OTIMIZAÇÃO DA OPERAÇÃO DE REDES DE ADUÇÃO DE ÁGUA

UTILIZANDO ALGORITMOS GENÉTICOS

Érica Cristine M. N. Machado¹; Cledson Wagner Souto Santana¹; Esther Vilar Brasileiro²; Carlos
de Oliveira Galvão³; Francisco Vilar Brasileiro4

RESUMO: A otimização da operação de sistemas de distribuição de água é essencial para se evitar

falhas no abastecimento e garantir o atendimento de restrições operacionais com racionalidade nos
custos. O algoritmo genético tem sido utilizado com freqüência na otimização desses sistemas, e se
destaca pela sua natureza robusta, que permite associar as características de eficácia e eficiência. A
metodologia proposta neste trabalho utiliza um algoritmo genético para a operação de uma adutora,
encontrando um escalonamento para suas bombas de modo a reduzir os custos de energia elétrica
referentes ao bombeamento para uma determinada demanda de água, sem violar as restrições
operacionais do sistema. O algoritmo proposto utiliza operadores de reprodução modificados que
guiam a busca para regiões mais promissoras do espaço de soluções, e aplica a técnica de seeding
introduzindo na população inicial um indivíduo de alta aptidão. Os resultados mostram que o
algoritmo genético proposto encontra soluções mais econômicas e operacionalmente melhores do
que as soluções obtidas através da aplicação de regras definidas para operação do sistema, com uma
redução no custo de 10,12 % em média.

ABSTRACT: The optimization of the operation of water-supply networks is essential to prevent

fails and to guarantee the attendance of operational restrictions with cost rationality. The genetic
algorithm has been used to optimize these systems, and it detaches for its robust nature, that allows
to associate its effectiveness and efficiency characteristics. The methodology exposed in this work
uses a genetic algorithm to optimize the operation of a hydraulic network, finding an excellent
scheduling for its pumps in order to reduce the electricity cost of pumping for one determined water
demand, without violating the operational restrictions of the system. The considered algorithm uses
modified reproduction operators that guide the searching for more promising regions of the space
solutions, and applies seeding technique to introduce in the initial population an individual with
high performance. The results shown that the considered genetic algorithm finds more economic
and operationally better solutions than the solutions gotten through the application of rules defined
for operation of the system, with a reduction in the cost about 10.12 % in average.

Palavras-chave: algoritmo genético, otimização, redes hidráulicas.

Universidade Federal de Campina Grande; Av. Aprígio Veloso s/n, Campina Grande-PB. CEP: 58100-900; FONE: 0xx83 3310 1365, ramal 23.
1) Mestrando (a) em Engenharia Civil e Ambiental; e-mail {erica,cledson}@lsd.ufcg.edu.br
2) Mestre em Ciência da Computação – Departamento de Sistemas e Computação; e-mail esther@dsc.ufcg.edu.br
3) Professor Adjunto – Unidade Acadêmica de Engenharia Civil; e-mail galvao@dec.ufcg.edu.br
4) Professor Adjunto – Departamento de Sistemas e Computação; e-mail fubica@dsc.ufcg.edu.br
1. INTRODUÇÃO

A complexidade que os sistemas de abastecimento de água atingem progressivamente ao

