1

TÍTULO DEL TRABAJO: SISTEMA DE ALERTAS TEMPRANAS ANTE EVENTOS DE HIDROLOGIA EXTREMA

Sistema de alertas tempranas ante eventos de hidrología extrema

Resumen— El aumento de los caudales a valores pico horarios presentados el 9 de Mayo de 2004 en la cuenca del embalse La Esmeralda, trajo como consecuencia fuertes avalanchas de lodo que debido a su alta concentración de sedimentos produjo un desgaste sin precedentes en los equipos hidromecánicos. Por lo anterior Chivor determinó automatizar la recolección de datos de las estaciones de hidrometría con el fin de realizar un análisis de las precipitaciones y caudales para tomar decisiones tempranas. Posteriormente el equipo de producción contrató el suministro de equipos de medición instalando una red de comunicación y transmisión de datos que permitiera el análisis de estos y el diseño de un sistema de alertas tempranas para prevenir la ocurrencia de eventos que afecten la operación normal de la central. Este sistema de telemetría abrió la posibilidad de crear modelos para la predicción de caudales afluentes y monitoreo de concentración de sedimentos.

I. INTRODUCCIÓN

Un volumen útil de 582.34 millones de metros cúbicos de agua almacenada en el embalse La Esmeralda es utilizado por la central hidroeléctrica de Chivor para generar energía a través de una planta de 1000MW de capacidad instalada. El embalse está localizado al sur oriente del departamento de Boyacá a 160 Km. de la ciudad de Bogotá. La Esmeralda es de forma alargada con una longitud máxima de 22 Km., con profundidades hasta de 130m y un área de 12.52 Km². Sus afluentes principales son los ríos Garagoa y Somondoco; los cuales constituyen el 76% de la hoya aportante y a su vez conforman el río Batá. Además de las cuencas aportantes de estos dos ríos se encuentran las cuencas captadas con desviaciones de los ríos Tunjita, Negro y Rucio, y como aportes adicionales se tienen las descargas de 7 quebradas las cuales confluyen por las márgenes del embalse.

COMISION DE INTEGRACION ENERGÉTICA REGIONAL COMITE NACIONAL __(COLOMBIA)____

Código: (III CONCIER-CO-45-G) III CONGRESO CIER DE LA ENERGÍA –CONCIER 2007

ABASTECIMIENTO ENERGÉTICO REGIONAL – RETOS Y PERSPECTIVAS –Medellín, 27-30 de Noviembre de 2007

Lugar y fecha de elaboración del documento: Bogotá Septiembre de 2007 Subtema:G2-10 Área:Generación

Autor/es: WILLIAM JAVIER ALARCON FRAILE Empresa o Entidad: AES CHIVOR SCA ESP Cargo: Director de Obras Civiles e Hidrología

DATOS DE LA EMPRESA. Dirección: Av. Calle 100 19-54 Of. 901 Código Postal: _______________ Teléfono: (1) 5941400 Fax: (1) 5941394 E-Mail: william.alarcon@aes.com

