero no un cambio en el consumo total en esa región. Si el sistema no refuta el evento detectado en la etapa 1006, el sistema proporciona un evento de consumo o apropiación ilícita inesperado o no autorizado en la etapa 1007. Sin embargo, si el sistema refuta el evento, el sistema procede a la etapa 1008. A continuación, en la etapa 1008, el sistema selecciona el siguiente objetivo para analizar y continúa analizando la red en busca de otros eventos de consumo o apropiación ilícita inesperados o no autorizados.

La Figura 11 ilustra un diagrama de flujo que representa una modalidad para proporcionar una alerta de anomalía en la calidad del agua. En la etapa 1101, el sistema selecciona un conjunto de datos del primer sitio a analizar. Los elementos 1103, 1104 y 1106 representan varios predictores y detectores de anomalías para determinar la importancia estadística de cualquier desviación de los valores reales y previstos. Un experto en la técnica apreciará que cada elemento 1103, 1104 y 1106 o cualquier combinación de los elementos puede usarse para determinar los valores probables y generar una anomalía. Además, el sistema puede continuar la ejecución de cualquier combinación de los elementos simultáneamente o secuencialmente en cualquier orden.

El predictor y los detectores de anomalías que se representan mediante el elemento 1103 determinan si hay o no un cambio estadísticamente significativo en el cloro, la turbidez o el pH en al menos dos sitios que se seleccionan en la etapa 1102, el cambio excede un umbral predefinido que establece los administradores de la red de agua. El sistema puede seleccionar al menos dos o más sitios cercanos en la etapa 1102. La cantidad de sitios que se seleccionan puede ayudar aún más al sistema a predecir con mayor precisión una anomalía en la calidad del agua. Si el sistema detecta un cambio en la etapa 1103, el sistema procede a la etapa 1105 para decidir si se debe informar del evento.

El predictor y los detectores de anomalías que se representan mediante el elemento 1104 determinan si hay o no un aumento de turbidez estadísticamente significativo en el medidor seleccionado del sitio seleccionado, y si es así, el sistema procede a la etapa 1105 para decidir si se debe informar del evento.

El predictor y los detectores de anomalías que se representan mediante el elemento 1106 determinan si hay o no una disminución de cloro estadísticamente significativa en el mismo sitio. Si existe una disminución de cloro en el sitio, el sistema procede a la etapa 1105 para decidir si se debe informar del evento.

En la etapa 1105, el sistema recibe los eventos desde los elementos 1103, 1104 y 1106 y determina si los eventos deben informarse o descalificarse. Una razón para descalificar un evento es si existe una caída de presión, un aumento de flujo o una entrada autorizada estadísticamente significativa al sitio seleccionado en la etapa 1101. En una modalidad, una entrada autorizada al sitio puede incluir una reparación del sitio por parte de un equipo de construcción, lo que puede resultar en un aumento temporal de la turbidez en el medidor seleccionado. Una caída de presión significativa a corto plazo, por ejemplo, puede indicar un evento de fuga o una intervención de la red, que debe considerarse como el origen de lo que de otro modo parece ser una anomalía de calidad. Sin embargo, debido a que una reparación puede ser relativamente breve, es posible que el sistema no desee proporcionar una alerta de anomalía debido a una reparación temporal, y el sistema procede a la etapa 1108 para seleccionar otro conjunto de datos para analizar. Si el sistema no detecta una caída de presión, un aumento de flujo o una entrada autorizada al sitio, el sistema procede a la etapa 1107 y proporciona un evento de calidad del agua. Después de proporcionar un evento en la etapa 1107, el sistema selecciona el siguiente objetivo para analizar en la etapa 1108 y continúa analizando la red en busca de otros eventos de calidad del agua. Un experto en la técnica apreciará que otras modalidades pueden procesar de manera similar otros parámetros e indicadores de la calidad del agua, teniendo en cuenta los eventos y actividades de la red que pueden afectar temporalmente esos otros parámetros.

La Figura 12 ilustra una captura de pantalla de la interfaz de usuario ("UI")que genera la interfaz de monitoreo de eventos de acuerdo con una modalidad de la presente invención. La pantalla en la Figura 12 muestra los eventos detectados y su información asociada a un usuario. El usuario puede, por ejemplo, ser un trabajador de una red de suministro de agua encargado de monitorear la red de agua bajo análisis. La Figura 12 incluye la captura de pantalla 1201 de la interfaz de usuario que incluye secciones para el estado de actualización 1202, el panel de lista de eventos 1203, el gráfico 1204, la información de eventos 1205, el gráfico 1206 y el mapa 1207.

