David Haro Monteagudo Tesina de Máster

Mster en Ingeniera
Hidrulica y Medio
Ambiente
Ttulo del Trabajo Fin de Mster:

Anlisis y adaptacin de algoritmos para la
optimizacin de sistemas de recursos
hdricos mediante tcnicas de redes de flujo.
Aplicacin en la mejora y ampliacin del
modelo OPTIGES
Intensificacin:
RECURSOS HDRICOS
Autor:
DAVID HARO MONTEAGUDO

Director/es:
JAVIER PAREDES ARQUIOLA
ABEL SOLERA SOLERA
Fecha: SEPTIEMBRE, 2011

Mster en Ingeniera
Hidrulica y Medio
Ambiente
Ttulo del Trabajo Fin de Mster:

Anlisis y adaptacin de algoritmos para la optimizacin de sistemas de
recursos hdricos mediante tcnicas de redes de flujo. Aplicacin en la
mejora y ampliacin del modelo OPTIGES
Autor: HARO MONTEAGUDO, DAVID
Tipo A B
Lugar de
Director JAVIER PAREDES ARQUIOLA Realizacin VALENCIA
Codirector1 ABEL SOLERA SOLERA
Codirector2 Fecha de
Tutor Lectura SEPT, 2011
Resumen:
La distribucin del agua entre los diferentes usos es un problema habitual en numerosas cuencas
hidrolgicas. El objetivo es obtener la distribucin ptima de los recursos y los flujos circulantes
por el sistema asociados. Existe una gran variedad de tcnicas de optimizacin que permiten
resolver este problema. De entre todas ellas, las redes de flujo es una de las ms habitualmente
empleadas en la resolucin del problema del reparto de recursos hidrulicos. Este mtodo de
optimizacin se ha empleado en numerosas ocasiones para desarrollar aplicaciones para sistemas
de recursos concretos, as como para crear sistemas de soporte a la decisin genricos para el
estudio de modelos de cuencas creados para los mismos. En este trabajo se han estudiado diversos
algoritmos de resolucin de redes de flujo, de los cuales se seleccion tres (Out-of-Kilter, RELAX IV
y NETFLOW) para ser comparados entre s en la resolucin de un sistema de recursos hdricos
sencillo. Se emple el modelo OPTIGES como base para la incorporacin de los algoritmos,
obtenindose que RELAX IV resulta el ms eficiente de los tres en la resolucin del problema. Dado
que muchos aspectos de una cuenca hidrogrfica no son puramente lineales, el estudio de las no
linealidades resulta de gran importancia en la optimizacin de estos sistemas. Por lo tanto, tambin
se estudi el funcionamiento de los algoritmos escogidos al resolver el mismo problema
aadindose dos no linealidades sencillas como son la evaporacin y los retornos, con resultados
idnticos al caso lineal. Por ltimo, se ha desarrollado un mdulo adicional para considerar los
acuferos en el sistema, elementos altamente no lineales pero de gran importancia en muchas
cuencas.
Summary
The distribution of water resources between different users is a traditional problem in many river
basins. The objective is obtaining the optimal resource distribution and its associated circulating
flows through the system. There is a great variety of optimization techniques that allow solving this
problem such as linear and non-linear programming, network flow programming, dynamic
programming and other heuristic methods like genetic algorithms, neural networks and fuzzy logic.
Among all the existing, network flow programming is a common technique to solve the optimal water
allocation problem. This optimization method has been used many times for developing applications
for concrete water systems, as well as for developing generic decision support systems to study
basin models created for them. Several network flow algorithms were studied in this work, and three
were chosen (Out-of-Kilter, RELAX IV and NETFLOW) for comparing their performance by solving a
Mster en Ingeniera
Hidrulica y Medio
Ambiente
simple river system problem. The OPTIGES model was used as a base for the implementation of the
algorithms, and obtaining that RELAX IV is the most efficient in solving the problem. As long as
many aspects of a river basin are not purely linear, the study of non-linearities will also be of great
importance in water resources systems optimization. Therefore, also the performance of the chosen
algorithms was studied by solving the same problem including two easy non-linearities such as
evaporation and returns, and obtaining identical results than in the linear case. Finally, an additional
module for considering aquifers in the system was developed because, although being highly non-
linear elements, they are of great importance in many river basins.
Resum
La distribuci de laigua entre els diferents usos s un problema habitual en nombroses conques
hidrolgiques. Lobjectiu s obtindre la distribuci ptima dels recursos i els fluxos circulants
associats pel sistema. Existeix una gran varietat de tcniques doptimitzaci que permeten resoldre
aquest problema. Entre totes elles, les xarxes de flux s una de les ms habitualment empleades en
la resoluci del problema del repartiment de recursos hidrulics. Aquest mtode doptimitzaci shi
ha empleat en nombroses ocasions per desenvolupar aplicacions per a sistemes de recursos
concrets, aix com per a crear sistemes de suport a la decisi genrics per lestudi de models de
conques creats per als mateixos. En aquest treball shan estudiat diversos algoritmes de resoluci
de xarxes de flux, dels qui es va seleccionar tres (Out-of-Kilter, RELAX IV y NETFLOW) per a ser
comparats entre ells en la resoluci dun sistema de recursos hdrics senzill. Es va utilitzar el model
OPTIGES com a base per a la incorporaci dels algoritmes, obtenint-se que RELAX IV resulta el ms
eficient dels tres en la resoluci del problema. Donat que molts aspectes duna conca hidrogrfica
no sn purament lineals, lestudi de les no linealitats resulta de gran importncia en loptimitzaci
daquestos sistemes. Per tant, tamb es va estudiar el funcionament dels algoritmes escollits al
resoldre el mateix problema afegint dues no linealitats senzilles com sn levaporaci y els retorns,
amb resultats idntics al cas lineal. Per ltim, shi ha desenvolupat un mdul addicional per a
considerar els aqfers al sistema, elements altament no lineals per de gran importncia en moltes
conques.
Palabras clave:
Optimizacin, Redes de flujo, No linealidades, Water Allocation

Prefacio
En el documento que se presenta a continuacin se desarrollan las tareas realizadas
duranteeldesarrollodeltrabajodefinaldemstertituladoAnlisisyadaptacinde
algoritmosparalaoptimizacindesistemasderecursoshdricosmediantetcnicasde
redesdeflujo.AplicacinenlamejorayampliacindelmodeloOPTIGES.
Estetrabajoseharealizadoconlamotivacindefinalizarlosestudios,ylaobtencin
delttulocorrespondiente,delMsterenIngenieraHidrulicayMedioAmbiente,con
intensificacin en Sistemas de Recursos Hdricos, impartido por el Departamento de
Ingeniera Hidrulica y Medio Ambiente de la Universidad Politcnica de Valencia.
Adems,eltrabajoseenmarcacomounpasoprevio,ynecesario,aldesarrollofuturo
deunatesisdoctoralquesedeberadesarrollaralhilodelastemticastratadasenel
mismo.
Agradecimientos
Megustaraagradecer,enprimerlugar,laconfianzadepositadaenmporpartedelos
profesores Joaqun Andreu, Javier Paredes y Abel Solera, quienes me alentaron a
trabajarconellosenelgrupodesistemasderecursoshdricosdeldepartamento,que
me han guiado durante el desarrollo del trabajo de fin de mster y cuya orientacin
resultar inestimable en el futuro cuando encare el camino de desarrollar una tesis
doctoral.
Ensegundolugar,tambinagradezcoalrestodecompaerosbecarios(osimilares)del
departamentoelsimplehechodeestaraqu,yaquepeseaquecadaunotrabajamos
en temticas distintas, aunque relacionadas, todos juntos logramos que la vida en el
despachoseamuchomsllevaderaydivertida.
Porltimo,ynoporellomenosimportante,agradezco,comosiempre,elapoyodemis
padresyfamiliaresporrespaldarmeenlasdecisionesquetomo,apesardelasposibles
desavenenciasquedetantoentantosepuedandar.
ndicegeneral
1. Introduccin...........................................................................................................15
2. Situacinactualdelaoptimizacindesistemasderecursoshdricos..................19
3. El problema de asignacin de recursos hdricos y las redes de flujo. El modelo

OPTIGES..........................................................................................................................29
4. Anlisis de algoritmos de resolucin de redes de flujo para la optimizacin de

esquemasderecursoshdricos......................................................................................35
5. Aplicacin de los algoritmos de resolucin de redes de flujo escogidos en la

optimizacindeunsistemaderecursossencillo...........................................................49
6. IncorporacindelamodelacindeacuferosenelmodeloOPTIGES...................71
7. Conclusiones...........................................................................................................95
Referencias.....................................................................................................................99
Apndices.....................................................................................................................103
ndicedetallado
1. Introduccin...........................................................................................................15
2. Situacinactualdelaoptimizacindesistemasderecursoshdricos..................19
3. El problema de asignacin de recursos hdricos y las redes de flujo. El modelo
OPTIGES..........................................................................................................................29
4. Anlisis de algoritmos de resolucin de redes de flujo para la optimizacin de
esquemasderecursoshdricos......................................................................................35
4.1. Algoritmosdeoptimizacinderedesdeflujo.................................................36
4.1.1. OutofKilter..............................................................................................37
4.1.2. RelaxIV.....................................................................................................39
4.1.3. NETFLO(SIMPLEX)....................................................................................41
4.1.4. GeneralizedNetworkAlgorithm(EMNETyNETPD).................................42
4.1.5. Otrosalgoritmos.......................................................................................43
4.2. Comparacinsegnlabibliografa..................................................................43
4.3. Limitacionesdelasredesdeflujo....................................................................45
4.4. Consideracionesadicionales............................................................................45
5. Aplicacin de los algoritmos de resolucin de redes de flujo escogidos en la
optimizacindeunsistemaderecursossencillo...........................................................49
5.1. Casodeestudio:LacuencadelroMijaressimplificada.................................50
5.2. Optimizacindelsistemasiniteraciones........................................................52
5.3. Introduccindenolinealidadesenlaoptimizacindelsistema.....................57
5.3.1. Optimizacin del sistema teniendo en cuenta los retornos de las
demandas...............................................................................................................58
5.3.2. Optimizacin del sistema teniendo en cuenta la evaporacin en los
embalses.................................................................................................................61
5.3.3. Optimizacindelsistemateniendoencuentaevaporacinyretornos..64
5.4. Anlisisderesultados......................................................................................65
5.5. Consideracionesfinalesdelcaptulo5.............................................................69
6. IncorporacindelamodelacindeacuferosenelmodeloOPTIGES...................71
6.1. Cambiosinternosintroducidosenelmodelo..................................................72
6.2. Contribucindelosnuevoselementosalafuncinobjetivo.........................73
6.2.1. Contribucindelasfiltracionesdelosembalsesyenlostramostipo2y3
73
6.2.2. Contribucindelasfiltracionesdelasdemandasconsuntivas................74
6.2.3. Contribucindelasrecargasartificiales...................................................74
6.2.4. Contribucin de los bombeos a las demandas y de los bombeos
adicionales..............................................................................................................75
6.3. SubrutinadesimulacindeacuferosACUIFERO............................................75
6.3.1. Modelosdeacuferosincluidosenlasubrutina.......................................76
6.3.2. Criteriodeconvergenciadelosclculos..................................................76
6.4. Otrassubrutinasmodificadas..........................................................................80
6.5. Testsdefuncionamiento.Aplicacinauncasosencillo..................................80
6.5.1. Test de funcionamiento 1. Comprobacin de que la red de flujo no
destina recursos a la recarga del acufero a travs de los tramos conectados al
mismo. 81
6.5.2. Test de funcionamiento 2. Funcionamiento del modelo y
comportamiento del acufero en un sistema completo sin limitacin de los
bombeosporparmetrosdecontrol.....................................................................84
6.5.3. Testdefuncionamiento3.Controldelosbombeosmedianteparmetros
decontrol...............................................................................................................89
6.6. Tiempodeclculoyconvergenciadelosresultados......................................91
6.7. Consideracionesfinalesdelcaptulo6.............................................................93
7. Conclusiones...........................................................................................................95
Referencias.....................................................................................................................99
Apndices.....................................................................................................................103
Apndice A. El modelo OPTIGES de optimizacin de la gestin de esquemas de
recursoshdricos...........................................................................................................105
A.1.1.Nudos.........................................................................................................106
A.1.2.Conducciones.............................................................................................106
A.1.3.Aportaciones..............................................................................................106
A.1.4.Demandas...................................................................................................107
A.1.5.Elementosderetorno................................................................................107
A.1.6.Optimizacinyfuncinobjetivo................................................................107
A.2.Elementosnolineales.......................................................................................108
A.3.Resultados.........................................................................................................108
A.4.AplicacionesprcticasdelmodeloOPTIGES.....................................................109
A.5.LimitacionesdelmodeloOPTIGES....................................................................109
ApndiceB.TranscripcindelasubrutinaACUIFERO.................................................111
Apndice C. Archivo de datos DATGEN para la ejecucin del modelo completo de
OPTIGESenelcaptulo5..............................................................................................117
ApndiceD.Grficasderesultadosdeltestdefuncionamiento1(apartado5.5.1)...121
D.1.Resultadosdelcasoenqueelbombeoslocubreelprimerniveldelademanda
agrcola(50%)...........................................................................................................121
D.2. Resultados del caso en que el bombeo cubre hasta el segundo nivel de la
demandaagrcola(70%)...........................................................................................125
D.3. Resultados del caso en que el bombeo cubre hasta el tercer nivel de la
demandaagrcola(90%)...........................................................................................128
D.4.Resultadosdelcasoenqueelbombeocubreel100%delademanda............132
D.5.Aportacionesdelsistemaenloscuatrocasos..................................................135
ApndiceE.Grficasderesultadosdeltestdefuncionamiento2(apartado5.5.2)...137
E.1.Resultadosdelcasoenqueelbombeoslocubreelprimerniveldelademanda
agrcola(50%)...........................................................................................................137
E.2. Resultados del caso en que el bombeo cubre hasta el segundo nivel de la
demandaagrcola(70%)...........................................................................................140
E.3.Resultadosdelcasoenqueelbombeocubrehastaeltercerniveldelademanda
agrcola(90%)...........................................................................................................142
E.4.Resultadosdelcasoenqueelbombeocubreel100%delademanda............145
E.5.Aportacionesdelsistemaenloscuatrocasos...................................................147
Listadefiguras
Figura 2.1 Procedimientos de optimizacin estocstica implcita (a) y explcita (b).

TraducidosdeLabadie(2004)........................................................................................21
Figura3.1Ejemplodesistemaderecursoshdricos......................................................29
Figura3.2.Representacindelesquemaderecursoshdricosenlafigura3.1enforma
dereddeflujo................................................................................................................31
Figura3.3.Grafomultiperiododelsistemaderecursosrepresentadoenlafigura3.1 32
Figura5.1SituacindelacuencadelroMijares...........................................................50
Figura 5.2. Modelo del sistema delMijarescreado con AQUATOOL para su ejecucin
conelprogramaSIMGES................................................................................................51
Figura5.3.Evolucindeltiempodeejecucindelosalgoritmosconeltamaodelared
deflujo............................................................................................................................53
Figura5.4.Volumentotalreguladoenelsistemasiniteracionesconlostresalgoritmos
paraelperiododeoptimizacincorrespondientea720meses.Noseobservaninguna
diferenciaentreningunodeellos...................................................................................55
Figura 5.5. Evolucin del volumen almacenado en el embalse de Arens, durante el
periodo de optimizacin de 720 meses, para cada uno de los tres algoritmos
comparados....................................................................................................................56
Figura 5.6. Evolucin del volumen almacenado en el embalse de Sichar, durante el
periodo de optimizacin de 720 meses, para cada uno de los tres algoritmos
comparados....................................................................................................................57
Figura 5.7. Modelo simplificado del sistema Mijares modificado para la inclusin de
elementosderetorno.....................................................................................................59
Figura5.8.Evolucindelvalordelafuncinobjetivoconelnmerodeiteracionespara
elhorizontedeoptimizacinde720meses...................................................................59
Figura5.9.Tiempodeejecucindelmodelodeoptimizacinconcadaalgoritmopara
elhorizontedeoptimizacinde720meses...................................................................61
Figura 5.10. Tiempo de ejecucin de cada iteracin del modelo de optimizacin con
cadaalgoritmoparaelhorizontedeoptimizacinde720meses.................................61
Figura 5.11. Evolucin del valor de la funcin objetivo con cada iteracin para un
horizontedeoptimizacinde720meses.......................................................................63
Figura 5.12. Evolucin del valor de la funcin objetivo con cada iteracin para un
horizontedeoptimizacinde720meses.......................................................................64
Figura5.13.NmerodeiteracionessegnelvalordelavariableNEPSI.......................67
Figura5.14.Evolucindelvalordelafuncinobjetivoalolargode200iteracionescon
OPTIGESconRELAXIV....................................................................................................69
Figura6.1Representacindelconjuntodearcosynudosqueseincluyenenlaredde
flujoylasentradasysalidasquestetiene...................................................................72
Figura 6.2. Diagrama de flujo de la rutina VALMOD con la incorporacin de los

acuferos.........................................................................................................................77
Figura6.3.DiagramadeflujodelanuevarutinaACUIFEROincluidaenOPTIGES........78
Figura6.4.Diagramadeflujocorrespondientealacomprobacindelosparmetrosde
controldentrodelarutinaACUIFERO............................................................................79
Figura 6.5. Esquema del sistema de recursos hdricos empleados en el caso de
aplicacin........................................................................................................................80
Figura6.6.Esquemadelsistemamodificado.................................................................82
Figura 6.7. Resultados de caudales entre el embalse y el acufero para un nivel de
bombeoiguala4............................................................................................................83
Figura6.8.Evolucindelvolumendelacuferocalculadoapartirdelareddeflujopara
cada uno de los niveles de bombeo permitidos comparado con los resultados de
simulacin.......................................................................................................................85
Figura6.9.Caudalentreroyacufero,calculado(azul)ydemandado(rojo),paracada
unodelos4nivelesdebombeopermitidos..................................................................86
Figura6.10.Aportacinmensualmediaenlacuencadesagregadadurantelos60aos
delperiododeoptimizacinfrentealademandatotaldesagregada...........................88
Figura6.11.Evolucindelvolumenenelacuferoparalasituacinenqueelbombeo
cubrehastael90%delademandaagrcolaynoexistenlimitacionessobreelmismo.90
Figura 6.12. Dficit acumulado para el caso en que no existen limitaciones a los
bombeosycuandoseimpidebombearpordebajode45Hm3...................................91
Figura6.13.Tiempodeejecucinacumuladoparacadaunodelaspruebasrealizadas
conelsistemaderecursossimplificado,correspondindoseN1conelprimernivelde
demandayassucesivamente........................................................................................92
Figura 6.14. Tiempo de ejecucin de la herramienta OPTIGES para diferentes valores
deumbral(sinumbral,60Hm3,50Hm3y45Hm3)paraunniveldebombeocapaz
desuministrarhastael90%delademandaagrcola.....................................................93
FiguraD.1.Volumenalmacenadomesamesenelacufero.......................................121
FiguraD.2.Caudalentreroyacufero(positivodelacuferoalroynegativodelroal
acufero)........................................................................................................................122
FiguraD.3.Volumenbombeadoalademandaagrcola..............................................122
FiguraD.4.Volumenmensualalmacenadoenelembalse..........................................123
FiguraD.5.Dficitanualdelademandaagrcola.........................................................123
FiguraD.6.DficitanualdelademandaurbanadeVillaAbajo...................................124
FiguraD.7.DficitanualdelademandaurbanadeVillaAfuera.................................124
FiguraD.8.Volumenalmacenadomesamesenelacufero.......................................125
acufero)........................................................................................................................125
FiguraD.10.Volumenbombeadoalademandaagrcola............................................126
FiguraD.11.Volumenmensualalmacenadoenelembalse........................................126
FiguraD.12.Dficitanualdelademandaagrcola.......................................................127
FiguraD.13.DficitanualdelademandaurbanadeVillaAbajo.................................127
FiguraD.14.DficitAnualdelademandaurbanadeVillaAfuera...............................128
FiguraD.15.Volumenalmacenadomesamesenelacufero.....................................128
acufero)........................................................................................................................129
FiguraD.22.Volumenalmacenadomesamesenelacufero.....................................132
acufero)........................................................................................................................132
FiguraD.29.Aportacinencabecera...........................................................................135
FiguraD.30.Aportacinenembalse............................................................................136
FiguraD.31.Recarganaturaldelacufero....................................................................136
FiguraE.1.Volumenbombeadoalademandaagrcola...............................................137
FiguraE.2.Volumenmensualalmacenadoenelembalse...........................................138
FiguraE.3.Dficitanualdelademandaagrcola.........................................................138
FiguraE.4.DficitanualdelademandaurbanadeVillaAbajo...................................139
FiguraE.5.DficitanualdelademandaurbanadeVillaAfuera..................................139
FiguraE.6.Volumenbombeadoalademandaagrcola...............................................140
FiguraE.7.Volumenmensualalmacenadoenelembalse...........................................140
FiguraE.8.Dficitanualdelademandaagrcola.........................................................141
FiguraE.9.DficitanualdelademandaurbanadeVillaAbajo...................................141
FiguraE.10.DficitAnualdelademandaurbanadeVillaAfuera...............................142
FiguraE.11.Volumenbombeadoalademandaagrcola.............................................142
FiguraE.12.Volumenmensualalmacenadoenelembalse.........................................143
FiguraE.13.Dficitanualdelademandaagrcola.......................................................143
FiguraE.14.DficitanualdelademandaurbanadeVillaAbajo.................................144
FiguraE.16.Volumenbombeadoalademandaagrcola.............................................145
FiguraE.17.Volumenmensualalmacenadoenelembalse.........................................145
FiguraE.18.Dficitanualdelademandaagrcola.......................................................146
FiguraE.19.DficitanualdelademandaurbanadeVillaAbajo.................................146
FiguraE.21.Aportacinencabecera............................................................................147
FiguraE.22.Aportacinenembalse.............................................................................148
FiguraE.23.Aportacindelacuencamedia................................................................148
FiguraE.24.Aportacintotalenlacuenca...................................................................149
FiguraE.25.Recarganaturaldelacufero.....................................................................149
Listadetablas
Tabla5.1Tamaodelaredcorrespondienteacadahorizontedeoptimizacin..........53
Tabla5.2.Evolucindeltiempodeejecucindelosalgoritmosconeltamaodelared
deflujo............................................................................................................................54
Tabla5.3.Relacinentrelostiemposdeejecucindelosalgoritmossegneltamao
delareddeflujo.............................................................................................................54
Tabla 5.4. Volumen total retornado por las demandas a travs de cada elemento de
retornoparaelhorizontedeoptimizacinde720meses.............................................60
Tabla 5.5. Dficit total en cada demanda para el horizonte de optimizacin de 720
meses..............................................................................................................................60
Tabla5.6.Volumentotalvertidoalmaratravsdelaltimaconduccindelsistema
paraelhorizontedeoptimizacinde720meses..........................................................60
Tabla5.7.Tasadeevaporacinenlosembalsesdelmodelo........................................62
Tabla5.8.Volumentotalevaporadoenlosembalsesparaunhorizontedeoptimizacin
de720meses..................................................................................................................63
meses..............................................................................................................................63
Tabla 5.11. Volumen total evaporado en los embalses para un horizonte de
optimizacinde720meses............................................................................................65
Tabla5.12.Volumentotalretornadoporlasdemandasatravsdecadaelementode
meses..............................................................................................................................65
Tabla 5.15. Volumen total evaporado en los embalses para un horizonte de
optimizacinde720meses............................................................................................67
Tabla5.16.Volumentotalretornadoporlasdemandasatravsdecadaelementode
meses..............................................................................................................................68
Tabla6.1.Valoresmensualesdelademandadelcasodeestudio................................81
Tabla6.2.Garantasasociadasalasdiferentesdemandasdelsistemaparaunnivelde
bombeosquecubrehastael50%delademandaagrcola............................................87
Tabla6.3.Garantasasociadasalasdiferentesdemandasdelsistemaparaunnivelde
bombeosquecubrehastael90%delademandaagrcola............................................89
Tabla6.4.Tamaodelareddeflujoasociadaalosdosesquemasderecursoshdricos
empleadosenestecaptulo...........................................................................................91
1. Introduccin
En 1992, en el prefacio del libro titulado Conceptos y Mtodos para la planificacin

hidrolgica,JoaqunAndreu,editordelmismo,escribi:
Lagestindelosrecursosnaturales,unodeloscualeseselagua,esunaactividadde
importancia primordial en el mundo actual. La disponibilidad y calidad del agua
condicionan,entreotrosaspectosimportantesdelacalidaddevidaydelaeconoma,
los niveles de salud y bienestar pblico, y las producciones agraria, industrial y
energtica.Dentrodelagestin,laplanificacinesunadelastareasmscrticas.La
evolucindelaPlanificacinHidrolgicayelincrementedecomplejidaddelossistemas
debido a la inclusin de objetivos y usos mltiples y posiblemente conflictivos, hacen
imprescindible el uso de tcnicas de desarrollo relativamente recientes como
herramientasparalasolucindeproblemascomplejos.
Estacita,queseencuentramsquecercanaacumplir20aos,sepodrahaberescrito
perfectamentehaceunospocosdas.Yesquelagestindelosrecursosnaturales,y
porendelaplanificacinhidrolgica,siguesiendounaspectodesumaimportancia,si
nomayor,enelmundode20aosdespus.
La planificacin hidrolgica es un requerimiento legal que se establece con los

objetivosgeneralesdeconseguirelbuenestadoylaadecuadaproteccindelasmasas
de agua de una cuenca, la satisfaccin de las demandas de agua y el equilibrio y
armonizacin del desarrollo regional y sectorial. Estos objetivos han de alcanzarse
incrementandolasdisponibilidadesdelrecurso,protegiendosucalidad,economizando
suempleoyracionalizandosususosenarmonaconelmedioambienteylosdems
recursosnaturales.
Paralaconsecucindelosobjetivos,laplanificacinhidrolgicaseguiarporcriterios
de sostenibilidad en el uso del agua mediante la gestin integrada y la proteccin a
largoplazodelosrecursoshdricos,prevencindeldeteriorodelestadodelasaguas,
proteccinymejoradelmedioacuticoydelosecosistemasacuticosyreduccinde
lacontaminacin.Asimismo,laplanificacinhidrolgicacontribuirapaliarlosefectos
delasinundacionesysequas.
Eldesarrollodemodelosqueayudenalograrunamayorcomprensindeunsistema
derecursoshidrulicosysufuncionamientoesunaprcticahabitualenelprocesode
planificacin que sirve de gran ayuda para la consecucin de los objetivos arriba
mencionados,alavezqueserespetanloscriteriosimpuestos.Adems,lamodelacin
delsistemaproveeunaforma,quizlaprincipal,depredecirelcomportamientofuturo
delsistemaodesusposiblesmodificaciones(Loucks1992).Lamodelacindesistemas
15
de recursos hdricos implica el desarrollo de un marco matemtico o computacional

paradescribirunsistemaenparticularysuoperacinparapoderestudiar,identificary
evaluarlasposiblessolucionesalosproblemasexistentesendichosistema.
Dos tipos de modelos suelen utilizarse para el estudio de los sistemas de recursos
hdricos,losdesimulacinylosdeoptimizacin.Elobjetivodelosprimerosessimular
con todo detalle el funcionamiento del sistema con unas reglas de gestin dadas,
mientrasqueeldelos deoptimizacinesencontrarlagestin ptimadelsistemay,
calcularlosflujosyalmacenamientosdeaguaentalsituacin.Enestatesinademster
sevaaprestaratencinnicamenteaestesegundogrupodemodelos.
Alenfrentarseaunproblemadeplanificacinhidrolgicadeundeterminadosistema
derecursoshdricos,lomshabitualescontarconunoovariosobjetivosquesedesea
alcanzarenbaseaunasmedidasdeefectividad,olaformadevalorarelcumplimiento
delosobjetivos.Aspues,elcaminoaseguirpasapordefinirdiferentesalternativasy
laformadeevaluarcadaunadeellasy,finalmente,decidirculdeellasconstituirel
plandeaccin.
Problemas como el descrito de forma general en el anterior prrafo se dan

prcticamenteentodacuencahidrogrficaenlaquelosrecursosnoseanilimitados(o
al menos mucho mayores que los usos del agua), y que prcticamente supone la
mayora de cuencas del mundo. Normalmente se tendr una cantidad de recurso
limitada y una serie de usos del agua que pugnarn por dicho recurso, adems de
existirciertasrestriccionesimpuestasporlaslimitacionesfsicasdelpropiosistemao
por requerimientos de caudal en determinados puntos del mismo. Ante este
panorama,ungestordelosrecursoshdricosnormalmentedesearsaberculserla
distribucin ptima de caudales que maximice los beneficios del uso del agua en el
sistema,queminimiceloscostesydeunsuministroadecuadoatodaslasdemandas.
Este problema es denominado en la literatura en ingls como water allocation
problem,cuyatraduccinpuedeaproximarsecomoproblemaderepartodelrecurso
hdrico.Yes,enestepunto,dondeentranenjuegolosmodelosdeoptimizacin.
Un modelo de optimizacin obtiene los valores ptimos de las variables de control

definidasparaelsistema,quehabitualmentesonlosflujoscirculantesporelmismo.A
diferencia de los de optimizacin, los modelos de simulacin al ser una tcnica de
pruebayerror,noesseguroquesevayaadarconelmejorvalor.Noobstante,porser
el proceso matemtico de optimizacin un proceso muy laborioso y que, en muchos
casos,suplanteamientorequiereconcepcionessimplificadasimportantesdelsistema,
suniveldedetalleesmuchomenorqueelquesepuedeconseguirenunmodelode
simulacin.
16
Sinembargo,loscontinuosavancesentcnicasdecomputacinyenlavelocidadde
laspropiascomputadorashacenquelosprocesosdeclculomatemtico,peseaseguir
siendoigualdelaboriosos,puedanresolverse,cadavez,enuntiempomuchomenor.
Existe, en la actualidad, una gran cantidad de tcnicas de optimizacin que pueden

