Inteligencia artificial para prever el agua que usarán los regantes

Inteligencia artificial para prever el agua que usarán los regantes

Un modelo desarrollado por el Departamento de Agronomía de la Universidad de Córdoba (UCO) a partir de técnicas de inteligencia artificial anticipa el uso de agua de los regantes por periodos tarifarios con un día de antelación y permite optimizar el uso de la energía.


En un contexto de escasez de agua y crecimiento de la demanda de energía para poner en marcha los sistemas de riego a presión, tomar las decisiones de riego más adecuadas en las comunidades de regantes implica un menor gasto de agua, pero también un menor gasto de energía y una reducción de los costes.

Ahora bien, para realizar una gestión óptima de los recursos hídricos es necesario predecir cuánta agua usarán los regantes en cada momento, de manera que los gestores puedan estimar los requerimientos de agua y de energía en tiempo real.

De izquierda a derecha, los investigadores Emilio Camacho, Rafael González y Juan Antonio Rodríguez | Foto: UCO

Para departamento de agronomía de la Universidad de Córdoba (UCO), esas predicciones solo se pueden conseguir si se incluye una variable determinante a la vez que complicada de medir: el comportamiento del agricultor.

Por ese motivo, un grupo de expertos de esa universidad han desarrollado un modelo a partir de técnicas de inteligencia artificial que anticipa el uso de agua de los regantes por periodos tarifarios con un día de antelación y permite optimizar el uso de la energía.

“Mientras que en trabajos anteriores se habían desarrollado herramientas que permitían conocer la cantidad de agua y el día que se aplicaría en comunidades de regantes, el nuevo modelo CANGENFIS puede mostrar cuánta agua se usará en un tramo de tiempo más corto como son los periodos tarifarios”, señala la UCO en un comunicado.

De este modo, se puede adelantar información sobre cuándo se produce la mayor demanda la red, si es necesaria o no la activación de todas las bombas en paralelo que tiene la comunidad de regantes y optimiza la contratación de la tarifa eléctrica más adecuada, permitiendo así el ahorro de costes energéticos. También se conoce con antelación qué tuberías podrían sobrecargarse o prever cómo afectaría una avería.

“Permite integrar la gestión del agua y de la energía y hacer un uso óptimo también de esa energía. Si la comunidad de regantes tiene un sistema de energía fotovoltaica puede saber qué cantidad de energía tiene que reservar y vender el resto o cuánta energía tiene que comprar ya que hay comunidades que compran energía de un día a otro y con esto pueden adelantarse a esta compra con precisión”, resalta Emilio Camacho, uno de los creadores de este modelo.

El nuevo modelo

Según detallan el CANGENFIS, desarrollado en la Comunidad de Regantes del Canal del Zújar, en Extremadura, con datos de las campañas de riego de 2015, 2016, 2017 y 2018, combina técnicas de inteligencia artificial como lógica difusa, redes neuronales artificiales y algoritmos genéticos para modelar el comportamiento de los regantes y pronosticar a corto plazo la distribución por período tarifario del agua usada tanto por los regantes como por la comunidad al completo.

Para Rafael González, otro de sus responsables, “el funcionamiento del modelo es sencillo ya que recibe una serie de entradas de variables climáticas muy relacionadas con la sensación térmica del agricultor como humedad relativa o temperatura máxima”. Además se incluyen “variables relacionadas con el estado fenológico del cultivo y variables relacionadas con el día a día del agricultor” ya que si es festivo o si es fin de semana puede influir en las decisiones de riego.

Este conjunto de entradas, con el modelo de inteligencia artificial calibrado, “nos dice para cada uno de los periodos tarifarios qué cantidad de agua va a emplear el agricultor al día siguiente“, concluye González.

Según los resultados, variables como el precio de las tarifas o el número de horas que hay en cada periodo tarifario toman más importancia en el comportamiento de los regantes que las variables agroclimáticas.

La precisión de los pronósticos fue en torno al 80% para los cultivos de arroz, maíz y tomate, un margen de precisión bastante alto en este tipo de predicciones que “demuestra la importancia de tener en cuenta el comportamiento del regante en este tipo de predicciones”, ha señalado Juan Antonio Rodríguez.

El reto, ahora, es realizar predicciones con más antelación, que vayan más allá del día de antelación para tener más margen de actuación, según la UCO.

Cabe saber que este modelo se probó de manera previa a la entrada en vigor de los nuevos periodos tarifarios de la energía el pasado 1 de junio de 2021. Sin embargo, el modelo se puede ajustar a estos nuevos tramos y también puede revelar si los regantes cambian su comportamiento en relación con los nuevos precios.



Se adhiere a los criterios de transparencia de

Archivado en:
Otras noticias destacadas