longo de sua vida útil, provocada pelo crescimento dos níveis de urbanização e conseqüente
aumento do consumo de água, torna evidente a necessidade de otimização desses sistemas, onde a
maioria dos métodos utilizados foca na minimização dos custos operacionais. A operação ótima é
dada por um conjunto de regras, ou uma programação, que indica quando cada bomba do sistema
deve ser ligada ou desligada em um horizonte de operação determinado, de modo a atender às
restrições operacionais, de quantidade e de qualidade, com o menor custo possível.
A preocupação com a redução do custo de energia elétrica nesses sistemas vem crescendo nos
últimos anos, devido às crises energéticas recentes e à necessidade de contenção das despesas de
operação. Segundo Tsutiya (2001), o consumo nas estações elevatórias pode representar até 90% do
custo total de energia elétrica em sistemas de abastecimento de água, portanto, na otimização da
operação desses sistemas é fundamental uma programação inteligente das bombas.
Entre os métodos de otimização disponíveis, o algoritmo genético se destaca pela sua natureza
robusta, que permite associar as características de eficácia e eficiência, e tem sido utilizado com
freqüência na otimização de sistemas de abastecimento de água. Entre as suas principais vantagens,
pode-se realçar: 1 – não ter requisitos de linearização e cálculo de derivadas parciais; 2 – maior
probabilidade de encontrar o ótimo global por realizar buscas simultâneas em várias regiões do
espaço de soluções; 3 – facilidade de hibridização, flexibilidade e simplicidade na implementação.
Neste trabalho, a metodologia proposta consiste de uma evolução do algoritmo genético
canônico – Simple genetic Algorithm SGA – (Goldberg, 1989), incorporando funcionalidades que
permitem reduzir o tempo de busca e encontrar melhores soluções. A função objetivo que se deseja
minimizar é o custo de energia elétrica por volume bombeado, e as restrições a serem atendidas são
limites de velocidade e pressão nos dutos, atendimento das demandas de água e limites de
armazenamento do reservatório. O algoritmo proposto utiliza operadores de reprodução
modificados, os quais consideram o intervalo em que ocorre uma violação nas restrições do sistema,
definido como ponto de falha do cromossomo, aumentando as chances de se encontrar indivíduos
viáveis. A técnica de seeding é aplicada introduzindo na população inicial um indivíduo de alta
aptidão definido a partir de um conjunto de regras para operação do sistema.
Uma rede hipotética de adução de água, caracterizada por várias fontes de captação
subterrânea e estações elevatórias que bombeiam para um único reservatório de distribuição, é
utilizada para verificar a eficácia do algoritmo genético proposto frente a técnicas operacionais
convencionais. O procedimento é realizado em três cenários de demanda de água, compreendendo a
vida útil esperada da adutora. Em cada cenário, tem-se um aumento da complexidade de operação
do sistema devido ao aumento do consumo de água, ao envelhecimento da tubulação da adutora e à
XVI Simpósio Brasileiro de Recursos Hídricos 2
redução do nível de água das fontes de captação.

2. METODOLOGIA

De um modo geral o problema de otimização de sistemas de abastecimento de água pode ser

resumido em minimizar os custos de investimento, de energia elétrica e de impostos, sujeito a
restrições hidráulicas, atendimento das demandas de água e pressões adequadas (Carrijo, 2004).
A literatura reporta diversos métodos de otimização para sistemas de abastecimento de água,
tendo como aplicações mais freqüentes o projeto e a operação de redes. Ormsbee e Lansey (1994)
apresentam uma revisão de várias metodologias aplicadas na otimização da programação de
bombas, incluindo programação dinâmica, linear e não-linear. Jowitt e Gemanopoulos (1992)
apresentam um método baseado em programação linear para determinar o escalonamento ótimo das
bombas para um período de 24 horas. Zessler e Shamir (1989) utilizaram otimização progressiva
em um método de programação dinâmica iterativa para otimizar a operação de um sistema de
abastecimento de água encontrando o ponto ótimo de trabalho dos conjuntos motor-bombas. Um
sistema especialista de apoio à decisão foi desenvolvido por León et al. (2000) para auxiliar o
sistema de abastecimento de água da cidade de Sevilha, reduzindo o custo da operação de
bombeamento utilizando regras de operação e controles algorítmicos. Barbosa (2001) minimizou o
custo de bombeamento de um sistema de adução real utilizando regras simples para operação de
bombas em sistemas de abastecimento de água.
Algoritmos genéticos são técnicas de busca estocásticas que imitam matematicamente os
mecanismos de evolução natural e têm sido utilizados com freqüência na otimização de sistemas de
abastecimento de água. Savic e Walters (1997) discutem diversas aplicações dos algoritmos
genéticos no desenvolvimento de um sistema de abastecimento de água eficiente, apresentando uma
aplicação do método na modelagem e calibração de um sistema urbano de distribuição de água.
Mackle et al. (1995) e Boulos et al. (2001) aplicaram os algoritmos genéticos na operação de
sistemas de abastecimento de água, otimizando o escalonamento das bombas das estações
elevatórias com o objetivo de minimizar os custos com energia elétrica. Com o propósito de
minimizar, além dos custos com energia elétrica, também os custos com manutenção das bombas,
Schwab et al. (1996) apresentaram uma metodologia baseada no ranqueamento utilizando o
conceito de dominância de Pareto sugerido por Goldberg (1989).
Os algoritmos genéticos multi-objetivos têm sido aplicados em otimizações quando se deseja
atender a diversos objetivos operacionais mutuamente independentes. Barán et al. (2005) aplicaram
vários métodos evolucionários multi-objetivos para otimizar o escalonamento das bombas
considerando os objetivos de custo com energia elétrica, custo de manutenção, picos de potência e
variação do nível do reservatório; e Carrijo (2004) analisou o sistema de distribuição de água da
XVI Simpósio Brasileiro de Recursos Hídricos 3
cidade de Goiânia minimizando o custo com energia elétrica e maximizando os benefícios
hidráulicos através da aplicação de três algoritmos evolucionários multi-objetivos.