aplicarsepararesolverelproblemaderepartoderecursosenunacuencahidrogrfica
delasquesehablarconmsdetenimientoenelprximocaptulo.Paraeldesarrollo
deestatesinasehaescogidolatcnicadelasredesdeflujo,unaformaeficientede
programacinlineal,queresultamuyadecuadaparalaoptimizacindeesquemasde
sistemasderecursoshdricosporlagransimilitudexistenteentrestosylasredesse
queresuelvenempleandoestatcnica.
Con la idea de emplear la tcnica de las redes de flujo para resolver el problema de
asignacin de recursos en esquemas de sistemas lo ms detallados posible, los
objetivos que se persiguen con este trabajo son: 1) encontrar un algoritmo que
permitaresolverredesdeflujobasadasenesquemasderecursoshdricosdemanera
adecuada y en un tiempo razonablemente reducido; y 2) emplearlo como motor de
clculo de un modelo de optimizacin de sistemas de recursos hdricos con un alto
nivel de representacin de los diferentes elementos que se pueden encontrar
habitualmente.
Paralograrestosobjetivos,seanalizarndiversosalgoritmosderesolucinderedesde
flujopresentesenlaliteraturacientficayseseleccionarnlosmsprometedorespara
emplearlos como motor de clculo de un modelo de optimizacin de esquemas de
recursoshdricos.Posteriormente,serealizarunacomparacinprcticaentrelostres
con la resolucin de un problema de optimizacin de un esquema relativamente
sencillo, de forma que pueda decidirse entre uno de ellos para pasar a formar parte
definitivamentedelmodelogeneral.Finalmente,sedesarrollarunmduloadicional
para la incorporacin de los acuferos al modelo de optimizacin de forma que se
incremente la representatividad de los futuros desarrollos y se mostrar su
funcionamientoconelnuevoalgoritmoescogido.
Esta tesina de final de mster se enmarca dentro de los trabajos de mejora y

ampliacin del modelo OPTIGES de optimizacin de la gestin de esquemas de
recursos hdricos. Este modelo constituir la base para el desarrollo de los trabajos
descritosenestetexto,deformaquenoseanecesariodesarrollarunmodelonuevo
desdecero.
ElgrupodeIngenieradeRecursosHdricosdelDepartamentodeIngenieraHidrulica
y Medio Ambiente de la Universidad Politcnica de Valencia lleva desarrollando el
modeloOPTIGESdeoptimizacindelagestindesistemasderecursoshdricosdesde
1992.Estemodelo,incluidoenelSistemadeSoportealaDecisinAQUATOOLDMA,
hace uso del algoritmo OutofKilter (Ford y Fulkerson 1962) para obtener la
17
distribucin ptima del flujo a travs de la red asociada a un esquema de recursos

hdricos creado con la interfaz grfica. Adems, OPTIGES incluye la posibilidad de
modelardosprocesosnolineales,laevaporacindelosembalsesylosretornosdelas
demandas,queseresuelvenmediantelaresoluciniterativadelareddeflujohasta
alcanzarselaconvergenciadelosresultados.
Eldesarrollodeestaherramientaresultadegranimportanciadebido,enprimerlugar,
al inters que suscita el hecho de poder conocer el funcionamiento ptimo de la
gestin de un sistema de recursos hdricos representado lo ms detalladamente
posible, es decir, con todos sus elementos representados en el modelo. En segundo
lugar,porlanecesidaddetectadadeldesarrollodemodelosquepermitanllevaracabo
estudios de optimizacin de la operacin de sistemas de explotacin y la cul
AQUATOOLDMAengeneral,yelmodeloOPTIGESenparticular,puedensuplir.
18
2. Situacinactualdelaoptimizacindesistemasde
recursoshdricos.
Unsistemaderecursoshdricosseentiende,desdeelpuntodevistadelagestindel
mismo, como un sistema uni o multi embalse compuesto por diversos componentes
fsicostalescomoembalses,canales,tneles,tuberas,estacionesdebombeo,plantas
hidroelctricas,zonasderegadoysistemasdesuministrourbano(demandas),quese
opera para suministrar agua para su uso urbano, agrcola e industrial, para la
produccin de energa hidroelctrica, para el control de avenidas y para cumplir
determinadosrequisitosecolgicos,sinolvidarnosdelasnecesidadesdeposibilitarla
navegacinolosusosrecreativos.
La optimizacin de un sistema de recursos hdricos conlleva pues el reparto de los

recursos,eldesarrollodeestrategiasderegulacindecaudalesyreglasdeoperacin
deembalses,ylatomadedecisionesentiemporealsobrequdesembalsesrealizaren
base a las reglas de operacin definidas (Wurbs, 1993). El objetivo final de la
optimizacin del sistema es maximizar el beneficio, minimizar costes, suministrar a
todas las demandas, a la vez que se cumple la ecuacin del balance de masas del
sistema,ascomootrasrestriccionesmsparticulares(Rani,2010).
Para alcanzar estos objetivos resulta de inestimable ayuda la utilizacin de

herramientas informticas y modelos matemticos que nos permitan (o faciliten)
llevaracaboelprocesodeoptimizacin.Aunquelosmodelosdesimulacinactuales
nos permiten analizar cuestiones del tipo qu pasara si? relacionadas con el
funcionamiento de diferentes alternativas de operacin, no pueden, sin embargo,
ayudarnos a obtenercul esla mejor estrategia de utilizacin de dichas alternativas.
Los modelos de optimizacin, por otro lado, si que tienen esa capacidad de,
sistemticamente,seleccionarculeslasolucinptima,oqufamiliadesolucioneslo
es,bajounaseriedeobjetivosyrestriccionespredeterminados.
Laprincipaltareadeunmodelodeoptimizacinesobtenerelmejorvalor(mximoo
mnimo) de una funcin cuyos componentes representan variables de control (o
decisin) as como diferentes parmetros que representen los diferentes pesos que
pueden tener las variables anteriormente nombradas. Esta funcin recibe el nombre
de funcin objetivo, y es el corazn de todo modelo de optimizacin (Wurbs, 1993).
Unaformulacingeneralistadeunafuncinobjetivosera(Labadie,2004):
max ,
19
donde eselconjuntondimensionaldevariablesdecontrol(odecisin)duranteel
periodot;Teselhorizontedeoperacin; representaelvectoralmacenamientodel
sistema al inicio del periodo t; , es la funcin objetivo a ser maximizada (o
minimizada); es el trmino final representando los beneficios (o costes)
futuros, ms all del horizonte de optimizacin; y los factores de descuento para
determinarelvalorpresentedelosbeneficios(ocostes)futuros.Estafuncinobjetivo,
segnlasvariablesquesemanejen,podrserlinealonolineal.
El problema de optimizacin no termina con la funcin objetivo. Por lo general, la

obtencindelosvaloresdelasvariablesdecontroltambindependedecumpliruna
seriederestriccionescomovienenasercumplirlaecuacindelbalancedemateriao
limitacionesdeflujomximoomnimo.Porlotanto,seoptimizarlafuncinobjetivo
(maximizndola o minimizndola) estando sujetos a las restricciones que limiten la
seleccindevaloresdelasvariablesdedecisin.
Adiferenciaconlosmodelosdesimulacin,laprincipaldesventajadelosmodelosde
optimizacin es detalle de los mismos. Un modelo de simulacin es capaz de
representar gran cantidad de elementos presentes en una cuenca, mientras que un
modelo de optimizacin, por la habitual mayor complejidad de los desarrollos
matemticosutilizadosparasuresolucin,suelerepresentarlosesquemasdemanera
mucho ms simplificada. Este aspecto hace que, en ocasiones, los resultados de los
modelos de optimizacin se consideren de poca importancia o incluso se llegue a
desconfiardeellosdebidoasuescasarepresentatividadenelmbitoprctico(Labadie
2004).Sinembargo,elnmerodeautoresyorganismosquesobservanlaimportancia
delaoptimizacindesistemasderecursoshdricosnoesreducido.EnelpropioLibro
Blanco del Agua (MMA 2000) se comenta la necesidad de emplear modelos de
optimizacin en el desarrollo de los planes de cuenca, al igual que modelos de
simulacin. Y una bsqueda a lo largo de los ltimos aos en la literatura cientfica
muestraquelaoptimizacindesistemasderecursoshdricosnoesuntemaexcluido
delaactualidadsinoquesuponeuncampoidneoparalaaplicacindelastcnicasde
optimizacinmsavanzadasy/orecientes:Celeste(2009)exploralasposibilidadesde
diversastcnicasdeoptimizacinestocsticaparadesarrollarcurvasdeoperacinpara
elembalsedeEpitcioPessoaenBrasil;Hinal(2011)emplealosalgoritmosgenticos
para optimizar la produccin de energa hidroelctrica en un sistema con tres
embalses del ro Colorado en Estados Unidos; o Chandra (2009) que desarrolla un
modelo hbrido de redes neuronales y lgica difusa para la operacin ptima de un
embalseenelrioPagladiyaenIndia.
Alolargodeestecaptulosetratarnlasdiversastcnicasque,alolargodelasltimas
dcadas,sehanutilizadopararesolverelproblemadelaoptimizacindesistemasde
recursos hdricos. Dichas tcnicas pueden dividirse en dos grandes familias, (1) la
optimizacin estocstica implcita, y (2) la optimizacin estocstica explcita. Los
20
mtodosimplcitosrealizanlaoptimizacinapartirdeserieshidrolgicashistricaso
sintticaslargas,omuchascortasysimilares(figura2.2.a).Deestaforma,lamayora
de los aspectos estocsticos del problema, incluyendo las correlaciones espaciales y
temporalesdelasserieshidrolgicas,estnincluidosdeformaimplcitay,porlotanto,
pueden emplearse directamente mtodos de optimizacin determinsticos. La mayor
desventajadelenfoqueimplcitoesquelasreglasdeoperacinptimasobtenidasson
vlidasnicamenteparalasserieshidrolgicasempleadas.Porotrolado,losmtodos
explcitosestndiseadosparaoperardirectamentecondescripcionesprobabilsticas
deflujosaleatorios(figura2.1.b),enlugardesecuenciashidrolgicasdeterminsticas.
Esto significa que la optimizacin se realiza sin la presuncin de conocer
perfectamenteculessernlosflujosfuturos.Adicionalmente,lasreglasdeoperacin
ptimassedeterminandirectamente,sinlanecesidaddeinferirlasposteriormentede
los resultados de la optimizacin. Sin embargo, los mtodos explcitos son
computacionalmentemuchomsexigentesquelosimplcitos.
Caudal
Modelo de Tiempo Analisis de
generacin de frecuencia
series estadstico
estocsticas
Distribuciones de
o
Probabilidad de
no excedencia
probabilidad
Serie histrica
larga
Caudal
Modelo de
Optimizacin
Estocstico
Reglas de
operacin
ptimas
Modelo de Prueba y
simulacin refino
Almacenamiento
max
b
min
Tiempo

Figura2.1Procedimientosdeoptimizacinestocsticaimplcita(a)yexplcita(b).TraducidosdeLabadie(2004)
La programacin lineal es una de las tcnicas de optimizacin ms empleadas en la

modelacin de sistemas de recursos hdricos (Rani, 2010). Se trata deun mtodo de
optimizacinestocsticaimplcita.Lomsatractivodeestatcnicaessuflexibilidadde
aplicacinaproblemasgrandes,laconvergenciaaun ptimoglobal,lanonecesidad
de aportar soluciones iniciales, la existencia de una teora dual slida para realizar
anlisis de sensibilidad, y la disponibilidad de numerosas herramientas informticas
relativamente sencillas de utilizar ya creadas, o adaptadas, para su resolucin, como
por ejemplo CPLEX (IBM), GAMS (http://www.gams.com) o MATLAB
(http://www.mathworks.com), que incluyen entre sus funciones algoritmos de
21
resolucin de problemas de programacin lineal, aparte de funciones para otras

muchas tcnicas relacionadas con la optimizacin, o no. Por otro lado, la principal
desventaja de emplear la programacin lineal es que tanto la funcin objetivo como
lasrestriccionesdelproblemadebenserlinealesloque,unidoaqueunagrancantidad
deaspectosdelossistemasderecursoshdricostienenuncomportamientonolineal,
hace que sea necesario realizar una serie de simplificaciones, aproximaciones e
iteraciones,quepuedenderivarenunmodelopocoprecisodelsistemaquesedesee
estudiar.
La programacin lineal se puede enfocar tambin desde el punto de vista

probabilstico. El enfoque determinista asume que todos los flujos y fenmenos
aleatoriosfuturosseconocendeantemano.Unaaproximacinmsrealistaesquelas
decisiones del primer periodo se pueden tomar con certeza, pero que las decisiones
futuras y sus consecuencias son aleatorias. De esta forma puede formularse un
problemaendosetapasquetratademinimizarloscostes(omaximizarlosbeneficios)
de la primera etapa conocida, ms los costes esperados (o beneficios) de las futuras
decisiones de una serie de escenarios futuros, cada uno con una probabilidad de
ocurrenciaasociada.Elproblemaquepresentaestaformadeprocederesqueungran
nmerodeposiblesescenariosfuturosresultar,comoconsecuencia,enunproblema
linealextremadamentegrande,conelevidenteincrementodelcostedeclculo.
Un ejemplo de aplicacin de programacin lineal a la optimizacin de un sistema de

recursos hdricos se encuentra en Devi (2005), en el que se plantea un problema de
programacinlinealparaelrepartodeaguaptimoenlacuencadelroSubernarekha
(India) de forma que se maximice el beneficio por riego y generacin de energa
hidroelctrica.Deigualforma,laprogramacinlinealsehaempleadoeneldesarrollo
delmodelodesimulacindecuencasWEAP21(Yatesetal.2005).Tomandocomobase
dicho modelo, que resuelve el reparto ptimo de recursos de manera mensual
empleando la programacin lineal, se han llevado a cabo diversos estudios como los
presentados en Lvite (2003) para estudiar la gestin ptima de los recursos en la
cuenca del ro Olifante (Sudfrica) en diferentes escenarios adaptados al inminente
cambioclimtico.
Como ya se ha comentado, muchos sistemas de recursos hdricos no pueden

modelarse de forma realista mediante la linealizacin de sus componentes, y deben
atacarse directamente desde un punto de vista no lineal. Las no linealidades en
sistemas de recursos hdricos se dan cuando existen relaciones complejas entre las
diferentes variables fsicas e hidrolgicas, o debido a objetivos especficos que no
varan de forma lineal a su satisfaccin, un ejemplo habitual de esto es la inclusin
generacin de energa hidroelctrica en la funcin objetivo o en las restricciones del
problema.Enestepuntoesdondesehacenecesarioelempleodeunatcnicacomola
programacinnolineal.Estatcnicaessimilaralaprogramacinlineal,comentadaen
22
los prrafos anteriores, slo que bien la funcin objetivo, alguna o varias de las
restricciones,otodoalavez,sonnolineales.Porsupuesto,estohacequelastcnicas
habitualesdelaprogramacinlinealnoseanvlidasparalaresolucindeestetipode
problemasysetengaquerecurriratcnicasbiendiferentes.
Los algoritmos de la programacin no lineal ms robustos y potentes son, segn

Labadie(2004):
Programacin lineal sucesiva (o secuencial), donde todas las funciones no

linealesseaproximanmediantelosdosprimerostrminosdesuseriedeTaylor
asociada.Lassolucionesdebenmantenersedentrodeunaseriederegionesde
confianzaparaevitarinestabilidadesenlaconvergencia.
Programacincuadrticasucesiva(osecuencial),queaprovechalaeficienciade
laprogramacincuadrticaylamayorcapacidaddelosdesarrolloscuadrticos
paraaproximarfuncionesnolinealesquelasrelacioneslineales.
Mtodo Lagrangiano aumentado (o mtodo de los multiplicadores), que
emplea una funcin Lagrangiana similar a la empleada en el mtodo anterior
pero mejorada con una serie de trminos de penalizacin de forma que el
problemadeoptimizacinoriginalsepuedereemplazarporunasecuenciade
problemasdeoptimizacinnolinealsinrestriccionesmssencillosderesolver.
Mtodogeneralizadodelgradientereducido.Esunatcnicadebsquedapor
gradiente restringida que resuelve un problema de optimizacin reducido
respectoalasvariablesdedecisindelproblemaoriginal.
Todos los algoritmos comentados requieren que tanto la funcin objetivo como las
restricciones del problema sean derivables, aspecto que resulta problemtico en la
mayorpartedelasocasiones.Anas,noresultanecesarioelclculoexplicitodelas
derivadas y bastar la utilizacin de mtodos automticos de derivacin. La mayor
desventaja de la programacin no lineal es la exigencia computacional de los
algoritmos,porloqueestatcnicaseempleadeformaimplcitayapenasserealizasu
extensin a la optimizacin estocstica explcita. Otra desventaja asociada a la
programacinnolinealeslaposibilidadqueexistedenoalcanzarsiempreunptimo
globaldelafuncinobjetivo,loquedejaaestosmtodosenciertadesventajafrentea
otrosquessoncapacesdeevitarlosptimoslocales.
Ejemplosdeaplicacindeprogramacinnolinealson,porejemplo:Sun(1995),donde
se compara el funcionamiento de un paquete de resolucin de problemas de
programacin nolineal (MINOS) con el de unalgoritmo de optimizacin de redes de
flujo generalizadas (EMNET) en el sistema metropolitano de distribucin de agua de
Californiconcluyendoque,peseaquelosresultadosdelaprogramacinnolinealson
adecuados, queda en evidencia que sus requerimientos computacionales son muy
exigentes; en Barros (2003) se emplea la programacin cuadrtica sucesiva para la
23
optimizacin del sistema de generacin hidroelctrica en Brasil y se compara con el

funcionamiento de un modelo del mismo sistema resuelto mediante programacin
linealsecuencial;enGhahraman(2004)seresuelveelrepartoderecursosentrevarios
usos agrcolas incluyendo el balance de agua en el suelo mediante programacin no
lineal y comparando este ltimo con un modelo simplificado resuelto mediante
programacinlineal.
Otratcnicaquepuederesolverelproblemadelasnolinealidadesenunsistemade
recursos hdricos es la programacin dinmica. Esta tcnica es un mtodo de
optimizacin para resolver procesos de decisin multietapa. La caracterstica ms
atractiva para la aplicacin de este tipo de metodologas en la optimizacin de
sistemas de recursos hdricos es que un problema multietapa complejo puede
descomponerseenunaseriedesubproblemasmssimplesquepuedenresolversede
uno en uno de forma recursiva (Dasgupta et al. 2006), basndose en la solucin del
problemaanteriorparaobtenerlasolucindelsiguienteproblema.
La programacin dinmica puede emplearse tanto de forma determinstica como de

formaprobabilstica.Cuandoseemplealametodologadeterminstica,elestadoenla
siguiente etapa est completamente determinado por el estado y la poltica de
decisin de la etapa actual. La programacin dinmica probabilstica difiere de la
anteriorenqueelestadodelaetapasiguientenoquedacompletamentedeterminado
porelestadoyladecisindelapolticaenelestadoactual.Enlugardeello,existeuna
distribucin de probabilidad para lo que ser el estado siguiente. Sin embargo, esta
distribucindeprobabilidadtodavaestcompletamentedeterminadaporelestadoy
ladecisindelapolticadelestadoactual.
Unproblemageneralizadodelaprogramacindinmicaparasuaplicacinensistemas
multiembalse o con un periodo de clculo largo viene representado por la gran
cantidad de almacenamiento que requiere, problema normalmente referido como
problema de la dimensionalidad. Como para obtener todas las posibilidades es
necesarioalmacenarlosresultadosdelosestadosanteriores,enproblemasgrandesla
grancantidadderesultadosdarnlugaraestructurasdedatosmuygrandes.Existen
mtodos que permiten evaluar previamente qu soluciones sern necesarias para
llegaralptimodeformaquesepuedeliberarespaciodesechandolassolucionesque
nosernutilizadas.
En la literatura cientfica de los ltimos aos se encuentran diversos casos de

aplicacin de la programacin dinmica para la obtencin de reglas de operacin
ptimasenembalses.PorejemploCastelleti(2007)combinalaprogramacindinmica
con redes neuronales, programacin neurodinmica para solventar el problema de
dimensionalidadcomentadoenelanteriorprrafoyloaplicaalaobtencindenuevas
reglasdeoperacinenelsistemadelPiave(Italia)quetenganencuentaloscaudales
24
ecolgicos.Galelli(2010)emplealaprogramacindinmicaestocsticaparaencontrar
lagestinptimadelsistemadellagoComo(Italia).
Todas las tcnicas de optimizacin comentadas hasta el momento son procesos

algortmicos,loquesignificaqueempleanprocesosbienestructuradosyconvergentes
aunasolucinaciertainformacincuantitativa.Encontrasteaestetipodetcnicasse
tienen los mtodos heursticos. Esto mtodos estn basados en reglas prcticas,
experienciaprevia,ovariasanalogasaplicadasainformacintantocuantitativacomo
cualitativa. Estos mtodos no garantizan la obtencin de ptimos locales, sino que
tratanencontrarsolucionesaceptablesosatisfactorias.Detodasformas,puedenllegar
a obtener soluciones ptimas globales a problemas donde los mtodos tradicionales
fallaran. Con Inteligencia Computacional se hace referencia a un espectro bastante
ampliodemetodologasbastantediferenciadas,entreellassedestacanlassiguientes:
AlgoritmosGenticos(AG):EnglobadosasuvezenloquesellamanAlgoritmos
Evolutivos(AE),losAGsebasanenlosmecanismosdelaseleccinnaturalyla
evolucingenticayson,actualmente,eltipodeAEmsempleadodentrode
laliteraturarelacionadaconlaplanificacinygestindesistemasderecursos
hdricos(Nicklow2010).Peseaquenoexisteunadefinicinuniversal,losAGse
caracterizanporlossiguienteselementos:(1)generarunapoblacininicialde
soluciones potenciales, cada una identificada como un cromosoma; (2)
evaluacin de la funcin objetivo para cada solucin y ordenacin de los
cromosomassegnsuaptitud;(3)algnprocesodeseleccindecromosomas,
basado en el orden anterior, para participar en un proceso de reproduccin,
dondesecombinalainformacindedosomsparejasdesolucionespadre
para generar nuevas soluciones hijo; y (4) aplicacin de algn grado de
mutacin en las nuevas soluciones para mantener la diversidad y evitar la
convergencia prematura a ptimos globales. Como ya resultar evidente, los
elementos descritos representan tcnicas inspiradas en la biologa como la
herencia,lamutacin,laseleccinyelcruce,paraalcanzarelvalorptimodel
problema.Todosloselementosdescritosserepitenengeneracionessucesivas
hasta que se alcanza una solucin adecuada. Lo que se est consiguiendo es
que cada nueva generacin tenga mejores caractersticas que la generacin
anterior, emulando el proceso biolgico de supervivencia del espcimen ms
adecuado.
AlgunosejemplosdeaplicacindeAGson:Chen(2006),dondesedesarrollaun
AG multiobjetivo para optimizar las reglas de gestin de un embalse
multipropsitoenTaiwn;Ngo(2007),empleaelalgoritmoSCEparaoptimizar
lasestrategiasdecontroldelembalsedeHoaBinh(Vietnam);ounejemploms
cercano, el proyecto final de carrera de Lerma (2011), en que se comparan
25
diversosalgoritmosgenticosyseempleanparaobtenerunasreglasdegestin
ptimasdelosembalsesdelascuencasdelosrosJcaryMijares(Espaa).
RedesNeuronalesArtificiales(RNA):LasRNA,aunquenoseclasificancomoun
mtododeoptimizacinperse,puedensertilescomoherramientadeanlisis
deregresinmltipleparadeterminarreglasdeoperacinptimasapartirde
los resultados de mtodos de optimizacin implcita. Las redes neuronales
basanfuncionamientoenunparalelismoconelcerebrohumanoylasmltiples
interrelaciones de sus neuronas de forma que, una simple neurona puede no
realizar un gran trabajo por s misma, pero muchas neuronas masivamente
interconectadaspuedencapturareldinamismodeprocesosmuycomplejos.Se
puedeencontrarundesarrollocompletodeestatcnicaenASCE(2000,IyII),
dondeseexplicaelfuncionamientodelasRNAascomosusaplicacionesenel
campodelosrecursoshdricos.
Respecto a la utilizacin de las RNA en la obtencin de polticas de gestin

ptima de sistemas de recursos hdricos se encuentran en la literatura
numerososcasosenlosqueestatcnicaseutilizaconjuntamenteconotrasde
lasyaexplicadas.Porejemplo,enChaves(2008)seempleanlasRNAjuntoalos
AG para encontrar una estrategia de operacin ptima de un embalse en
Taiwan,deformaquemediantelautilizacindeunAGsebuscanlosmejores
parmetrosdelaRNAqueposteriormenteseutilizarparaobtenerlassueltas
adecuadasalasdemandasyotrosobjetivosdegestin.
Lgica Difusa (LD): La LD surge como una herramienta para tratar con
problemas en los que los parmetros de decisin son inciertos, imprecisos o
basadosenaspectoscualitativos.Enlugardeemplearecuacionescomplejas,la
LDempleadescripcioneslingsticasparadefinirlarelacinentrelosinputsy
losoutputs.Deestaforma,unembalsepuedeestarllenoovaco(0o1),pero
noquedaclarocundopasadeunestadoaotro,podratambindecirseque
estllenocuandoseencuentraal90%desucapacidadocasivacocuandose
encuentraal10%.Losconjuntosdifusospermitentransformarlasdescripciones
lingsticasenformasnumricasutilizablespararealizarlatomadedecisiones
posterior. Los rudimentos de esta metodologa se pueden encontrar
actualmente en numerosa bibliografa, siendo Zadeh (1965) el primero en
enunciarlos.
En el campo de la ingeniera de recursos hidrulicos la LD se emplea, por

ejemplo, como sustituta de las tcnicas de regresin para inferir reglas de
operacinptimasdeembalses(Mousavi2007),oparadeterminarlassueltas
de un embalse con generacin de energa hidroelctrica en funcin de las
entradasyelestadodelembalse(Moeini2011).
26
Se ha dejado para el final la tcnica de optimizacin en la que se va a centrar el

desarrollodeestatesinademster.Lasredesdeflujosonunatcnica,menosactual
quealgunasdelasdescritasanteriormentedadoquesusorgenesdatasdelosaos60
(FordyFulkerson1962),peroutilizadahabitualmenteparalaoptimizacindesistemas
derecursoshdricos(Sabet1991y1992,Kuczera1993,Sun1995,Khaliquzzaman1997,
Hsu2002).
Laoptimizacinderedesflujoesunaformadeprogramacinlinealqueaprovechala
particulardistribucindelossistemasderecursoshdricosparaemplearalgoritmosde
optimizacinmuyeficientes.Generalmente,lafuncinobjetivotratademaximizarel
flujoominimizarelcostedelmismoatravsdelared.Paralaresolucindelaredde
flujoseempleanalgoritmoscomoOutofKilter(FordyFulkerson1962,Bazaraa1993),
RelaxIV (Bersetkas 1994), o Simplex (Ahuja 1993). Al igual que ocurre con la
programacinlineal,laresolucindeunareddeflujoexigequelasrelacionesentrelos
diferentes elementos del sistema sean lineales. Esto resulta un problema, dado que
unagrancantidaddelosprocesosyrelacionesqueocurrenenunsistemaderecursos
hdricossonnolineales,comoporejemplolaevaporacin,quedependedelvolumen
embalsado, o los retornos de las demandas, que son proporcionales al volumen
suministrado en cada paso de tiempo. An as, varios autores (Fredericks 1998) han
demostrado que estos aspectos pueden solventarse mediante la resolucin iterativa
delareddeflujopuramentelineal.
Detodasformas,tambinsehandesarrolladoalgoritmosqueresuelvenredesconun
aspectomsgeneral,enlascualessepermiteincluirprdidas,oganancias,enarcosy
nudos. Resolver este tipo de redes normalmente requiere un mayor esfuerzo
computacional aunque un menor nmero de pasadas, en comparacin con un
algoritmo de resolucin de redes puras, lo que los hace, generalmente, ms rpidos
(Sun1995,Hsu2002).
Lasredesdeflujosehanempleadodeformaextensivaenlaoptimizacindesistemas
derecursoshdricos.EjemplodeelloeslaexistenciadeherramientascomoHECPRM
(Davis 1991), OPTIGES (Andreu 1992) o MODSIM (Labadie 2000) que permiten la
creacin esquemtica de un sistema y la obtencin del ptimo funcionamiento del
mismo.
En definitiva, existen pocas reas del conocimiento en las que, histricamente, se

hayan empleado modelos de optimizacin de forma tan variada como en la
optimizacin de sistemas de recursos hdricos (Labadie, 2004). As, citando a Andreu
(1993):As,sisomoscapacesdeencontrarunafuncinobjetivoadecuada,lastcnicas
deoptimizacinpuedenproporcionarunmarcoadecuadoparaelanlisisdelsistema
enelquehadeefectuarselatomadedecisiones.Estepuntoelencontrarunafuncin
objetivonoesenabsolutofcilparaalgntipodeproblemas,porejemploentemas
27
relacionadosconplanificacinenrecursoshidrulicos.Tampocoesfcilrepresentarde
unaformacompletalascomplejidadesdelossistemasaoptimizar.Portanto,yaunque
sehableentrminostalescomoptimoglobal,enlamayorpartedeloscasosreales
losresultadosdelaoptimizacinhandecontemplarsecomoaproximacionesynocomo
soluciones exactas. De esta forma, la optimizacin ha de entenderse como una
herramienta del anlisis ms que como un proceso que nos ha de dar la solucin
definitiva. Ser necesaria una buena dosis de buen juicio en la formulacin de los
problemaspuessehadesopesarlanecesidaddeunarepresentacinsuficientemente
realista del sistema frente a la de que el modelo de optimizacin resultante sea
tratable.Todoestoobligaaqueelquequierautilizarestastcnicasconxitoaprenda
a:1)Distinguirlascaractersticasesencialesdelsistemaqueconvienemantenerenla
representacindelmismo;y2)Escogerlastcnicasdeoptimizacinqueleconducirna
modelostratables,paralocualhadeconocerlastcnicasexistentesy/oadaptarlasa
nuevassituaciones.
Peseaesto,anexisteunagrandiferenciaentrelaaplicacintericadelosmtodos
de optimizacin y su aplicacin prctica en el da a da de la gestin de sistemas de
recursos hdricos. Labadie (2004) apunta diversas causas entre las que se pueden
remarcarlas siguientes: (1) el escepticismo de muchos operadores frente a los
resultados de los modelos, confiando ms en su experiencia personal; (2) las
limitacionestantocomputacionales(yasolventadasporlogeneralhoyenda),como
encuantoaldetalle(ofaltadel)delosmodelos,hacequelosresultadosnoseantan
adecuados como los operadores estn dispuestos a aceptar; (3) los modelos de
optimizacinsonmuchomsexigentesmatemticamente,loqueloshacemsdifciles
decomprenderquelosmodelosdesimulacin;(4)muchosmodelosdeoptimizacin
no pueden incorporar el riesgo o la incertidumbre; (5) existe una gran cantidad de
modelosentrelosqueelegiry,muchasveces,resultadifcil,einclusoconfuso,escoger
uno para cada aplicacin en particular; y (6) algunos de los mtodos descritos no
puedengeneralizarsey,porlotanto,requerirnunaformulacinparticularparacada
casoquesedeseeestudiar.
Lainclusindealgunosmodelosdeoptimizacingeneralizables,comoeselcasodelas
redesdeflujo,ensistemasdesoportealadecisinayudaaquesepierdaelmiedoa
emplearlaoptimizacincomomtodoparadeterminarreglasdeoperacintantoen
sistemas grandes como en embalses individuales. An as, sigue siendo necesario
mejorar, ms que la eficiencia de resolucin, la representatividad/detalle de los
modelos as como su generalizacin de forma que no sea necesario realizar una
formulacinparticularparacadacaso.Dehecho,esnecesarioencontrarelequilibrio
entrerepresentatividadygeneralizacindadoque,silarepresentatividaddeseadaes
muypormenorizada,noquedarmsremedioqueelaborarunaformulacinparticular
delproblemaresolver.
28
3. Elproblemadeasignacinderecursoshdricosy
lasredesdeflujo.ElmodeloOPTIGES.
Comoyasehacomentadoenlaintroduccin,elproblemadeasignacinderecursos
hdricos, o water allocation problem, consiste en obtener los repartos de flujos en
una determinada cuenca hidrogrfica de forma que los diferentes usos del agua
quedensatisfechosdelamejormaneraposible.Esunaformadistintaadecirquese
deseaobtenerunadistribucinptimadelaguadentrodelacuenca.
Sehaconsideradoquelamejorformademostrarelproblemaqueseesttratandoes
medianteunejemplo.Enlafigura2.1semuestraunejemplodesistemaderecursos
hdricos sencillo en el que existen un embalse, dos demandas, una urbana y otra
agrcola,unidostodosentresporunaseriedetramosderoocanalesencuyotramo
finalexisteunrequerimientodecaudaldebidoacausasmedioambientales.

