Añadir curvas de control de yacimientos y ahorrar en la demanda (reducciones)

Introducción

Las curvas de control se pueden utilizar para implementar una reducción de la demanda cuando los niveles de los embalses están por debajo de ciertos umbrales. Esto representa la implementación de medidas temporales de gestión de la demanda. En este ejercicio, la demanda se reducirá gradualmente a medida que el depósito descienda por debajo de ciertos umbrales de almacenamiento. Este ejercicio demostrará la Parámetro de índice de curva de control, el Parámetro de matriz indexada así como el Parámetro agregado así como el anidamiento de parámetros.

Clone el escenario y defina una curva de control

1. Clona el «Fuentes equilibradas» escenario y nombre al nuevo «Reducciones de la demanda»

2. Primero definiremos un curva de control que utiliza umbrales de volumen de almacenamiento para reducir progresivamente la demanda a fin de modelar las restricciones de demanda que se imponen a una demanda. La primera curva es una Perfil mensual (60% en los próximos meses y 45% en otros), lo que permite los cambios estacionales, mientras que las dos curvas siguientes son Constantes (40% y 10% de la capacidad de almacenamiento del depósito).

Curva de control de reservorios

La curva de control se definirá en Parámetros pestaña. En la pestaña Parámetros, añada un Pyr_Parámetro.

Agregar un Pywr_Parameter

Asigne un nombre al parámetro 'curva de control de almacenamiento' y presione Entrar**. **

curva de control de almacenamiento

Pegue el siguiente fragmento de código JSON a continuación. Ten en cuenta cómo se hace referencia al "depósito de ejemplificado" en el atributo "storage_node".

{
	«tipo»: «parámetro controlcurveindex»,
	«storage_node»: «Ejemplo de depósito»,
	«curvas de control»: [
		{
			«type»: «parámetro de perfil mensual»,
			«valores»: [
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.45,
				0.6,
				0.6
			]
		},
		{
			«tipo»: «constante»,
			«valor»: 0.4
		},
		{
			«tipo»: «constante»,
			«valor»: 0.1
		}
	],
	«__grabadora__«: {
		«timeseries»: verdadero
	}
}

Pega el código y guarda

Selecciona series temporales de grabación y guarda

En cada paso temporal, el Parámetro de índice de curva de control devolverá un valor de índice como se muestra a continuación:

Curva de control de reservorios

Estos índices se pueden asociar a un factor de demanda que se definirá mediante un Parámetro de matriz indexada. El factor de demanda se utilizará para reducir la demanda cuando se supere cada umbral de la curva de control.

Factor de demanda asociado

1. Asociaremos lo siguiente Factores de demanda a los diferentes niveles de fallo de la curva de control:

Curva de control de reservorios

Esto reducirá la demanda al 90%, 80% y 50% de la demanda básica correspondiente a las reducciones de la demanda de 10%, 20% y 50%.

1. Crea un nuevo Pyr_Parámetro

Crear un nuevo Pywr_Parameter

1. Asigne un nombre al parámetro «factor de demanda de la curva de control» y presione Entrar**. **

Asigne un nombre al parámetro

1. Pegue el siguiente fragmento de código JSON a continuación. Ten en cuenta cómo se hace referencia a la "curva de control"del almacenamiento en el atributo"index_parameter"`.

{
	«tipo»: «indexedarrayparameter»,
	«index_parameter»: «curva de control de almacenamiento»,
	«parámetros»: [
		1,
		0.9,
		0.8,
		0.5
	],
}

Pega el código y guarda

El atributo Paramsincluye parámetros escalares o Pywr y el índice de la matriz corresponde al índice del parámetro al que se hace referencia en índice_parámetro que en este caso es la curva de control.

1. Seleccione esta opción para convertir este parámetro en la salida.

Selecciona series temporales de grabación y guarda

Definir la demanda de referencia

A continuación, definiremos la demanda de referencia. Esta es la demanda que tiene el embalse antes de implementar cualquier reducción. En el tutorial anterior, la demanda del ejemplo se definió como un escalar (0.1) en el atributo Max\ _flow del nodo de salida de la demanda del ejemplo:

Ejemplo de demanda

Reemplazaremos esto por un Referencia de parámetros.

1. En primer lugar, definiremos la demanda de referencia utilizando un Parámetro constante.

Añadir un nuevo **Pyr_parámetro. **

Agregar un nuevo PyWR_Parameter

Y nómbralo Demanda de referencia y presione Entrar.

Asigne un nombre al nuevo PyWR_Parameter

1. La demanda de referencia se mantendrá 0.1 MM3/día. Copia y pega el fragmento de código JSON en la pestaña JSON.

{
	«tipo»: «constante»,
	«valor»: 0.1
}

Pega el código y guarda

En cada etapa temporal, la demanda modelada será la demanda de referencia multiplicada por el factor de demanda:

Demanda temporal = Demanda de referencia x Factor de demanda

Calcular demanda temporal

Esto se puede lograr mediante el uso de un Parámetro agregado.

1. Añadir un nuevo **Pyr_parámetro. **

Agregar un nuevo PyWR_Parameter

Asigne un nombre al nuevo parámetro «demanda temporal»

Asigne un nombre al nuevo parámetro

1. Copia y pega el fragmento de código JSON en la pestaña JSON.

{
	«tipo»: «Parámetro agregado»,
	«agg_func»: «producto»,
	«parámetros»: [
		«demanda de referencia»,
		«factor de demanda de la curva de control»
	]
}

Pega el código y guarda

Seleccione esta opción para que este valor de parámetro se muestre en cada paso de tiempo.

Seleccione la grabación de las series temporales

1. El «demanda temporal» define la demanda en cada etapa temporal teniendo en cuenta el estado (es decir, el almacenamiento en tiempo real) del embalse.

Esto Parámetro necesita ser referenciado en el máximo_atributo flow del nodo Demand.

1. Haga clic en el nodo Demanda y escriba o pegue 'demanda temporal» en el atributo max\ _flow reemplazando el valor escalar (0.1).

Introduzca el nombre del atributo max_flow

Tenga en cuenta que si el nombre del parámetro no se guarda, cambie el tipo de entrada a «Descriptor».

Haga clic en editar el max_flow

Seleccione DESCRIPTOR

Ingresa el nombre

No olvides guardar los cambios.

Ejecute el modelo y vea los resultados

1. Corre el modelo.

Haga clic para ejecutar el modelo

1. Ver el simulado \ _volumen en el depósito

Volumen _simulado en el embalse

Puedes zoom en la sequía, por ejemplo, esta es la sequía que ocurrió en 2042-2044.

Volumen simulado en el depósito en 2042-2044

En el escenario con reducciones de la demanda, el depósito no alcanzó un nivel de almacenamiento tan bajo (9.4 frente a 8.17 Mm3).

1. Haga clic en el\ _flow simulado del nodo Demand. Se pueden ver las reducciones de la demanda.

simulated_flow del nodo Demand

1. Puede ver el resultado del parámetro de curado de control haciendo clic en el Datos de red vista.

Haga clic para ver el resultado del parámetro de curado de control

Al hacer clic en simulado_La curva de control de almacenamiento muestra el índice que devuelve la curva de control de almacenamiento en cada paso de tiempo. Esto varía entre 0 y 2.

Salida del parámetro de curado de control

Ejercicio

1. Aumente el parámetro de demanda de referencia. ¿Qué tan alta puede ser la demanda de referencia antes de que el depósito se vacíe por completo?