PALABRAS-CLAVE: (hasta 7) SISTEMA DE ALERTAS TEMPRANAS HIDROLOGIA EXTREMA

2Litológicamente la cuenca drenada por los ríos mencionados anteriormente está constituida por depósitos cuaternarios y rocas sedimentarias conformadas por areniscas, lutitas, limolitas y conglomerados con edades que oscilan desde el paleozoico hasta el cuaternario. Estructuralmente la zona es compleja y presenta numerosos pliegues y fallas. Las actividades económicas de mayor importancia son la agricultura, la ganadería y la minería. La zona del proyecto está localizada entre 1400 m.s.n.m en la zona del embalse y 3200 m.s.n.m en la parte más alta de las cabeceras de los ríos Garagoa y Somondoco. El clima en la zona es uniforme a lo largo del año y varia entre 18°C y 24°C; es templado en la hoya del río Somondoco, en las áreas adyacentes al embalse y la parte baja del río Garagoa. La zona fría cubre el resto del área, las temperaturas se presentan en las cabeceras observándose algunas áreas de páramo en la parte alta del río Teatinos afluente al río Garagoa. La humedad relativa al igual que la temperatura está afectada por la altura, varía entre el 89% en las cabeceras y 75% en la parte baja. Según datos históricos el caudal medio multianual aprovechado por la central es de 80.18 m³/seg, presentándose un periodo de caudales medios altos en los meses de junio, julio y agosto, y un periodo de caudales bajos en los meses de diciembre a marzo. En cuanto al régimen de precipitación de la cuenca, debido a la influencia de los vientos Alisios y el efecto orográfico de la Cordillera Oriental, la distribución de las lluvias anuales varía de norte a sur entre 1000 mm y 3800 mm; siendo la precipitación media anual ponderada sobre la cuenca total de 1500 mm. Conociendo las características de la cuenca y las condiciones hidrometeorológicas de la zona y con la correcta gestión de esta información se busca predecir comportamientos para la toma de decisiones y minimizar en lo posible daños como los presentados en el evento del 9 de mayo de 2004. Para lograr este objetivo es necesario conocer los datos hidrometeorológicos en tiempo real, información que en el pasado era obtenida en sitio por personal de la región capacitado para este propósito, pero en consecuencia ponía en riesgo la confiabilidad de la información debido a posibles errores humanos. Posteriormente, para asegurar la veracidad de los datos se instaló un sistema de telemetría que a su vez permitió la implementación de modelos matemáticos para la predicción de caudales. Paralelo a este desarrollo en cual se obtienen datos de las afluencias se implementó un sistema de control de sedimentos el cual arroja información de concentración de material fino granular con el fin de conocer con suficiente anticipación datos para aplicar consigna de seguridad y eliminar riesgos.

Efectos de la avalancha producida por creciente

inesperada

Fig. 1. Planta del esquema de aprovechamiento.

II. SISTEMA DE TELEMETRÍA

Con el objetivo de obtener información hidrológica más exacta y veraz de la cuenca aportante al embalse La Esmeralda, la obtención de datos por medio de personal capacitado fue remplazada por un sistema de telemetría que además permite recolectar, almacenar y analizar la información. La central Chivor cuenta con información de 49 estaciones hidrometeorológicas contenidas dentro del área de influencia del embalse y las cuencas aportantes, 33 de ellas suministran información de precipitación y 16 de niveles de cauce; 8 de estas estaciones son de Chivor y las 41 restantes pertenecen al instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia (IDEAM) de donde se pueden obtener datos como niveles del cauce, precipitación, temperatura y humedad entre otros. Cuatro de las ocho estaciones que pertenecen a Chivor (Barbosa, Puente Fierro, Caballito y

3Punteadero) actualmente se encuentran automatizadas para consulta remota de datos desde la central. El sistema de telemetría para supervisión de cuencas y afluentes lo constituyen principalmente:

A. Sensor de nivel tipo radar: Este equipo mide sin contacto el nivel de las aguas superficiales con una precisión de ± 1cm. Su proceso de medición no se ve afectado por inundaciones, lodo, maderas flotantes, algas, etc. El sensor se monta en un brazo saliente sobre un tramo de la sección del río el cual garantice permanentemente presencia de agua, este envía ondas radáricas microondas verticalmente a la superficie del agua combinándolas con señales que se reflejan allí. Un procesador digital de señales (DSP) calcula exactamente la distancia entre el extremo inferior del sensor y la superficie del agua. La consulta de los valores de medición digitales, los valores de estado y los posibles mensajes de error se efectúa mediante un recolector de datos externo. Tomando la medición de la distancia entre el extremo inferior del sensor y la superficie del agua, y la longitud desde el extremo inferior del sensor y el fondo del cauce, el recolector de datos calcula el nivel del agua, poniendo los valores almacenados a la disposición para su procesamiento ulterior.

Fig. 2. Sensor de nivel tipo radar montado en un brazo saliente.

B. Pluviómetro: La continua medición de la cantidad de lluvia, la grabación de la intensidad de precipitación y además la medición de la evaporación, se hace con el pluviómetro mediante un sistema de balanceo electrónico de alta resolución. El peso de la precipitación recogida en el contenedor colector es medido por una celda de peso electrónica. Debajo del anillo de definición de la superficie de medida, la precipitación va directamente al contenedor colector. Así, la precipitación

puede ser medida inmediatamente. Además la determinación de la precipitación es posible en base a los eventos de precipitación registrados.