Figura3.1Ejemplodesistemaderecursoshdricos
Se observa en la figura que los recursos disponibles, entre aportacin y volumen

almacenado en el embalse a principio de mes, es de 80 unidades, mientras que la
demandaderecursosporpartedelosdiferentesusosenlacuencaesde80unidades
tambin. En este caso no existe mayor problema dado que la cantidad de recurso
disponible y la cantidad demanda es la misma y no existeen la cuenca ninguna otra
limitacin.
Planteemos a continuacin el caso en que la aportacin al sistema de la figura 3.1

fueradiezunidadesmenor,estoes40unidades,sinmodificarlosrequerimientos.Se
daralasituacindenopodersesuministraraguaatodoslosusosyrequerimientos.Es
29
ensituacionescomoenlapresentequesehacenecesariodefinirunmodeloquenos
permitaoptimizarelrepartodeflujosentretodoslosusosdelaguaenelsistema.
Porejemplo,sepodraplantearelobjetivodemaximizarelsuministroalasdistintas
demandasaltiempoquesetratademantenerelembalselomsllenoposibledecara
afuturasnecesidades.Assepodraplantearlasiguientefuncinobjetivo:
Max a SDA + bSDU + cV
DondeSDAeselsuministroalademandaagrcola,SDUeselsuministroalademanda
urbana y V es el volumen de agua almacenado en el embalse. Las variables a, b y c
representan el beneficio que supone que una unidad de agua sea asignada a un
determinadouso,yenbasealvalorquetomecadaunadeellasserealizarunreparto
delrecursouotrodeformaqueelvalordelafuncinobjetivoseaelmximoposible.
Lasrestriccionesquesepresentanenelsistemarepresentadoenlafigura3.1seran:
V 50
Q2 F 10
Quevienenasignificarqueelvolumenalmacenadonopuedeexcederlacapacidaddel
embalseyqueelcaudalatravsdelltimotramodebeser,almenos,elimpuestoen
la restriccin. La restriccin de caudal ecolgico podra introducirse tambin como
parte de la funcin objetivo, asignndole un beneficio, pero se ha optado, en este
ejemplo,plantearlacomounarestriccin.
Por supuesto, un ejemplo tan sencillo como el expuesto tiene una resolucin muy
sencilla que ni siquiera requerira la utilizacin de un algoritmo de resolucin. No
resultar tan evidente cuando se trate de esquemas mucho ms complejos con ms
elementos y restricciones, o simplemente el periodo de clculo se extienda durante
muchotiempo.Serfrenteaesoscasos,enlosquelasolucinptimanoesinmediata
e incluso pueden existir mltiples posibilidades, cuando el gestor del agua deber
empleartcnicasdeoptimizacinavanzadasquelepermitanllevaracabosuanlisis.
Elesquemadelafigura3.1puederepresentarsemedianteunareddeflujocompuesta
por arcos y nudos como la que se muestra en la figura 3.2. Los nudos representan
puntosdeconfluenciaodivergenciadelsistema,ylosarcosrepresentanlassalidasde
los embalses, los flujos a travs de las conducciones, el almacenamiento, la
evaporacin, etc. Cada arco est definido por el nudo de origen, el nudo final, los
lmitessuperioreinferiordelflujoquepuedecircularporelmismoyelcosteasociado
a la circulacin de dicho flujo. El nudo de balance representa que la red es
conservativa,aligualqueelsistema,yaqueenltimainstanciaelbalancedemateria
30
debemantenersey,portanto,losflujosdeentradadebencoincidirconlosflujosde
salida.
Nudo de balance
Nudo de balance
8
8
8

Figura3.2.Representacindelesquemaderecursoshdricosenlafigura3.1enformadereddeflujo
Elempleodelametodologaderedesdeflujoparalaresolucindeproblemascomoel
presente resulta evidente ya que la similitud entre ellos es ms que tangible.
Obviamente, en casos tan sencillos como el presentado en el ejemplo no sera
necesaria ni una calculadora para llevar a cabo la resolucin del reparto ptimo de
flujos.Ladificultaddelosproblemasincrementapordoscausasfundamentalmente,el
tamao del sistema y el horizonte de clculo. La figura 3.3 muestra el desarrollo del
sistemarepresentadoenlafigura3.2enformadegrafomultiperiodocuyaresolucin
dara como resultado el reparto ptimo de los flujos durante los n meses
representadosenelmismo1.
1
Entindasequeelgrafomostradoenlafigura3.2representaunperiododeoptimizacindeunmes
31
Nudo de balance
Ap1 Ap1 Ap2 Ap2 Apn Apn

0 0 0
V0 V0 Vmin Vmax Vmin Vmax Vmin Vmax
0 -c -c -c
1 2 ... n
Nudo de balance
Nudo de balance
0
8
0 0
8
0 0 0
0 DU1 0 DUn
-b -b
n+1 n+2 2n
0 DU2
0
8
0 0
8
8
-b
0
0 0
0 DA1
-a
2n+1 2n+2 3n
0 DA2 0 DAn
-a Q2 Qn
8
8
Q1 -a
8
0 0
0
Nudo de balance

Figura3.3.Grafomultiperiododelsistemaderecursosrepresentadoenlafigura3.1
Cuandoelejercicioderesolverlaoptimizacindeunesquemaderecursoshdricosno
resultebaladyresultenecesarialaconsideracindemltipleselementosduranteun
horizontedeclculoconsiderable,serdegranayudacontarconalgunaherramienta
que nos permita desarrollar el modelo del sistema que deseemos estudiar y se
encargue, internamente, de generar la red de flujo, ejecutar el algoritmo que la
resuelva y, finalmente, mostrarnos los resultados en un formato que nos permita
trabajarposteriormenteconellosparasuanlisis.
Dadalagransimilitudentreunesquemadeunsistemaderecursoshdricosyunared
deflujoylasencillezdelaformulacindelproblemadeflujoacostemnimo,quese
ver en el prximo captulo permite emplear el mtodo en prcticamente cualquier
sistema derecursos hdricos que se desee modelar. Por estas razones se hancreado
muchas herramientas para la creacin de modelos, tanto de simulacin como de
optimizacin,desistemasderecursoshdricoscuyomotordeclculoesunalgoritmo
deresolucinderedesdeflujo.
As, dentro de los modelos de simulacin, encontramos los ejemplos de MODSIM

(Labadie2000)ydeSIMGES(Andreuetal.2007),queempleanlosalgoritmosRelaxIV
yOutofKilterrespectivamentepararealizarelrepartodeflujosaescalamensualalo
largodelsistema.Paraconseguirquelasimulacinsealomsfielalarealidad,ambos
32
modelos incluyen la posibilidad de definir prioridades entre los diferentes usos del
agua,ascomoreglasdeoperacindeembalses,siendoelsegundodeelloselquems
desarrolladotieneestesegundoaspecto.Sibiengraciasalosaspectoscomentados,los
resultadosdeambosmodelosrespondenaunasimulacindelsistema,stosnodejan
de ser modelos de optimizacin a escala mensual ya que todos los algoritmos de
resolucinderedesdeflujoterminanarrojandounvectordeflujosqueeselptimo
paralaredplanteada.
Respecto a los modelos de optimizacin propiamente dichos, u optimizacin

multiperiodo dado que se optimizan periodos superiores al mes, que emplean
algoritmos de resolucin de redes de flujo, se tienen los modelos HECPRM (Davis
1991) y OPTIGES (Andreu 1992). El primero deellos emplea una implementacindel
algoritmo de resolucin de redes de flujo generalizadas enunciado por Jensen,
mientrasqueelsegundoutilizaelalgoritmoOutofKilterpararedesdeflujopuras.
Dado que para el desarrollo de los trabajos descritos en esta tesina se va a emplear
como base el modelo OPTIGES, se incluye una descripcin completa de l en el
apndice1deestetexto.
33
4. Anlisisdealgoritmosderesolucinderedesde
flujoparalaoptimizacindeesquemasde
recursoshdricos.
Lasredesdeflujosonunaherramientadeampliaaplicacinennumerososaspectosde
lacienciaylaingeniera.Lasimilitud,esquemtica,deunagranvariedaddesistemas,
como pueden ser las redes de telecomunicaciones, las redes elctricas o los mismos
sistemasderecursoshdricos,conlapropiadefinicindelasredesdeflujoayudaaque
seopteporestosmodelosmatemticosalahoraderesolverlosproblemasasociados
alptimofuncionamientodelossistemasdeestudio.
Lautilizacinderedesdeflujoparaobtenerelfuncionamientoptimodeunsistema
tienelasmismasventajasquelasdelaprogramacinlineal,porserlasredesdeflujo
una configuracin especial de sta. Estas ventajas, ya comentadas en el anterior
captulo son: (1) la flexibilidad de sta tcnica para ser empleada eficientemente en
problemasconuntamaoconsiderable;(2)laconvergenciaaunptimoglobal;(3)no
requerirunasolucininicialporpartedelusuario;y(4)eldesarrollodeunateoradual
efectiva para el anlisis de sensibilidad. A stas han de aadirse las especficas
asociadas a la especial configuracin de una red de flujo como es su estructura
fcilmenterepresentableenmatrices,loquepermiteunamanipulacinmuyeficiente
delainformacincontenidaenlasmismas.
Porsupuesto,estametodologanoestexentadeciertosproblemas,siendoelmayor
de ellos la dificultad, si no imposibilidad, de representar aspectos no lineales, ms
habituales en la realidad que los lineales. An as, estas nolinealidades pueden
solventarse,enciertomodo,medianteaproximacioneseiteraciones.
Desdeencontrarelcaminomscorto,hastaculeselmximoflujoquepuedecircular
porunared,losproblemasquesepuedenresolvermedianteunareddeflujo,conel
algoritmo apropiado a cada caso, son muchos y variados (Ahuja, 1993 y Bazaraa,
1977).Muchosdeestosproblemassoncasosespecialesdelproblemadeflujoacoste
mnimo(MCNFP,MinimumCostNetworkFlowProblem,enlaliteraturaeningls).
Este problema puede definirse, matemticamente, de la siguiente manera (Ahuja,
1993):
Seaungrafodirigido G = (N , A) consistenteenunconjuntoNdenodosyunconjunto
Ademarcosdirigidos.Cadaarco (i, j ) A tieneuncosteasociado c ij quedenotael
costeporunidaddeflujoendichoarco.Adems,asociamosacadaarco (i, j ) A una
35
capacidad u ij , que representa el mximo flujo que puede atravesar ese arco, y un
lmiteinferior l ij ,querepresenteelmnimoflujoquedebeatravesarelarco.Tambin
asociamos a cada nudo i N un nmero entero bi representando su
suministro/demanda.Si bi > 0 ,elnudoiesunnudodesuministro;si bi < 0 ,elnudoi
esunnudodedemandaconunademanda bi ;ysi bi = 0 ,entonceselnudoiesun
nudo de transferencia. Las variables de decisin en el problema de flujo a coste
mnimo son los flujos en los arcos y representamos el flujo en cada arco (i, j ) A
como x ij . El problema de flujo a coste mnimo es un modelo de optimizacin
formuladocomosigue:
m m
Min cij xij (4.1)
i =1 j =1
m m
s.a. xij xki = bi i = 1, K , m (4.2)
j =1 k =1
xij 0 i, j = 1, K , m (4.3)
Segn Andreu (1992): Resulta evidente que los sistemas de recursos hdricos, de una
forma esquemtica, son asimilables a una red de flujo (especialmente en el caso de
sistemasdeaguassuperficiales),pueshayenellosunaseriedecaucesycanales(arcos)
queunenunaseriedepuntos(nodos)comosonlosembalses,lastomas,lospuntosde
conjuncin de afluentes, etc., y en los que el agua circula siempre en un sentido
predeterminado. Por lo tanto, es lgico plantear la optimizacin de un sistema de
recursoshdricosmediantelaresolucindeunproblemadeflujoacostemnimo.
En el siguiente apartado se presentarn algunos de los algoritmos que ms se han

utilizado en los ltimos tiempos para la resolucin de redes de flujo orientadas a la
optimizacindesistemasderecursoshdricos,resolviendoelproblemadeflujoacoste
mnimo asociado a las mismas. Adems, se ha estudiado, tambin, las diferencias
documentadas de funcionamiento de unos y otros, aspecto que se expondr
posteriormente.
Algunosdeestosalgoritmossonlosque,actualmente,seencuentranimplementados
en varios Sistemas de Soporte a la Decisin (Andreu, 1996; y Labadie, 2000), de uso
habitualenestudiosdeanlisisdesistemasderecursoshdricos.
4.1. Algoritmosdeoptimizacinderedesdeflujo
La optimizacin de una red de flujo conlleva, principalmente, el reparto de flujos a

travs de la misma de forma que se minimice el valor de una funcin objetivo que,
generalmente,tendrlaformadelaecuacin1,ademsdecumplirselasrestricciones
2y3entodoslosnudosyconduccionesrespectivamente.Estonoesalgoquepueda
36
llevarseacabodeformaanalticayhabrderecurrirseaalgn,oalgunos,algoritmos
pararesolverelproblemadeformanumrica(Bersetkas,1998).
Pese a que la red de flujo podra resolverse mediante algn algoritmo general de
programacin lineal o nolineal, resulta ms ventajoso aprovecharse de la particular
estructura de la red de flujo para acelerar la convergencia a la solucin mediante la
adaptacin de un algoritmo general o la utilizacin de un algoritmo especfico para
redesdeflujo.
Bersetkas (1998) divide los algoritmos para optimizacin de redes de flujo en 3

categoras: (1) Mejora del coste primal; (2) mejora del coste dual; y (3) subasta. La
primera categora se corresponde con los algoritmos que resuelven el problema de
flujo a coste mnimo a partir de una solucin factible inicial y que generan una
secuenciadevectoresdeflujofactibles,cadaunoconuncostemejorqueelanterior,
hasta alcanzar el ptimo. Los algoritmos pertenecientes a la segunda categora se
basanenlaoptimizacindeunproblemarelacionadoconeloriginalllamadoproblema
dual,cuyasvariablestomanelnombredeprecios.Posteriormentesetratadealcanzar
el mejor coste dual mediante la construccin sucesiva de vectores de precios. Por
ltimo, los algoritmos del tipo subasta resuelven la red de flujo mediante un
procedimientoquerecuerda,enciertamanera,alassubastasreales.Aunquepueden
considerarse aproximadamente como procesos de optimizacin dual, en realidad las
iteracionestienenencuentatantolosprecios(dual),comolosflujos(primal),llegando
a poder empeorar ambos en una sola iteracin, aunque finalmente se alcance una
solucinprimalptima.
Los algoritmos seleccionados en este estudio forman una muestra de las familias de
algoritmospresentadasenelprrafoanterior.
4.1.1. OutofKilter
FormuladoporFordyFulkerson(1962),elalgoritmoOutofKilteres/hasidounodelos
algoritmosmsutilizadosenlaoptimizacinderedesdeflujoconservativas.Adems,
resulta un algoritmo de exposicin comn en textos generales sobre redes de flujo
debidoasusencillezdeexposicin(Bazaraa,1977;Ahuja,1993).
Elproblemaespecficoqueresuelveesteproblemaes:
m m
Min cij xij (4.4)
i =1 j =1
m m
s.a. xij x ki = 0 i = 1, K , m (4.5)
j =1 k =1
l ij x ij u ij i, j = 1, K , m (4.6)
37
Obsrveseque,adiferenciaconelproblemaformuladoenlasecuaciones(3.1)a(3.3),
este problema de coste mnimo exige que todos los nudos del mismo sean de
transferencia.Adems,seimponequeflujoenlosarcossemantengadentrodeunos
lmitesinferiorysuperiordonde l ij , u ij 0 .
Estealgoritmo,pertenecientealasegundafamiliadealgoritmos,basaelmecanismo
deresolucindelareddeflujoenlaresolucinsucesivaeiterativadelosproblemas
primal y dual. La estrategia de resolucin incluye la comprobacin del estado de
sincronizacin(InKilter)odesincronizacin(OutofKilter)decadaarcodelared,y
el intento de asignar el flujo de forma que todos los arcos se encuentren
sincronizados(InKilter).
Amododeresumen,elesquemageneralderesolucindelalgoritmoOutofKilteresel
quesigue(Bazaraa,1977):
(1) Comenzar con un flujo conservativo y una solucin factible para el problema
dual.Seidentificanlosestadosdesincronizacinysecalculanlosnmerosde
sincronizacin.
(2) Silaredtieneunarcodesincronizado(OutofKilter),sellevaacabounafase
primaldelalgoritmo.Duranteestafaseseseleccionaunarcodesincornizado
(OutofKilter) y se intenta construir una nueva red de flujo conservativa de
forma queno se empeore el nmero desincronizacinde ningn arco y se
mejoreeldelarcoseleccionado.
(3) Cuando ya no se puede mejorar ningn flujo en la fase primal, el algoritmo

construye una solucin dual de forma que no se empeore ningn nmero de
sincronizacinyserepiteelpaso(2).
Iterandolospasos(2)y(3),elalgoritmoterminaconstruyendounasolucinptimao
determinandoquenoexisteningunasolucinfactible.
LasprincipalesventajasdeestealgoritmopuedenencontrarseenJensen(1987):
- Norequiereningunaestructuradememoriaespecialparalarepresentacinde
lared.Losparmetrosseintroducenyalmacenanenlistasdeordenarbitrario
- No utiliza parmetros externos. Todo se describe en los parmetros de los

arcos.
- Elalgoritmopuedeinicializarseconcualquierconjuntodeflujosquesatisfagala
conservacin de flujo. Por ello, es especialmente til para realizar anlisis de
sensibilidadcuandosevaranlosparmetrosdelosarcos.
Porsupuesto,elalgoritmotienesusdesventajas:
38
- El empleo de arcos para especificar flujos en los nudos a menudo supone un

altorequerimientodememoria
- Las soluciones no son necesariamente bsicas. Esto puede resultar en una

convergencialentahaciaelptimo.
- El procedimiento de resolucin puede requerir numerosas lecturas de la lista

de arcos, por lo que no es demasiado eficiente, computacionalmente, para
problemasgrandes.
4.1.2. RelaxIV
Este algoritmo, presentado por Bersetkas (1994), une el algoritmo RELAX (Bersetkas,
1988)conunmtododeinicializacinbasadoenunalgoritmodesubastaquepuede
elegirseutilizar,ono.Elproblemaqueseresuelveeselsiguiente:
m m
Min cij xij (4.7)
i =1 j =1
m m
s.a. xij xki = bi i = 1, K , m (4.8)
j =1 k =1
0 x ij u ij i, j = 1, K , m (4.9)
Este problema es resultado de realizar ciertas operaciones que permitirn un ahorro

dememoriadealmacenamientorespectoalalgoritmoOutofKilter.Elvalorde se
sustituye por cero y, a cambio, se emplea el vector , de menor tamao. Para
alcanzar esta formulacin basta realizar el cambio de variables xij = x ij l ij en el
problemaenunciadoenlasecuaciones(3.4)a(3.6),obtenindoseelmostradoencima
deesteprrafo.
Al igual que el algoritmo OutofKilter, RelaxIV es un algoritmo perteneciente a la

segundafamilia,cuyaestrategiaderesolucindelareddeflujoconsisteenresolverde
formaiterativayalternativalaoptimizacindelosproblemasprimalydual.Enelcaso
de este algoritmo no se habla de arcos sincronizados y desincronizados. El enfoque
que se plantea en este caso se basa en determinar si un arco se encuentra activo,
equilibradooinactivo mediantelacomparacindeladiferenciadelosprecios(dual)
asociadosacadaunodelosnudosenlosextremosdecadaarcoconelcoste(primal)
delflujoatravsdeeste.Segnelestadodeactividaddecadaarco,sedefinenuna
serie de condiciones de ptimo de forma que una solucin primaldual ( x, p ) ser
ptimasysolos,secumplenlassiguientescondicionesentodoslosarcosdelared
simultneamente(Bersetkas,1988):
39
xij = l ij (i, j ) / t ij < cij (elarcoestinactivo) (4.10)
l ij xij u ij (i, j ) / t ij = c ij (elarcoestequilibrado) (4.11)
xij = u ij (i, j ) / t ij > c ij (elarcoestactivo) (4.12)
d i = 0 i N (eldficitesceroentodoslosnudos) (4.13)
siendo:
t ij = p i p j (i, j ) A (vectortensin) (4.14)
Laformadealcanzarestascondicionesconsisteenincrementardeformaiterativael
funcional dual. El vector de precios se incrementa mientras se mantienen las
condicionesanterioresparaelvectordeflujo.Elalgoritmofinalizacuandoeldficiten
cadanudoescero.Laformadellevaracabolosincrementosenelvectordeprecios
consisteen,comenzandodesdeunsolonudocondficitdiferenteacero,comprobar
si puede mejorarse la funcin dual si se incremente su precio. Si no es posible, se
construyegradualmente,segnunprocesodeetiquetado,bienuncaminoincremental
de flujo o un conjunto asociado con una direccin de ascenso. La principal
caracterstica es que el proceso de etiquetado se detiene en cuanto se encuentra la
primeradireccindeascenso,envezdehacerloparatodoslosnudos.Aesteproceso
selellamamtododerelajacin.
Adems de emplear este proceso de resolucin, el algoritmo RelaxIV incluye la

posibilidad de ser inicializado de dos formas distintas. La primera es similar a la de
otros mtodos duales, como el OutofKilter, mediante cualquier conjunto de flujos
que satisfaga la conservacin de flujo, generalmente un vector de ceros lo har. La
segunda se corresponde con la ejecucin de un algoritmo de subasta inicial para
determinar un buen conjunto de flujos y precios iniciales, para una resolucin ms
eficientedeproblemasgrandes,paraloscualeselalgoritmoRELAXsloresultabapoco
eficiente.
Altratarsedeunalgoritmosimilar,enesencia,alalgoritmoOutofKilter,lasventajas
deRelaxIVsonsimilares,aunquenoiguales,alasdelanterior:
- Norequiereningunaestructuradememoriaespecialparalarepresentacinde
lared.Losparmetrosseintroducenyalmacenanenlistasdeordenarbitrario
- Elalgoritmopuedeinicializarseconcualquierconjuntodeflujosquesatisfagala
conservacindeflujo.Porello,elalgoritmoesespecialmentetilpararealizar
anlisisdesensibilidadcuandosevaranlosparmetrosdelosarcos.
40
- Al no realizar lecturas exhaustivas de toda la lista de arcos yl detenerse,

normalmente, en el primero que cumple las condiciones de ascenso, la
resolucindelaredesmsrpida.
Porsupuesto,elalgoritmotienesusdesventajas:
- El procedimiento de resolucin sin la inicializacin por subasta se encuentra

con dificultades para la resolucin de problemas grandes. Aunque se aprecia
unagranmejorasiseutilizalainicializacin.
4.1.3. NETFLO(SIMPLEX)
El mtodo simplex para resolver problemas de programacin lineal es un algoritmo

muy poderoso para resolver problemas de optimizacin con restricciones. Dado que
lasredesdeflujosuponenuntipoespecialdeprogramacinlineal,sepodraesperar
que el mtodo simplex fuese una alternativa atractiva para la resolucin de las
mismas. Sin embargo, el mtodo general no resulta competitivo frente a otros
algoritmos especialmente preparados para la resolucin de redes de flujo
aprovechandosuparticularestructura(Ahuja1993).
NETFLOeselnombredadoalaimplementacindelalgoritmosimplexpararedesde
flujo realizada por Kennington y Helgason (1980). Se trata de un algoritmo de la
primerafamilia,quesebasaenelincrementosucesivodelvectordeflujohastaquese
alcanzaunptimoenlafuncinobjetivo.
Elproblemaqueseresuelveeselenunciadoparaelproblemadelflujoacostemnimo
enlasecuaciones(4.1)a(4.3).
Comoyasehacomentadopreviamente,NETFLOllevaacabolaoptimizacindelared
deflujomedianteelalgoritmosimplexpararedesdeflujoqueaprovechalaestructura
especialdelaredparaadaptarelmtodosimplexgeneral.Estealgoritmosebasaenla
obtencindeuntipodesolucionesllamadasarbolesdecobertura(spanningtrees).
En estas soluciones se fija el flujo de los arcos que no pertenecen al rbol de
cobertura bien a cero o al lmite de su capacidad. El valor ptimo se alcanza
avanzando de una solucin a otra generando, en cada paso de clculo, un rbol
factible con su vector de flujos correspondiente. El coste de cada vector de flujos
nuncahadesermenorqueenelpasoanteriorhastaquesealcanzaelptimo.Cada
iteracin, llamada pivote como en el algoritmo SIMPLEX de la programacin lineal,
operadelasiguienteformaBersetkas(1998):
(a) Seaadeunnuevoarcoalrboldeformaquesecreeunnicocicloconcoste
negativo. El arco entrante se suele seleccionar en base al coste reducido
asociadoalmismo.
41
(b) Se asigna al ciclo tanto flujo como sea posible sin violar la factibilidad del
mismo.
(c) Sedescartaunodelosarcosdelciclo,loquegeneraunnuevorbolparaser
utilizado en la nueva iteracin. El arco descartado se elige de entre aquellos
arcosdelcicloqueaportaunmenorincrementodeflujoatravsdelmismo.
4.1.4. GeneralizedNetworkAlgorithm(EMNETyNETPD)
Elalgoritmoqueseanalizaacontinuacinconstituyelasolucinauntipoderedde
flujodistintaalasvistashastaahora.Unareddeflujoconganancias/prdidassetrata
deunareddeflujoque,ademsdelosparmetroshabitualesasociadosaunaredde
flujo normal, tiene asociado un trmino multiplicador 0 en cada arco , . De
estaforma,elproblemaaresolverresulta(Jensen1987):
m m
Min cij xij (4.15)
i =1 j =1
m m
s.a. xij ij x ki = bi i = 1, K , m (4.16)
j =1 k =1
0 x ij u ij i, j = 1, K , m (4.17)
Seasumequeelmultiplicador esunnmeroracionalquepuedeexpresarsecomo
,para y dosnmerosenteros.Cuandoenviamos1unidaddeflujo
atravsdelarco , ,alnudojllegan unidades.Si 1,elarcoesperdedor;ysi
1,elarcoesganador.
Ntesequeseasumequelacapacidaddearco esunlmitesuperiordelflujoquese
envadesdeelnudoi,nodelflujodisponibleenelnudoj.Deformasimilar, esel
costeporunidaddeflujoqueenviamosdesdeelnudoi,ynoelcosteporunidadde
flujoquellegaalnudoj.Losflujosmnimosestnresueltosdelamismamaneraqueen
laformulacindelproblemaparaelalgoritmoRelaxIV.
Laresolucindeestareddeflujopuederealizarsedeformasimilaralaresolucinde
los anteriores problemas adaptando los algoritmos. Ahuja (1993) y Jensen (1987)
desarrollaron adaptaciones de algoritmos de tipo primal (simplex) para resolver el
problemadeflujoacostemnimoenredesdeflujogeneralizadas.
EMNET (McBride,1985), es el nombre de la implementacin de un algoritmo tipo

simplex (familia 1) para resolver una red de flujo generalizada. La estrategia general
delalgoritmosedivideentresfases:Enlafaseinicial(0),seresuelveunareddeflujo
pura, quitando los aspectos complicados, lo que permite obtener una solucin
aproximada de una forma rpida y eficaz; en la siguiente fase (1) se aaden los
42
aspectos complicados de la red y se obtiene una solucin factible a partir de la

obtenidaenlafase0;porltimo,lafase(2)consisteenvariarlosflujos,comoenel
algoritmosimplex,hastaalcanzarelptimo.
NETPD (Curet, 1994), es una implementacin de un algoritmo de tipo primaldual

(familia2)pararedesdeflujogeneralizadas.Elprocedimientoderesolucindelared
deflujodeestealgoritmoessimilaralexpuestoenlosalgoritmosOutofKilteryRelax
IV. De hecho, se realiza una mezcla de ambos procedimientos, se mantiene el
incrementodelafactibilidaddelassolucionesdurantelafaseprimal,comoenOutof
Kilter, pero se reduce la cantidad de trabajo necesaria para determinar qu variable
dualdebeincrementarse,comoenRelaxIV.
Unaspectointeresantedelosalgoritmospararedesgeneralizadaseslaposibilidadde
resolver, tambin, redes de flujo puras de forma eficiente sin necesidad de realizar
ningntipodecambioniencdigosnienlaintroduccindelosdatos.
4.1.5. Otrosalgoritmos
Apartedelostratados,existenotrostantosalgoritmosquepermitenoptimizarredes
deflujo,aunquesehaoptadopornomostrarlosendetalledebidoaquenoaportan
unvaloraadidoalaexposicin,bienporsermenoscomunesenlabibliografa,opor
ser implementaciones similares a las realizadas por alguno de los algoritmos
mostrados.Ejemplosdeestosalgoritmosson:
- RNET (Grigoriadis y Hsu, 1978) es una implementacin del algoritmo simplex

pararedesdeflujoanterioraNETFLOaunque,bsicamente,tienenlosmismos
principios.

