EL PROYECTO

PROYECTO DE INVESTIGACIÓN (PID2025-174443OA-I00)

Digitalización y Machine Learning para la Optimización del Desempeño Energético y la Resiliencia en Sistemas Hidráulicos con Gestión Limitada

Optimizando el desempeño energético y la resiliencia operativa en infraestructuras hídricas con recursos y datos reducidos.

El Desafío NEREUS

Las infraestructuras hidráulicas en entornos con recursos técnicos y de gestión limitados, como pequeños abastecimientos urbanos, comunidades de regantes o plantas depuradoras rurales, se enfrentan a graves retos de eficiencia energética y vulnerabilidad ante el cambio climático.

NEREUS nace para desarrollar un marco computacional y metodológico de nueva generación. Combinando modelado físico simplificado, simulación hidráulica e Inteligencia Artificial (Machine Learning), transformamos datos escasos en conocimiento práctico para optimizar el desempeño energético, predecir anomalías y mejorar la capacidad de respuesta de estos sistemas.

Pilar 1: Datos e Inteligencia Artificial

Inferencia a partir de datos escasos
Desarrollo de modelos de Machine Learning robustos y explicables, capaces de inferir parámetros no medidos y detectar anomalías en entornos con baja sensorización.

Detalles técnicos: Implementación de algoritmos de Machine Learning (PIML) y técnicas de IA explicable (XAI). Permite la reconstrucción de series temporales, detección temprana de anomalías y optimización de curvas de bombeo sin depender de redes de sensores masivas.

Pilar 2: Indicadores y Resiliencia Operativa

Matriz de evaluación multicriterio
Definición de un sistema de indicadores hídrico-energéticos y de riesgo operativo para priorizar actuaciones frente a situaciones críticas o de estrés hídrico.

Detalles técnicos: Se busca definir una matriz que integrará indicadores de energía, resiliencia y sostenibilidad para identificar fortalezas, vulnerabilidades y patrones emergentes en infraestructuras con baja instrumentación basada en técnicas multicriterio. Permitirá priorizar intervenciones de forma objetiva y comparar sistemas similares. Facilitará la evaluación de escenarios de mejora y el análisis multicriterio de desempeño.

Pilar 3: Plataforma Modular Open Source

Herramienta intuitiva y accesible
Creación de un entorno digital de código abierto que integra simulación, IA e indicadores, diseñado específicamente para los gestores y operadores locales.

Detalles técnicos: Arquitectura basada en microservicios con compatibilidad directa para motores de simulación estándar (EPANET) y GIS (QGIS). Incluye un panel interactivo (Dashboard) ágil orientado a personal operador sin formación técnica avanzada.

Pilar 4: Validación y Transferencia Real

Impacto directo en el territorio
Ensayos piloto en abastecimientos urbanos, regadíos y depuradoras (EDAR), combinados con talleres de capacitación y un repositorio de datos bajo principios FAIR.

Detalles técnicos: Demostración práctica en casos de estudio reales (redes de distribución de agua potable, zonas regables y plantas depuradoras rurales), con publicación de datos en acceso abierto para garantizar la replicabilidad del proyecto.

Estructura del Proyecto: Paquetes de Trabajo (WP)

Haz clic en cada paquete para desplegar sus objetivos y tareas detalladas.

WP1: Bases de Datos e Inferencia con Escasez de Datos

Garantiza la estructuración, recopilación y procesamiento de datos hidráulicos y energéticos, aplicando modelos para operar con escasa sensorización.

  • T1.1: Revisión sistemática del estado del arte y normativa.
  • T1.2: Recopilación de datos operativos y energéticos.
  • T1.3 & T1.4: Inferencia de parámetros operativos clave e integración en bases de datos normalizadas.
WP2: Indicadores Energéticos, de Resiliencia y Matriz integrada de valoración global del desempeño

Diseño del sistema de indicadores para la evaluación continua del desempeño energético y la vulnerabilidad del sistema.

