Enrico Zio, profesor del Dipartimento di Energia del Politecnico di Milano, es uno de los autores de un nuevo estudio que ha sido publicado en el prestigioso npj Artificial Intelligence (Nature Portfolio Journal).
El trabajo, titulado “Towards parameter identification in pipeline hydraulics: integrating data-driven discovery and knowledge embedding”, presenta un enfoque innovador para optimizar la identificación de parámetros y la simulación de transitorios hidráulicos en las tuberías.
Dicha investigación aborda una de las principales retos en la gestión de las tuberías: la necesidad de monitorizar con precisión los transitorios hidráulicos. Estos son cambios repentinos en la presión y el flujo, momentos que representan una mayor vulnerabilidad para estas infraestructuras.
Métodos Integrados para Mejorar la Simulación
Los investigadores han desarrollado un método que combina modelos basados en datos y conocimientos físicos sobre el comportamiento hidráulico, superando así las limitaciones de enfoques puramente estadísticos o aquellos que utilizan redes neuronales como “cajas negras”. Este algoritmo integra:
- Principios físicos de modelos hidráulicos tradicionales.
- Redes neuronales y técnicas de descubrimiento de ecuaciones basadas en datos.
- Sistemas de actualización dinámica de parámetros, adaptados a condiciones operativas reales.
Losos resultados obtenidos en este estudio indican una mejora notable en la precisión de las simulaciones relacionadas con los flujos y las presiones, siendo especialmente evidente durante los transitorios.
Aportaciones Relevantes para el Futuro Energético
Dada la creciente importancia de garantizar la seguridad y eficiencia de las infraestructuras energéticas, este avance podría tener implicaciones significativas no solo para el sector energético sino también para otras áreas donde se requiera un control preciso sobre sistemas hidráulicos.
Accede a la investigación completa aquí.
Si (
No(