- NEPSA(Paparrizos,2009),eselnombredeunalgoritmoendesarrollo,basado
en una modificacin del mtodo simplex para redes de flujo, que an no ha
sido implementado y cuyo funcionamiento frente a otros algoritmos ms
desarrolladosestanporcomprobar.
4.2. Comparacinsegnlabibliografa
Paranoperdernosdentrodelespesobosquequesuponelaexistenciadetalcantidad
de algoritmos orientados a realizar un trabajo similar, y con la firme intencin de
enfocarlosesfuerzosdelainvestigacinnicamentesobrelosmsadecuados,seha
resueltorealizarunaprimeraestimacindelaeficaciadelosdiferentesalgoritmosen
problemas reales de optimizacin de los recursos hdricos mediante la consulta de
partedelabibliografaexistentealrespectoparaobtenerunaprimeraimpresindel
funcionamientodelosdiferentesalgoritmospresentados.
43
Una ventaja remarcable de todos los artculos consultados es la utilizacin, en la

mayora de ellos, de un generador aleatorio de problemas de redes de flujo comn,
NETGEN (Klingman, 1974), lo que, en cierta medida, asegura cierta similitud en los
problemasresueltosporunosyotros.
Unabuenapartedelosautoresquetratanensusartculoselfuncionamientodeunos
y otros algoritmos (Bersetkas, 1985, 1988 y 1994; Rani, 2010; y Kuczera, 1993),
coinciden en que los cdigos basados en el mtodo de relajacin (RELAXIV e
implementaciones anteriores), generalmente, funcionan de manera mucho ms
eficiente que el resto de algoritmos similares implementados hasta la fecha (Outof
KilterySimplex),siendo,aproximadamente,alrededordeunordendemagnitudms
rpidos.
Deespecialinterssonlosresultadosaportadosen(Kuczera,1993),dondeserealiza
unacomparacinentrelostiemposdeejecucindelosalgoritmosNETFLO(simplex)y
RELAX (primaldual) para la resolucin de una red de distribucin de agua en
superficie,conembalsesydemandas.Enestecaso,seconcluyequeRELAXllegaaser
entre,aproximadamente,dosysietevecesmsrpidoenlaresolucindelaredque
NETFLO.Adems,semuestra,enesemismoartculo,quelainformacinconlaquese
inicializa la resolucin de RELAX afecta de forma bastante importante al tiempo de
ejecucindeste.
No se ha encontrado ningn artculo en que se realizara una comparacin explcita

entre los algoritmos OutofKilter y NETFLO. An as, en (Bersetkas, 1985) ya se
comprueba el bajo rendimiento del OutofKilter respecto a una de las primeras
versiones de RELAX y de RNET (que implementa el mtodo simplex al igual que
NETFLO),loquenosayudaraaconcluirqueelalgoritmoqueFordyFulkersoncrearon
en1962sehaquedado,relativamente,anticuado.
Cabecomentarquesegn(Curet,1998),elcdigoRELAXeselmtodoquemsrpido
resuelvelosproblemasdeNETGEN.
Existenciertasexcepciones,comoelcasodePaparrizos(2009),queaclamaalmtodo
simplex como la mejor opcin para resolver MCNFP, aunque no se aporta ninguna
pruebaalrespecto.
Porotroladoseencuentranlosalgoritmosdedicadoalaresolucinderedesdeflujo
generalizadas.
En (Sun, 1995) se realiza una comparacin entre EMNET y MINOS, un software de

optimizacinlinealynolinealcondiversosalgoritmos,enlaresolucindeunaseriede
problemas tipo que representan esquemas de optimizacin de sistemas de recursos
hdricosalargoplazodeacuerdoconlosobjetivosdeplaneamientodelMetropolitan
44
Water District of Southern California (MWD). Aunque no especifica el tipo de

optimizacin que se emplea con MINOS, en (Labadie, 2004) se comenta que es un
algoritmodeprogramacinlinealdetiposimplex,elcualresultaentre11y117veces
mslentoqueEMNETenlaresolucindelared.McBride(1985)tambinmuestraque
EMNETresultaalrededorde5vecesmsrpidoqueMINOS.
Seobserva(Curet,1994y1998)tambinque,aligualquepararedesdeflujopuras,los
algoritmosdeltipoprimaldual(NETPD)pararedesdeflujogeneralizadasson,porlo
general,mseficientesquelosalgoritmosdetiposimplex(EMNET).
Sehacomentadoanteriormentequelosalgoritmosdeoptimizacinderedesdeflujo
generalizadaspueden,perfectamente,resolverredesdeflujopuras.Aesterespecto,
en (Curet, 1997 y 1998), se muestra que la resolucin de una red de flujo pura con
NETPDyconRELAXlleva,aproximadamente,elmismotiempodecomputacin,siendo
ambosdosalgoritmosdeltipoprimaldual.Porotrolado,comparadoconunalgoritmo
de tipo simplex (NETFLO), se muestra como NETPD es capaz de resolver la red en
muchomenostiempo.
4.3. Limitacionesdelasredesdeflujo
Lasredesdeflujoresultanunmtodomuyinteresanteparaeldesarrollodemodelos
deoptimizacindesistemasderecursoshdricos.Sinembargo,suutilizacinnocarece
de desventajas. Un problema de redes de flujo, al fin y al cabo, no deja de ser un
problema de programacin lineal de resolucin ms eficiente por la caracterstica
formulacin del mismo y, por tanto, adolece de los mismos problemas. El ms
importante de todos es la incapacidad de tratar con aspectos no lineales, lo que
implica que deben realizarse simplificaciones que, en ocasiones, pueden resultar
excesivasparalarepresentatividaddelosmodelosdesarrollados,opuedeaproximarse
la solucin mediante iteraciones sucesivas hasta alcanzar la convergencia de los
resultados(Fredericks1998).
Se ha criticado la utilizacin de iteraciones en redes de flujo (Ilich 2009) por

considerarse que las sucesivas iteraciones no alcanzan el resultado ptimo. Sin
embargo, como se mostrar ms adelante, en esta tesina se ha considerado que la
aproximacindelasnolinealidadesmedianteprocesoiterativosiguesiendovlidaya
queloquesehaceesresolversucesivamenteunareddeflujoquecambiasegnlas
condicionesdeflujoresultantesdelaiteracinanterior,cuyasolucinseslaptima,
loqueimplicaquelasolucinfinal,cuandosealcanzalaconvergencia,tambindebe
ser ptima mientras se cumplen unas condiciones adicionales a las intrnsecas a la
formulacindelareddeflujo.
4.4. Consideracionesadicionales
45
En este tercer captulo se ha realizado un estado del arte de algoritmos de

optimizacin de redes de flujo y de su aplicacin en la gestin/optimizacin de
sistemasderecursoshdricos.Tambinsehancomentadolosproblemasquesupone
la utilizacin de las redes de flujo en la resolucin de sistemas que presentan cierta
dificultadderepresentacin,oprecisin,especialmentecuandoseincluyenaspectos
decarcternolineal,ylaformadeenfocardicharesolucin.
Teniendo en cuenta el deseo expreso de mejorar y ampliar el modelo OPTIGES, y

teniendo en cuenta que lo ms acertado pasa por mejorar, en primer lugar, la
capacidaddeclculo,laprimeraconsideracinquesedeberealizaressielalgoritmo
OutofKilter,empleadoenlaresolucindelmodeloactualmente,eselmsadecuado
para hacerlo. Por lo visto hasta el momento, aparentemente, el algoritmo se ha
quedado relativamente anticuado, ya que hay algoritmos que, al menos segn la
bibliografa, resuelven el mismo problema de forma ms eficiente y que permiten
incluir ms elementos. Un algoritmo ms eficiente permitira aadir mayor
complejidadalosmodelosy,portanto,alared,peroesteesunaspectoquesever
posteriormente.
Ahora bien, la duda que se despierta es, desde el punto de vista de escoger un
algoritmo de optimizacin u otro, qu resulta ms eficiente, tanto en velocidad de
clculocomoposibilidadesderepresentacin,escogerunalgoritmoqueseacapazde
resolverredesdeflujopurasrpidamenteysolucionarlainclusindenolinealidades
mediante iteraciones, o escoger uno que permita introducir ms elementos en el
proceso de clculo, a costa de incrementar el tiempo de clculo, pero reduciendo el
nmero de iteraciones? Esta pregunta viene a colacin de la existencia de dos
posibilidades. La primera sera emplear alguno de los algoritmos de resolucin de
redes de flujo puras presentados para sustituir el que actualmente se utiliza. La
segundaseraimplementarunalgoritmoderesolucinderedesdeflujogeneralizadas.
En principio se va a optar por la primera opcin. Por un lado, porque el modelo de

optimizacinenquesevanabasarlaspruebas(OPTIGES)generaunareddeflujoque
se adapta casi perfectamente a dichos algoritmos y no se requeriran demasiados
cambios y, por otro, porque ya se dispone de un mecanismo bien estructurado de
iteraciones que tampoco habra que modificar. Por ltimo, aunque relativamente
menos importante, tambin resulta una razn el hecho de que, hasta la fecha, ha
resultado imposible localizar un algoritmo de resolucin de redes de flujo
generalizadas disponible para su utilizacin pblica, por lo que la segunda opcin se
dejarparainvestigacionesposteriores.
Para seleccionar, entonces, el algoritmo ms adecuado para va a realizar una

comparacin de primera mano entre las diferentes posibilidades. Para ello, en el
prximo captulo, se llevar a cabo la resolucin de una serie de ejemplos sencillos,
46
con la inclusin de ciertas particularidades en cada uno, de forma que nos permita
comparar el funcionamiento de cada uno de los algoritmos y seleccionar el ms
adecuado.
47
5. Aplicacindelosalgoritmosderesolucinderedesde
flujoescogidosenlaoptimizacindeunsistemade
recursossencillo.
En el anterior captulo se ha concluido que los algoritmos ms adecuados para la

resolucin de las redes de flujo generadas por un modelos de optimizacin como
podraserOPTIGESsonOutofKilter,RELAXIVyNETFLO.
Existen dos razones por las cules se han escogido estos algoritmos y no otros. En
primerlugarporelhechodequelosdosnuevosalgoritmosresuelvenprcticamenteel
mismo problema, lo que evitara realizar grandes cambios en el planteamiento del
problemadentrodelcdigodelprogramaOPTIGES,modeloempleadocomobasepara
laspruebas.Lasegundarazn,ypeseaquepuederesultarunaexcusa,esporquepese
a la multitud de algoritmos que se enuncian de forma terica, muy pocos de ellos
acaban teniendo una implementacin pblica, lo que dificulta enormemente su
obtencin.
As,secrearontresversionesdelmodelodeoptimizacinempleandocadaunodelos
tresalgoritmoscomomotordeclculoencadacasoysinrealizarningnotrocambio
adicional.Lasversionesdelostresalgoritmosseobtuvierondecdigospblicosdelos
mismos,comoyasehacomentado.
Se realizaron algunas modificaciones a los cdigos de los algoritmos para hacer

coincidirnombresdevariablesoparacalcularalgunasvariablesadicionalesenelcaso
de alguno de ellos. RELAXIV y NETFLO consideran el lmite inferior de los arcos
siempre nulos y emplean una variable adicional para recrear los requerimientos de
flujo mnimos llamada bi. Las adaptaciones que se realizaron a ambos algoritmos
consistieronsimplementeenrealizarlasustitucindeloslmitesinferioresdelflujoen
losarcosdelareddeflujo(lij)porelvectordedemandasenlosnudos(bi),comose
explica en los apartados correspondientes a estos algoritmos en el captulo anterior.
Esta sustitucin se realiza de manera sencilla sumando los lmites inferiores en
diferentes trminos segn el nudo de procedencia de los arcos con dicho lmite
definido. Si bien esta sustitucin plantea algunos problemas en puntos como los
caudalesmnimosenconduccionesovolmenesmnimosenembalses,sehaoptado
pornoincluirestasposibilidadestodavaenelcdigodelmodeloOPTIGESyaqueno
suponenunagrandiferenciadecaraalacomparacindelaeficienciadelosalgoritmos
implementados.
Con las tres versiones del modelo compiladas se resolvieron diversos supuestos
basados en el caso de estudio que se presentar en el siguiente apartado. Dichos
supuestosincluyen:
49
- La optimizacin del sistema de estudio sin ningn tipo de iteracin, es decir,

excluyendo la evaporacin de los embalses y los retornos de riego y
resolviendo,porlotanto,unareddeflujopura.
- La optimizacin del sistema incluyendo la evaporacin y los retornos por

separado.
- Laoptimizacindelsistemaincluyendoevaporacinyretornosalavez.
5.1. Casodeestudio:LacuencadelroMijaressimplificada
ElroMijaresseencuentraubicadoenlavertienteorientaldelapennsulaIbrica(ver
figura4.1).Lasuperficietotalcomprendidaporestesistemaesde5.466km2.Conuna
poblacintotalenlazonade363.578habitantessusuministroserealizaapartirdela
explotacin de pozos y el aprovechamiento de manantiales. La superficie total
cultivada asciende a 124.310 Has, de las cuales 43.530 Has (35 %) corresponden a
regados,mientrasqueelresto(65%)sondesecano.Losctricosconstituyenelcultivo
predominante, con un porcentaje prximo al 87 % de la superficie en regado de la
citadazona.Lalongituddelcursoprincipalesdeunos156Kmytienenunaaportacin
media de la cuenca de 380 hm3/ao. En cuanto a la infraestructura de
almacenamientolacuencacuentacontresembalses:eldemayorcapacidadeselde
Arens (95 hm3 tiles), aguas abajo se encuentra el embalse de Sichar (49 hm3) y
ubicadoenelafluenterambladelaViudaeldeMaraCristina(19.7hm3).

Figura5.1SituacindelacuencadelroMijares
50
Laproblemticadelacuencasecentraenelrepartodelrecursoentrelasdemandas
agrcolas.EnlapartebajadelacuencaseubicanlosriegosdenominadoscomoRiegos
tradicionales. Estos riegos datan de ms de un milenio de antigedad por lo que
mantienenunderechopredominantesobreelrestodeusosagrcolas.Porotrolado,
los riegos de la parte media de la cuenca conforman los regados modernos,
denominados tambin como mixtos debido a la posibilidad de utilizar tanto aguas
superficiales como subterrneas. El incremento del uso de aguas subterrneas ha
llevadoaqueelacuferosufraproblemasdeintrusinmarinaenpocasdesequaen
dondeseproduceunamayorexplotacindelacufero.Bajoestasituacinesnecesario
el establecimiento de una regla de gestin que proteja los derechos de los regados
tradicionalesrestringiendoelusosuperficialalosriegosmsmodernos.
Previamente a la aplicacin de la metodologa explicada al inicio de este captulo se

cre un modelo simplificado de la cuenca del ro Mijares basado en un modelo de
simulacinrepresentativodelsistemadelMijarescreadoparaelprogramaSIMGESde
simulacin de sistemas de recursos hdricos (Andreu et al, 1996). Para ello se ha
utilizadoelsistemadeayudaalaDecisinAQUATOOL.Comoelmodelodesimulacin
resultaba demasiado complejo para una primera aproximacin a la optimizacin del
sistema, el modelo simplificado incluye nicamente los elementos principales de la
cuenca, como son los embalses de Arens y Sichar y las demandas agrcolas ms
importantes(Cota220,Cota100yRiegosTradicionales).Lasiguientefiguramuestrala
topologa del modelo de simulacin desarrollado para su utilizacin con el programa
SIMGESyelmodelosimplificadocreadoparaemplearconelmodeloOPTIGES.

Figura5.2.ModelodelsistemadelMijarescreadoconAQUATOOLparasuejecucinconelprogramaSIMGES.
51
Comosepuedeverenlafiguraelmodelodeoptimizacinconstadeuncursoprincipal
querepresentaalroMijaresendondeseubicanlosembalsesdeArens(E.Arens)y
Sichar(E.Sichar).
Lasaportacionesconsideradasson:elaportedelacuencaaguasarribadelembalsede
Arens(Ap.Arens),yelaportedelacuencamediadelroMijares(Apo.Intermedia.
Losriegosdelsistemasetienenencuentaenelmodelocon3elementosdedemanda:
UDARiegosTradicionales;UDARiegosCanalCota220;yUDARiegosCanalCota
100. No se han considerado los suministros urbanos en el modelo de optimizacin
debido a que stos se suplen, principalmente, desde el acufero de la Plana de
Castelln,elcualnopuedeincluirse,demomento,enesquemasdeOPTIGES.
El orden de prioridad de las demandas es el siguiente: en primer lugar la demanda

agrcoladeriegostradicionalesydespuslasdemandasderiegorestantes.Encuantoa
los embalses, se define el embalse de Arens como prioritario frente al de Sichar
aunque esto no tendr efecto en el reparto de flujos salvo en el ltimo mes del
periododeoptimizacinconsideradocadavez.
No se han tenido en cuenta en el modelo simplificado ni caudales ecolgicos ni

volmenesmnimosdeembalsesporlasrazonescomentadasaliniciodelcaptulo.
Enelanexo1seincluyeelecodedatosparapoderreproducirelmodelocreadocon
AQUATOOL.
5.2. Optimizacindelsistemasiniteraciones
En este apartado se llevar a cabo una optimizacin del modelo del Mijares
simplificado creado sin tener en cuenta elementos que puedan introducir no
linealidadeso,loqueeslomismo,quehaganqueseanecesarianingunaiteracin.De
esta forma, se puede estudiar el funcionamiento de los diferentes algoritmos
consideradosdesdeelpuntodevistapuramentecomputacional.
Se ejecutaron las diferentes versiones de OPTIGES para varios horizontes de

optimizacin crecientes, lo que implica un tamao de la red de flujo creciente. En la
tabla 4.1 se muestra el tamao de la red de flujo resuelta para cada horizonte de
optimizacin2.Enlafigura4.3semuestralaevolucindelostiemposdeejecucinde
cada uno de los algoritmos segn el tamao de red resuelta. A la figura 4.3 le
acompaalatabla4.2conlosvaloresnumricosincluidosenlamismaparaunmayor
detalle.
2
Enelanexo2seincluyelareddeflujocorrespondientealperiododeoptimizacinde12meses
52
Tamao Nmero Nmero

delared denudos dearcos
12meses 119 317
120meses 1091 3017
240meses 2171 6017
360meses 3251 9017
480meses 4331 12017
600meses 5411 15017
720meses 6491 18017
Tabla5.1Tamaodelaredcorrespondienteacadahorizontedeoptimizacin
Evolucindeltiempodeejecucindelos
algoritmosconeltamaodelareddeflujo
16
14
Tiempodeejecucin(s)
12
10
8
6
4
2
0
12meses 120meses 240meses 360meses 480meses 600meses 720meses
OOK RELAXIV NETFLOW

Figura5.3.Evolucindeltiempodeejecucindelosalgoritmosconeltamaodelareddeflujo
53
Evolucindeltiempodeejecucindelosalgoritmosconeltamaodelareddeflujo
12meses 120meses 240meses 360meses 480meses 600meses 720meses
OOK 0 0.234 0.891 1.984 3.938 9.672 13.5
RELAXIV 0 0.016 0.031 0.031 0.047 0.156 0.172
NETFLOW 0 0.094 0.422 1.016 1.734 2.688 3.766
Tabla5.2.Evolucindeltiempodeejecucindelosalgoritmosconeltamaodelareddeflujo.
Se puede observar como el algoritmo RELAXIV supera notablemente en velocidad a

losotrosdos.Enlatabla4.3semuestralarelacindevelocidadesentreellos.
Relacindeltiempodeejecucindelosalgoritmosconeltamaodelareddeflujo
12 120
meses meses 240meses 360meses 480meses 600meses 720meses
OOK/RLX 0 15.00 28.50 63.50 84.00 61.90 78.55
OOK/NF 0 2.50 2.11 1.95 2.27 3.60 3.59
NF/RLX 0 6.00 13.50 32.50 37.00 17.20 21.91
Tabla5.3.Relacinentrelostiemposdeejecucindelosalgoritmossegneltamaodelareddeflujo.
Como indicadores de la bondad de los resultados, es decir, para comprobar que los
resultadosdelosdiferentesalgoritmossonlosmismos,seemplearon:
- El valor final de la funcin objetivo, la cual coincide siempre se emplee el

algoritmoqueseemplee.
- El valor del volumen embalsado, en cada embalse por separado,
correspondiente al ltimo mes del periodo de optimizacin, el cual, debido a
que se trata del nico mes en que se tiene en cuenta la prioridad de un
embalserespectoaotro,deberaserelmismoparalostresalgoritmoscomo,
efectivamente,ocurre.
- Elvolumenembalsadototal,quecoincide,igualmente,paralostresalgoritmos
yquepuedeobservarseenlafigura4.4.
54
VOLUMENTOTALREGULADOENEL
SISTEMASINITERACIONES
160
140
VolumenTotal(Hm3)
120
100
80
60
40
20
0
Oct40
Oct45
Oct50
Oct55
Oct60
Oct65
Oct70
Oct75
Oct80
Oct85
Oct90
Oct95
Apr43
Apr48
Apr53
Apr58
Apr63
Apr68
Apr73
Apr78
Apr83
Apr88
Apr93
Apr98

Figura 5.4. Volumen total regulado en el sistema sin iteraciones con los tres algoritmos para el periodo de
optimizacincorrespondientea720meses.Noseobservaningunadiferenciaentreningunodeellos.
Cabedestacarque,peseaqueseobtieneelmismovolumentotalreguladoconlostres
algoritmosutilizados,noocurrelomismosiestudiamoslaevolucindelosvolmenes
embalsadosencadaembalseporseparado.Enlasfiguras4.5y4.6,correspondientes
alvolumenreguladoporlosembalsesdeArensySicharrespectivamente,sepueden
observarlasdiferenciasenlosresultadosobtenidasconcadaalgoritmoderesolucin
de la red de flujo. De todas formas, como ya se ha comentado anteriormente, se
puede observar cmo el volumen correspondiente al ltimo mes del periodo de
optimizacineselmismoenlostrescasoseiguala54.87Hm3enelcasodelembalse
deArensy0Hm3endelembalsedeSichar.
55

Figuraa5.5.Evolucin
ndelvolumen almacenadoenelembalsed deArens,durranteelperiod
dodeoptimizaccinde
720m
meses,paracadaaunodelostre
esalgoritmosccomparados.
56
SICHAROOK
60
40
20
SICHARRELAXIV
60
40
20
SICHARNETFLOW
60
40
20
0
Oct40
Jan43
Apr45
Oct49
Jan52
Apr54
Oct58
Jan61
Apr63
Oct67
Jan70
Apr72
Oct76
Jan79
Apr81
Oct85
Jan88
Apr90
Oct94
Jan97
Apr99
Jul47
Jul56
Jul65
Jul74
Jul83
Jul92

Figura5.6.EvolucindelvolumenalmacenadoenelembalsedeSichar,duranteelperiododeoptimizacinde
720meses,paracadaunodelostresalgoritmoscomparados.
La diferencia en los resultados obtenidos en cada embalse por separado es debida,

principalmente a que el ptimo del sistema no se corresponde con un nico punto,
sinoquesecorrespondeconunhiperplanoencuyospuntoslafuncinobjetivotiene
el mismo valor. Este aspecto, sumado a la diferente metodologa de bsqueda
empleada por cada algoritmo, hace que se alcancen soluciones diferentes en los
resultadospormenorizadosdelsistemaaunqueigualesenconjunto.
5.3. Introduccindenolinealidadesenlaoptimizacindelsistema
Acontinuacinsetratalainclusindeaspectosenelsistemacuyocomportamientono
es lineal y, por tanto, no pueden resolverse directamente con la red de flujo. Para
resolveresteproblemasindejardeutilizarredesdeflujoserecurrealasiteraciones.
El procedimiento para realizar las iteraciones que se sigue en OPTIGES consiste en

resolverunareddeflujoqueinicialmentetieneasignadosflujosnulosatravsdelos
57
arcos correspondientes a los elementos que representan las no linealidades.

Posteriormente,yenbasealrestodeflujoscirculantesenelsistema,secalculaelvalor
del flujo que debera circular a travs de los arcos anteriormente descritos. El valor
obtenidoencadaarcosecomparaconelvaloranterior(queenelcasodelaprimera
iteracinescero)ysiladiferenciaesmenorqueunvalorpreviamentedefinido,queen
adelantellamaremoscriteriodeconvergencia,seconsideraquenoesnecesarioseguir
realizandoiteracionesyelltimovalorcalculadosecorrespondeconelvalorsolucin.
Cabenotarqueelcriteriodeconvergenciadebecumplirsealavezentodoslosarcos
del sistema y que si no se cumple, aunque sea slo en uno, el modelo realizar una
nuevaiteracin.
Enelcasodelaevaporacinenlosembalses,elprocedimientodeclculoconsisteen
obtenerlasuperficiemediadelembalseenelmesapartirdelosvaloresdelvolumen
almacenado al inicio y al final del mismo y la curva superficievolumen asociada al
embalse,queelusuariodebedefinircomodatosalcrearelmodelodeoptimizacin.
El clculo de los retornos de las demandas se realiza mediante la multiplicacin del

suministroacadademandaporelporcentajederetornoquelecorrespondaencada
mes, que tambin es un dato que el usuario debe definir durante la creacin del
modelodeoptimizacin.
Enlossiguientesapartadossepresentanlosresultadosdelainclusindeiteraciones
en el modelo de optimizacin3. Se comenzar por introducir los aspectos no lineales
por separado y posteriormente se incluirn de forma conjunta. Adems de a los
indicadores de bondad de las soluciones observados en el apartado anterior, se
prestar especial atencin al nmero de iteraciones realizadas por cada algoritmo
antesdealcanzarselaconvergencia,ascomoaltiempodeejecucintotaldelmodelo
de optimizacin (lectura de datos, inicializacin, resolucin de las iteraciones y
escrituraderesultados).
5.3.1. Optimizacin del sistema teniendo en cuenta los retornos de las

demandas.
Se definieron dos elementos de retorno, uno conectado a la demanda Cota 220 y
otro conectado a las otras dos demandas. Los coeficientes de retorno se definieron
comoel10%delsuministroenlasdemandasCota220yCota100ydel20%enla
demanda Riegos Tradicionales. El retorno de la demanda Cota 220 se enva al
embalse de Sichar y el de las otras dos demandas al nudo anterior al nudo final (se
incluyunnudointermedioenlaconduccinentreelembalsedeSicharyelnudofinal
parapoderintroducirelsegundoelementoderetornoyaqueAQUATOOLnopermite
3
Se mostrarn los resultados correspondientes al horizonte de optimizacin de 720 meses por
considerarlos ms ilustrativos, debido al mayor tamao de la red de flujo resuelta, que horizontes
menores.
58
lallegadadeelementosderetornoalnudofinal).Elesquemaresultantedelainclusin
delosnuevoselementosderetornosemuestraenlafigura4.7.
Laevolucindelvalordelafuncinobjetivoalolargodelasdistintasiteraciones,as
como el nmero de estas, que realiza cada algoritmo se muestra en la figura 4.8. Se
puede observar como el valor final de la misma es prcticamente el mismo para los
tresalgoritmosempleados.