C. Recolector de datos (Datalogger): La unidad de adquisición de datos o datalogger da alta flexibilidad a los usuarios se utiliza para conectar sensores de manejo y recoger, almacenar, procesar y transmitir una amplia gama de datos. El Datalogger, tiene la capacidad de configurar diversos canales para diversas entradas, conectando con una gran variedad de instrumentos del control del medio ambiente hidrológico, y meteorológico con capacidad hasta de 16 canales. Múltiples interfaces digitales permiten supervisión remota en tiempo real como es el caso del software de monitoreo y manipulación de información Hydras3.

Fig. 3. Unidad de adquisición de datos – Datalogger-.

D. Red de transmisión: Las estaciones cuentan con dos sistemas de transmisión, uno respaldo del otro, ellos son: (1) Sistema de transmisión por GPRS el cual se transmite mediante antenas repetidoras terrestres hacia la antena receptora ubicada en la Sala de control de la Casa de Máquinas. (2) Sistema de transmisión GOES, el cual envía los datos al satélite y este a su vez a la base de datos del IDEAM, la cual puede ser consultada a través de Internet en su página web.

Fig. 4. Red de comunicación y transmisión de datos.

Panel de control

Panel Solar

Sensor de nivel

4E. Alimentación:

El sistema de alimentación se compone de panel solar, cargador, inversor y banco de baterías. Los bancos de baterías son estacionarios, sellados y libres de mantenimiento. Dicho banco se carga con la energía adquirida por el panel solar de 75 W de potencia, lo cual garantiza un tiempo de autonomía de 10 días de los equipos que se encuentren conectados a este, como son la unidad de adquisición de datos, instrumentos, iluminación para el tablero y los sistemas de comunicaciones de cada estación remota.

Fig. 5. Estación de hidrometría remota sobre río Somondoco. A partir de la información hidrológica obtenida por el sistema de telemetría a nivel horario, diario y mensual; en especial de caudal y precipitación, series de temperatura y evaporación, y otra información ya conocida como la cartografía de los usos del suelo y geología de la cuenca, se hizo posible el desarrollo de una serie de modelos de predicción de caudales a nivel mensual y un modelo lluvia-escorrentía para la predicción de caudales a nivel diario.

III. DESARROLLO DE MODELOS MATEMÁTICOS PARA PREDICCIÓN DE

CAUDALES

La alta no linealidad de los procesos físicos (precipitación, infiltración, condiciones de humedad, etc.) y la interrelación entre ellos que generan los caudales y teniendo en cuenta el límite de predicibilidad de estos, no permite que exista un solo modelo que garantice un pronóstico confiable. Por lo tanto se requiere emplear por lo menos tres modelos para contrastar resultados a nivel mensual y tomar decisiones con menor incertidumbre. Actualmente se trabaja con tres modelos, implementados en Excel y programados a través de MATLAB, que permiten predecir los caudales

y capturan el régimen de caudales con sus variaciones considerando variables macroclimáticas como: Índice de oscilación del Sur, Índice multivaridad del ENSO, Corriente de chorro del Chocó, Corriente de Chorro de San Andrés, Oscilación decadal del Pacífico, Oscilación del Atlántico Norte, Temperatura superficial del mar región Niño 1,2 y 3, vientos Alisios, entre otras.

Fig. 6. Componentes generales de un sistema de pronóstico de crecidas. Los modelos planteados para la predicción de caudales mensuales son: Modelo autorregresivo y de promedio móvil con variables exógenas (ARMAX), Modelo de red neuronal artificial con procesos estocásticos (RNA) y análisis espectral singular (AES). Y el modelo planteado para el pronóstico de caudales diarios es un modelo lluvia-escorrentía en el cual se propuso un modelo conceptual de tanques.

