La optimización de los sistemas de bombeo se suele realizar a través de las curvas características de la red (asociadas con las curvas resistentes). Estas curvas están sujetas a la resistencia generada por el usuario en función de las necesidades de caudal y presión en cada punto de consumo. Dicha resistencia es muy variable y difícil de determinar lo que hace que el cálculo de las curvas sea poco práctico. El problema radica en que al no definirse adecuadamente las curvas resistentes, no se conocen las necesidades reales de caudal y presión de la red. Por lo tanto no se puede estimar el exceso de energía aportado por las bombas ni el aumento de costos de operación que esto representa. Sin embargo, existe otro tipo de curva denominada curva de consigna (CC). Dicha curva ha sido poco estudiada hasta ahora y su cálculo es relativamente fácil. De ahí que el presente trabajo tiene como objetivo la optimización de la energía y de los costes de bombeo mediante el uso de la CC. Para cumplir con el objetivo, primero se estudia el cálculo de la CC en redes de agua con múltiples estaciones de bombeo, consumos no dependientes y dependientes de la presión, y sin tanques de almacenamiento. Posteriormente, se lleva a cabo la optimización sólo desde la perspectiva energética (caudal y altura de bombeo). Para ello se realiza la búsqueda de la distribución de caudales óptima entre las estaciones de bombeo que conlleve a las CC óptimas. Se proponen dos métodos: uno discreto (M-D) y otro continuo (M-C). El M-D considera la distribución de caudales como una variable discreta. La distribución óptima se obtiene de un conjunto de soluciones previamente definidas. En el M-C la distribución de caudales se asume como variable continua. La solución óptima viene dada por el uso de un algoritmo de optimización. Se han usado los algoritmos: Hooke-Jeeves y Nelder-Mead. El siguiente paso es la optimización de costos de operación (costos de bombeo y costos de producción de agua). Para ello se parte del M-C y se incluyen además las tarifas de energía, las tarifas de producción de agua y un criterio sobre el rendimiento mínimo esperado en las estaciones de bombeo. El último paso consiste en la optimización energética y de costos en redes con tanques. La inclusión de tanques implica la modificación del cálculo de la CC y por ende la metodología de optimización. En la función de costes se incluyen además de los costes de bombeo y de producción, costes de penalización por incumplimiento de presiones y de volúmenes de reserva. Al incluirse los tanques, incrementa el número de variables de decisión. Por lo que, es necesario el uso de algoritmos más potentes. Se han usado el Differential Evolution y el Hybrid Algorithm. Este último es un aporte añadido de este trabajo. La metodología de optimización se aplica a cinco redes de distribución: TF, Catinen, Coplaca, Anytown y Richmond. Los tanques sólo se consideran en las dos últimas redes. En el caso de la red TF se realiza una demostración sin entrar en profundidad de la selección de bombas a través del uso de las CC óptimas. Sin embargo, este paso está fuera de los límites de este trabajo. Tampoco se consideran condiciones de operación múltiples de la red, ni la fiabilidad en el caso de la remoción de tanques o sistemas de bombeo. No obstante, los resultados obtenidos evidencian que los sistemas de bombeo operados usando la CC pueden mejorar sus costos operativos hasta en un 12%. La metodología proporciona información sobre las estaciones de bombeo que representan mayores ahorros frente a aquellas que son menos importantes o innecesarias. Además, el método ha permitido demostrar que mejores condiciones de bombeo (bajas tarifas de energía y altos rendimientos) no siempre significan menores costos de operación. Finalmente, algunos resultados muestran la posible utilidad del método para optimizar tanto el uso como la ubicación de los tanqu / Usually, pumping optimisation in water distribution networks is carried out by means of the system head curves (SHCs), also known as the resistance curves (RCs). These curves are subjected to the resistance generated by the users, according with the flow and pressure head needs at the final points of demand. Such resistance is highly variable and hard to determine. Thus the calculation of the RCs and all the points that define them results impractical. As a RCs suitable calculation is not possible, real flow and pressure needs of the network are not known. Therefore, neither energy excess of the pumping regarding the real requirements nor the raising operating costs due to such excess, are estimated. However, there is another type of SHC defined as the setpoint curve (SC). It can be easily