Figura5.7.ModelosimplificadodelsistemaMijaresmodificadoparalainclusindeelementosderetorno.
8070
VALORDELAFUNCION
8075
OBJETIVO/100000
8080
8085
8090
8095
8100
1 2 3 4
Iteracin
OOK RELAXIV NETFLO

Figura 5.8. Evolucin del valor de la funcin objetivo con el nmero de iteraciones para el horizonte de
optimizacinde720meses.
59
Aligualqueparaelvalordelafuncinobjetivo,elrestodeindicadoresquereflejanel
funcionamientoadecuadodelostresalgoritmospresentanvaloresmuycercanosentre
s,siendolaspequeasdiferenciasdebidasprincipalmentealprocesoiterativo.Enlas
tablasqueseincluyenacontinuacinsepresentanlosvaloresdelosretornos,dficits
delasdemandasyvolumendeaguavertidoalmaratravsdelaltimaconduccindel
sistema.
RETORNOSTOTALES
OOK RELAXIV NETFLOW
RETORNO1 139.46 139.43 139.37
RETORNO2 1177.08 1177.27 1177.33
TOTAL 1316.54 1316.7 1316.7
Tabla5.4.Volumentotalretornadoporlasdemandasatravsdecadaelementoderetornoparaelhorizontede
DFICITSTOTALES
OOK RELAXIV NETFLOW
COTA220 32.67 32.98 33.56
COTA100 44.53 45.11 44.89
R.TRAD 85.91 85.05 84.75
TOTAL 163.11 163.14 163.2
Tabla5.5.Dficittotalencadademandaparaelhorizontedeoptimizacinde720meses.
VOLUMENVERTIDOALMAR
OOK RELAXIV NETFLOW
TOTAL 6237.07 6237.26 6237.32
Tabla 5.6. Volumen total vertido al mar a travs de la ltima conduccin del sistema para el horizonte de
EncuantoaltiempodeejecucindelprogramaOPTIGESempleandocadaunodelos
diferentesalgoritmos,sepuedeobservar,enlafigura4.9,comoeltiempodeejecucin
cuandoseempleaelalgoritmoRELAXIV,queanteriormentesehabavistoqueesel
msrpido,siguesiendoelalgoritmoconmenortiempodeejecucin.Adems,cabe
destacar,respectoaltiempodeejecucindecadaiteracin,que,dependiendodeltipo
de solucin factible inicial que se proporcione al algoritmo, se pueden alcanzar
tiempos de ejecucin sucesivos cada vez menores. En la figura 4.10 se puede
comprobarcmoeltiempodeejecucindecadaiteracindeOutofKilterdisminuye
progresivamente debido a que, en cada nueva iteracin, se toma como solucin
factibleiniciallasolucinobtenidaenlaiteracinanteriormientrasque,conlosotros
dosalgoritmos,lasolucinfactibleinicialseinicializasiemprecomocero4y,portanto,
eltiempoderesolucindelareddeflujoesaproximadamenteelmismocadavez.
4
EnsucesivasversionesdeOPTIGESempleandoRELAXIVyNETFLOseimplementarlainicializacinde
cadaiteracinconlasolucindelaiteracinanterior.
60
10
9
TIEMPODEEJECUCINOPTIGES(s)
8
7
6
5
4
3
2
1
0
OOK RELAXIV NETFLOW

Figura5.9.Tiempodeejecucindelmodelodeoptimizacinconcadaalgoritmoparaelhorizontedeoptimizacin
de720meses.
6
TIEMPODEEJECUCINITERACIONES(s)
0
1 2 3 4
OOK RELAXIV NETFLOW

Figura 5.10. Tiempo de ejecucin de cada iteracin del modelo de optimizacin con cada algoritmo para el
horizontedeoptimizacinde720meses.
5.3.2. Optimizacin del sistema teniendo en cuenta la evaporacin en los

embalses.
Enesteapartadoseintroduce,comoaspectonolineal,laevaporacinenlosembalses.
La tasa de evaporacin es un dato que el usuario debe definir en la ventana
correspondiente en el programa AQUATOOL al definir las caractersticas del modelo.
Paraposibilitarunareproduccindelmodelopresentadoseincluyeenlatabla4.7la
tasadeevaporacincorrespondienteacadaembalse.
61
TASADEEVAPORACIN(mm/mes)
MES ARENS SICHAR
Octubre 57.4 65.6
Noviembre 36.4 41.6
Diciembre 30.1 34.4
Enero 34.3 39.2
Febrero 52.5 60
Marzo 63.7 72.8
Abril 83.3 95.2
Mayo 109.2 124.8
Junio 126.7 144.8
Julio 153.3 175.2
Agosto 127.4 145.6
Septiembre 90.3 103.2
Tabla5.7.Tasadeevaporacinenlosembalsesdelmodelo.
En este caso, observamos comportamientos distintos de cada uno de los algoritmos

que, an as, pueden justificarse sin problemas. En primer lugar, en la figura 4.11,
sorprendeencontrarseconunosresultadosdelafuncinobjetivodispares,sobretodo
porpartedelalgoritmoNETFLO,cuyovalordifierebastanterespectodelobtenidocon
los otros dos. Tambin cabe observar la cantidad de iteraciones que se realiza en el
casodeRELAXIV.
Ladiferenciaenelvalordelafuncinobjetivoesdebidaaladiferentegestindelos
embalsesquerealizacadaalgoritmo,comoyasecomentenelapartado3.2.Debidoa
estas diferencias en el volumen almacenado en cada embalse cada mes, el valor
calculadoparalaevaporacinatravsdelasiteracionesserdiferenteencadacaso.
Esto,unidoaqueelcostedecirculacindelflujoatravsdelosarcosasociadosala
evaporacinesmuyalto,paraforzaraslacirculacindelflujocorrespondiente,hace
queelvalordelafuncinobjetivodifierabastantedeunalgoritmoaotro.Anasla
diferencia no es significativa dado el orden de magnitud de los valores numricos
manejados.
Elcasodelnmerodeiteracionesseanalizarmsenprofundidadenelapartado4.4.
62
13000
VALORDELAFUNCINOBJETIVO
13100
13200
13300
/100000
13400
13500
13600
13700
0 1 2 3 4 5 6 7 8 9 10
Iteracin
OOK RELAXIV NETFLO

Figura5.11.Evolucindelvalordelafuncinobjetivoconcadaiteracinparaunhorizontedeoptimizacinde
720meses.
Encuantoalosresultadosdelrestodeindicadoresdebondad,seobservanpequeas
diferenciasdebidas,principalmentealoyacomentadopreviamenteenesteapartadoy
enelanterior.
EVAPORACIONTOTAL
OOK RELAXIV NETFLO
ARENS 177.56 173.28 155.12
SICHAR 166.05 171.33 213.92
TOTAL 343.61 344.61 369.04
Tabla5.8.Volumentotalevaporadoenlosembalsesparaunhorizontedeoptimizacinde720meses.
DFICITSTOTALES
OOK RELAXIV NETFLO
COTA220 44.31 44.41 44.93
COTA100 61.44 61.38 61.49
R.TRAD 118.22 119.76 122.33
TOTAL 223.97 225.55 228.75
TOTALALMAR
OOK RELAXIV NETFLOW
TOTAL 4654.91 4656.38 4636.97
Puede observarse como, debido a la mayor evaporacin calculada con NETFLO, el

dficitdelsistemaesmayorylassalidasalmarsonmenores.
En cuanto al tiempo de ejecucin, se siguen manteniendo los bajos tiempos de

resolucin de cada iteracin pero debido a que RELAXIV alcanza el mximo de
63
iteraciones (200) antes de que se alcance el criterio de convergencia, el tiempo que

OPTIGEStardaenejecutarseconestealgoritmoesmuysuperioralempleadoconlos
otrosalgoritmos,quesalcanzanunarpidaconvergencia.Cuandosetrateeltemade
la convergencia de RELAXIV ms adelante se realizarn unas comparaciones de
tiempos de ejecucin y se retomar este punto. Se adelanta ya que, con un nmero
adecuadodeiteraciones,RELAXIVsiguesiendoelalgoritmomsprometedor.
5.3.3. Optimizacindelsistemateniendoencuentaevaporacinyretornos.
Una vez observado el comportamiento de los diferentes algoritmos con las no
linealidades que permite incluir el programa OPTIGES por separado, en el apartado
quesiguesecombinanambasposibilidades.
Los datos empleados para llevar a cabo este apartado son los mismos que los
empleados para realizar los apartados anteriores sobre el esquema modificado para
incluirloselementosderetorno.
Losresultadosobtenidosestaveznosuponennadanuevorespectoalosobtenidosen
losdosapartadosanterioressalvoporserunacombinacindeambos.Seobservauna
diferencia ms notable del valor de la funcin objetivo as como del nmero de
iteraciones, que siguen alcanzando el mximo definido en OPTIGES con el algoritmo
RELAXIV.Mientraslosresultadosasociadosalosretornossonmuysimilaresconlos
tresalgoritmos,elvalordelaevaporacinsiguedependiendomuchodelagestinde
losembalsesquerealizacadaunoy,comoyaseobservanteriormente,resultamayor
paraOPTIGESconelalgoritmoNETFLO.Debidoalasdiferenciasenlasevaporaciones
setienen,deigualforma,diferenciasenlosdficitsyenelaguavertidaalmar.Enlas
siguientes figuras se muestran los resultados obtenidos para una resolucin del
modeloparaunhorizontedeoptimizacinde720meses.
13000
VALORDELAFUNCINOBJETIVO
13100
13200
13300
/100000
13400
13500
13600
13700
1 2 3 4 5 6 7 8 9 10
Iteracin
OOK RELAXIV NETFLO

Figura5.12.Evolucindelvalordelafuncinobjetivoconcadaiteracinparaunhorizontedeoptimizacinde
720meses.
64
EVAPORACINTOTAL
OOK RELAXIV NETFLO
ARENOS 176.87 173.82 156.74
SICHAR 164.81 173.34 213.37
TOTAL 341.68 347.16 370.11
RETORNOTOTAL
OOK RELAXIV NETFLO
RETORNO
1 138.56 138.46 138.38
RETORNO
2 1171.28 1171.36 1170.83
TOTAL 1309.84 1309.82 1309.21
DFICITSTOTALES
OOK RELAXIV NETFLO
COTA220 41.66 42.63 43.55
COTA100 57.19 57.85 58.19
R.TRAD. 108.92 108.7 110.72
Total 207.77 209.18 212.46
TOTALALMAR
OOK RELAXIV NETFLO
TOTAL 5944.11 5941.62 5922.52
Encuantoaltiempodeejecucin,RELAXIVsiguesiendoelalgoritmoelmsrpido.
5.4. Anlisisderesultados.
Aunque a lo largo de la presentacin de resultados ya se ha analizado parte de los

mismos, en este apartado se comentarn/resumirn los ms importantes para el
desarrollodeestatesina.
Para comenzar, se ha podido observar, claramente, que se cumplen las

consideraciones realizadas en el captulo anterior acerca de la eficacia de los
algoritmos empleados en la comparacin realizada en el presente apartado. As,
hemos comprobado que el algoritmo RELAXIV es, de los tres estudiados, el ms
eficienteenlaresolucindeunareddeflujo.Alrespectodelostiemposdeejecucin
65
tambin se puede observar, apoyndose en la figura 2 y las tablas 2 y 3, que el

incremento del tiempo de ejecucin con el tamao de la red no es tan rpido en el
algoritmoRELAXIVcomoenlosotrosdos,yquestepuedellegarasercasi80veces
msrpidoqueelalgoritmoOutofKilter,utilizadohastaahora.
Sehapodidoverque,dependiendodelalgoritmoempleadoparalaresolucindeuna
mismared,seobtenanresultadosquenotenandemasiadoqueverunosconotros.
Este aspecto es mucho ms notable en la operacin de los embalses, especialmente
debidoaquelaredresueltaslotieneencuentalaprioridaddeunorespectodelotro
enelltimomesdelperiododeoptimizacin.Porestarazn,cadaalgoritmo,porsus
diferentes metodologas de bsqueda del ptimo asigna los flujos en los arcos como
mejor le conviene aunque, al final, el valor de la funcin objetivo sea el mismo. Se
comprobquesilaprioridaddeunembalserespectoaotrosehacaextensivaatodo
elperiododeoptimizacin,todoslosalgoritmosofrecanunmismovalordetodoslos
resultados.
Una vez comprobado qu algoritmo de resolucin resulta ms rpido, es necesario

centrarseensuimplementacinenOPTIGESycomprobarsucomportamientocuando
se hace uso de las posibilidades que ofrece el programa de introducir algunos
elementos de comportamiento no lineal mediante iteraciones. Dado que las
iteraciones en OPTIGES se realizan resolviendo cada vez una red de flujo distinta, ya
podadiscernirsedelosresultadosdelascomparacionesenlaresolucindeunared
deflujopuraqueRELAXIVseratambinelalgoritmomseficienteaunque,mediante
la resolucin de los diferentes casos, se ha podido comprobar la existencia de
problemasencuantoalaconvergenciadelosresultados.
Aunquenoocurreenelcasodelosretornosdelasdemandas,cuandoseintroducen
evaporaciones en los embalses, se comprueba cmo el modelo funcionando con el
algoritmoRELAXIVnoalcanzalaconvergenciadelassolucionesysellegaalmximo
deiteraciones.Queestosedsloenunodeloscasosenqueserealizaniteraciones
(dos si se tiene en cuenta el ejemplo en que se consideran las dos posibilidades
conjuntamente)permitepensarqueelproblemanoesdebidoalalgoritmoens,sino
alcriteriodeconvergenciaescogido.
Cuandoserealizanlascomparacionesentreelvalorcalculadoenlaiteracinanteriory
elcalculadoenlapresenteiteracin,seexigequeladiferenciaseamenorqueunvalor
definidointernamenteenelprograma(NEPSI)yqueactualmenteesiguala4,loque
vienearepresentar0.04Hm3,sinqueelusuariopuedamodificarlo.Cabelaposibilidad
de que este valor sea muy reducido segn el sistema considerado y que, sumado al
hechodequeelptimonosecorrespondeconunanicasolucin,elalgoritmoarroje
soluciones prximas entre s cada vez, pero no lo suficiente como para cumplir el
criterio de convergencia, mientras que el valor de la funcin objetivo se mueve
alrededordeunvalorcentral.
66
Resultainteresante,porlotanto,estudiarelefectoquetendramodificarelcriteriode
convergenciaenlosresultadosarrojadosporelmodelo.Paraellosehaempleadoel
ltimo de los casos estudiados anteriormente, en el que se tena evaporacin y
retornos al mismo tiempo. Se increment el valor de NEPSI gradualmente para
comprobar en qu momentos se reduca el nmero de iteraciones efectuadas por
RELAXIV.Deestaformaseobtieneunagrficacomolaquesepresentaenlafigura
4.13.EnellasepuedevercomoparavaloresdeNEPSImenoresde9,serealizanms
de200iteraciones,entre9y10serealizan157iteracionesy,apartirde11,slotres
iteraciones.Conesto,secompararonlosresultadospormenorizadosdeemplearcada
unodelosvaloresclavedelavariableNEPSI.Asseobtuvieronlosvaloresmostrados
enlastablas4.15a4.18.
N.ITERvsNEPSI
250
Nmerodeiteraciones
200
150
100
50
0
0 5 10 15 20 25
ValordeNEPSI

Figura5.13.NmerodeiteracionessegnelvalordelavariableNEPSI.
EVAPORACINTOTAL
NEPSI=4 NEPSI=9 NEPSI=11
ARENOS 173.82 172.94 173.3
SICHAR 173.34 175.97 174.6
TOTAL 347.16 348.91 347.9
RETORNOTOTAL
RETORNO
1 138.46 138.47 138.56
RETORNO
2 1171.36 1171.44 1171.31
TOTAL 1309.82 1309.91 1309.87
67
DFICITSTOTALES
COTA220 42.63 42.29 42.21
COTA100 57.85 58.2 58.48
R.TRAD. 108.7 108.36 108.19
Total 209.18 208.85 208.88
TOTALALMAR
TOTAL 5941.62 5940.12 5940.95
Como se puede ver en las tablas de resultados mostradas, stos no difieren mucho
unosdeotrosindependientementedelvalordelavariableNEPSI.Estehechonoshace
pensar que el criterio de convergencia est influido directamente por las
caractersticas del sistema estudiado y, por lo tanto, deber definirse un criterio
distintosegnstascadavez.Unaposibilidadqueseplanteaessustituirelprocesode
comprobacin de la convergencia que se est empleando actualmente, que consiste
encomprobarlaconvergenciadetodosycadaunodelosresultadosrelacionadoscon
lavariablecorrespondienteacadaprocesonolineal,porunomssencillo,peronopor
ello de menor exigencia, como podra ser realizar la comprobacin de convergencia
nicamenteconelvalorquemssediferenciasedelaiteracinanterioryconfirmar
queladesviacinnoesmayorqueelordendemagnitudqueseestmanejandocon
dichavariable.
Pese a lo comentado en el prrafo anterior sobre el criterio de convergencia, se ha

podido observar anteriormente en los resultados que el valor de la funcin objetivo
oscilabaalrededordeunvalorprcticamentefijoalolargodetodaslasiteraciones.En
la figura 4.14 se muestra la evolucin de la funcin objetivo a lo largo de las 200
iteracionesquerealizaelmodeloconRELAXIV.Enellasepuedeobservarcomosta
oscilaalrededordeunvalormedioquesehaestimadoen13273105,marcadoenla
grfica. Esto, unido al hecho observado anteriormente de la escasa variacin de los
resultados independientemente del nmero de iteraciones, permite considerar
tambinlaposibilidaddeaceptarelresultadoobtenidoalfinaldeunciertonmerode
iteracionessinnecesidaddevariarelcriteriodeconvergencia.
68
13240
Valordelafuncinobjetivo/100000
13250
13260
13270
13280
13290
13300
13310
1 22 43 64 85 106 127 148 169 190
Iteracin

Figura5.14.Evolucindelvalordelafuncinobjetivoalolargode200iteracionesconOPTIGESconRELAXIV.
Los dos aspectos comentados acerca de la convergencia del modelo trabajando con
RELAXIV han de comprobarse ms en profundidad mediante la aplicacin de este
algoritmo a otros esquemas de sistemas de recursos hdricos para averiguar si este
comportamientoesgeneralizadoy,entonces,poderdefinirlasposiblesmetodologas
para darle una solucin, y que sern germen de futuros estudios al respecto de lo
tratadoenelpresenteinforme.
Una ltima consideracin que se puede hacer al respecto de la convergencia del

algoritmo, y que diverge en cierta manera del camino definido en los prrafos
anteriores, es la posibilidad de alcanzar una convergencia ms rpida si se emplease
comosolucinfactibleinicialdecadaiteracindeRELAXIVlasolucindelaiteracin
anterior, como as se hace con OutofKilter y que, adems, acelera el proceso de
bsqueda del ptimo al partir de una solucin mucho ms cercana a este que si se
partecadavezdelasolucindecompromisoenquetodoslosflujosinicialessonnulos.
5.5. Consideracionesfinalesdelcaptulo5
De la comparacin de los algoritmos de resolucin de redes de flujo aplicados a la

optimizacindeunsistemaderecursoshdricos,sepuedeconcluirqueRELAXIVvaa
permitir mejorar, notablemente, el funcionamiento de OPTIGES respecto a su
funcionamientoactualconelalgoritmoOutofKilter.
Laeficienciadelnuevoalgoritmo,msde80vecesmsrpidoqueelactual,debera
permitir plantear la optimizacin de sistemas de tamaos y complejidad mucho
mayores en tiempos lo suficientemente razonables como para plantear estudios de
mayorextensin,pudindoseplantearmsalternativas,aspectopocoatractivosicada
ejecucindelalgoritmollevaaparejadaunagrancantidaddetiempo.Siunimosestoa
los ltimos avances en tcnicas de computacin, mediante paralelizacin de los
69
procesos en un mayor nmero de ncleos de clculo, es razonable pensar que las

mejoraspuedensermuybeneficiosas.
Apartedelaposibilidaddellevaracaboestudiosconperiodosdeoptimizacinmucho
ms largos, la velocidad del algoritmo RELAXIV permitir tambin la realizacin de
muchas ms iteraciones en menos tiempo, lo que propicia dar un paso ms en el
desarrollo del modelo OPTIGES y pasar a la incorporacin de nuevos elementos al
modelo. Estos nuevos elementos permitirn crear esquemas mucho ms detallados
cuyosresultadossernmsrepresentativosdelfuncionamientorealdelossistemasde
recursoshdricosestudiados.
Pesealoprometedordelalgoritmo,sehanplanteadoproblemasdeconvergenciade
lassolucionescuandosteseempleapararesolversucesivamenteredesdeflujocon
pequeasdiferenciasentres.Sehanlocalizadodiversascausasyposiblessolucionesa
las mismas que tendrn que estudiarse, y compararse, en subsiguientes
investigaciones de forma que podamos plantear la mejor metodologa a seguir en el
futuro.
A la lectura de este documento, ya existir una versin del modelo OPTIGES que
permitirlaresolucindelesquemaderecursoshdricosconelalgoritmoRELAXIV,y
en que se puedan incluir aspectos tales como los volmenes mnimos de embalse y
caudalesmnimosenconduccionesque,paraeldesarrollodeesteapartado,sehaban
obviado.
70
6. Incorporacindelamodelacindeacuferosenel
modeloOPTIGES
Con la obtencin e implementacin de un algoritmo de resolucin de redes de flujo

mucho ms eficiente que el que se tena inicialmente, se plantea la posibilidad de
incluirenelmodelodeoptimizacin,querecordemossebasaenelmodeloOPTIGES,
elementos que, hasta el momento, no se habra pensado en incluir por la carga de
clculoqueellointroduciraenlaejecucindelosestudios.
Existen diversos elementos que interesara incluir en OPTIGES, encaminando el

desarrollodelaherramientahaciaalcanzarunagransimilitudconelmodeloSIMGES
de simulacin de cuencas, tambin incluido en el Sistema de Soporte a la Decisin
AQUATOOL. Debido a que el proceso de implementacin de cada uno de los nuevos
elementos en la herramienta conlleva un periodo de programacin, depuracin y
verificacin de resultados, se ha optado por presentar en esta tesis el desarrollo de
uno slo de estos elementos, siendo el elegido los acuferos. Para futuros estudios
quedan pendientes la incorporacin de las centrales hidroelctricas y el tiempo de
viaje.
Se decidi empezar por los acuferos por considerar a stos elementos clave en la
planificacin de muchas cuencas. Gracias a los acuferos se puede abastecer o
complementarelabastecimientoanumerosasdemandas,siendolasmsbeneficiadas
las demandas agrcolas, sobretodo en pocas de escasez de agua superficial durante
las cuales, y gracias a los bombeos, se salvan muchos cultivos. An as, los bombeos
indiscriminados pueden resultar en una sobreexplotacin del acufero, lo que puede
acarrear problemas de muy distinta ndole tanto a los abastecimientos por bombeo,
comoarosconectadosalacuferoeninclusoazonasmuyalejadasdelosmismos.Es
portodasestasrazonesporlasque,incluirlosacuferosenlaoptimizacinresultara
muy beneficioso permitiendo obtener, por ejemplo, reglas para la aplicacin de
bombeosenlasdemandasoreglasdeoperacindeembalsesteniendoencuentala
posibilidadderealizarbombeosadicionales.
Alolargodeestecaptuloseexplicarnloscambiosinternosrealizadosenelcdigode
OPTIGESparalaintroduccindelosacuferosdentrodelclculodelareddeflujo,as
comodeloselementosasociadosalosmismos(filtraciones,bombeos,conexinconel
ro,etc.).Sepresentartambinunaaplicacinauncasosencilloparacomprobarel
funcionamientodelanuevaimplementacin.
71
6.1. Cambiosinternosintroducidosenelmodelo
Laintroduccindelosacuferosenelmodeloexigequeseincluyantambinunaserie
de elementos, modificaciones o nuevas capacidades en diferentes elementos ya
existentesdelmismo.
En primer lugar, por supuesto, es necesario introducir el elemento acufero en s

dentrodelareddeflujomediantelamodificacindelarutinaGENGRA,queesdonde
se crean la red de flujo que posteriormente se resuelve. En una primera fase se ha
decidido incorporar nicamente los modelos de acufero uni y pluricelular, siendo el
primerouncasoparticulardelsegundo.Posteriormenteseincluirntodoslosdems
modelos de acufero existentes en SIMGES, a saberse, autovalores, depsito,
manantial, rectangular homogneo con conexin por uno y dos de sus lados y tres
niveles.Unacufero,deformaaproximada,sepuedetratarcomounembalse,consus
entradasysalidasqueafectarnalvolumendelmismoyconelloalaafeccinqueste
tendrsobrelosrosalosqueestconectado.As,elacuferocontarconunarcode
volumen inicial conectado al nudo de balance y posteriormente una distribucin de
arcos como la que se puede ver en la figura 5.1 en los que hay arcos dirigidos en
sentido creciente del tiempo y arcos en el sentido contrario dado que el acufero se
puedeutilizarpara,enciertamanera,obteneraguadelfuturo.

Figura6.1Representacindelconjuntodearcosynudosqueseincluyenenlareddeflujoylasentradasysalidas
questetiene
Asociadosalacuferoseencuentrantodoslosflujosquesuponenlasentradasysalidas
del mismo. Cada uno de estos flujos est, a su vez, asociado a un elemento ya
existenteenelmodeloorequieredelacreacindeunonuevo.
Enladefinicindeconduccionessehaagregadolaposibilidaddedefinirlasdetipo2y
las de tipo 3. Las conducciones tipo 2 son aquellas que presentan prdidas que
recarganelacuferosiguiendounaleydefiltracionesdelaforma P = a + bV c ,dondeP
representalasprdidas,Velvolumencirculanteporlaconduccin,ya,bycsontres
coeficientesquedeberndefinirseencadacaso.Lasconduccionestipo3sonaquellas
que estn conectadas al acufero y perdern o ganarn agua segn el estado del
72
mismo.Apartirdelmodelodeacuferoescogido,serelcaudalentrestasltimasyel
acuferoloquesecalcular.
Pararepresentarlasfiltracionesdelosembalsessehaseguidoelmismocaminoque
con las conducciones tipo 2, con una ley de filtraciones similar en la que el valor de
clculo ser el volumen almacenado. Respecto a las filtraciones de las demandas, se
aadiuncoeficientedeconsumoalcoeficientederetornoyaexistentedeformaque,
si se establece que el agua sobrante de la demanda que no retorna al sistema se
infiltraalacufero,elcaudalinfiltradoseaproporcionalalresultadoderestaraunolos
doscoeficientesderetornoyconsumo,queeselcoeficientedeinfiltracin.
Lasdemandaspuedentenerundobleefectosobreelacufero.Aligualquelosflujos
sobrantespuedenrecargarlo,lasdemandastambinpuedenextraeraguadelacufero,
mediantebombeos,parasupropiosuministro.As,lasdemandasenlasquesedefinan
bombeos estarn conectadas al acufero mediante un arco a travs del cual podr
pasaraguaenfuncindelniveldedemandaquesedeseecubrircondichobombeoy
laprioridaddelmismo.
Porltimo,secrearondosnuevoselementosquerelacionanelsistemasuperficialcon
el subterrneo como son las recargas artificiales y los bombeos adicionales. Ambos
elementossuponenunarcoentreelpuntodeaplicacinyelacufero.Enelcasodelas
recargasartificiales,elarcosecomportacomounaconduccindetipo1yaqueslo
tienelmitesuperior,lamximarecargapermitida,sincosteasociado.Enelcasodelos
bombeos adicionales, aparte del lmite superior asociado al mximo bombeo que se
puederealizar,tambinexisteuncosteasociadoalniveldedemandaparaelcualse
deseanactivarlosbombeos.
6.2. Contribucindelosnuevoselementosalafuncinobjetivo
Como se ha comentado en el anterior apartado, algunos de los nuevos elementos

introducidos en el modelo suponen un aporte extra a la funcin objetivo que se
pretendeminimizar.Enelapndice1semuestralafuncinobjetivoqueseminimiza
en cada resolucin de la red de flujo generada por OPTIGES. Esta ecuacin est
orientada a minimizar los dficits y a maximizar el volumen almacenado en los
embalses.Losnuevoselementosintroducidosduranteelprocesodeimplementacin
de los acuferos en el modelo deben mantener la intencin original de la funcin
objetivo o, al menos, no perjudicarla. En los prximos subapartados se resume la
contribucin de cada uno de los nuevos elementos a la funcin objetivo y se analiza
cmoafectanalafuncinoriginal.
6.2.1. Contribucindelasfiltracionesdelosembalsesyenlostramostipo2y3
Cuandosedefinenfiltracionesenunembalseoenuntramotipo2,yaseanhaciael
acufero o fuera del sistema, se crea un arco con origen el nudo correspondiente al
73
embalse en cada mes del periodo de optimizacin y con nudo final el nudo
correspondientedelacuferooelnudodebalance.Paralograrqueelflujocalculado
comoinfiltradopasepordichoarcoseleasignauncostemuyaltoalarcocreado,de
forma queel flujo no tienems remedio quecircular porl. An as,se mantiene la
posibilidad de que a travs de dicho arco circule menos flujo si no existiese
disponibilidad del mismo por alguna otra razn. Este coste de infiltracin del flujo
afectaalafuncinobjetivoentantoencuantodisminuyesuvalorfinal,yaqueesun
valormuyalto,peronoafectaalprocesodeoptimizacinyaqueelflujoinfiltradoes
un flujo forzado y que no entra dentro del proceso de reparto de flujo entre las
demandasyaqueesunflujonodisponible.
Ocurre algo similar con las conducciones tipo 3. En este caso se tiene que una
conduccin tipo 3 puede perder agua hacia el acufero o puede recibirla desde el
mismo.Anas,estosflujossiguensiendoinherentesalsistemaynosonsusceptibles
deseroptimizados,simplementehandeocurrirenbasealascondicionespresentesen
el acufero. Por tanto, y al igual que con los embalses y los tramos tipo 2, el flujo
circulante por los arcos correspondientes a la conexin del tramo con el acufero
afectarnalafuncinobjetivonumricamenteperonoafectarnalprocesoglobalde
repartodeflujos.
6.2.2. Contribucindelasfiltracionesdelasdemandasconsuntivas
Las filtraciones delas demandas, pese a ser, al igual que en elapartado anterior,un
flujo dirigido hacia el acufero que ocurre de manera forzada, se ha optado por
incorporarlas a la red de una manera distinta a como se hace en el caso de los
elementostratadosenelpuntoanterior.
Los elementos de demanda generan un subgrafo en la red de una complejidad

considerable. Debido a esto, se decidi no manipular dicho subgrafo e introducir el
flujocorrespondientealafiltracindelademandadelmismomodoqueseintroducen
las aportaciones y los retornos. Esto implica, por lo tanto, que las filtraciones de las
demandasnosuponenningncosteenlafuncinobjetivo.
6.2.3. Contribucindelasrecargasartificiales
Al igual que las filtraciones de las demandas consuntivas, las recargas artificiales no
suponenuncosteenlafuncinobjetivo.
Lasrecargasartificialessemodelandeformaqueelmodelonopuedaenviaraguaal
pasado que podra sumarse a la disponible posteriormente. Por esta razn, las
recargas artificiales van al nudo de balance desde el nudo en que se realizan y,
posteriormente,sereincorporanalsistemacomosifueranaportacionesque,comoya
sehadichoenelpuntoanterior,nosuponenuncosteenlafuncinobjetivo.
74
6.2.4. Contribucindelosbombeosalasdemandasydelosbombeosadicionales
Yasehacomentadoquelaactivacindelosbombeosdependedelniveldedemanda
alcualpuedensuministrarydelaprioridaddelmismo.Estoimplicaqueladecisinde
si un bombeo es activado o no (siempre que no est impedido por alguno de los
parmetrosdecontroldebombeos),sentradentrodelprocesoderepartosdeflujo
dentrodelalgoritmodeoptimizacin.As,sedefineelcostedelflujoenlosarcosde
bombeomediantelasiguienteexpresin:
K1
Coste (arco de bombeo) = K K 2 NIV K1 NPRI + entero (5.1)
2
donde,NIVeselniveldedemandasuministradoporelbombeo,NPRIeselnmerode
prioridad del mismo y K, K1 y K2 son coeficientes definidos por el usuario que, por
defecto se corresponden con los valores 10000, 5 y 200 respectivamente. Estos
coeficientes se corresponden con valores internos de OPTIGES cuya justificacin se
puedeencontrarenelmanualdeusuariodeOPTIGES.
6.3. SubrutinadesimulacindeacuferosACUIFERO
Lainclusindeacuferosenelmodelosuponelaintroduccindeunprocesoaltamente
nolinealenelprocesodeoptimizacin.Porestarazn,elclculodelosacuferosse
realizardeformaiterativa,aligualqueelrestodenolinealidadesexistenteshastael
momento, evaporacin y retornos. Dentro de la rutina de las no linealidades
(VALMOD) se calcularn inicialmente todas las afecciones al acufero, as como los
flujoshaciaelacuferoquetambinsonfrutodeprocesosnolineales.As,larutinade
clculodelosprocesosnolinealesquedaracomosemuestraenlafigura5.2.Comose
puede observar, en primer lugar se realizan todos los clculos relacionados con los
elementos no acufero y, posteriormente, segn stos estn conectados o no, se
aaden al clculo de las afecciones al mismo. Por ltimo, con todas las afecciones
calculadas,seinicialarutinaACUIFERO.
La rutina ACUIFERO, cuyo diagrama de funcionamiento puede verse en la figura 5.3,

realiza fundamentalmente dos tareas. En primer lugar, y como su propio nombre
indica, realiza la simulacin de los acuferos mes a mes en base a las acciones
elementales calculadas en la rutina VALMOD y calcula las detracciones de las
conduccionestipo3.Adems,realizalacomprobacindelosparmetrosdecontrolde
losbombeosymodificastos,aligualquelasafeccionesalacufero,segnsuvalor.El
diagrama de flujo del proceso de comprobacin de los parmetros de control ms
detalladosemuestraenlafigura5.4.
75
6.3.1. Modelosdeacuferosincluidosenlasubrutina
Actualmente, la subrutina ACUIFERO slo permite la utilizacin de acuferos uni y

pluricelulares. Dado que los primeros son un caso particular de los segundos, la
implementacindeambosmodelosnosuponamayordificultad.
Comosesabe,elvolumenafindemesencadaunadelasceldasenquesedivideel
acufero (o en la nica celda si el acufero se considera unicelular) viene dado por la
siguienteecuacin:
Vi = Vi
k k 1 i t
e +
bi , j R kj
j
(1 e i t
) (5.1)
j
Donde R kj es el valor de la accin elemental j (recarga si espositivo o bombeo si el

valoresnegativo).
Loscaudalesdelarelacinentreroyacuferosecalcularnmediantebalancehdrico
delrestodelasentradasysalidasdecadaunadelasceldasdelacufero.
En un futuro cercano se aadirn a la subrutina ACUIFERO el resto de modelos de

acufero con los que cuenta actualmente la herramienta SIMGES y que son,
respectivamente: acufero depsito, acufero con manantial, acufero de autovalores,
acuferorectangularhomogneoconectadoconrostotalmentepenetrantesporunoo
dosdesusladosyacuferosdetresniveles.
6.3.2. Criteriodeconvergenciadelosclculos
Un aspecto importante de la introduccin del clculo de no linealidades de forma

iterativaenelprocesodeoptimizacineslaconvergenciadelosclculos.Comoyase
coment en el captulo anterior, siempre resulta necesario definir un criterio de
convergenciaparadeterminarelfinaldelasiteracionesyque,asuvez,seobtengaun
resultadoadecuado.
En el caso que nos ocupa, el clculo que se est realizando para posteriormente
modificar la red de flujo es el de las detracciones del acufero desde los tramos
conectadosalmismo.As,sehaestimadoquesealcanzarlaconvergenciacuandoel
valordeladetraccincalculadaparaunaiteracinseaigual,omuycercana,aladela
iteracinanterior.
Adicionalmente,seintrodujouncriteriodeconvergenciainternoparaasegurarquela
simulacindelosacuferosserealizabadeformaadecuada,dadoquealolargodela
subrutina se realizan cambios en las afecciones del acufero en diversos puntos. Por
elloseemplazalasubrutinaarepetirelclculodesimulacindelacuferosiempre
76
queexistierancambiosenlasafeccioneshastaquestasfuesenidnticasrespectoa
lasobtenidasenlaiteracininternaanterior.