A. Modelo autorregresivo y de promedio móvil con variables exógenas (ARMAX):

Un proceso ARMAX puede ser representado de la siguiente forma

)()()()()()( teqCtuqBtyqA += Donde

)(ty : Variable de caudal a predecir )(tu : Variable exógena de entrada en el tiempo

t, que puede ser la precipitación o una variable macroclimática

)(te : Ruido blanco en el tiempo t )(qA : Parámetro de la componente

autorregresiva

5)(qB : Parámetro de la componente exógena )(qC : Parámetro de la componente promedio q : Operador de cambio regresivo.

B. Modelo de red neuronal artificial con procesos estocásticos (RNA):

En términos generales las redes neuronales artificiales son algoritmos matemático-computacionales constituidos por varias capas de neuronas, unas de ellas de entrada, otras llamadas ocultas y otras de salida. Las neuronas de entrada sirven como estímulos iniciales, las neuronas ocultas son elementos de procesamiento en donde se establece una función de suma ponderada de las entradas y en donde se realiza una función de transferencia a través de una función, típicamente sigmoide.

Fig. 7. Esquema de una red neuronal artificial. El algoritmo más usado para el entrenamiento de redes neuronales es el de propagación inversa o de “retropropagación”, que consiste en minimizar el error cuadrático medio entre la salida deseada y la salida real. El modelo de neurona y la arquitectura de una red neuronal describen como la red transforma sus entradas en salidas. Los elementos individuales de cálculo que forman la mayoría de los modelos de sistemas neuronales artificiales, reciben el nombre de Elemento de Procesamiento (EP), Neurona Artificial o perceptrón. Los perceptrones se diseñaron para emular las características principales de las neuronas biológicas. Cada elemento de procesado consta de:

- Entradas: Cada PE puede tener múltiples entradas, una entrada opcional se denomina tendencia, Umbral o Bias.

- Conexiones o pesos: Cada entrada tiene asociada un peso o intensidad de conexión

conexiónWij = entre la entrada i y el EP j. Los pesos codifican el conocimiento de una red.

- Función de activación: Cada EP determina un valor de entrada neto basado en las entradas y en

las fuerzas de conexión asociadas a cada una de ellas. Los pesos o factores, que representan la “fuerza” de las conexiones sinápticas son multiplicadas por todas las entradas a dicha EP, luego se suman y determinan el valor de activación del perceptrón, esta sumatoria se denomina NETA:

∑=

∗=0

)(j

jij WXjNETA

La salida NETA es utilizada por una función de activación para producir la señal de salida o transferencia del perceptrón, denominada OUT. La función de transferencia actúa como un limitador de rango dinámico. Esta función de salida o transferencia puede ser de distintos tipos, siendo la sigmoidea (continua) la que más se parece a las características de transferencia no lineal de la neurona biológica y permite funciones de red más generales. Matemáticamente la función es:

)1(1)( xe

xF −+=

Por lo que para el perceptrón sería:

)1(1

NETAeOUT −+

=

Con el teorema de la convergencia del perceptrón, se demostró que un perceptrón es capaz de clasificar cualquier conjunto de entradas linealmente separables. Para superar dicha limitación, se añaden mas capas de perceptrones. Las redes neuronales se prefieren sobre otras técnicas tradicionales básicamente por dos razones: la primera es que son tan versátiles que no es necesario escoger un modelo previo, después de un proceso determinado, la red generalmente hace un buen trabajo de ajuste, y la segunda, es que las redes neuronales toleran la presencia de extraños patrones de ruido, incluidas componentes caóticas que tienen colas pesadas, mejor que como lo hacen la mayoría de los otros modelos.

C. Análisis espectral singular(AES): La metodología se fundamenta en la aplicación de diferentes Análisis de Componentes Principales (ACP) en el dominio del tiempo y del espacio. El AES se basa en el ACP en el espacio de los vectores conformados por versiones rezagadas de una serie de tiempo. En este contexto el análisis espectral se refiere a la expansión de la evolución de un campo espacio temporal en diferentes modos ortogonales empíricos. El AES es la expansión de un campo discreto, en sus CPs y funciones ortogonales empíricas (FOE) considerando una longitud de ventana M.