En una modalidad, la interfaz de usuario 1201 es una página web que puede ver un usuario a través de una red o internet. Adicionalmente, el estado de actualización 1202 informa al usuario de la última fecha y hora en que el sistema monitoreó la red de agua para detectar anomalías. El panel de lista de eventos 1203 proporciona al usuario una lista de eventos previamente detectados, las fechas, horas, ubicaciones y estado de los eventos. Además de la modalidad, el panel de lista de eventos 1203 permite además a la persona que ve la interfaz de usuario 1201 seleccionar un evento en el panel de lista de eventos 1203. La información detallada que se asocia con el evento seleccionado se reproduce como información del evento 1205, los gráficos 1204 y 1206 y el mapa 1207. La información del evento 1205 incluye, por ejemplo, una hora de inicio de la anomalía, una hora de finalización de la anomalía, una magnitud de la anomalía, una pérdida total de agua que se asocia con la anomalía y cualquier comentario que proporcionan los usuarios del sistema. Los comentarios que suministran los usuarios o el sistema también pueden proporcionar hipervínculos hacia otros eventos que almacena el sistema. Los gráficos 1204 y 1206 incluyen información detallada sobre el evento seleccionado por el usuario, como por ejemplo una comparación visual del flujo de agua real y el previsto (de rutina) en un medidor relevante. Adicionalmente, la interfaz de usuario 1201 utiliza los datos GIS que se asocian con el evento seleccionado para mostrar la ubicación del evento en el mapa 1207. En una modalidad, el evento se asocia con un medidor específico y la ubicación del medidor se produce en el mapa 1207. El mapa de eventos 1207 también puede habilitarse para mostrar un área de la red que se afecta por el evento detectado, o un área estimada dentro de la cual es probable estadísticamente que esté contenida la ubicación exacta del evento.

La base de datos 208 o incluso el motor de clasificación y decisión de eventos 207 de la Figura 2 pueden hospedar una aplicación informática interactiva que asocia los datos de medidor, alertas, informes, análisis estadístico y un mapa de la red de agua con una interfaz de usuario para permitir que un usuario del sistema pueda fácilmente discernir la ubicación de una fuga de agua u otro evento. Una interfaz de usuario puede hospedarse 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 clasificación y decisión de eventos 207 puede funcionar para enviar información directamente a los elementos 210, 211, 212, 213, 214.

La Figura 13 ilustra una captura de pantalla de la interfaz de usuario que se genera mediante la interfaz de monitoreo de eventos de acuerdo con una modalidad de la presente invención. La pantalla en la Figura 13 muestra los eventos detectados y su información asociada a un usuario. El usuario puede, por ejemplo, ser un trabajador de una red de suministro de agua encargado de monitorear la red de agua bajo análisis. La Figura 13 incluye la interfaz de usuario 1301 que incluye el panel de lista de eventos 1302, los gráficos 1303 y 1304, el mapa 1305 e información de eventos 1306.

En una modalidad, la interfaz de usuario 1301 es una página web que puede ver un usuario a través de una red o internet. Adicionalmente, el panel de lista de eventos 1302 proporciona al usuario una lista de eventos detectados previamente, las fechas, horas, ubicaciones de los medidores y estado de los eventos. Además de la modalidad, el panel de lista de eventos 1302 permite además a la persona que ve la interfaz de usuario 1301 seleccionar un evento en el panel de lista de eventos 1302. La información detallada que se asocia con el evento seleccionado se reproduce como información del evento 1306, los gráficos 1303 y 1304 y el mapa 1305. La interfaz de usuario 1301 utiliza los datos GIS que se asocian con el evento seleccionado para mostrar la ubicación o ubicación aproximada del evento en el mapa 1305. En una modalidad, el mapa 1305 puede funcionar para mostrar la ubicación de múltiples medidores que registran un evento.

