| Tesis Doctorales de la Universidad de Alcalá |
| SISTEMA DE AYUDA A LA DECISIÓN PARA LA GESTIÓN HIDROENERGÉTICA DE LA CUENCA DEL RÍO GUAYAS: OPTIMIZACIÓN DE LA OPERACIÓN DE LOS EMBALSES DAULE-PERIPA Y BABA Y LAS CENTRALES MARCEL LANIADO DE WIND Y BABA | | Autor/a | Campo Carrera, José María | | Departamento | Química Analítica, Química Física e Ingeniería Química | | Director/a | Udías Moinelo, Ángel Luis | | Fecha de depósito | 27-02-2026 | | Periodo de exposición pública | 28 de febrero a 13 de marzo de 2026 | | Fecha de defensa | Sin especificar | | Modalidad | Presencial | | Programa | Hidrología y Gestión de los Recursos Hídricos (RD 99/2011) | | Mención internacional | No | | Resumen | La gestión eficiente de los recursos hídricos en cuencas tropicales complejas enfrenta desafíos significativos debido a la variabilidad climática y la necesidad de conciliar objetivos en conflicto, como la generación hidroeléctrica y el control de inundaciones. Esta investigación doctoral desarrolla e implementa un Sistema de Ayuda a la Decisión (SAD) para la operación conjunta de los embalses Daule-Peripa y Baba en la Cuenca del Río Guayas, Ecuador, integrando modelización hidrológica avanzada con técnicas de Inteligencia Artificial de vanguardia.
Metodológicamente, el estudio aborda la escasez y discontinuidad de datos mediante la implementación de Polígonos de Thiessen Dinámicos y algoritmos de imputación (k-Vecinos Más Cercanos), asegurando una base robusta para la simulación. Se desarrolló un modelo hidrológico conceptual semidistribuido que alcanzó eficiencias KGE superiores a 0.8. El núcleo metodológico de la propuesta reside en la aplicación de algoritmos de Aprendizaje por Refuerzo Profundo, específicamente Soft Actor-Critic (SAC) —basado en la maximización de entropía—, para la optimización de las reglas de operación. Para superar el coste computacional del entrenamiento, se diseñó un Gemelo Digital basado en redes neuronales (Perceptrón Multicapa) que actúa como modelo sustituto de la hidráulica del sistema, permitiendo la exploración exhaustiva de millones de escenarios estocásticos.
Los resultados demuestran que el agente inteligente supera a las reglas de operación históricas, logrando un incremento en los beneficios económicos acumulados entre el 2.13% y el 9.43%, y una reducción significativa de los vertidos improductivos de agua (entre 13.8% y 39.2%), mejorando la seguridad hídrica. El sistema final se ha desplegado en una plataforma operativa con interfaz web, validando la viabilidad de la transferencia de la simulación a la realidad (sim-to-real) en la operación de infraestructuras críticas, proporcionando a los operadores una herramienta adaptativa y resiliente frente a la incertidumbre hidrológica. |
|