6La ortogonalidad en el tiempo y el espacio, implica que el autovalor de la matriz de covarianzas representa la varianza de la k-ésima CP. El método tiene por objetivo reducir la información a p CPs, tiene en cuenta la varianza explicada por cada CP con respecto a la varianza total del proceso. Se seleccionan las CP que aportan a las señales en forma importante eliminando el ruido de las series teniendo como criterio que los respectivos valores propios no son significativos. Luego de seleccionadas las p CPs, se reconstruye la señal obteniéndose las Componentes Reconstruidas (CR) mediante métodos de mínimos cuadrados. La descomposición en CP se realiza sobre el campo multivariado que consiste de las siguientes variables: caudal, precipitación y variables macroclimáticas. A cada una de las CP se le hace un ajuste de regresión lineal estocástico y se predice cada CP en forma independiente. Finalmente se suman las CR predichas y se obtiene el caudal total predicho.

D. Modelo Lluvia escorrentía: Se propuso el modelo conceptual de tanques el cual fue implementado en la cuenca del río Batá. En este modelo la producción de escorrentía se basa en el balance hídrico de la cuenca, asumiendo que el agua proveniente de la precipitación se distribuye en cuatro tanques o niveles de almacenamiento conectados entre sí. En cada intervalo de tiempo la precipitación se distribuye a los distintos tanques, donde en función del volumen almacenado en cada uno de ellos se determina su contribución a la escorrentía. El modelo realiza el balance de agua en cada tanque y actualiza los volúmenes almacenados en ellos. La cantidad de agua que se deriva en cada nodo y la que continúa hacia los niveles inferiores por el conducto distribuidor depende de la cantidad de agua disponible, el estado de almacenamiento del tanque y de la capacidad del conducto distribuidor abajo del nodo, la cual se puede relacionar con la conductividad hidráulica en el subsuelo. La descarga en cada uno de los tanques está en función del volumen almacenado y de las características de la cuenca que se pueden asociar con el tiempo de permanencia del agua en un almacenamiento temporal.

Fig. 8. Esquema del modelo conceptual de tanques.

Cada uno de los modelos implementados cuenta con una serie de parámetros que son estimados mediante un proceso de calibración. La calibración de los modelos es evaluada a través de indicadores de ajuste. De la información disponible se trabaja con un 70% aproximadamente para la calibración. Una vez los modelos han sido calibrados se procede a su validación utilizando el 30% de la información restante y se evalúa su desempeño a través de indicadores de eficiencia. Para esta validación se plantearon pronósticos a nivel de 1, 3, 6 y 12 meses con sus respectivas bandas de error para los modelos de predicción de caudales a nivel mensual, y el modelo de lluvia-escorrentía se validó para ventana de 3 días.

IV. MONITOREO DE CONTROL DE SEDIMENTOS Y SISTEMA DE ALERTAS

Paralelo a las estaciones para recolección y almacenamiento de datos hídricos, a mediados del año 2005 se construyó y montó el sistema de recolección de muestras de agua para la medición de concentración de sedimentos en la zona de las bocatomas en el embalse La Esmeralda. Dicho sistema se compone de una caseta de instrumentación y el sistema de bombeo. En la caseta se encuentran los controles de las bombas y la instrumentación necesaria la cual se constituye por equipos tales como bomba de vacío, probetas, dos balanzas de precisión semianalíticas (con tres cifras de precisión), horno para secado de muestras y membranas de filtración. Por otro lado, el sistema de bombeo lo componen dos bombas suspendidas mediante una guaya de acero, alimentadas desde la caseta de instrumentación, sumergidas y distanciadas 30 metros de las bocatomas, las cuales impulsan el agua a través de una manguera plástica de 1½” de diámetro, que entrega el agua de muestreo en la caseta de instrumentación. Una vez tomada la muestra en 100 ml se realiza el análisis de concentración de sedimentos presente en ella, la cual se determina por la diferencia de peso entre la muestra en el momento de la toma y la muestra después de sometida al proceso de secado en el horno. Conocida la concentración de sedimentos y los pronósticos consecuencia de los modelos matemáticos; los caudales podrán conocerse en tiempo real para de esta manera tomar decisiones ante situaciones críticas con afluencias pico, con dos horas de anticipación al arribo de éstas al embalse y así generar o no las alarmas por operación. Si la concentración es igual o mayor a 900 mg/lt y el embalse se encuentra por debajo del 55.0% de su capacidad, sin importar las afluencias presentes, se deberá establecer la condición de alerta roja donde se