Figura6.2.DiagramadeflujodelarutinaVALMODconlaincorporacindelosacuferos
77

Figura6.3.DiagramadeflujodelanuevarutinaACUIFEROincluidaenOPTIGES
78

Figura6.4.Diagramadeflujocorrespondientealacomprobacindelosparmetrosdecontroldentrodelarutina
ACUIFERO
79
6.4. Otrassubrutinasmodificadas
ApartedelasrutinasnuevasofuertementemodificadasdentrodelmodeloOPTIGES,
tambinsehanmodificadolarutinadelecturadedatosLEEDATylecturayescritura
deresultadosESCRIU.
6.5. Testsdefuncionamiento.Aplicacinauncasosencillo
Una vez se han modificado todas las rutinas necesarias para el funcionamiento del
programa resulta necesario comprobar su correcto funcionamiento en un modelo
simple.
A lo largo de este apartado se muestran los resultados ms significativos obtenidos

para el caso empleado en la validacin del funcionamiento del modelo. Se
comprobaron resultados tanto relacionados con la gestin del sistema y su relacin
conelacufero,comoconeltiempoempleadoenrealizarlosclculosenunPCIntel
Core2DuoCPUE7400@2.80GHz2.80GHzy1.74GbdeRAM.
El caso empleado se corresponde, en base, con el ejercicio 4 de la publicacin

EjemplosdesistemasderecursoshdricosresueltosconAQUATOOL(UPV2010).En
este ejemplo se desarrolla un modelo de utilizacin conjunta en un sistema cuya
representacinesquemticasemuestraenlafigura5.5.Dichosistemacuentaconun
embalse, tres demandas con diferentes prioridades entreellasy un acufero delcual
extrae agua la demanda agrcola y que est conectado a la parte baja del ro. El
acuferosehamodeladocomounacuferounicelular.

Figura6.5.Esquemadelsistemaderecursoshdricosempleadosenelcasodeaplicacin
80
El modelo no incluye todas las posibilidades incluidas actualmente en el modelo

OPTIGES, pero s que cuenta con los elementos ms habituales de un modelo de
utilizacinconjunta:tramosconfiltraciones(enestecasorepresentandolarecargade
lluvia),bombeosdedemandaytramosconectadosconelacufero.
La tabla 5.1 muestra los valores mensuales de las demandas. La demanda de Villa
Abajo (urbana) es prcticamente constante a lo largo del ao y es la demanda ms
prioritariadelastres.Lademandaagrcolaexigeunmayorsuministroenlosmesesde
verano y, adems, puede bombear hasta 10 Hm3/mes para complementar el
suministrosuperficial.Porltimo,lademandadeVillaAfueratieneunaprioridadmuy
baja respecto a las dos anteriores suministrndose agua a la misma nicamente
cuandoexistensobrantesdespusdesuministraralrestodelsistemaydealmacenar
aguaenelembalse.
El periodo de optimizacin en todos los casos ser de 60 aos (720 meses) que se
correspondeconlalongituddelasseriesdeaportacionesdisponibles.
Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago
Villa
Abajo 5.04 4.76 4.76 4.76 4.19 4.65 4.48 4.87 5.16 4.93 4.31 4.76
Demanda
Agrcola 2.53 0.00 0.00 0.00 0.55 3.64 5.00 10.33 13.98 21.51 17.95 8.72
Villa
Afuera 0.00 0.00 0.00 10.00 10.00 10.00 10.00 2.00 2.00 2.00 0.00 0.00
Demanda
Total 7.56 4.76 4.76 14.76 14.74 18.29 19.49 17.20 21.14 28.44 22.27 13.48
Tabla6.1.Valoresmensualesdelademandadelcasodeestudio
6.5.1. Testdefuncionamiento1.Comprobacindequelareddeflujonodestina
recursosalarecargadelacuferoatravsdelostramosconectadosal
mismo.
Elprimertestqueseplanteaestntimamenterelacionadoconelfuncionamientodel
algoritmo de resolucin de la red de flujo generada para la optimizacin del sistema
estudiado.
Pese a que el flujo a travs de los arcos de conexin entre los tramos de tipo 3 y el
acuferoestcontroladodesdeelmismoiniciodelageneracindelared,elaltocoste
asociadoadichosarcospodrahacernossospechardeunfuncionamientoerrticodel
algoritmo,hechoquenodeberaocurrirperoquenoestdemscomprobar.
Paraellosemodificelsistemaeliminandolasaportacionesdelacuencamediaylos
retornos de la demanda urbana para evitar que los flujos correspondientes a los
81
mismos enmascarasen posibles sueltas del embalse para algo ms que para
suministraralasdemandas.Elsistemamodificadosepuedeobservarenlafigura5.6
quenodifieredemasiadodeloriginaldelafigura5.5.

Figura6.6.Esquemadelsistemamodificado
Para comprobar el funcionamiento del acufero se realizaron cuatro optimizaciones

cambiando el nivel de demanda de suministro mediante bombeo a la demanda
agrcola. No se definieron parmetros de control de forma que el bombeo pudiera
realizarseencualquiermomentoquefueranecesario.
En la figura 5.7 se muestran cuatro grficos que demuestran que la gestin que el
modelo de optimizacin no realiza sueltas desde el embalse para la recarga del
acufero.As,enlagrficasuperiorizquierdasetienenlassueltasdelembalse,quese
correspondenconelflujoatravsdeltramoentreelnudoembalseyelnudo3.Ala
derecha del anterior se muestra el suministro superficial a la demanda agrcola a
travsdelatomaenelnudo3.Lagrficainferiorizquierdamuestraelcaudalentrante
al tramo de tipo 3 entre los nudos 3 y 4 junto a la diferencia entre los caudales
mostrados en las dos grficas superiores. Por ltimo, en la grfica de abajo a la
derecha se muestra el volumen detrado del ro hacia el acufero. Todos los grficos
mostradossecorrespondenconlosresultadosdelaoptimizacinenlaqueelbombeo
alademandaagrcolapermitesuministrarcualquierniveldelamisma,loqueimplica
unbombeomayory,portanto,unaafeccinmuyimportantealacufero.
82

Volumenciruclante (Hm3/mes) Volumenciruclante (Hm3/mes)
0
0
10
20
30
40
50
60
70
80
90
10
20
30
40
50
60
70
80
0 0 90
24 24
48 48
72 72
96 96
120 120
144 144
168 168
192 192
216 216
240 240
264 264
288 288
312 312
336 336
360 360
Mes
Mes
384 384
408 408
432 432
456 456
480 480
Caudaldesembalsado
504 504
528 528
552 552
576 576
Caudalentranteatramotipo3
600 600
624 624
648 648
672 672
696 696
Volumendetrado(Hm3/mes) Volumenciruclante (Hm3/mes)
Figura6.7.Resultadosdecaudalesentreelembalseyelacuferoparaunniveldebombeoiguala4
0
5
10
15
20
3.5
2.5
1.5
0.5
0.5
3
2
1
0
0
0 24
24 48
48 72
72 96
96 120
120 144
144 168
168
192 192
216 216
240 240
264 264
288 288
312 312
336 336
360
Mes
360
Mes
384 384
408 408
432 432
456 456
480 480
504 504
528
Volumendetradodelro
528
Caudalsuministradotoma
552 552
576 576
600 600
624 624
648 648
672 672
696 696

83

Comopuedeapreciarse,sloocurrendesembalsesparabiensuministraralademanda
agrcola de forma superficial, o bien cuando el embalse ya se encuentra a su nivel
mximoynopuedealmacenarmsagua.Essloenestosltimoscasoscuandoentra
aguaaltramotipo3y,porconsiguiente,cuandotienelugarladetraccindepartede
dichocaudalhaciaelacufero.
Enelanejo3serecopilanlosresultadosmssignificativosdelascuatrooptimizaciones
realizadas. Tal como se ver en el prximo apartado, permitir que se empleen los
bombeos para suplir un mayor nivel de la demanda agrcola tiene un efecto positivo
paratodaslasdemandas,yaquequedanmsrecursossuperficialesdisponiblespara
suministrar a las demandas urbanas, mientras que el nivel del acufero se ve ms
severamenteafectado.
6.5.2. Testdefuncionamiento2.Funcionamientodelmodeloycomportamiento
delacuferoenunsistemacompletosinlimitacindelosbombeospor
parmetrosdecontrol.
Sepasaacontinuacinaemplearelsistemacompleto,cuyoesquemasemuestraenla
figura 5.6, para realizar el resto de test de funcionamiento. En este caso se desea
comprobarquocurreconelacuferoenelmodelodeoptimizacinyqudiferencias
existen entre los resultados obtenidos por ste y los que nos aporta el modelo de
simulacinempleadoparacalcularinternamentelosparmetrosdecontrol.Denuevo,
sepermitirquelosbombeostenganlugarseacualseaelestadodelacufero.
Enlafigura5.8,enlapginasiguiente,seobservaque,segnelniveldedemandaque
cubraelbombeo,lacoincidenciaentreelestadodelacuferoobtenidoapartirdela
resolucin de la red de flujo y el obtenido mediante la simulacin a partir de las
afeccionesquetienenlugarsobrelescadavezmenor.Estoseexplicaalobservarlos
grficosdelafigura5.9,querepresentanloscaudalescorrespondientesalarelacin
roacufero.Enestaltimafiguraseobservaque,endiversasocasiones,tienenlugar
detracciones imposibles en los tramos de tipo 3, lo que implica que parte del agua
demandadaporelacuferoenelmodelodesimulacinnuncallegaralmismoconlas
condiciones de flujo del modelo de optimizacin (hay que puntualizar que las
ecuacionesquegobiernanelmodelodeacuferouniopluricelularsiempreconsideran
unasituacinidealenlaqueelrosiempreaportaelflujosuficientehaciaelacufero).
AunquelasubrutinaACUIFEROcorrigelasdetraccionesimposiblesintroduciendouna
afeccinextrasobreelacuferoigualalacantidadnosatisfechadeladetraccindel
ro, cuanto mayor nmero de detracciones imposibles existan, menor ser la
coincidenciaentrelosresultadosdesimulacinyoptimizacin.Esto,porsupuesto,no
significa que los resultados obtenidos del modelo de optimizacin sean errneos o
menosadecuados,simplementesonlosquetienenqueserdadaslascondicionesde
flujorealesdelsistema.
84

Volumenalmacenado enelacufero(Hm3) Volumenalmacenado enelacufero(Hm3)
10
20
30
40
50
60
80
60
40
20
20
40
60
0
0 0
24 24
48 48
72 72
96 96
120 120
144 144
168 168
192 192
216 216
240 240
264 264
288 288
VacuOPTN1
312
VacuOPTN3
312
336 336
360 360
Mes
Mes
384 384
408 408
432 432
Vacusim
456 456
VacuSimN1
480 480
504 504
528 528
552 552
576 576
600 600
624 624
648 648
672 672
696 696
720
Volumenalmacenado enelacufero(Hm3) Volumenalmacenado enelacufero(Hm3)

30
20
10
10
20
30
40
50
60
80
60
40
20
20
40
60
120
100
0
0
24
24
48 48
72 72
96 96
120 120
144 144
168 168
192 192
216 216
240 240
264 264
288
VacuOPTN2
288
VacuOPTN4
312 312
336 336
360
Mes
360
Mes
384 384
408 408
432 432
Vacusim
456 456
VacuSimN2
480 480
504 504
528 528
552 552
576 576
600 600
624 624
648 648
672 672
Figura6.8.Evolucindelvolumendelacuferocalculadoapartirdelareddeflujoparacadaunodelosnivelesdebombeopermitidoscomparadoconlosresultadosdesimulacin
696 696
720 720

85

86
Caudal(Hm3/mes)entreelroyelacufero Caudal(Hm3/mes)entreelroyelacufero
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0
1
1.5
0.5
1
0
0.5
1
0 0
24 24
48 48
72 72
96 96
120 120
144 144
168 168
192 192
216 216
240 240
264 264
288 288
QNOPTN3
QNOPTN1
312 312
336 336
360 360
Mes
Mes
384 384
408 408
432 432
QNSimN3
QNSimN1
456 456
480 480
504 504
528 528
552 552
576 576
600 600
624 624
648 648
672 672
696 696
720
Caudal(Hm3/mes)entreelroyelacufero Caudal(Hm3/mes)entreelroyelacufero
1.5
0.5
0.6
0.4
0.2
2
1
0
0.5
1
0
0.2
0.4
0.6
0.8
1
0 0
24 24
48 48
72 72
96 96
120 120
144 144
168 168
192 192
216 216
Figura6.9.Caudalentreroyacufero,calculado(azul)ydemandado(rojo),paracadaunodelos4nivelesdebombeopermitidos
240 240
264 264
288 288
QNOPTN4
QNOPTN2
312 312
336 336
360 360
Mes
Mes
384 384
408 408
432 432
QnSimN2
QNSimN4
456 456
480 480
504 504
528 528
552 552
576 576
600 600
624 624
648 648
672 672
696 696
720 720

DadoqueelobjetivodeintroducirlaconsideracindeacuferosenelmodeloOPTIGES
es ganar profundidad en el estudio de los sistemas de recursos hdricos y permitir
estudiosdeoptimizacinqueincluyanlautilizacinconjuntadelasaguassuperficiales
ysubterrneas,acontinuacinnosfijaremosencmosevenafectadoslosdficitsdel
esquemaqueseestempleando.
Elcasoenqueelniveldedemandaagrcolaquepuedecubrirsemediantebombeoes
el 50% de la misma, es decir, el primer nivel, puede considerarse como el caso de
referencia en que slo se emplean las aguas superficiales para suministrar todas las
demandasdelsistemayaqueapenassehaceusodelosbombeosalsersuficientecon
elsuministrosuperficialparasuministrarlamitaddelademanda(figuraIV.1).
Estudiando,entonces,elprimercaso,seobservaqueexistendficitsimportantesenel
sistema y que no se cumplen los criterios de garanta ni para la demanda agrcola ni
paralasdemandasurbanas(verfigurasIV.3aIV.5ytabla5.2).
DemandaAgrcola
Criterio1ao Criterio2aos Criterio10aos
NFallos % NFallos % NFallos %
0 100 1 98.33 18 70
CRITERIOGARANTAIPH08:NOCUMPLE
DemandaVillaAbajo(Urbana)
CriterioMensual Criterio10aos
NFallos % NFallos %
126 82.5 44 13.73
DemandaVillaAfuera(Urbana)
NFallos % NFallos %
202 71.94 51 0
Tabla6.2.Garantasasociadasalasdiferentesdemandasdelsistemaparaunniveldebombeosquecubrehasta
el50%delademandaagrcola
Analizandoelsistemasepuedenidentificarcomoresponsablesdeestosdficits,que
no escasez de recursos, dos causas diferenciadas. En primer lugar, y casi la ms
importante por as decirlo, la deslocalizacin temporal de recurso y demanda. En la
figura 5.10 se muestran desagregadas tanto las aportaciones que entran al sistema
como las demandas en media mensual. Se puede observar como la cantidad de
recursoresultamsquesuficienteparasuministrartodalademandasuperficialmente.
Desgraciadamente, el grueso de dicho recurso se corresponde con la aportacin
provenientedelacuencamedia,cuyacarenciadealgnelementoreguladorhaceque
sepierdaunagranpartedelmismodecaraalascarenciasevidentesenlosmesesde
87
verano,cuandolademandaagrcolademandaunosrecursosqueenlamayoradelas
ocasionesnosevanaposeer.
70
VolumendeAportacin/Demanda(Hm3/mes)
60
50
40
30
20
10
0
Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Sep
DemandaAgrcola DemandaVillaAbajo
DemandaVillaAfuera AomedioAportacinenCabecera
AomedioAportacinalEmbalse AomedioAportacinCuencaIntermedia

Figura 6.10. Aportacin mensual media en la cuenca desagregada durante los 60 aos del periodo de
optimizacinfrentealademandatotaldesagregada
La segunda causa es, como en muchos sistemas reales, la sequa. Observando los
grficosIV.3aIV.5enelanejo4deestatesinaseapreciaqueexiste,principalmente,
unperiododesequadurantelosprimeros15aos,duranteloscualeslaaportacines
relativamentereducida(verfigurasIV.21aIV.24deaportacionesenlacuenca).
Es,portanto,interesante,plantearlaposibilidaddelautilizacinconjuntaderecursos
superficialesysubterrneosparapaliarlasnecesidadesdelsistema.Dadoqueestamos
tratandouncasoenquenoexiste,apriori,limitacinalosbombeos,permitirqueuna
mayor parte de la demanda agrcola pueda suministrarse de forma subterrnea
suponeunaopcinsencilladerealizar.
Sielniveldedemandasuministradoporelbombeoseincrementaa2,oloqueeslo
mismo,acubrirel70%delademandaagrcola,seapreciaunamejoraenlasgarantas,
peroanas,noselleganacumplirloscriteriosimpuestosporlaIPH08.
Si el nivel de demanda suministrado se incrementa hasta el 90% de la demanda

agrcola,stapasaacumplirelcriteriodelaIPH08,no ocurreasconlasdemandas
urbanas, pero los dficits en estas se ven notablemente reducidos (ver tabla 5.3 y
figurasIV.13aIV.15).
88
DemandaAgrcola
Criterio1ao Criterio2aos Criterio10aos
NFallos % NFallos % NFallos %
0 100 0 100 0 100
CRITERIOGARANTAIPH08:CUMPLE
DemandaVillaAbajo(Urbana)
NFallos % NFallos %
107 85.14 43 15.69
DemandaVillaAfuera(Urbana)
NFallos % NFallos %
202 71.94 51 0
Tabla6.3.Garantasasociadasalasdiferentesdemandasdelsistemaparaunniveldebombeosquecubrehasta
el90%delademandaagrcola
Finalmente, incrementar el nivel de suministro al 100% no supone un cambio

significativo respecto de la situacin en el nivel anterior salvo que las afecciones del
acufero son mayores y, por tanto, se dan mayores descensos en el mismo, lo que,
generalmente,noesrecomendable.
6.5.3. Testdefuncionamiento3.Controldelosbombeosmedianteparmetrosde
control
En el apartado anterior se ha comprobado el funcionamiento de la subrutina

ACUIFEROyseharealizadounanlisissencillodelaposibilidaddelautilizacindelos
bombeosparamejorarelsuministroenelsistema.Acontinuacinseavanzaunpaso
ms en la comprobacin del funcionamiento de la nueva subrutina, y de las
posibilidades de la utilizacin de aguas superficiales y subterrneas en el sistema de
ejemploestudiado,agregandounelementolimitantealosbombeos.
Sedecidelimitar,oparalizar,losbombeoscuandolascondicionesdelacuferoodela
relacin entre ste y el ro alcanzan un determinado lmite, generalmente impuesto
por necesidades fsicas y/o ambientales. A estas limitaciones se les denomina
parmetros de control. Se pueden definir parmetros de control tanto en acuferos
como en bombeos. En OPTIGES, el parmetro de control en cualquiera de estos dos
elementossedefineporsunmeroyporelumbral,unvalordedichoparmetropor
debajodelcualsedetienenlosbombeos.
Para comprobar el funcionamiento de la parte de parmetros de control de la

subrutina ACUIFERO y, a la vez, continuar con el anlisis de utilizacin conjunta del
sistema,seplantearencontrarelvalordelparmetrodecontrolparaelcualsepuede
89
seguir cumpliendo el criterio de garanta de la demanda agrcola al 100%. As, se

partir del caso en que se detuvo el apartado anterior, esto es, haciendo que el
bombeopuedasuministrarlademandaagrcolahastael90%.
En el caso de partida,el volumen del acufero alcanza prcticamente 80 Hm3, como

puedeverseenlagrficainferiorizquierdadelafigura5.8.
Podraconsiderarsequealcanzarvolmenestanbajosenelacuferopuedenoresultar
adecuadopormotivosmedioambientales,comoporejemplolasalinizacindelmismo,
ounadetraccinmuyaltadelcaudaldelosrosalosqueestconectadoafectandolos
caudales ecolgicos de los mismos. Por tanto, es de recibo limitar los bombeos de
formaqueelvolumenenelacuferonollegueacotastanbajas.Sinembargo,hayque
tener en cuenta que existen unas garantas en las demandas que deberan
mantenerse,porloquehabrqueencontrarunequilibrioentreambaspartes.
Se realiz una serie de pruebas en la que se defini el volumen almacenado en el

acufero como parmetro de control y se disminuy el umbral del mismo de forma
progresiva. De esta forma se obtuvo que para un umbral de 45 Hm3 se siguieran
cumpliendo las garantas de la demanda agraria. As, como se muestra en la figura
5.11, se logra aumentar los volmenes disponibles en el acufero respecto a la
situacindepartida,sinafectarenexcesoalasgarantasdelademandaagraria(ver
figura5.12).
40
Volumenalmacenadoenelacufero(Hm3)
20
20
40
60
80
100
24
48
72
96
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
720
0
Mes
Sinrestriccines Umbral45

Figura6.11.Evolucindelvolumenenelacuferoparalasituacinenqueelbombeocubrehastael90%dela
demandaagrcolaynoexistenlimitacionessobreelmismo.
90
1400
Dficitacumulado(Hm3) 1200
1000
800
600
400
200
0
24
48
72
96
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
Mes
Sinrestricciones Umbral45

Figura 6.12. Dficit acumulado para el caso en que no existen limitaciones a los bombeos y cuando se impide
bombearpordebajode45Hm3
6.6. Tiempodeclculoyconvergenciadelosresultados
Hasta ahora se ha hablado de los resultados obtenidos gracias a la nueva subrutina

ACUIFEROintegradaenlaherramientaOPTIGES.Estanuevaincorporacinalproceso
de clculo implica, inevitablemente, un incremento del tiempo de ejecucin del
programaquehabrdetenerseencuentacuandovayanaanalizarsesistemasmucho
mayoresalhastaahorapresentado.
Yasevioenelcaptuloanteriorcomoelnuevoalgoritmodeclculoincorporadoala
herramienta OPTIGES permite reducir el tiempo de ejecucin de la herramienta
OPTIGESenhastadosrdenesdemagnitud.Enestecaptulosehanrealizadopruebas
con dos sistemas distintos, el simplificado y el completo, con unas redes de flujo
asociadas con tamaos distintos que pueden consultarse en la tabla 5.4. Puede
observarsequenosonmuydiferentesunadelaotraperosquesonredesbastante
msgrandesquelasempleadasenelcaptuloanterior.
Tamaodelareddeflujo
Nmerodenudos Nmerodearcos
Sistemasimplificado 10092 28098
Sistemacompleto 10094 29540
Tabla6.4.Tamaodelareddeflujoasociadaalosdosesquemasderecursoshdricosempleadosenestecaptulo
91
Dadoqueambossistemassonmuysimilares,sepresentarnlosresultadosrelativosal
tiempo de ejecucin del sistema completo. Como se ha comentado, se realizaron
cuatro pruebas diferentes segn el nivel de demanda que podra suministrarse
mediante bombeo a la demanda agrcola sin limitaciones de ningn tipo. De estas
pruebas se extrajeron los tiempos de clculo de cada iteracin por separado y del
tiempo de ejecucin global. Se puede observar en la figura 5.13 cmo el tiempo de
resolucinapenassuperalos2.5senelpeordeloscasosque,asuvez,secorresponde
conelcasorelativamentemscomplejo(niveldesuministrodel100%delademanda
agrcola),yaqueelnmerodearcosatravsdeloscualeshaycirculacindeflujoes
mayor. El tiempo de ejecucin individual de cada iteracin no super los 0.45s en
ningunodeloscuatrocasos.
3
Tiempoacumuladodeejecucin
2.5
1.5
0.5
0
1 2 3 4 5 6 7 8
Iteracin
N1 N2 N3 N4

Figura6.13.Tiempodeejecucinacumuladoparacadaunodelaspruebasrealizadasconelsistemaderecursos
simplificado,correspondindoseN1conelprimerniveldedemandayassucesivamente
Posteriormente se introdujo la limitacin de bombeos en el proceso de clculo. Se

observaqueeltiempodeejecucindecadaiteracinsemantieneaproximadamente
constanteindependientementedelumbralquesehayaescogido.Assetieneque,en
lasprimerasiteracioneseltiempodeclculoesmenordebidoalamayorsencillezde
lared,yaquemuchosarcostienenasignadounflujonuloyqueincrementasegnse
vanaadiendonolinealidadesalprocesodeclculo.Enlafigura5.14seobservacmo
eltiempodeclculonovarademasiadoaexcepcindesiserealizaalgunaiteracin
msporrazonesdeconvergencia.
92
3.5
Tiempoacumuladodeejecucin 3
2.5
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11
Iteracin
N3SR U60 U50 U45

