Inteligencia artificial que predice el agua que usarán los regantes y optimiza el uso de energía

Un modelo desarrollado por el Departamento de Agronomía de la Universidad de Córdoba a partir de técnicas de inteligencia artificial anticipa el uso de agua de los regantes por periodos tarifarios con un día de antelación y permite optimizar el uso de la energía.

La institución universitaria cordobesa ha informado este lunes de que frente a otros avances en este campo, como el que permite conocer la cantidad de agua y el día de consumo, el modelo Cangenfis adelanta información sobre cuándo se produce la mayor demanda la red, si es necesaria o no la activación de todas las bombas en paralelo que tiene la comunidad de regantes y optimiza la contratación de la tarifa eléctrica más adecuada, permitiendo así el ahorro de costes energéticos.

El modelo Cangenfis es un desarrollo del grupo de Hidráulica y Riegos de la Unidad de Excelencia María de Maeztu-Departamento de Agronomía de la Universidad de Córdoba (Dauco), creado por los investigadores Rafael González, Emilio Camacho y Juan Antonio Rodríguez.

Combinando técnicas de inteligencia artificial como lógica difusa, redes neuronales artificiales y algoritmos genéticos modela el comportamiento de los regantes y pronostica a corto plazo la distribución por período tarifario del agua usada tanto por los regantes como por la comunidad al completo.

El investigador Emilio Camacho destaca que el modelo "permite integrar la gestión del agua y de la energía y hacer un uso óptimo también de esa energía" y "si la comunidad de regantes tiene un sistema de energía fotovoltaica puede saber qué cantidad de energía tiene que reservar y vender el resto o cuánta energía tiene que comprar ya que hay comunidades que compran energía de un día a otro y con esto pueden adelantarse a esta compra con precisión".

Para otro de los investigadores, Rafael González, "el funcionamiento del modelo es sencillo", porque "recibe una serie de entradas de variables climáticas muy relacionadas con la sensación térmica del agricultor como humedad relativa o temperatura máxima", y además se incluyen "variables relacionadas con el estado fenológico del cultivo y variables relacionadas con el día a día del agricultor", ya que si es festivo o si es fin de semana puede influir en las decisiones de riego.

Este modelo ha sido entrenado y probado en la Comunidad de Regantes del Canal del Zújar (Extremadura) con datos de las campañas de riego de 2015, 2016, 2017 y 2018.