La Figura 14 ilustra una captura de pantalla de otra interfaz de usuario que se genera mediante la interfaz de monitoreo de eventos de acuerdo con una modalidad de la presente invención. La pantalla en la Figura 14 muestra los datos que se asocian con un evento detectado o un medidor o región seleccionados de la red. El usuario puede, por ejemplo, ser un trabajador de una red de suministro de agua encargado de monitorear la red de agua bajo análisis, y más específicamente. La Figura 14 representa un módulo de gráficos que representa los datos que recoge el sistema y que permite al usuario explorar, personalizar y cambiar los gráficos que proporciona el sistema para cada evento, o explorar de forma independiente los datos a través de varias visualizaciones y usar algunas de las características de preprocesamiento del sistema. La Figura 14 incluye la interfaz de usuario 1401, la lista de medidores y el panel de control gráfico 1402, el gráfico 1403 y el estado de actualización 1404. En una modalidad, la interfaz de usuario 1401 es una página web que puede ver un usuario a través de una red o internet. El usuario de la interfaz de usuario 1401 puede seleccionar uno o más medidores y una variedad de tipos de gráficos de la lista de medidores y el panel de control de gráficos 1402. Los datos que se asocian con el(los) medidor(es) seleccionado(s) se pueden generar en el gráfico 1403. Los datos que se producen en el gráfico 1403 pueden ser cualquier información que se obtiene mediante el sistema. El estado de actualización 1402 informa al usuario de la última fecha y hora en que el sistema monitoreó la red de agua para detectar anomalías.

La Figura 15 ilustra una captura de pantalla de la interfaz de usuario que se genera mediante la interfaz de informes de acuerdo con una modalidad de la presente invención. La pantalla en la Figura 15 muestra una descripción general agregada de los eventos detectados y su información asociada a un usuario. El usuario puede, por ejemplo, ser un trabajador de una red de suministro de agua encargado de monitorear la red de agua bajo análisis. La Figura 15 incluye la interfaz de usuario 1501, el panel de selección general 1502, los paneles de recuento de eventos 1503 y 1504, el mapa 1505 y los gráficos 1506.

En una modalidad, la interfaz de usuario 1501 es una página web que puede ver un usuario a través de una red o internet. Adicionalmente, el panel de descripción general 1502 proporciona al usuario opciones para mostrar una agregación de eventos durante un período de tiempo seleccionado. El usuario puede elegir la visualización de eventos en función de los valores de medidor, eventos, fechas y estado de los eventos. La información detallada que se asocia con la selección del usuario en el panel de selección general 1502 se reproduce como paneles de recuento de eventos 1503 y 1504, el mapa 1505 y los gráficos 1506. El panel de selección general 1502 permite al usuario ordenar y filtrar los eventos por sus diversos campos y características, por ejemplo, ver solo los eventos recientes y no resueltos, los eventos ordenados por tipo y actualizar los estados de los eventos y otras características del flujo de trabajo. Esto sigue los estándares de la industria de la informática, bien conocido por un experto en la técnica.

Los paneles de recuento de eventos 1504 y 1505 muestran el número de eventos, tipos de eventos y ubicaciones de acuerdo con un período de tiempo. En una modalidad, los paneles de recuento de eventos 1504 y 1505 muestran los eventos correspondientes a diferentes períodos de tiempo, lo que permite al usuario comparar y contrastar el comportamiento de la red con el transcurso del tiempo. El mapa 1505 muestra la ubicación y otras informaciones de los eventos que ocurren o que han ocurrido previamente en un área. En una modalidad, el mapa representa los eventos y resalta las áreas con múltiples eventos: las ubicaciones con pocos eventos pueden ser de color verde, mientras que las ubicaciones con muchos eventos pueden ser de color rojo. Los gráficos 1506 funcionan para mostrar la evolución del número y tipos de eventos durante un período de tiempo. En una modalidad, los gráficos 1506 representan los tipos y números de eventos que ocurren durante dos meses consecutivos, por ejemplo, se permite al usuario comparar y analizar tendencias recientes. Un experto en la técnica apreciará que cualquier información que recoja el sistema puede reproducirse en el gráfico 1506 para ayudar mejor a un usuario encargado de supervisar la red de distribución de agua.

Las figuras 1 a 15 son ilustraciones conceptuales que permiten una explicación de la presente invención. Debe entenderse que varios aspectos de las modalidades de la presente invención podrían implementarse en un equipo informático, un microprograma, un programa informático o combinaciones de los mismos. En tales modalidades, los diversos componentes y/o etapas se implementarían en el equipo informático, microprograma y/o programa informático para realizar las funciones de la presente invención. Es decir, la misma parte del equipo informático, microprograma o módulo del programa informático podría realizar uno o más de los bloques ilustrados (por ejemplo, componentes o etapas).