  • T2.1: Definición de métricas de eficiencia energética específica (IHE).
  • T2.2: Definición de los indicadores integrados de resiliencia operativa (IR).
  • T2.3: Integración de indicadores en una matriz integrada de valoración global del desempeño (MIVG).
WP3: Plataforma Modular Open Source

Desarrollo del software de código abierto que integra los modelos computacionales, motores de simulación e interfaz de usuario.

  • T3.1 & T3.2: Arquitectura del software e integración de conectores con EPANET y sistemas GIS.
  • T3.3 & T3.4: Programación de la interfaz gráfica (Dashboard) y herramientas interactivas de ayuda a la decisión.
WP4: Validación en Escenarios Reales

Ensayos piloto e implantación práctica de la metodología en instalaciones hídricas reales de distintas tipologías.

  • T4.1: Piloto de validación en redes de abastecimiento urbano.
  • T4.2: Piloto de validación en comunidades de regantes.
  • T4.3: Piloto de validación en plantas depuradoras de aguas residuales (EDAR) rurales.
WP5: Transferencia de Conocimiento y Difusión

Capacitación a los operadores locales, divulgación de resultados científicos y publicación bajo principios FAIR.

  • T5.1 & T5.2: Talleres de capacitación técnica y guías de uso para gestores de recursos limitados.
  • T5.3 & T5.4: Difusión científica, transferencia de tecnología y repositorio de datos en acceso abierto.

Temporalización y Plan de Ejecución (2026 – 2030)

Cronograma detallado de las 4 anualidades de desarrollo del proyecto NEREUS.

AÑO 1 (2026 – 2027) Bases de Datos e Indicadores de Resiliencia

Inicio del proyecto centrado en la toma de datos, configuración metodológica e indicadores iniciales.

  • WP1 (Bases de Datos): Definición del marco conceptual, recopilación y estructuración de fuentes de datos iniciales (T1.1, T1.2, T1.3 y T1.4).
  • WP2 (Indicadores): Desarrollo completo de la matriz de indicadores hídrico-energéticos y evaluación de resiliencia (T2.1, T2.2 y T2.3).
  • WP5 (Transf. Conocimiento): Inicio de acciones transversales de difusión y protocolo de gestión.
AÑO 2 (2027 – 2028) Arquitectura e Inicio de la Plataforma Modular

Fase centrada en el desarrollo del núcleo informático y consolidación de modelos de Machine Learning.

  • WP1 (Bases de Datos): Refinamiento continuo de bases de datos e inferencia con escasez de datos (T1.2).
  • WP3 (Plataforma): Diseño conceptual, arquitectura e inicio del desarrollo del entorno modular (T3.1 y T3.2).
  • WP5 (Transf. Conocimiento): Actividades continuas de comunicación científica e hitos de seguimiento.
AÑO 3 (2028 – 2029) Integración del Software Open Source y Conectores

Finalización de la herramienta de código abierto e integración con motores de simulación (EPANET) y GIS.

  • WP1 (Bases de Datos): Fase final de consolidación de datos (T1.2).
  • WP3 (Plataforma): Integración de modelos computacionales, desarrollo de interfaz y prueba funcional del software (T3.2, T3.3 y T3.4).
  • WP5 (Transf. Conocimiento): Generación de publicaciones intermedias y preparativos para los pilotos.
AÑO 4 (2029 – 2030) Validación Piloto Real y Transferencia de Conocimiento

Demostración práctica en escenarios de estudio reales, capacitación a gestores y repositorio de datos FAIR.

  • WP4 (Validación): Ensayos piloto en redes urbanas, comunidades de regantes y plantas depuradoras EDAR (T4.1, T4.2 y T4.3).
  • WP5 (Transf. Conocimiento): Impartición de talleres de formación, transferencia directa a gestores locales y publicación final de datos bajo principios FAIR (T5.1, T5.2, T5.3 y T5.4).