calculated, but has been poorly studied so far. Thus, this work aims the optimisation of the energy use and operating costs in pumping systems by using the SCs. To achieve the objective, first of all the SC calculation is studied for networks with several pumping stations, non-pressure driven demands, pressure-driven demands, and without tanks. Next, the optimisation is performed only from the energy point of view (i.e. flow and pumping head required). For that, a search of the optimum flow distribution among pumping stations to find the optimum SCs is performed. Two methods are proposed: the discrete (D-M) and the continuous (C-M). The D-M considers the flow distribution as a discrete variable. The optimum flow distribution is obtained from a set of solutions defined previously. In the C-M, the flow distribution is assumed as a continuous variable. The optimum solution comes from using optimisation algorithms. Two algorithms have been applied: Hooke-Jeeves and Nelder-Mead. Then, the cost optimisation (pumping cost and water production cost) is developed. For that purpose, the M-C is used as starting point. Then, energy tariffs, water production fares and the minimum expected efficiency at the pumping stations, are included. The last step consists in the energy and cost optimisation in networks with tanks. When tanks are included the SC calculation methodology changes. Hence, the optimisation process also does. In that sense, besides the costs of pumping and water production, the cost function also considers penalty costs for unaccomplished minimum pressures and minimum storage leves. Moreover, tanks inclusion also rises the number of decision variables. Thus, the use of more powerful algorithms is required. In that context, the Differential Evolution and the Hybrid Algorithm have been applied. The last one is an additional contribution of this work. The optimisation methodology is applied to five distribution networks: TF, Catinen, Coplaca, Anytown and Richmond. Tanks are only considered in the last two networks. In the case of TF network, demonstrative pumps selection (without going into great depth) by the optimum SCs application is done. However pumps sizing and selection study is out of the scope of this research. Neither multiple operation conditions nor reliability (i.e. in the case that tanks or pumping stations are removed), are considered. Nevertheless, the results obtained evidence that pumping systems operated by mean of the optimum SCs could reduce their operating costs up 12%. The methodology also gives information about which pumping stations represent major savings and which are less important or not needed. Besides, the method demonstrates that better pumping conditions (i.e. low energy tariffs and high efficiencies) not always mean lower operating costs. Finally, some results show that the method could be useful for the optimisation of both placement and use of storage tanks. / L'optimització dels sistemes de bombament se sol realitzar a través de les corbes característiques de la xarxa (associades amb les corbes resistents). Aquestes corbes estan subjectes a la resistència generada per l'usuari en funció de les necessitats de cabal i pressió en cada punt de consum. Aquesta resistència és molt variable i difícil de determinar el que fa que el càlcul de les corbes siga poc pràctic. El problema radica que al no definir-se adequadament les corbes resistents, no es coneixen les necessitats reals de cabal i pressió de la xarxa. Per tant no es pot estimar l'excés d'energia aportat per les bombes ni l'augment de costos d'operació que açò representa. No obstant açò, existeix un altre tipus de corba denominada corba de consigna (CC). Aquesta corba ha sigut poc estudiada fins ara i el seu càlcul és relativament fàcil. Per aquest motiu el present treball té com a objectiu l'optimització de l'energia i dels costos de bombament mitjançant l'ús de la CC. Per a complir amb l'objectiu, primer s'estudia el càlcul de la CC en xarxes d'aigua amb múltiples estacions de bombament, consums no depenents i dependents de la pressió, i sense tancs d'emmagatzematge. Posteriorment, es duu a terme l'optimització només des de la perspectiva energètica (cabal i altura de bombament). Per a açò es realitza la cerca de la distribució de cabals òptima entre les estacions de bombament que comporte a les CC òptimes. Es proposen dos mètodes: un de discret (M-D) i un altre continu (M-C). El M-D considera la distribució de cabals com una variable discreta. La distribució òptima s'obté d'un conjunt de solucions prèviament definides. En el M-C la distribució de cabals s'assumeix com a variable contínua. La solució òptima ve donada per l'ús d'un algorisme d'optimització. S'han