En un ejemplo útil para comprender la invención, los métodos que se describen en este documento pueden aplicarse no solo a las redes de suministro de agua, sino a cualquier tipo de sistema de distribución. Otros tipos de sistemas de distribución pueden ser: petróleo, aguas residuales o alcantarillado, gas, electricidad, telefonía u otros sistemas de suministro de energía que involucran fluidos o recursos que fluyen desde un área hacia los consumidores. De hecho, los métodos que se describen en este documento pueden aplicarse a cualquier sistema de distribución o recolección que tenga medidores o sensores en ubicaciones arbitrarias en la red que midan parámetros de distribución tales como flujo, presión, calidad o el flujo de datos en sí.

En las implementaciones del programa, el programa informático (por ejemplo, los programas u otras instrucciones) y/o los datos se almacenan en un medio legible por máquina como parte de un producto de programa de ordenador, y se cargan en un sistema de ordenador u otro dispositivo o máquina a través de una unidad de almacenamiento extraíble, disco duro o interfaz de comunicaciones. Los programas de ordenador (también se conocen como lógica de control de ordenador o código de programa legible por ordenador) 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 como se describe en este documento. En este documento, los términos "medio legible por máquina", "medio de programa de ordenador" y "medio usable por ordenador" se usan para referirse generalmente a medios, como, por ejemplo, una memoria de acceso aleatorio (RAM); una memoria de solo lectura (ROM); una unidad de almacenamiento extraíble (por ejemplo, un disco magnético u óptico, dispositivo de memoria flash o similar); un disco duro; o similar.

En particular, las figuras y ejemplos anteriores no pretenden limitar el alcance de la presente invención a una única modalidad, ya que son posibles otras modalidades a través del intercambio de algunos o todos los elementos que se describen o se ilustran. Además, cuando ciertos elementos de la presente invención pueden implementarse parcial o totalmente mediante el uso de componentes conocidos, solo se describen aquellas partes de dichos componentes conocidos que son necesarias para comprender la presente invención, y se omiten las descripciones detalladas de otras partes de dichos componentes conocidos para dejar ver claramente la invención. En la presente especificación, una modalidad que muestra un componente singular no debe limitar necesariamente a otras modalidades que incluyan una pluralidad del mismo componente, y viceversa, a menos que se indique explícitamente lo contrario en el presente documento. Además, los solicitantes no pretenden que ningún término de la especificación o las reivindicaciones se le atribuya un significado especial o poco común a menos que se establezca explícitamente como tal. Además, la presente invención abarca equivalentes conocidos presentes y futuros de los componentes conocidos a los que se hace referencia en este documento a modo de ilustración.

La descripción anterior de las modalidades específicas revela tan completamente la naturaleza general de la invención que otros pueden, al aplicar el conocimiento dentro de la habilidad de la(s) técnica(s) relevante(s) (incluido el contenido de los documentos citados en la presente descripción), modificar y/o adaptar fácilmente para diversas aplicaciones de tales modalidades específicas, sin excesiva experimentación, sin apartarse del concepto general de la presente invención. Por lo tanto, se pretende que tales adaptaciones y modificaciones estén dentro del significado e rango de equivalentes de las modalidades que se describen, en base a las enseñanzas y las guías que se presentan en la presente descripción.

Si bien se han descrito anteriormente varias modalidades de la presente invención, debe entenderse que se han presentado a manera de ejemplo y no de limitación. Resultará evidente para un experto en la(s) técnica(s) relevante(s) que se podrían realizar varios cambios en la forma y los detalles sin apartarse del alcance de la invención que se define mediante las reivindicaciones. Por tanto, la presente invención no se debería limitar por ninguna de las modalidades ilustrativas que se describen anteriormente, sino que debería definirse únicamente de acuerdo con las siguientes reivindicaciones y sus equivalentes.

Claims

REIVINDICACIONES

1. Un método computarizado para monitorear una red de suministro de agua (200, 201), la red de suministro de agua que comprende al menos una red de tuberías para suministrar agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el método que comprende: recibir (301) datos de medidor (103a, 103b), los datos de medidor que representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros que incluyen al menos el flujo o la presión del agua a través de las tuberías;

recibir (301) datos secundarios (104) de una o más fuentes externas a los medidores, los datos secundarios que representan una o más condiciones que afectan el flujo o el consumo de agua en una región atendida por la red de suministro de agua y que comprenden al menos uno de: los datos meteorológicos que representan las condiciones meteorológicas en la región; 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;