2.1 Descrição do problema

Os sistemas de abastecimento de água são constituídos, de um modo geral, dos seguintes

componentes: manancial, captação, estação elevatória, adutora, estação de tratamento de água,
reservatório e rede de distribuição. Adutoras (Tsutiya, 2001; Dacach, 1979) são canalizações dos
sistemas de abastecimento e destinam-se a conduzir água entre unidades que precedem a rede de
distribuição. Podem ser classificadas quanto à natureza da água transportada (água bruta ou tratada),
e sob o ponto de vista hidráulico (escoamento por gravidade e/ou por recalque). As adutoras por
gravidade são caracterizadas por transportar água de uma cota mais elevada para uma cota mais
baixa por gravidade e podem ser sub-divididas em conduto livre e conduto forçado, conforme a
água aduzida esteja sob pressão atmosférica ou maior, respectivamente. As adutoras por recalque
utilizam estações elevatórias para conduzir água sob pressão, geralmente de um ponto mais baixo
para um outro com cota mais elevada e podem ser classificadas em único recalque ou recalque
múltiplo, conforme a necessidade de uma ou mais estações elevatórias. Adutoras mistas são
compostas por trechos de escoamento livre e por trechos com recalque.
Tsutiya (2001) apresenta diversas alternativas para redução do custo de energia elétrica em
sistemas de abastecimento de água, as quais podem ser agrupadas nas seguintes categorias: 1 –
conhecimento do sistema tarifário; 2 – redução da potência do equipamento; 3 – alteração do
sistema operacional; 4 – automação do sistema de abastecimento de água; 5 – geração de energia
elétrica. Para redução do custo de energia pela alteração do sistema operacional, o autor indica as
opções de alteração do sistema bombeamento-reservação e utilização de bombas com rotação
variável, sendo a primeira opção caracterizada por alternativas operacionais com o objetivo de
reduzir o custo com energia elétrica, como por exemplo, a diminuição ou interrupção do
bombeamento em horários de pico onde as tarifas de energia são mais caras.
Duas são as modalidades tarifárias dos consumidores de energia elétrica para efeito de
faturamento. Os consumidores cuja tensão de fornecimento é inferior a 2,3 kV são ditos de baixa
tensão (grupo B), têm tarifa monômia e são faturados apenas pela energia consumida, enquanto que
os consumidores de alta tensão (grupo A), tendo uma tarifa binômia, são faturados tanto pela
demanda máxima de energia, quanto pela energia elétrica consumida. Os consumidores do grupo A
podem ser subdividos de acordo com a tensão de fornecimento como pode ser observado na Tabela
1, e podem ser enquadrados (PROCEL, 2001) em uma das três alternativas tarifárias: 1 – tarifação
convencional; 2 – tarifação horo-sazonal verde; 3 – tarifação horo-sazonal azul.

XVI Simpósio Brasileiro de Recursos Hídricos 4

 Tabela 1 – Classificação dos consumidores de alta tensão.

Subgrupos Tensão de Fornecimento

A1 ≥ 203 kV
A2 88 kV a 138 kV
A3 69 kV
A3a 30 kV a 44 kV
A4 2,3 kV a 25 kV
AS Subterrâneo