usat els algorismes: Hooke-Jeeves i Nelder-Mead. El següent pas és l'optimització de costos d'operació (costos de bombament i costos de producció d'aigua). Per a açò es parteix del M-C i s'inclouen a més les tarifes d'energia, les tarifes de producció d'aigua i un criteri sobre el rendiment mínim esperat en les estacions de bombament. L'últim pas consisteix en l'optimització energètica i de costos en xarxes amb tancs. La inclusió de tancs implica la modificació del càlcul de la CC i per tant la metodologia d'optimització. En la funció de costos s'inclouen a més dels costos de bombament i de producció, costos de penalització per incompliment de pressions i de volums de reserva. En incloure's els tancs, incrementa el nombre de variables de decisió. Pel que, és necessari l'ús d'algorismes més potents. S'han usat el Differential Evolution i el Hybrid Algorithm. Aquest últim és una aportació afegida d'aquest treball. La metodologia d'optimització s'aplica a cinc xarxes de distribució: TF, Catinen, Coplaca, Anytown i Richmond. Els tancs només es consideren en les dues últimes xarxes. En el cas de la xarxa TF es realitza una demostració sense entrar en profunditat de la selecció de bombes a través de l'ús de les CC òptimes. No obstant açò, aquest pas està fora dels límits d'aquest treball. Tampoc es consideren condicions d'operació múltiples de la xarxa, ni la fiabilitat en el cas de la remoció de tancs o sistemes de bombament. No obstant açò, els resultats obtinguts evidencien que els sistemes de bombament operats usant la CC poden millorar els seus costos operatius fins a en un 12%. La metodologia proporciona informació sobre les estacions de bombament que representen majors estalvis enfront d'aquelles que són menys importants o innecessàries. A més, el mètode ha permès demostrar que millors condicions de bombament (baixes tarifes d'energia i alts rendiments) no sempre signifiquen menors costos d'operació. Finalment, alguns resultats mostren la possible utilitat del mètode per a optimitzar tant l'ús com la ubicació dels tancs d'emmagatzematge. / León Celi, CF. (2018). Optimisation of both energy use and pumping costs in water distribution networks with several water sources using the setpoint curve [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/107956

Indoor climate control is responsible for a substantial amount of the world's total energy expenditure. In a time of climate crisis where a reduction of energy consumption is crucial to avoid climate disaster, indoor climate control is a ripe target for eliminating energy waste. The conventional method of adjusting the indoor climate with the use of setpoint curves, based solely on outdoor temperature, may lead to notable inefficiencies. This project evaluates the possibility to replace this method of regulation with a system based on model predictive control (MPC) in one of Uppsala University Hospitals office buildings. A prototype of an MPC controller using Artificial Neural Networks (ANN) as its system model was developed. The system takes several data sources into account, including indoor and outdoor temperatures, radiator flowline and return temperatures, current solar radiation as well as forecast for both solar radiation and outdoor temperature. The system was not set in production but the controller's predicted values correspond well to the buildings current thermal behaviour and weather data. These theoretical results attest to the viability of using the method to regulate the indoor climate in buildings in place of setpoint curves. / Bibehållande av inomhusklimat står för en avsevärd del av världens totala energikonsumtion. Med dagens klimatförändringar där minskad energikonsumtion är viktigt för den hållbara utvecklingen så är inomhusklimat ett lämpligt mål för att förhindra slösad energi. Konventionell styrning av inomhusklimat använder sig av börvärdeskurvor, baserade enbart på utomhustemperatur, vilket kan leda till anmärkningsvärt energispill. Detta projekt utvärderar möjligheten att ersätta denna styrmetod med ett system baserat på model predictive control (MPC) och använda detta i en av Akademiska sjukhusets lokaler i Uppsala. En MPC styrenhet som använder Artificiella Neurala Nätverk (ANN) som sin modell utvecklades. Systemet använder sig av flera datakällor däribland inomhus- och utomhustemperatur, radiatorslingornas framlednings- och returtemperatur, rådande solinstrålning såväl som prognoser för solinstrålning och utomhustemperatur. Systemet sattes inte i produktion men dess prognos stämmer väl överens med tillgänglig väderdata och husets termiska beteende. De presenterade resultaten påvisar metoden vara ett lämpligt substitut för styrning med börvärdeskurvor.