Figura6.14.TiempodeejecucindelaherramientaOPTIGESparadiferentesvaloresdeumbral(sinumbral,60
Hm3,50Hm3y45Hm3)paraunniveldebombeocapazdesuministrarhastael90%delademandaagrcola
Respectoalaconvergenciadelosresultados,adiferenciadelcaptuloanterior,nose
han experimentado casos en que el proceso de clculo no haya convergido
rpidamente, ms teniendo en cuenta que se fuerza al programa a realizar 8
iteraciones antes de realizar la comprobacin de convergencia. Esto no quita que se
puedadaralgncasoenquesealcanceelmximonmerodeiteracionessinllegarala
convergenciadelosclculos.Estehechorefuerzalahiptesisrealizadaenelanterior
captuloenqueseestableciquelaconvergenciadelosclculospuedenodepender
exclusivamentedelmtodoseguidosinotambindelsistemaqueseestestudiando
y, por ello, habr que estudiar, en un futuro, la forma de ligar los criterios de
convergenciaalmodelodesistemaquesevayaaanalizar.
6.7. Consideracionesfinalesdelcaptulo6
Sehadesarrolladounmduloadicionalparaunmodelodeoptimizacindeesquemas
derecursoshdricosdemodoque,apartirdeahora,puedaplantearselaelaboracin
de modelos de optimizacin de recursos hdricos en que se introduzca la utilizacin
conjunta de aguas superficiales y subterrneas. Este mdulo se incluir, tras su
completotesteo,dentrodefuturasversionesdelmodeloOPTIGES.
Demomentosehanintegradoexclusivamentedosmodelosdeacuferosencilloscomo
son los uni y pluricelulares. En futuros desarrollos de la herramienta se introducirn
msmodelosdeacuferoshastaigualarloscontenidosporlaherramientaSIMGES.
Otroaspectoquesehadesarrolladoperoquerequerirunmayordesarrolloposterior
eselcontroldebombeos.Demomentosehaestablecidoquesielestadodelacufero
93
o del caudal al ro est por debajo de un umbral establecido previamente por el

usuario el bombeo se anula por completo. Sin embargo, resultara muy provechoso
darle al usuario la oportunidad de decidir si desea interrumpir drsticamente los
bombeos o, por elcontrario, reducirlos progresivamente hasta que secumplacon el
parmetrodecontrol.Haciendoestopodranoptimizarselosbombeosydefinirreglas
deutilizacindelosmismosmuchomsespecficas.
Restacomentarquelaspruebasquesehanrealizadodelnuevomdulohanresultado
sindudasatisfactoriasdadoquelosresultadosobtenidosseencuadrandentrodelos
resultados esperables. Se confa, por tanto, en que la aplicacin de la herramienta a
esquemas de recursos hdricos basados en sistemas reales produzca resultados
adecuadosparasuempleoregulareneldesarrollodenuevaspolticasdegestinde
losmismos.
94
7. Conclusiones
Estatesinademsterhatratadolaoptimizacindeesquemasderecursoshdricoscon
una visin descendente. Se ha realizado, en primer lugar, un estudio del estado del
arteacercadelastcnicasdeoptimizacinqueseempleanactualmenteenelcampo
delagestinderecursoshidrulicos.Nosencontramosconquenuestraespecialidad
es uno de los campos en los que ms tcnicas diferentes se han empleado y, muy
probablemente, se emplearn debido a la variada casustica que puede darse y a la
granimportanciaquesedaalosrecursoshidrulicosporsucrecienteescasez.
Se expuesto el problema del reparto de recursos hdricos dentro de una cuenca, el

denominadowaterallocationproblemaenlaliteraturaanglosajona.Esteproblema,
que,comosupropionombreindica,buscaobtenerelmejorrepartodelrecursoentre
losdiferentesusosdeunsistema,seenfocahabitualmentedesdeelpuntodevistade
la optimizacin y dado que el tamao y complejidad de los sistemas a optimizar es
alto, se tiende a emplear modelos que permitan definir el sistema de manera
esquemtica y resolver el problema mediante una de las tcnicas de optimizacin
existentes.
Dadoqueelintersprincipalperseguidoenestatesinaeslamejorayampliacindel
modeloOPTIGES,unmodelobasadoenlaresolucinptimaderedesdeflujo,seha
continuadoeldesarrollodeestetextocentrndoseenelempleodeestatcnica.Dado
quelaresolucinderedesdeflujoesunametodologabienfundamentadadesdehace
dcadas,existeunamplioabanicodealgoritmosdisponiblesparasuempleo.Detodos
ellosexistandos,apartedelqueseutilizaenlaactualidad,quepodanserempleados
para la resolucin de las redes de flujo generadas por la herramienta OPTIGES con
algunaspequeasadaptaciones.
Porlotanto,secrearontresversionesdelmodelofuncionandocadaunaconunode
los algoritmos como motor de clculo y se compararon sus resultados entre s. De
estas comparaciones se obtuvo que el algoritmo RELAXIV (Bersetkas 1994) es capaz
deresolverlosesquemasgeneradosconelmodeloOPTIGESdeunaformamuchoms
eficientequeelalgoritmoqueseestabaempleandohastaahora,llegandoaserhasta
dosrdenesdemagnitudmsrpidoquesupredecesor.
Elnuevoalgoritmoabrepuesunnuevoabanicodeposibilidadesparalainclusinde
nuevas capacidades al modelo OPTIGES que, hasta el momento, se haban visto
coartadasporelexcesivoconsumoderecursosqueexigalaherramientafuncionando
bajoelanterioralgoritmo.Deentrelasnuevasposibilidadesdestacalaincorporacin
denuevoselementosdelsistemaderecursoshdricosconcomportamientonolineal.
Alserlasredesdeflujounaformaeficientedelaprogramacinlineal,eltratamiento
de las no linealidades se aproxima de forma iterativa. Cuanto ms complejas sean
95
dichas no linealidades, mayor nmero de iteraciones deber realizar el programa. Es

porelloquelautilizacindeunnuevoalgoritmomsrpidoparalaresolucindela
red de flujo permitir realizar un mayor nmero de iteraciones en menos tiempo, lo
que permite plantearse la inclusin de aspectos no lineales complejos, como los
acuferos, las centrales hidroelctricas o el tiempo de viaje del flujo a travs del
sistema.
Unodelosaspectosnovedososqueseplanteanconlainclusindelnuevoalgoritmoes
la incorporacin de acuferos a los modelos de optimizacin de los esquemas de
recursos hdricos de OPTIGES. As, se ha desarrollado un nuevo mdulo para la
herramientaquehademostradounfuncionamientoadecuadoenlasdiversaspruebas
quedelmismosehanrealizado.Porsupuesto,laspruebasrealizadasnoreflejantodas
posibilidadesquepodrandarseenunsistemarealperoofrecenunosresultadosmuy
satisfactorios que hacen pensar que su funcionamiento en casos ms complejos
tambinseradecuado.
De forma paralela a los desarrollos de la herramienta OPTIGES se ha estudiado la

forma en que se estima la convergencia de las iteraciones. Se ha observado que el
criteriodeconvergenciaaparentaestarmuyligadoalsistemaqueseestestudiando
en cada momento y que, por tanto, sera recomendable comenzar, de ahora en
adelante,adefinirelcriteriodeconvergenciaenbaseaunestudiodelsistema.Ahora
bien,laformadeligarelsistemaconelcriteriodeconvergenciaesunaspectoquese
dejaparafuturasinvestigaciones.
Como conclusin general de esta tesina puede decirse que se ha cumplido con los
objetivosimpuestosaliniciodelamisma.LanuevaversindelaherramientaOPTIGES
suponeunavanceevidentefrentealaversinexistenteantesdeiniciarselostrabajos
que han finalizado con la redaccin de este texto. Por supuesto, queda pendiente la
aplicacinprcticadelanuevaversindelaherramientaparalaobtencindepolticas
ptimas de gestin de cuencas reales, aspecto que se desarrollar en futuras
investigacionesy/oestudios.
Para finalizar, se establecen algunas lneas futuras de investigacin y de trabajo a

seguirtomandocomobaselosavanceslogradosconestatesina,muchosdeloscuales
yasehancomentadoosepuedenintuirdelalecturadeestamemoria:
Puesta en prctica de la nueva versin de OPTIGES para la elaboracin de

estrategiasptimasdegestinencuencasreales.
Desarrollo en profundidad de la subrutina ACUIFERO, introduciendo nuevos
modelosdeacuferos.
Introduccin de la posibilidad de disminuir progresivamente los bombeos en
lugar de detenerlos cuando se sobrepasa el valor umbral en la comprobacin
delosparmetrosdecontrol.
96
Adaptacin de la interfaz grfica de AQUATOOL correspondiente a la

herramienta OPTIGES para permitir el trabajo con los nuevos elementos
incluidos.
Estudiodelarelacinentrelascaractersticasdeunsistemadeestudioconel
criterio de convergencia a emplear posteriormente en la iteraciones y
formulacindelamismasiesposible
97
Referencias
AhujaR,MagnantiT,OrlinJ(1993)NetworkFlows:theory,algorithmsandapplications.PrenticeHall,
NewYork
AndreuJ(1992)ModeloOPTIGESdeOptimizacindelaGestindeEsquemasdeRecursosHdricos.
Manualdelprogramador.UniversidadPolitcnicadeValencia,Valencia
AndreuJ(1992)ModeloOPTIGESdeOptimizacindelaGestindeEsquemasdeRecursosHdricos.
Manualdelusuario.Versin2.0.UniversidadPolitcnicadeValencia,Valencia
BarrosM,TsaiF,YangSL,LopesJ(2003).Optimizationoflargescalehydropowersystemoperations.J
WaterResourPlanManag129,178188
BazaraaM,JarvisJ(1977)LinearProgrammingandNetworkFlows.JohnWileyandSonsInc,NewYork
BersetkasD(1985)Aunifiedframeworkforprimaldualmethodsinminimumcostnetworkflows
problems.MathProgram32,125145
BersetkasD,TsengP(1988)Therelaxcodesforlinearminimumcostnetworkflowproblems.Annof
OperRes13,125190
BersetkasD,TsengP(1994)RELAXIV:AFasterVersionoftheRELAXCodeforSolvingMinimumCost
FlowProblems.CompletionReportunderNSFGrantCCR9103804.Dept.ofElectricalEngineeringand
ComputerScience,MIT,Boston
Castelleti A, de Rigo D, Rizzoli AE (2007). Neurodynamic programming for designing water reservoir
networkmanagementpolicies.ControlEngPract15,10311038
Celeste,A.,Billib,M.(2009)Evaluationofstochasticreservoiroperationoptimizationmodels.AdvWater
Resour32,14291443
CelesteA,BillibM(2010)TheRoleofSpillandEvaporationinReservoirOptimizationModels.Water
ResourManag24,617628
ChavesP,ChangFJ(2008)Intelligentreservoiroperationsystembasedonevolvingartificialneural
networks.AdvWaterResour31,926936
ChouF,WuC,LinC(2006)SimulatingMultiReservoirOperationRulesbyNetworkFlowModel.ASCE
Conf.Proc.212,33
ChungF,ArcherM,DeVriesJ(1989)NetworkFlowAlgorithmAppliedtoCaliforniaAqueductSimulation.
JWaterResourPlanManag115,131147
CuretN(1994)Anincrementalprimaldualmethodforgeneralizednetworks.CompOperRes21,1051
1059
Curet(1997)Applyingsteepestedgetechniquestoanetworkprimaldualalgorithm.CompOperRes24,
601609
99
CuretN(1998)Implementationofasteepestedgeprimaldualsimplexmethodfornetworklinear
programs.AnnOperRes81,251270
DasguptaS,PapadimitriouC,VaziraniU(2006).Algorithms.McGrawHill
DekaPC,ChandramouliV(2009)FuzzyNeuralNetworkModelingofReservoirOperation.JWater
ResourPlanManag135,512
DeviS,SrivastavaDK,MohanC(2005)OptimalWaterAllocationfortheTransboundarySubernarekha
River,India.JWaterResourPlanManag131,253269
FordL,FulkersonD(1962)Flowsinnetworks.PrincetonUniversityPress,Princeton
FredericksJ,LabadieJ,AltenhofenJ(1998)DecisionSupportSystemforconjunctiveStreamAquifer
Management.JWaterResourPlanManag124,6978
GalelliS,SonciniSessaR(2010)Combiningmetamodellingandstochasticdynamicprogrammingforthe
designorreservoirreleasepolicies.EnvironModelSoftw25,209222
GhahramanB,SepaskhahAR(2004).Linearandnonlinearoptimizationmodelsforallocationofa
limiterwatersupply.IrrigandDrain53,3954
HinalO,AltanSakaryaAB,GerAM(2011)OptimizationofMultireservoirSystemsbyGenetic
Algorithm.WaterResourManag25,14651487
IlichN(2009)LimitationsofNetworkFlowalgorithmsinRiverBasinModeling.JWaterResourPlan
Manag135,4855
KenningtonJL,HelgasonRV(1980)AlgorithmsforNetworkProgramming.JohnWileyandSons,New
York
Khaliquzzaman,ChanderS(1997)NetworkFlowProgrammingModelforMultireservoirSizing.JWater
KlingmanD,NapierA,StutzJ(1974)NETGENAprogramforGeneratingLargeScale(Un)Capacited
Assignment,Transportation,andMinimumCostFlowProblems.ManagSci20,814822
KuczeraG(1993)NetworkLinearProgrammingCodesforWaterSupplyHeadworksModeling.JWater
LabadieJ,BaldoM,LarsonR(2000)MODSIM:Decisionsupportsystemforriverbasinmanagement.
Documentationandusermanual.Dept.OfCivilEngineering,CSU,FortCollins
LabadieJ(2004)OptimalOperationofMultireservoirSystems:StateoftheArtReview.JWaterResour
PlanManag130,93111.
LviteH,SallyH,CourJ(2003)Testingwaterdemandmanagementscenariosinawaterstressedbasin
insouthAfrica:applicationoftheWEAPmodel.PhysChemEarth28,779786
Loucks,D.(1992)WaterResourceSystemModels:TheirRoleinPlanning.JWaterResourPlanManag
118,214223.
MMA(2008).ConfederacinHidrogrficadelDuero.Memoria2008.
http://www.chduero.es/Inicio/Publicaciones/tabid/159/Default.aspx.Lastaccessed09March2011
100
MoeiniR,AfsharA,AfsharMH(2011)Fuzzyrulebasedmodelforhydropowerreservoirsoperation.
ElectrPowerEnergySyst33,171178
MousaviSJ,PonnambalamK,KarrayF(2007)Inferringoperatingrulesforreservoiroperationsusing
fuzzyregressionandANFIS.FuzzySetSyst158,10641082
NicklowJetal(2010)StateoftheArtforGeneticAlgorithmsandBeyondinWaterResourcesPlanning
andManagement.JWaterResourPlanManag136,412432
RaniD,MoreiraM(2010)SimulationOptimizationModeling:ASurveyandPotentialApplicationin
ReservoirSystemsOperation.WaterResourManag24,11071138
SabetH,CreelC(1994)NetworkFlowModelingofOrovilleComplex.JWaterResourPlanManag117,
301320
SechiG,ZuddasP.(2008)MultiperiodHypergraphModelsforWaterSystemsOptimization.Water
ResourManag22,307320
SunYH,YehW,HsuNS,LouieP(1995)GeneralizedNetworkAlgorithmforWaterSupplySystem
Optimization.JWaterResourPlanManag121,392398
WurbsR(1993)ReservoirSystemSimulationandOptimizationModels.JWaterResourPlanManag119,
455472
WurbsR(2005)Modelingriver/reservoirsystemmanagement,waterallocation,andsupplyreliability.J
Hydrol300,100113
YamoutG,ElFadelM(2005)AnOptimizationApproachforMultiSectoralWaterSupplyManagement
intheGreaterBeirutArea.WaterResourManag19,791812
YatesD,SieberJ,PurkeyD,HubertLeeA(2005)WEAP21ADemand,Priority,andPreferenceDriven
WaterPlanningModel.Part1:ModelCharacteristics.WaterInt30,487500.
101
Apndices
ApndiceA.ElmodeloOPTIGESdeoptimizacinde
lagestindeesquemasderecursoshdricos
El modelo OPTIGES (Andreu 1992), desarrollado desde 1987 por el grupo de

investigacin de Ingeniera de Recursos Hdricos (GIRH), actualmente integrado en el
Instituto de Ingeniera del Agua y Medio Ambiente (IIAMA) de la Universidad
Politcnica de Valencia (UPV) es un programa de uso general que permite la
optimizacindeunsistemaderecursoshidrulicos.Elmodeloseencuentraintegrado
enelSistemadeSoportealaDecisinAQUATOOL(Andreu1996).
Parasuutilizacinelusuariohadeconfeccionarpreviamenteunesquemasimplificado
delsistemadeformaqueesteestconstituidoporloselementosqueenelmodelose
contemplan y que bsicamente son conducciones (naturales y artificiales), nudos (de
unin,debifurcacinydealmacenamiento),aportaciones,ydemandas(zonasdeuso).
Elusuariosuministraalprogramalosdatosdelaconfiguracindeesteesquemaored,
juntamenteconlosdatosfsicosdeloselementos(porejemplo:capacidadesmximas
deembalses,odeconducciones),losdatosrelativosarecursosydemandas,ascomo
los que sirven para fijar prioridades dentro del esquema, y para definir criterios de
garantadesatisfaccindelasdemandasyrequerimientosambientales.
Elprogramatrabajaconvaloresmensuales,ypermiteoptimizacionesdeperodosde
unao(12meses)enadelante,conunnmerodeperodosdeoptimizacintambin
fijado por el usuario (por ejemplo, se pueden hacer para unos datos de 40 aos de
aportaciones:8intervalosdeoptimizacinquinquenal,20intervalosdeoptimizacin
bienial,...).Elmodeloproporcionalassolucionesptimassegnlafuncinobjetivoque
se define ms adelante, dando los valores de volmenes embalsados, caudales
circulantesydficits,encadames,ascomounresumenfinaldetodoelhorizonteen
estudio que incluye valores medios, mensuales y anuales de todas las variables,
nmerodefallos,garantas,ydficitsmximos.
El desarrollo de OPTIGES surge de la necesidad de usar un modelo sencillo para el

filtrado de alternativas para la resolucin de problemas de gestin de recursos
hidrulicos.Elpuntodearranquelosuponeelusodeoptimizacinderedesdeflujo
paraelestudioModelomatemticodesimulacindelsistemahidrogrficodelosros
Jcar y Turia realizado para la D.G.O.H. (Confederacin Hidrogrfica del Jcar) en el
cualserealizunmodeloadhocparaelsistemaestudiado.Vistalaconvenienciade
unmodelogeneral,esteempezagestarseenelsenodelproyectodeinvestigacin
Metodologa para el estudio de la utilizacin conjunta de aguas superficiales y
subterrneas financiado por la Fundacin Ramn Areces, y la primera versin del
modelo se utiliz en el Estudio complementario de embalses en la vertiente
mediterrneadeNavarraparalaComunidadForaldeNavarra.Laversinactualesel
105
resultado de la introduccin de un nmero de opciones y mejoras en el marco del

Estudio sobre disponibilidades, regulacin y balances hidrulicos de la cuenca del
Segura,realizadoparalaD.G.O.H.(ConfederacinHidrogrficadelSegura).
A.1.Descripcindeloselementos
La primera tarea para la utilizacin del modelo es la confeccin de un esquema

simplificadodelacuenca.Elesquemasimplificadoessimilaraunareddeflujo,enla
que se refleja la infraestructura existente en la cuenca. Bsicamente consta de
conducciones (naturales y artificiales), nudos (de unin, de bifurcacin y de
almacenamiento),aportacionesydemandas(zonasdeuso).
A.1.1.Nudos
Losnudossonelementospuntuales,yserequiereelusodeunosiemprequebienen
un lugar confluyan o diverjan dos o ms conducciones, o bien dicho punto tenga
capacidaddealmacenamiento(unembalse).Deestaforma,puedendiferenciarsedos
tipos de nudos en el modelo: (1) nudos corrientes, o de transferencia,
correspondientesalprimercasoyquenorequierenensucaracterizacinmsquede
un nmero de identificacin; y (2) nudos embalse que, aparte de por su nmero de
identificacin, estn caracterizados por su capacidad de embalse, la cual puede
cambiarsemesames.
Enlosembalsestambinpuede/debedefinirlacurvasuperficievolumenylosvalores
mediosdeevaporacinmensual,deestaformasetieneencuentalaevaporacindel
embalse. Cuando un embalse alcanza el volumen mnimo, se considera que no tiene
prdidas por evaporacin, de forma que el volumen nunca bajar del mnimo
declarado.
A.1.2.Conducciones
Sonelementosquecorrespondenatramosdero,canales,etc.,porloscualescircula
elaguadeunnudoaotro,siempreenunasoladireccinpreestablecidaporelusuario.
Por lo tanto, las conducciones, al igual que los arcos de una red de flujo, se
caracterizanporsunudoinicial,sunudofinal,suscapacidadesmximaymnima(p.e.
caudalmnimo)ylaprioridaddeestecaudalmnimo.Tantolascapacidadesmximas
como las mnimas pueden definirse para cada mes del ao. Las prioridades en las
conduccionessiempreseentiendenrelativasalosotrosposiblestramosconcaudales
mnimodefinidos,siendoprioritarioeldemenornmerodeprioridad.
A.1.3.Aportaciones
Correspondenaentradasdeaguaenelsistemaprovenientesdepartesdelacuenca
quenoseincluyenenelesquema.Vienendefinidasnicamenteporelnudoendonde
seincorporanalsistema,elnombredearchivodondehandeleerseyuncoeficiente
para multiplicar los valores de ese archivo (para cambiar las unidades, rebajar o
106
incrementarlaescaladelosdatos,representarprdidasnoincluidasenotrospuntos
delmodelo).
A.1.4.Demandas
Corresponden a zonas donde el agua es utilizada (demandas urbanas o agrarias).
Vienendefinidasporelnudodedondetoman,lademandaanual,elrepartodesta
dentro del ao, y la prioridad. Tambin es necesario especificar un coeficiente de
retorno (fraccin e la demanda no consumida y devuelta al sistema). En cuanto a la
prioridad,sirvelodichoparalasconducciones.
A.1.5.Elementosderetorno
Correspondenareintegrosdeaguaprocedentesdelafraccindelasdemandasqueno
esconsumidayquesereintegranalsistema.Unelementopuedeserusadoporunao
ms demandas. Para definir el elemento de retorno simplemente es necesario
suministrar al modelo el nmero del nudo donde se supone que se incorporan los
caudalescorrespondientes.
A.1.6.Optimizacinyfuncinobjetivo
LaoptimizacindelagestindelsistemaparaunperododeNaosesrealizadaporel
modelominimizandolafuncinobjetivosiguiente:
N 12 nc ni nd ni '
ne
i , j d i , j ,t + i , j d ' i , j ,t i vi , N 12
t =1 i =1 j =1
(3.1)
i =1 j =1 i =1
donde,
nceselnmerodeconduccionesenelesquema,cadaunadeellasconel
caudalmnimodivididoenniniveles.
nd es el nmero de demandas en el esquema, cada una de ellas con la
demandadivididaenniniveles.
neeselnmerodeembalsesenelesquema.
ni es el nmero de niveles en que se divide el caudal mnimo de la
conduccini.
nieselnmerodenivelesenquesedividelademandai.
i,jeselfactordeponderacinasignadoalposibledficitdi,j,tdelniveljdel
caudalmnimodelaconduccinienelmest.
i,jeselfactordeponderacinasignadoalposibledficitdi,j,tdelniveljde
lademandaienelmest.
La funcin objetivo es lineal y trata de minimizar la suma ponderada de dficits de

caudales ecolgicos, dficits de suministro a zonas de demanda, y maximizar el
volumen almacenado en embalses al final de cada perodo de optimizacin elegido.
107
Losfactoresdeponderacinvienendadosporexpresionesquereflejanlasprioridades
asignadasporelusuarioacadacaudalecolgico,cadademandaycadaembalse.
Podra observarse que la funcin objetivo presentada en la ecuacin (3.18) difiere

mucho de la funcin objetivo que ha venido tratndose hasta el momento en este
captulo, por ejemplo la ecuacin (3.1). Sin embargo, lo que se est haciendo en la
ecuacin(3.18)esreescribirla(3.1)enfuncindeloscostesasociadosalflujoenlos
diferentesarcosdelareddeflujogeneradaporOPTIGES.Esdecir,lafuncinobjetivo
que resuelve OPTIGES sigue siendo la mostrada en la ecuacin (3.1), pero los costes
asociados al flujo asignados en determinados arcos de la red estn orientados a la
minimizacin de los dficits tanto en demandas como en tramos con caudales
ecolgicosyenmaximizarelvolumenalmacenadoenlosembalsescomoyaseexplic
enelapartadoanterior,alcanzndoselaecuacin(3.18).
Puestoquelasrestriccionessontambinlineales,yelesquemadecuencaseconfigura
internamentecomounareddeflujo,seutilizaparalaoptimizacinelalgoritmoOut
ofKilter, como ya se ha comentado anteriormente. Para ello el modelo configura
previamente,apartirdelesquemadelacuencaqueutilizaelusuarioyenbasealos
datos fsicos y de prioridades proporcionados sobre el sistema, una red de flujo
conservativa que contempla adems todos los meses del perodo temporal a
optimizar.Estagranreddeflujointernaeslaqueesresueltaporelalgoritmo.Yuna
vez resuelta, los resultados en trminos de flujos en la red son traducidos por el
programaenvariableshidrolgicasverdaderas.
A.2.Elementosnolineales
ElmodeloOPTIGESpermiteconsiderarenlaoptimizacindosaspectosdecarcterno
lineal como son la evaporacin de los embalses y los retornos de las demandas. La
inclusin de estas dos caractersticas se realizamediante la resolucin iterativa de la
red. En una primera iteracin se resuelve el problema considerando nicamente, los
aspectoslineales,posteriormentesecalculantantolaevaporacincomolosretornos
asociadosaesaprimeraiteracinyserealizanloscambiosnecesariosenlaredpara
incluirloscomoelementoslineales.Laredseresuelvedeformaiterativahastaquese
alcanzaelcriteriodeconvergenciaosealcanzaelmximodeiteracionesdefinido.
A.3.Resultados
Elprogramaproporcionalosresultadosdelaoptimizacinenformadecuadros,uno
paracadaaohidrolgico,quecontienenlosvalorescorrespondientesacadamesdel
mismo, as como los totales anuales. Adems, al final del horizonte proporciona un
cuadroconlosvaloresmediosmensualesyanuales.Paralasconduccioneselresumen
proporciona los volmenes circulados, y adems el nmero de fallos de caudales
ecolgicos, as como la garanta de los mismos. Para las demandas el resumen
108
proporcionatambinelnmerodefallos(dficits),lagaranta,lagarantavolumtrica,
elmximodficitenunmes,yelmximodficitendosmesesconsecutivos.
A.4.AplicacionesprcticasdelmodeloOPTIGES
El modelo OPTIGES se ha empleado, como ya se ha comentado al principio de este

apartado,eneldesarrollodeestudiosencuencasespaolas.As,enAndreu(1993),se
presenta una optimizacin del esquema simplificado del ro Segura con fines
puramenteacadmicos.Tambinseencuentraqueseharealizadounaaplicacinde
OPTIGES en la elaboracin del Esquema Temporal de Temas Importantes de la
DemarcacinHidrogrficadelSegura(D.H.S.,2008).Otraaplicacinimportanteseda
enlaelaboracindelLibroBlancodelAguamediantelacreacindeunmodelode
optimizacin del sistema hidrulico espaol completo, aunque simplificado (M.M.A.,
2000).
A.5.LimitacionesdelmodeloOPTIGES
En el captulo anterior ya se citaron las razones por las cuales los modelos de
optimizacinnoseutilizantantocomolosdesimulacin(Labadie2004).
CentrndonosahoraenelmodeloOPTIGEStenemosunmodeloquepuedepreparar
optimizacionesdesistemasduranteperiodosmuylargos,tanlargoscomolargassean
lasseriesdeaportacionesquesealimentenalmodelo.Porsupuesto,cuantomslargo
sea el periodo de optimizacin, mayor ser el tamao de la red de flujo y esto,
obviamente, tendr un coste computacional ms elevado. Tambin, el nmero de
elementos incluidos en el esquema del sistema de recursos hdricos a optimizar
afectar al tamao de la red, ya que cada elemento supone la inclusin de una
determinada cantidad de arcos y nudos en la red para cada mes del periodo de
optimizacin.Todoestollevaalanecesidaddetenerquecrearmodelosmuysencillos
de los sistemas lo que, a su vez, los aleja bastante de la realidad. Si, adems, con la
intencin de mejorar la representatividad del modelo, introducimos elementos con
comportamientos no lineales que se resuelven mediante iteraciones, lo que implica
resolver la misma red en repetidas ocasiones, volvemos a encontrarnos con el
problemadeltiempodecomputacin.Parecequellegamosauncallejnsinsalida,por
unladosecreanmodelospocorepresentativosdelarealidadporfaltadeelementosy,
por otro, no se incluyen elementos nuevos porque supondran un incremento del
tiempodeejecucindelalgoritmoenocasionesprohibitivo.
Parasalirdeestecircuitocerrado,resultaobvioquelomsadecuadoesincrementar
lacapacidaddeclculodeformaquesetardemenosenrealizarunaiteracin.Unavez
logradoesto,laintroduccindenuevoselementosenlosesquemasdeOPTIGEScomo
porejemplolosacuferos(muyimportantes)ylascentraleshidroelctricas,deberaser
prcticamenteobligatorio.
109
ApndiceB.TranscripcindelasubrutinaACUIFERO
UnadelasprincipalesaportacionesdeestatesinaalmodeloOPTIGESeslacreacinde
lasubrutinaACUIFEROparalainclusindeacuferosenlosmodelosdeoptimizacin.A
continuacin se reproduce la ltima versin de dicha subrutina previa a la
presentacindeestatesinaconfechade28deJuniode2011.
SUBROUTINE ACUIFERO
C
C
INCLUDE 'PARAMET.FOR'
INCLUDE 'COMDAT.FOR'
INCLUDE 'COMRED.FOR'
C*********************************************************************
****
C EN ESTA SUBRUTINA SE SIMULA EL ACUIFERO A LO LARGO DE CADA PASO DE
CALCULO
C POSTERIORMENTE SE REVISAN LAS DETRACCIONES IMPOSIBLES ASI COMO LOS
PARAMETROS DE CONTROL
C FINALMENTE SE MODIFICAN AQUELLAS PARTES DE LA RED AFECTADAS POR EL
ACUIFERO COMO SON LOS TRAMOS TIPO 3
C LOS BOMBEOS
C*********************************************************************
*****
REAL:: AFEACUI_(MAXAE+1)
INTEGER::BDC(MAXDEM),BBA(MAXBAD),MARCADEM(MAXDEM),MARCABAD(MAXBAD)
INTEGER CODPC,BAC
REAL QN,VF2,VF2_,VF1,QCON
EXTERNAL PCBOMBEO, KFLOW
C
C CON ESTE MARCADOR, DE MOMENTO, VOY A INTENTAR HACER QUE LOS
BOMBEOS SE REDUZCAN DE FORMA PROGRESIVA EN LUGAR DE ANULARSE
BOMPRO=1
C
C INICIO SIMULACI POR ACUIFERO
DO I=1,NACU
C TIPO DE ACUIFERO
IT=ITACU(I)
C
C*********************************************************************
*****
C INICIO BUCLE ANUAL
DO IANY=1,NANY
IAN12=(IANY-1)*12-1
C
C INICIO BUCLE MENSUAL
DO IMES=1,12
NMES=IMES+(IANY-1)*12
K1=NAR1AC(I)+IAN12+1+IMES
K2=K1+NANY*12
C
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
CCCCC
C INICIALIZACI DE VARIABLES
C
111
C VF1 ES EL VOLUMEN ALMACENADO EN EL ACUERO RESULTANTE DE LA RED