O custo com energia elétrica dos consumidores da tarifação convencional é composto pela
soma das parcelas referentes ao consumo e à demanda máxima de energia, baseado em contrato
com a concessionária onde se pactua um único valor de demanda de energia pretendida pelo
consumidor. A tarifação horo-sazonal verde é caracterizada pela adoção de tarifas diferenciadas
para o consumo em relação ao período do ano (seco e úmido) e ao horário do dia (ponta e fora de
ponta), e pelo contrato de um único valor de demanda. A tarifação horo-sazonal azul exige um
contrato com a concessionária onde se pactua tanto o valor da demanda contratada no horário de
ponta, quanto o valor pretendido no horário fora de ponta, com tarifas diferenciadas em função do
horário do dia ou do período do ano. Em todos os tipos de tarifação citados, valores adicionais são
cobrados quando a demanda máxima de energia atingida pelo consumidor durante o período de
faturamento ultrapassa a demanda contratada.
A metodologia proposta visa a otimizar a operação de uma adutora encontrando um
escalonamento ótimo das bombas de modo a reduzir os custos de bombeamento sem reduzir o
consumo demandado e sem violar as restrições operacionais do sistema. A otimização via
algoritmos genéticos terá sua eficácia testada através da comparação dos seus resultados com a
operação baseada em regras simples de operação.
O sistema adutor utilizado como exemplo é composto por três unidades de captação de água
subterrânea e quatro bombas centrífugas submersíveis que transportam a água captada nos poços
através de uma tubulação de aço galvanizado para um único reservatório de distribuição, como pode
ser observado no esquema da Figura 1.
O sistema foi dimensionado de modo a atender as exigências de demanda de água da
população abastecida ao longo de 20 anos, e foi otimizado considerando três cenários de demanda
de água: 1 – baixa; 2 – média; 3 – alta. O cenário de baixa demanda corresponde ao ano inicial de
operação da adutora, e é caracterizado por uma baixa população abastecida, um baixo consumo de
água, altos níveis dos mananciais subterrâneos e baixa rugosidade da tubulação; nos dois cenários
subseqüentes o aumento da população abastecida associado ao envelhecimento da tubulação e ao
gradual esgotamento dos mananciais subterrâneos, torna a operação da adutora mais complexa,
exigindo um sincronismo das unidades de captação de modo a atender as exigências de demanda de

XVI Simpósio Brasileiro de Recursos Hídricos 5

água sem violar as restrições hidráulicas e operacionais da rede e com economia de água e energia.

Reservatório de
distribuição

Adutora T5 R Cidade
T4 abastecida
Poço
T1
B1
P1 T2 T3
B2

Casa de bombas
B4
B3
P Æ Poço P3
P2
B Æ Bomba
T Æ Tubo
R Æ Reservatório

Figura 1 – Esquema do sistema adutor utilizado.

O reservatório de distribuição é do tipo cilíndrico e possue as seguintes características: 1 –

cota de fundo igual a 100,00m; 2 – altura de 8,5m; 3 – níveis de controle máximo e mínimo de 8,0m
e 0,6m respectivamente; 4 – área da base de 30,00m; 5 – capacidade útil de 222,0m³. A faixa de
rugosidade absoluta recomendada (Gomes, 2004) para os tubos de aço galvanizado varia entre
0,015 e 0,460mm, proporcional ao envelhecimento da tubulação e possíveis incrustações. Foi
utilizada nesse trabalho uma rugosidade variável entre os cenários de 0,015 a 0,250 mm. As demais
características físicas do sistema são apresentadas nas tabelas 2 e 3.
O modelo de crescimento populacional utilizado para calcular a população dos cenários,
partindo de uma população inicial de 6.400 habitantes, foi o modelo geométrico, o qual se mostra
mais ajustável em cidades de crescimento rápido. De acordo com estudos do IBGE›, o incremento
médio anual da população de cada estado brasileiro, entre o período de 1991-2000, varia entre 0,8%
(Paraíba) e 5,7% (Amapá), com média nacional de 1,6%. Para o exemplo adotado, com o objetivo
de acentuar a disparidade entre os cenários, foi utilizado um incremento na população de 5,0% ao
ano, o que corresponde a uma taxa de crescimento geométrico de 1,05.
O consumo per capita é a quantidade média de água utilizada por cada habitante em um dia,
expresso em litros/habitante/dia. Pode-se adotar (CAGEPA, 2000) um consumo per capita entre 150
l/hab/dia e 200 l/hab/dia para cidades com população inferior a 50.000 habitantes. Neste trabalho
adotou-se um consumo médio variando entre 150 e 170 l/hab/dia, considerando um aumento do

›
http://tabnet.datasus.gov.br/cgi/idb2000/demog.htm

XVI Simpósio Brasileiro de Recursos Hídricos 6

consumo com o aumento da população e dos níveis de urbanização.

Tabela 2 – Características físicas das bombas.