analizar (302) los datos de medidor que se reciben mediante la predicción estadística de los primeros datos de medidor para un primer medidor de la pluralidad de medidores en base a 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 que se reciben para uno o más segundos medidores diferentes al primer medidor, la etapa de la predicción estadística de los primeros datos de medidor que comprende: seleccionar uno o más segundos medidores como uno o más medidores correspondientes mediante, (a) identificar uno o más segundos medidores dentro de la red de suministro de agua que se ubican dentro de la red de suministro de agua para que no se vean afectados por anomalías que afecten al primer medidor y mediante, (b) correlacionar los datos históricos de medidor para uno o más segundos medidores identificados con los datos históricos de medidor para el primer medidor y seleccionar uno o más segundos medidores para los que existe una correlación con el primer medidor; y

obtener los primeros datos de medidor previstos mediante el uso de los segundos datos de medidor que se reciben desde uno o más medidores correspondientes seleccionados;

analizar (302) los datos de medidor recibidos que comprenden además comparar los datos de medidor recibidos para el primer medidor con los primeros datos de medidor previstos para el primer medidor para identificar uno o más eventos de la red de suministro de agua que comprenden al menos uno o más eventos de fugas mediante la detección de una anomalía si los datos de medidor recibidos para el primer medidor se desvían de los primeros datos de medidor previstos para el primer medidor mediante una desviación estadística que se mide como una función de uno o más parámetros en los datos secundarios; e informar (303) el uno o más eventos de la red de agua a un usuario a través de una interfaz de usuario (209); caracterizado porque la etapa de identificar uno o más segundos medidores dentro de la red de suministro de agua que se ubican dentro de la red de suministro de agua comprende identificar el uno o más segundos medidores que se ubican dentro de la red de suministro de agua lo suficientemente alejados del primer medidor de manera que los datos del primer y el segundo medidores no se relacionan hidráulicamente.

2. El método de la reivindicación 1, en donde recibir los datos de medidor comprende la recepción de datos de adquisición de datos y control de supervisión (SCADA).

3. El método de la reivindicación 1, que comprende clasificar la anomalía como un evento de fuga.

4. El método de la reivindicación 1, en donde detectar la anomalía comprende determinar uno o más de:

(a) si la duración de la anomalía supera un umbral predefinido; o

(b) si una frecuencia de la anomalía dentro de una ventana de tiempo predefinida excede un umbral predefinido.

5. El método de la reivindicación 1, en donde predecir estadísticamente los primeros datos de medidor para el primer medidor en base a los segundos datos de medidor de la red de suministro de agua comprende correlacionar los datos de medidor que se reciben desde el primer medidor con al menos los datos de medidor históricos almacenados para el primer medidor.

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

7. El método de la reivindicación 1, en donde identificar eventos de la red de agua comprende además identificar uno o más eventos informativos con respecto a la cantidad o calidad del agua que fluye a través de las tuberías y el funcionamiento de la red de suministro de agua.

8. El método de la reivindicación 7, en donde recibir los datos de medidor comprende recibir con el transcurso del tiempo los datos de la calidad del agua que representan la turbidez, el cloro y el pH del agua que se entrega a través de la red, y en donde identificar uno o más eventos de la red comprende detectar un cambio en los datos de la calidad del agua con el transcurso del tiempo por encima de un umbral.

9. El método de la reivindicación 7, en donde el uno o más eventos de información comprende al menos uno de:

un aumento inesperado en el patrón de consumo, un cambio en el patrón de consumo, una apropiación ilícita de agua, una violación del límite de zona, un fallo en el medidor de servicios públicos y un fallo de funcionamiento del dispositivo de red.

10. El método de la reivindicación 1, que comprende procesar los datos del medidor antes de analizarlos, que incluye el filtrado del ruido de los datos del medidor.

11. Un método computarizado para gestionar una red de suministro de agua (200, 201), la red de suministro de agua que comprende una red de tuberías para suministrar agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el método que comprende:

enviar los datos de medidor (103a, 103b) a un motor de análisis (100), los datos de medidor enviados que representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros que incluyen al menos el flujo de agua a través de las tuberías;

recibir datos desde el motor de análisis que representan eventos de la red de suministro de agua, los eventos de la red de agua que comprenden eventos de fugas, los datos de eventos de la red de suministro de agua que se han identificado como resultado del análisis de los datos de medidor que se envían mediante la predicción estadística de los primeros datos de medidor para un primer medidor de la pluralidad de medidores en base a los segundos datos de medidor de la red de suministro de agua y los datos secundarios (104), los datos secundarios que representan una o más condiciones que afectan el consumo o flujo de agua en una región atendida por la red de suministro de agua y que comprenden al menos uno de: los datos meteorológicos que representan las condiciones meteorológicas en la región; 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; en donde los segundos datos de medidor comprenden los datos de medidor que se envían para uno o más medidores distintos del primer medidor, y comparar los datos de medidor enviados para el primer medidor con los primeros datos de medidor previstos para el primer medidor para identificar anomalías si los datos de medidor recibidos para el primer medidor se desvían de los primeros datos de medidor previstos para el primer medidor mediante una desviación estadística que se mide como una función de uno o más parámetros en los datos secundarios, en donde la predicción estadística de los primeros datos de medidor comprende:

seleccionar uno o más segundos medidores como uno o más medidores correspondientes mediante, (a) identificar uno o más segundos medidores dentro de la red de suministro de agua que se ubican dentro de la red de suministro de agua para que no se vean afectados por anomalías que afecten al primer medidor y mediante, (b) correlacionar los datos históricos de medidor para uno o más segundos medidores identificados con los datos históricos de medidor para el primer medidor y seleccionar uno o más segundos medidores para los que existe una correlación con el primer medidor; y

obtener los primeros datos de medidor previstos mediante el uso de los segundos datos de medidor que se reciben desde uno o más medidores correspondientes seleccionados; y

mostrar los eventos recibidos de la red de suministro de agua a un usuario en un dispositivo de visualización computarizado;

caracterizado porque la etapa de identificar uno o más segundos medidores dentro de la red de suministro de agua que se ubican dentro de la red de suministro de agua comprende identificar el uno o más segundos medidores que se ubican dentro de la red de suministro de agua lo suficientemente alejados del primer medidor de manera que los datos del primer y el segundo medidores no se relacionan hidráulicamente.

12. Un sistema computarizado para monitorear una red de suministro de agua (200, 201), la red de suministro de agua que comprende una red de tuberías para suministrar agua a los consumidores y una pluralidad de medidores que se colocan dentro de la red de suministro de agua, el sistema que comprende:

una base de datos de información de red (106) para almacenar los datos de medidor (103a, 103b) que representan una pluralidad de parámetros que se miden mediante los medidores, los parámetros que incluyen al menos el flujo o presión del agua a través de las tuberías, y los datos secundarios (104) de una o más fuentes externas a los medidores, los datos secundarios que representan una o más condiciones que afectan el flujo o el consumo de agua en una región que se atiende mediante la red de suministro de agua y que comprenden al menos uno de: los datos meteorológicos que representan las condiciones meteorológicas en la región; 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;

un motor de análisis (100) que se configura para analizar los datos de medidor almacenados, mediante la predicción estadística de los primeros datos de medidor para un primer medidor de la pluralidad de medidores en base a 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 almacenados para uno o más medidores distintos al primer medidor, y comparar los datos de medidor almacenados para el primer medidor con los primeros datos de medidor previstos para el primer medidor para identificar anomalías si los datos de medidor recibidos para el primer medidor se desvían de los primeros datos de medidor previstos para el primer medidor mediante una desviación estadística que se mide como una función de uno o más parámetros en los datos secundarios, en donde la predicción estadística de los primeros datos de medidor comprende: seleccionar uno o más segundos medidores como uno o más medidores correspondientes mediante, (a) identificar uno o más segundos medidores dentro de la red de suministro de agua que se ubican dentro de la red de suministro de agua para que no se vean afectados por anomalías que afecten al primer medidor y mediante, (b) correlacionar los datos históricos de medidor para uno o más segundos medidores identificados con los datos históricos de medidor para el primer medidor y seleccionar uno o más segundos medidores para los que existe una correlación con el primer medidor; y

un motor de clasificación de eventos (207) que se configura para identificar los eventos de la red de suministro de agua en base a las anomalías, los eventos de la red de agua que comprenden los eventos de fugas; y

una base de datos de eventos (208) para almacenar los datos de eventos de la red de suministro de agua que representan uno o más eventos de la red de agua que se identifican mediante el motor de clasificación de eventos;

13. El sistema de la reivindicación 12, en donde el motor de análisis comprende una pluralidad de módulos predictores para generar una distribución estadística de valores probables de los datos de medidor para un medidor determinado y una pluralidad de módulos detectores de anomalías para comparar los datos de medidor para el medidor determinado con la distribución de valores probables para detectar anomalías en los datos de medidor.

14. El sistema de la reivindicación 12, que comprende una pluralidad de módulos de interfaz para recuperar datos de eventos de la red de suministro de agua de la base de datos de eventos y notificarlos a los usuarios.

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