DE FLUJO
C QUE SERVIR`PARA REALIZAR LA PRIMERA COMPARACI EN LA ITERACI
IF (NMES.EQ.1) VF1=(KARC(K1)-KARC(K2))/100. ! solo para el
mes 1 el resto cogen el resultado de este proceso
C
C COPIA DE LAS AFECCIONES SOBRE EL ACUIFERO PARA EL PROCESO
ITERATIVO
DO K=1,NAES(I)
AFEACUI_(K) =AFEACUI(I,K,IMES,IANY) ! esto es la copia de
las acciones elementales que se modifica en la revisi e par tros de
control. Y se utilizan despudel proceso iterativo para modificar los
KSUP y se copian a la matriz general de afeacui
END DO
AFEACUI_(NAES(I)+1)=0. ! esta es el tino correspondiente a
la acci e compensaci e detracci imposibles
C
MARCADEM(1:NDEM)=1
MARCABAD(1:NBAD)=1
C
CCCCCC
C INICIO PROCESO ITERATIVO PARA COMPROBAR CONVERGENCIA DE
SIMULACI
C DEL ACUERO CON PARMETRO DE CONTROL Y DETRACCIONES IMPOSIBLES
C
ITERACION=0
DO
ITERACION=ITERACION+1
C ASIGNACI DE LOS VALORES DE COMPARACI DE LAS ITERACIONES
IF (NMES.EQ.1) THEN
VF2_=VF1
ELSE
VF2_=PCONT(I,1,NMES)
END IF
C PCONT(I,1,NMES)=0.
SUMAAFE=0.
DO K=1,NAES(I)+1
SUMAAFE=SUMAAFE+AFEACUI_(K) !
.....................SUMAAFE debe corregirse con los par tros de
control
END DO
C
C SIMULACI DEL ACUERO EN S
SELECT CASE (IT)
C ACUERO UNICELULAR
CASE (2)
AL=ALFA(I,1)
EAL=EALFA(I,1)
RC=AFEACUI_(1)+AFEACUI_(NAES(I)+1)
PCONT(I,1,NMES)=PCONT(I,1,NMES-1)*EAL+(1.-EAL)*RC/AL
C SE CALCULA EL CAUDAL ENTRANTE/SALIENTE POR BALANCE
PCONT(I,2,NMES)=PCONT(I,1,NMES-1)+SUMAAFE-PCONT(I,1,NMES)
! +entradas - salidas = copia de acciones elementales....
C ACUIFERO PLURICELULAR
CASE (7)
C CLCULO DEL VOLUMEN INICIAL DEL ACUERO
IF (NMES.EQ.1) THEN
PCONT(I,1,0)=0.
DO J=1,NAUT(I)
112
PCONT(I,1,0)=PCONT(I,1,0)+PCONT(I,J+3,NMES-1)
END DO
END IF
C CLCULO DEL VOLUMEN EN CADA UNA DE LAS CELDAS Y EN TOTAL
DO J=1,NAUT(I)
AL=ALFA(I,J)
EAL=EALFA(I,J)
RC=0.
DO K=1,NAES(I)
RC=RC+AFEACUI_(K)*PSI(I,J,K)
END DO
PCONT(I,J+3,NMES)=PCONT(I,J+3,NMES-1)*EAL+(1.-EAL)*RC/AL
PCONT(I,1,NMES)=PCONT(I,1,NMES)+PCONT(I,J+3,NMES)
END DO
C SE CALCULA EL CAUDAL ENTRANTE/SALIENTE POR BALANCE
PCONT(I,2,NMES)=PCONT(I,1,NMES-1)+SUMAAFE-PCONT(I,1,NMES)
! +entradas - salidas = copia de acciones elementales....
C
END SELECT
C
C DETRACCIONES IMPOSIBLES Y TRAMOS TIPO 3
C
IF (NCOND3.GT.0) THEN
QCON_SUMA=0.
AFEACUI_(NAES(I)+1)=0.
DO J=NCOND1+NCOND2+1,NCOND
C SI LA CONDUCCI NO EST`CONECTADA A ESTE ACUERO SE SALTA
IF (ACUCON(J).EQ.I) THEN
C
L1=NAR1TR3(J)+(IAN12+1)*4+(IMES-1)*4
IF (IQMI(J).EQ.1) L1=L1+((IAN12+1)+(IMES-
1))*(2*NNIVQ(I)+1)
C
C LECTURA DE CAUDAL EN TRAMO 3 EN LA RED DE FLUJO
FL3=(KARC(L1-1)-KARC(L1)+KARC(L1+1))/100.
C
C CAUDAL ENTRE RIO Y ACUERO SEG EL COEFICIENTE DE REPARTO DE
LA CONDUCCI
QCON=PCONT(I,2,NMES)*COEFREPCON(J)
C
C SI EL TRAMO ES GANADOR, NO PASA NADA Y SE IMPONE EL CAUDAL
GANADO EN EL ARCO CORRESPONDIENTE
C SI EL TRAMO ES PERDEDOR, PERO LA DETRACCI NO ES
IMPOSIBLE, TAMPOCO HAY PROBLEMA
IF (QCON.LT.0.AND.ABS(QCON).GT.FL3) THEN
C SI LA DETRACCI ES IMPOSIBLE, SE RECALCULA QN Y EL
VOLUMEN
PCONT(I,1,NMES)=PCONT(I,1,NMES)-QCON+FL3
C PARA QUE LA SIMULACI TENGA EN CUENTA EL CAUDAL NO
DETRAIDO POR FALTA DEL MISMO
C SE CREA UNA NUEVA AFECCI COMPUESTA POR DICHO VOLUMEN
EXTRAO DEL ACUERO
AFENEW=QCON+FL3
IF (ABS(AFENEW).LT.0.001) AFENEW=0.
AFEACUI_(NAES(I)+1)=AFEACUI_(NAES(I)+1)+AFENEW
QCON=-FL3
END IF
C SE RECALCULA EL CAUDAL DE CONEXI CON EL RIO
QCON_SUMA=QCON_SUMA+QCON
END IF
113
END DO
C SE REASIGNA EL VALOR DEL CAUDAL DE CONEXI QUE SER`IGUAL SI NO
HA PASADO NADA O CAMBIAR`SI EXISTN DETRACCIONES IMPOSIBLES
PCONT(I,2,NMES)=QCON_SUMA
C
END IF
CCCCCCCCCCCCCCCCCCCCCCCCC
C REVISI DE PARMETROS DE CONTROL Y CAMBIOS EN ACCIONES
ELEMENTALES
C
C REVISI DE LOS PARMETROS DE CONTROL DEL ACUERO
CODPC=IPCEST(I)
IF (CODPC.GT.0) THEN
BAC=PCBOMBEO(UMBRALAC(I),PCONT(I,CODPC,NMES))
ELSE
BAC=1
END IF
C
C COMPROBACI DE PARMETROS DE CONTROL EN DEMANDAS Y MODIFICACI
DE LOS MISMOS SI FUERA NECESARIO
IF (NDEM.GT.0) THEN
DO J=1,NDEM
IF (NABDC(J).GT.0) THEN
CODPC=IPCDC(J)
IF (NABDC(J).EQ.I.AND.CODPC.GT.0) THEN
BDC(J)=PCBOMBEO(UMBDC(J),PCONT(I,CODPC,NMES))
ELSE
BDC(J)=1
END IF
K1=NAR1BO(J)+((IAN12+1)+(IMES-1))*(NNIV(I)+NUMTO(I)+1)
IF (BAC.EQ.0.OR.BDC(J).EQ.0) THEN
BOM=KARC(K1)/100.
AFEACUI_(NAEBDC(J))=AFEACUI_(NAEBDC(J))+BOM
KARC(K1)=0
MARCADEM(J)=0
END IF
END IF
END DO
END IF
C
C COMPROBACI DE PARMETROS DE CONTROL EN BOMBEOS ADICIONALES Y
MODIFICACI DE LOS MISMOS SI FUERA NECESARIO
IF (NBAD.GT.0) THEN
DO J=1,NBAD
CODPC=IPCBAD(J)
IF (NACBAD(J).EQ.I.AND.CODPC.GT.0) THEN
BBA(J)=PCBOMBEO(UMBBAD(J),PCONT(I,CODPC,NMES))
ELSE
BBA(J)=1
END IF
K1=NAR1BAD(J)+IAN12+IMES
IF (BAC.EQ.0.OR.BBA(J).EQ.0) THEN
BOM=KARC(K1)/100.
AFEACUI_(NAEBAD(J))=AFEACUI_(NAEBAD(J))+BOM
KARC(K1)=0
MARCABAD(J)=0
END IF
END DO
END IF
114
C
C END IF
C
C COMPROBACI DE CONVERGENCIA DEL ACUERO
C Se resuman las acciones elementales y se incluye en la
comprobaci e convergencia
SUMAAFE2=0.
DO K=1,NAES(I)+1
SUMAAFE2=SUMAAFE2+AFEACUI_(K)
END DO
C SE COMPRUEBA QUE LAS AFECCIONES SON IGUALES AL FINAL DE LA
ITERACI, SI NO, SE HACE UNA MAS
IF (ABS(SUMAAFE-SUMAAFE2).LT.0.001) THEN
C UNA VEZ LAS AFECCIONES SON LAS MISMAS, SE COMPRUEBA QUE LOS
VOLENES CALCULADOS SEAN LOS MISMOS
C NINGUNO DE ESTOS VOLENES PROVIENE DE LA RED DE FLUJO SINO DE
LA ITERACI DE LA SIMULACI
IF (ABS(PCONT(I,1,NMES)-VF2_).LE.0.1.OR.ITERACION.GT.10) EXIT
END IF
C FINAL ITERACIONES
END DO
WRITE (19,*) NMES,PCONT(I,1,NMES),PCONT(I,2,NMES),SUMAAFE
CCCCCCCCCCCCCCCCCCC
C REASIGNACI DE LITES EN LA RED DE FLUJO SEG LOS RESULTADOS DE
LA SIMULACI DEL ACUERO EN EL MES
C
C TRAMOS TIPO 3
IF (NCOND3.GT.0) THEN
DO J=NCOND1+NCOND2+1,NCOND
C SI LA CONDUCCI NO EST`CONECTADA A ESTE ACUERO SE SALTA
IF (ACUCON(J).EQ.I) THEN
L1=NAR1TR3(J)+(IAN12+1)*4+(IMES-1)*4
IF (IQMI(J).EQ.1) L1=L1+((IAN12+1)+(IMES-1))*(2*NNIVQ(I)+1)
C DEPENDIENDO DE SI EL TRAMO ES PERDEDOR O GANADOR SE
ACTIVAR`UN ARCO U OTRO
IF (PCONT(I,2,NMES).GE.0) THEN
KSUP(L1)=0
KSUP(L1+1)=KFLOW(ABS(PCONT(I,2,NMES))*COEFREPCON(J))
ELSE
KSUP(L1)=KFLOW(ABS(PCONT(I,2,NMES))*COEFREPCON(J))
KSUP(L1+1)=0
END IF
KARC(L1)=KSUP(L1)
KARC(L1+1)=KSUP(L1+1)
C
QNRED=(KARC(L1+1)-KARC(L1))/100.
QNCALC=PCONT(I,2,NMES)*COEFREPCON(J)
IF (ABS(QNRED-QNCALC).GT.0.1) ICONV=0
END IF
END DO
END IF
C
C BOMBEOS DE LAS DEMANDAS
IF (NDEM.GT.0) THEN
DO J=1,NDEM
IF (NABDC(J).EQ.I) THEN
K1=NAR1BO(J)+((IAN12+1)+(IMES-1))*(NNIV(I)+NUMTO(I)+1)
IF (MARCADEM(J).EQ.0) KSUP(K1)=0
C IF (BAC.EQ.0.OR.BDC(J).EQ.0) KSUP(K1)=0.
115
C IF (BAC.EQ.1.AND.BDC(J).EQ.1) KSUP(K1)=KFLOW(QMABDC(J))
END IF
END DO
END IF
C
C BOMBEOS ADICIONALES
IF (NBAD.GT.0) THEN
DO J=1,NBAD
IF (NACBAD(J).EQ.I) THEN
K1=NAR1BAD(J)+IAN12+IMES
IF (MARCABAD(J).EQ.0) KSUP(K1)=0
C IF (BAC.EQ.0.OR.BDC(J).EQ.0) KSUP(K1)=0
C IF (BAC.EQ.1.AND.BDC(J).EQ.1) KSUP(K1)=KFLOW(QMABDC(J))
END IF
END DO
END IF
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
C FINAL BUCLE MENSUAL
END DO
C FINAL BUCLE ANUAL
END DO
C FINAL SIMULACI POR ACUERO
END DO
C RETORNO A SUBRUTINA ANTERIOR
RETURN
END SUBROUTINE
FUNCTION PCBOMBEO(VALOR_UMBRAL,VALORPC)
C
C
CCC
C ESTA FUNCI REALIZA LA COMPARACI DE LOS PARMETROS DE CONTROL Y
C DECIDE SI SE PUEDE SEGUIR BOMBEANDO O NO
C
C SIRVE TANTO PARA REALIZAR LA DECISI EN ACUEROS COMO EN DEMANDAS Y
BOMBEOS ADICIONALES
CCC
C
IF (VALOR_UMBRAL.GT.VALORPC) THEN
PCBOMBEO=0
ELSE
PCBOMBEO=1
END IF
RETURN
END
116
ApndiceC.ArchivodedatosDATGENparala
ejecucindelmodelocompletodeOPTIGESenel
captulo5
Acontinuacinsetranscribeelarchivodedatosqueseempleaparalageneracindel
modelo de OPTIGES correspondiente al sistema de recursos hdricos empleado en el
captulo5deestetexto.Noseproporcionanlosarchivosdeaportacionesporresultar
deexcesivaenvergaduraparasuinclusinenelgruesodeestetexto.
"V3.0"
"Partedesimulaciondelacuenca"
"RioMayu"
6011940
1100
111312430101
20000100001
"EmbChicharro"
2
00100
30.0042.0042.0045.0045.0042.0050.0050.0045.0038.0030.0030.00
1.001.001.001.001.001.001.001.001.001.001.001.00
0153670109140170227247
00.10.51.54.5915.522.54255
65.0040.0022.6828.8737.1160.8292.78113.40147.42159.79136.0893.81
3011
"Chico_Chicharro"
120
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
110.01
"Chicharro_Grande"
230
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
110.01
"TramoFinal"
5110
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
110.01
"trrecargalluvia"
117
611
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
11111
110.01
"AzudGrande_VertVillaAbajo"
34
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
1200.8
110.01
"VertVillaAbajo_ICaVillaAbajo"
45
0.000.000.000.000.000.000.000.000.000.000.000.00
10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00 10000.00
10000.0010000.0010000.0010000.00
1200.2
110.01
"DemVillaAbajo"
000000000
56.67
8.898.408.408.407.398.217.918.599.118.707.618.40
11
507090
115302310810
1
"TomaVillaAbajo"
2
720.150.2
1
1
6.006.006.006.006.006.006.006.006.006.006.006.00
"DemAgrElNaranjero"
0011001013
84.21001
3.000.000.000.000.654.325.9412.2716.6025.5421.3210.36
11
507090
115305075100810
1
"TomaAgraria"
3
36001
3
0
118
30.0030.0030.0030.0030.0030.0030.0030.0030.0030.0030.0030.00
"DemVillaAfuera"
000000000
46
0.000.000.0021.7421.7421.7421.744.354.354.350.000.00
11
507090
115305075100810
1
"Toman3"
1
12001
170
0
10.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.00
"VertVillaAbajo"
4
"ApoCabecera"
1
"ApoCabera"
1
"ApoEmbalse"
2
"ApoAfluente11"
1
"ApoCuencaMedia"
3
"ApoCuencaMedia"
1
"Recargalluvia"
6
"recargaacuifero25"
1
"Acuferounicelular"
2
00
0.020
119
ApndiceD.Grficasderesultadosdeltestde
funcionamiento1(apartado5.5.1).
Enelapartado5.5.1sellevacabolaoptimizacindeunsistemareducidorespectoal
mostrado en la figura 5.5 para comprobar que el modelo OPTIGES maneja
correctamente el reparto de flujos en la red de forma que no se asignen recursos
adicionalesalostramosdetipo3pararecargarelacufero.Altenersecuatroposibles
niveles de demanda a cubrir con el bombeo, el volumen de resultados es muy alto
comoparasermostradoeneltextogeneral.Acontinuacinsereproducelabaterade
grficosresultantedelascuatroejecucionesdelmodeloOPTIGES,cadaunaparauno
delosnivelesdedemandaquepuedencubrirseconelbombeoalademandaagrcola.
D.1. Resultados del caso en que el bombeo slo cubre el primer nivel de la
demandaagrcola(50%)
50
40
30
20
10
10
20
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
24
48
72
96
Mes

FiguraD.1.Volumenalmacenadomesamesenelacufero
121
0.9
Caudal(Hm3/mes)entreroyacufero 0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
24
48
72
96
Mes

FiguraD.2.Caudalentreroyacufero(positivodelacuferoalroynegativodelroalacufero)
40
Volumenanual(Hm3)bombeadoalademanda
35
30
25
agrcola
20
15
10
0
0 10 20 30 40 50 60
Ao

FiguraD.3.Volumenbombeadoalademandaagrcola
122
50
Volumenalmacenadoenelembalse(Hm3) 45
40
35
30
25
20
15
10
5
0
0
24
48
72
96
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
Mes

FiguraD.4.Volumenmensualalmacenadoenelembalse
45
40
35
DficitAnual(Hm3)
DemandaAgrcola
30
25
20
15
10
0
0 10 20 30 40 50 60
Ao

FiguraD.5.Dficitanualdelademandaagrcola
123
30
DemandaUrbana(VillaAbajo) 25
DficitAnual(Hm3)
20
15
10
0
0 10 20 30 40 50 60
Ao

FiguraD.6.DficitanualdelademandaurbanadeVillaAbajo
50
45
DemandaUrbana(VillaAfuera)
40
35
DficitAnual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

FiguraD.7.DficitanualdelademandaurbanadeVillaAfuera
124
D.2.Resultadosdelcasoenqueelbombeocubrehastaelsegundoniveldela
demandaagrcola(70%)
40
20
20
40
60
80
100
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
24
48
72
96
Mes

1
Caudal(Hm3/mes)entreroyacufero
1
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
24
48
72
96
Mes

125
126
Volumenalmacenadoenelembalse(Hm3) Volumenanual(Hm3)bombeadoalademanda
agrcola
10
15
20
25
30
35
40
45
50
0
5
0
10
20
30
40
50
60
0
24
48
72
96
120
10
144
168
192
216
240
20
264
288
312
336
360
Mes
30
Ao
384
408
432
456
480
40
504
528
552
576
50
600
624
648
672
696
60
30
25
DficitAnual(Hm3)
DemandaAgrcola
20
15
10
0
0 10 20 30 40 50 60
Ao

18
16
DemandaUrbana(VillaAbajo)
14
DficitAnual(Hm3)
12
10
0
0 10 20 30 40 50 60
Ao

127
50
45
DemandaUrbana(VillaAfuera) 40
35
DficitAnual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

FiguraD.14.DficitAnualdelademandaurbanadeVillaAfuera
D.3. Resultados del caso en que el bombeo cubre hasta el tercer nivel de la
demandaagrcola(90%)
100
0
100
200
300
400
500
600
700
800
900
1000
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
720
0
24
48
72
96
Mes

128
0.5
0
0.5
1.5
2.5
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
24
48
72
96
Mes

70
60
50
40
agrcola
30
20
10
0
0 10 20 30 40 50 60
Ao

129
50
Volumenalmacenadoenelembalse(Hm3)
45
40
35
30
25
20
15
10
5
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
24
48
72
96
Mes

20
18
16
14
DficitAnual(Hm3)
DemandaAgrcola
12
10
8
6
4
2
0
0 10 20 30 40 50 60
Ao

130
18
16
DemandaUrbanaVillaAbajo
14
DficitAnual(Hm3)
12
10
0
0 10 20 30 40 50 60
Ao

50
45
DemandaUrbanadeVillaAfuera
40
35
DficitAnual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

131
D.4.Resultadosdelcasoenqueelbombeocubreel100%delademanda
Volumenalmacenadoenelacufero(Hm3) 200
200
400
600
800
1000
1200
1400
1600
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
720
0
24
48
72
96
Mes

0.5
0.5
1.5
2.5
3.5
0
24
48
72
96
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
Mes

132

Volumenalmacenadoenelembalse(Hm3) Volumenanual(Hm3)bombeadoalademanda
agrcola
10
15
20
25
30
35
40
45
50
0
5
0
10
20
30
40
50
60
70
0
24
48
72
96
120
10
144
168
192
216
240
20
264
288
312
336
360
Mes
30
Ao
384
408
432
456
480
40
504
528
552
576
50
600
624
648
672
696
60
133

18
16
14
DficitAnual(Hm3)
DemandaAgrcola
12
10
0
0 10 20 30 40 50 60
Ao

18
16
DemandaUrbanaVillaAbajo
14
DficitAnual(Hm3)
12
10
0
0 10 20 30 40 50 60
Ao

134
50
45
DemandaUrbanadeVillaAfuera 40
35
DficitAnual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

D.5.Aportacionesdelsistemaenloscuatrocasos
AportacinenCabecera
100
90
80
Aportacin(Hm3/mes)
70
60
50
40
30
20
10
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraD.29.Aportacinencabecera
135
AportacinenEmbalse
7
6
Aportacin(Hm3/mes)
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraD.30.Aportacinenembalse
Recargadelacufero
1.2
1
Recarga(Hm3/mes)
0.8
0.6
0.4
0.2
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraD.31.Recarganaturaldelacufero
136
ApndiceE.Grficasderesultadosdeltestde
funcionamiento2(apartado5.5.2).
Enelapartado5.5.2sellevacabolaoptimizacindelesquemaderecursoshdricos
mostradoenlafigura5.5paracomprobarelfuncionamientoglobaldelmodelocuando
no existen restricciones al uso de bombeos. Al tenerse cuatro posibles niveles de
demandaacubrirconelbombeo,elvolumenderesultadosesmuyaltocomoparaser
mostrado en el texto general. A continuacin se reproduce la batera de grficos
resultantedelascuatroejecucionesdelmodelo,cadaunaparaunodelosnivelesde
demandaquepuedencubrirseconelbombeoalademandaagrcola.
Noseincluyenlosgrficoscorrespondientesalvolumendelacuferoyaloscaudales
entresteyelrodadoqueyasehanincluidoeneltextoprincipal.
E.1. Resultados del caso en que el bombeo slo cubre el primer nivel de la
demandaagrcola(50%)
1.2
0.8
agrcola
0.6
0.4
0.2
0
0 10 20 30 40 50 60
Ao

FiguraE.1.Volumenbombeadoalademandaagrcola
137
50
45
40
35
30
25
20
15
10
5
0
0
24
48
72
96
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
Mes

FiguraE.2.Volumenmensualalmacenadoenelembalse
45
40
35
Dficitanual(Hm3)
DemandaAgrcola
30
25
20
15
10
0
0 10 20 30 40 50 60
Ao

FiguraE.3.Dficitanualdelademandaagrcola
138
30
DemandaUrbana(VillaAbajo) 25
Dficitanual(Hm3)
20
15
10
0
0 10 20 30 40 50 60
Ao

FiguraE.4.DficitanualdelademandaurbanadeVillaAbajo
50
45
40
35
Dficitanual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

FiguraE.5.DficitanualdelademandaurbanadeVillaAfuera
139
E.2.Resultadosdelcasoenqueelbombeocubrehastaelsegundoniveldela
demandaagrcola(70%)
35
30
25
20
agrcola
15
10
0
0 10 20 30 40 50 60
Ao

50
45
40
35
30
25
20
15
10
5
0
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
24
48
72
96
Mes

140
25
20
Dficitanual(Hm3)
DemandaAgrcola
15
10
0
0 10 20 30 40 50 60
Ao

18
16
14
Dficitanual(Hm3)
12
10
0
0 10 20 30 40 50 60
Ao

141
50
45
DemandaUrbana(VillaAfuera) 40
35
Dficitanual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

FiguraE.10.DficitAnualdelademandaurbanadeVillaAfuera
E.3. Resultados del caso en que el bombeo cubre hasta el tercer nivel de la
demandaagrcola(90%)
50
45
40
35
30
agrcola
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

142
50
45
40
35
30
25
20
15
10
5
0
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
24
48
72
96
Mes

16
14
12
Dficitanual(Hm3)
DemandaAgrcola
10
0
0 10 20 30 40 50 60
Ao

143
18
16
14
Dficitanual(Hm3)
12
10
0
0 10 20 30 40 50 60
Ao

50
45
40
35
Dficitanual(Hm3)
30
25
20
15
10
5
0
0 10 20 30 40 50 60
Ao

144
E.4.Resultadosdelcasoenqueelbombeocubreel100%delademanda
Volumenanual(Hm3)bombeadoalademanda 90
80
70
60
50
agrcola
40
30
20
10
0
0 10 20 30 40 50 60
Ao

50
45
40
35
30
25
20
15
10
5
0
120
144
168
192
216
240
264
288
312
336
360
384
408
432
456
480
504
528
552
576
600
624
648
672
696
0
24
48
72
96
Mes

145
1
0.9
0.8
0.7
Dficitanual(Hm3)
DemandaAgrcola
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60
Ao

30
25
Dficitanual(Hm3)
20
15
10
0
0 10 20 30 40 50 60
Ao

146
35
30
25
Dficitanual(Hm3)
20
15
10
0
0 10 20 30 40 50 60
Ao

E.5.Aportacionesdelsistemaenloscuatrocasos
AportacinenCabecera
100
90
80
Aportacin(Hm3/mes)
70
60
50
40
30
20
10
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraE.21.Aportacinencabecera
147
AportacinenEmbalse
7
6
Aportacin(Hm3/mes)
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraE.22.Aportacinenembalse
AportacindelaCuencaMedia
180
160
140
Aportacin(Hm3/mes)
120
100
80
60
40
20
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraE.23.Aportacindelacuencamedia
148
Aportacintotalcuenca
300
250
Aportacin(Hm3/mes)
200
150
100
50
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraE.24.Aportacintotalenlacuenca
Recarganaturaldelacufero
1.2
1
Recarga(Hm3/mes)
0.8
0.6
0.4
0.2
0
0 48 96 144 192 240 288 336 384 432 480 528 576 624 672
Mes

FiguraE.25.Recarganaturaldelacufero
149

David Haro Monteagudo Tesina de Máster

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

David Haro Monteagudo Tesina de Máster

Caricato da

Copyright:

Formati disponibili

Mster en Ingeniera

Ttulo del Trabajo Fin de Mster:

DAVID HARO MONTEAGUDO

ABEL SOLERA SOLERA

Fecha: SEPTIEMBRE, 2011

Ttulo del Trabajo Fin de Mster:

Autor: HARO MONTEAGUDO, DAVID

3. El problema de asignacin de recursos hdricos y las redes de flujo. El modelo

4. Anlisis de algoritmos de resolucin de redes de flujo para la optimizacin de

5. Aplicacin de los algoritmos de resolucin de redes de flujo escogidos en la

Figura 2.1 Procedimientos de optimizacin estocstica implcita (a) y explcita (b).

Figura 6.2. Diagrama de flujo de la rutina VALMOD con la incorporacin de los

En 1992, en el prefacio del libro titulado Conceptos y Mtodos para la planificacin

La planificacin hidrolgica es un requerimiento legal que se establece con los

de recursos hdricos implica el desarrollo de un marco matemtico o computacional

Problemas como el descrito de forma general en el anterior prrafo se dan

Un modelo de optimizacin obtiene los valores ptimos de las variables de control

Existe, en la actualidad, una gran cantidad de tcnicas de optimizacin que pueden

Esta tesina de final de mster se enmarca dentro de los trabajos de mejora y

distribucin ptima del flujo a travs de la red asociada a un esquema de recursos

La optimizacin de un sistema de recursos hdricos conlleva pues el reparto de los

Para alcanzar estos objetivos resulta de inestimable ayuda la utilizacin de

El problema de optimizacin no termina con la funcin objetivo. Por lo general, la

La programacin lineal es una de las tcnicas de optimizacin ms empleadas en la

resolucin de problemas de programacin lineal, aparte de funciones para otras

La programacin lineal se puede enfocar tambin desde el punto de vista

Un ejemplo de aplicacin de programacin lineal a la optimizacin de un sistema de

Como ya se ha comentado, muchos sistemas de recursos hdricos no pueden

Los algoritmos de la programacin no lineal ms robustos y potentes son, segn

Programacin lineal sucesiva (o secuencial), donde todas las funciones no

optimizacin del sistema de generacin hidroelctrica en Brasil y se compara con el

La programacin dinmica puede emplearse tanto de forma determinstica como de

En la literatura cientfica de los ltimos aos se encuentran diversos casos de

Todas las tcnicas de optimizacin comentadas hasta el momento son procesos

Respecto a la utilizacin de las RNA en la obtencin de polticas de gestin

En el campo de la ingeniera de recursos hidrulicos la LD se emplea, por

Se ha dejado para el final la tcnica de optimizacin en la que se va a centrar el

En definitiva, existen pocas reas del conocimiento en las que, histricamente, se

Se observa en la figura que los recursos disponibles, entre aportacin y volumen

Planteemos a continuacin el caso en que la aportacin al sistema de la figura 3.1

Max a SDA + bSDU + cV

Ap1 Ap1 Ap2 Ap2 Apn Apn

V0 V0 Vmin Vmax Vmin Vmax Vmin Vmax

As, dentro de los modelos de simulacin, encontramos los ejemplos de MODSIM

Respecto a los modelos de optimizacin propiamente dichos, u optimizacin

En el siguiente apartado se presentarn algunos de los algoritmos que ms se han

La optimizacin de una red de flujo conlleva, principalmente, el reparto de flujos a

Bersetkas (1998) divide los algoritmos para optimizacin de redes de flujo en 3

(3) Cuando ya no se puede mejorar ningn flujo en la fase primal, el algoritmo

- No utiliza parmetros externos. Todo se describe en los parmetros de los

- El empleo de arcos para especificar flujos en los nudos a menudo supone un

- Las soluciones no son necesariamente bsicas. Esto puede resultar en una

- El procedimiento de resolucin puede requerir numerosas lecturas de la lista

Este problema es resultado de realizar ciertas operaciones que permitirn un ahorro

Al igual que el algoritmo OutofKilter, RelaxIV es un algoritmo perteneciente a la

xij = l ij (i, j ) / t ij < cij (elarcoestinactivo) (4.10)

l ij xij u ij (i, j ) / t ij = c ij (elarcoestequilibrado) (4.11)

xij = u ij (i, j ) / t ij > c ij (elarcoestactivo) (4.12)

t ij = p i p j (i, j ) A (vectortensin) (4.14)

Adems de emplear este proceso de resolucin, el algoritmo RelaxIV incluye la

- Al no realizar lecturas exhaustivas de toda la lista de arcos yl detenerse,

- El procedimiento de resolucin sin la inicializacin por subasta se encuentra

El mtodo simplex para resolver problemas de programacin lineal es un algoritmo

EMNET (McBride,1985), es el nombre de la implementacin de un algoritmo tipo