7iniciará el proceso de parada de la Planta, evitando de esta manera desgaste y daños futuros en los equipos. No solo las alertas se originan por el nivel de concentración de sedimentos, en tanto el embalse se encuentre por debajo del 55% de su capacidad de almacenamiento, se deben tener en cuenta las afluencias para la generación de alarmas. Teniendo en cuenta lo anterior los tipos de alarmas se generan cuando: (1) Se considera situación normal cuando las afluencias están por debajo de 150 m³/s (2) Alerta blanca cuando las afluencias se encuentran entre 150 m³/s y 250 m³/s. Allí se informa al ingeniero de turno y al director de operación. (3) Alerta amarilla con afluencias entre 250 m³/s y 700 m³/s, se informa a Gerente de producción y todo el cuerpo de ingenieros para estar listos ante cualquier eventualidad. En esta situación el muestreo de concentración de sedimentos se intensifica; pasa de 3 veces diarias a cada media hora. (4) Alerta naranja con afluencias entre 700 m³/s y 900 m³/s. Allí se informa al departamento comercial y al comité de gerencia para una eventual parada de las máquinas. (5) Alerta Roja, cuando el caudal es mayor a 900 m³/s s debe monitorear permanentemente la concentración de sedimentos para que ella no alcance los 900 mg/lt; de lo contrario se dará orden inmediata de parada de la Central, cierre de agujas, y si es posible solicitud de redespacho al Centro Nacional de Despacho CND. V. CONCLUSIONES • Una vez instalada la red de telemetría para

monitoreo de niveles de los ríos aportantes al embalse y otros parámetros hidrológicos como la precipitación, los datos se obtienen en tiempo real y con un mayor grado de exactitud, frente a la antigua toma de datos realizada por personal de la zona que tendría implícito errores humanos. Actualmente se originan señales desde los puntos de censo hasta la sala de control con una frecuencia horaria.

• El sistema de telemetría ha permitido el continuo monitoreo desde uno solo punto de control, centralizando de esta manera la información y permitiendo la toma de decisiones tempranas anticipando posibles eventos. En la actualidad se ha reportado una condición hidrológica normal, mas sin embargo el sistema alerta cualquier anomalía que se llegue a presentar.

• A partir de la base de datos del sistema de telemetría, y la serie histórica que data desde 1953, se desarrollaron modelos matemáticos para la predicción de caudales a nivel diario y mensual que buscan optimizar el uso del agua para generación de la energía eléctrica y tener una mejor estimación de los caudales afluentes que pueden llegar con el fin

de estar mejor preparados ante una eventual creciente que nos pueda generar daños en los componentes de la Central..

• La información recibida en tiempo real así como los resultados de los modelos nos han permitido hacer un monitoreo exhaustivo y exacto de la hidrología cuando se han presentado crecientes de alguna magnitud importante.

III. REFERENCIAS

[1] Cardona, C. M. 1996. Metodología de pronóstico de

caudales con base en modelos lluvia-escorrentía aplicados a las subcuencas del embalse la Esmeralda – Central Chivor. Posgrado en Recursos Hidráulicos, Universidad Nacional, 94 p.

[2] Carvajal, Luis F. 1994. Acerca de la predicción no lineal en Hidrología. Tesis de magíster, Posgrado en Recursos Hidráulicos, Universidad Nacional, 133 p.

[3] Chang, F. J. and Y. C. Chen. 2001. A counterpropagation fuzzy-neural network modeling approach to real time streamflow prediction. Journal of Hydrology, 245, 153-164 p.

[4] Preisendorfer, R. W. 1988. Principal component análisis in Meteorology and Oceanography. Ámsterdam, Ed. Elsevier, 425 p.

[5] Simith, R. A., et al. 2004. Modelos de predicción de caudales mensuales para el Sector Eléctrico Colombiano, Revista Avances en Recursos Hidráulicos, num. 11, sept, 91 – 102 p.

[6] Modelos de Predicción de Caudales Medios Mensuales y Diarios para la cuenca del río Batá.