Tecnología y ciencias del agua (Mar 2022)
Políticas de operación óptima por medio de cómputo evolutivo y algoritmo gradiente reducido generalizado: Presa Cointzio, Michoacán, México
Abstract
En este estudio se obtuvieron políticas de operación del tipo curvas Z, usando dos métodos de optimización: el de gradiente reducido generalizado (GRG) no lineal y un algoritmo genético (AG) simple, y se aplicaron a un sistema de aprovechamiento hidráulico localizado en la cuenca del lago de Cuitzeo, que juega un papel importante en el abastecimiento de agua a una parte de la población de la ciudad de Morelia y en el riego de varios módulos del Distrito de Riego (DR) 020, conocido como Morelia-Queréndaro. Con cada política obtenida se simuló el funcionamiento del sistema, usando el registro histórico de volúmenes de ingreso al sistema, para poder comparar con lo reportado por la Comisión Nacional del Agua (Conagua), y se eligieron aquellas que mantuvieron el balance entre cumplimiento de demandas y menor presencia de derrames o de déficits. Finalmente, con el fin de revisar el comportamiento del sistema en el largo plazo al utilizarse las políticas seleccionadas, se simularon series de volúmenes de ingreso mensual sintéticos con 100 años de registro, generados con el método de Svanidze. La comparación de los resultados de déficit y derrames a nivel mensual y anual de las simulaciones realizadas con la curva Z histórica, AG y GRG, indicaron que el AG tuvo un comportamiento aceptable tanto en el periodo histórico como a largo plazo, pues aunque los volúmenes derramados aumentaron, la magnitud en la que lo hicieron es menor a la magnitud en la que se redujo el déficit, y como la presa de Cointzio ha sido utilizada para suministro de agua a la planta potabilizadora de Vista Bella y para riego de 4 de los 5 módulos del Distrito de Riego 020 se eligió la regla de operación que controló mejor el evento de déficit. El algoritmo GRG reportó múltiples ventajas, entre ellas su facilidad de uso y la rapidez con la que encuentra resultados, siempre que no se indiquen demasiadas iteraciones; sin embargo, una desventaja del método es que no siempre converge a un óptimo global, ya que para distintos valores iniciales de la política Z el algoritmo dio diferentes valores óptimos. El AG, por su parte, converge a óptimos globales para cada simulación debido a que cada vez que se aplica el proceso se genera aleatoriamente una población y el resultado fue el mismo para unas condiciones de coeficientes de penalización dadas. Una limitante del método de los AG es el tiempo de cómputo empleado para la obtención de resultados.
Keywords