Cota Rendimento do Curva de

Curva característica
[m] motor [%] rendimento
B1 68 90 ηB=-0,6Q²+11Q+33 Hman=-0,21Q²-0,53Q+55
B2 68 90 ηB=-0,9Q²+14Q+36 Hman=-0,30Q²-0,25Q+40
B3 60 90 ηB=-0,6Q²+13Q+25 Hman=-0,15Q²-0,30Q+50
B4 65 90 ηB=-0,6Q²+11Q+33 Hman=-0,21Q²-0,53Q+55

Tabela 3 – Características físicas das tubulações.

Pressão admissível Velocidade admissível

Diâmetro [mcf] [m/s] Cota de Cota de
Comprimento
interno montante jusante
[m]
[mm] Máxima Mínima Máxima Mínima [m] [m]

T1 200 600 50,00 0,40 1,00 0,09 68 80

T2 200 500 50,00 0,40 1,00 0,09 60 80
T3 200 400 50,00 0,40 1,00 0,09 65 90
T4 250 1400 50,00 0,40 1,00 0,09 80 90
T5 250 1000 50,00 040 1,00 0,09 90 100

A vazão média de cada cenário foi estimada de acordo com o consumo médio per capita
adotado, e sua variação ao longo do dia considerou a curva de padrão de consumo diária
apresentada na Figura 2. Observa-se um consumo mais intenso no período entre 11:00h e 15:00h,
onde se espera que o consumo de água ultrapasse o consumo médio estimado em 20%. No período
entre 18:00h e 09:00, a Figura 2 indica um consumo abaixo do médio estimado, conforme
porcentagens visualizadas. A curva de padrão de consumo foi mantida para os três cenários de
demanda, assim como as propriedades da água captada, quais são: 1 – temperatura de 25°C; 2 –
massa específica de 997,29 kg/m³; 3 – viscosidade cinemática de 0,000000917 m/s².
Em todos os experimentos foi atribuído um único sistema tarifário horo-sazonal azul, cujas
tarifas estão descritas na Tabela 4, no entanto com contratos de demanda de energia diferenciados
entre os cenários (Tabela 5). As demais condições estabelecidas para os experimentos são: 1 – dia
útil em período seco; 2 – horizonte de operação (duração da simulação) de 24 horas; 3 – intervalos
de atuação de 20 minutos; 4 – início da simulação às 00:00h; 5 – nível inicial do reservatório de
distribuição de 4,00 m; 6 – bombas B1 e B2 iniciando ligadas; 7 – horário de ponta entre 17:30h e
20:30h; 8 – tolerância na ultrapassagem da demanda contratada de 10%.

XVI Simpósio Brasileiro de Recursos Hídricos 7

 Padrão de consumo diário
hora porcentagem∗
120 00:00 - 05:00 25
Variação do consumo (%)

05:00 - 09:00 50
100
09:00 - 11:00 100
80
11:00 - 15:00 120
60 15:00 - 18:00 100
40 18:00 - 20:00. 70
20 20:00 - 24:00 50
0 ∗ Consumo do período em relação
00:00 - 05:00 - 09:00 - 11:00 - 15:00 - 18:00 - 20:00 - ao consumo médio estimado
05:00 09:00 11:00 15:00 18:00 20:00. 24:00
Período do dia

Figura 2 – Curva de padrão de consumo diário utilizada.

Tabela 4 – Tarifas elétricas utilizadas.

Demanda [R$/kW] Demanda de Consumo [R$/MWh]

ultrapassagem [R$/kW] Ponta Fora de Ponta
Ponta Fora de Ponta Ponta Fora de Ponta Seca Úmida Seca Úmida
31,05 9,86 93,16 29,58 223,40 203,92 115,39 102,47

Tabela 5 – Características dos cenários de demanda.

Cenário 1 Cenário 2 Cenário 3

Ano 1 10 20
População [hab] 6400 10425 16981
Consumo [l/hab/dia] 150 160 170
Rugosidade da tubulação [mm] 0,015 0,170 0,250
Nível de água nos poços [m] 14,95 12,26 7,60
Vazão média requerida [l/s] 11,11 19,31 34,35
Demanda contratada ponta [kW] 1,00 3,00 12,00
Demanda contratada fora de ponta [kW] 11,00 11,00 14,00
Previsão de vazão requerida ao longo do dia [l/s]
00:00 a 05:00 2,78 4,83 7,86
05:00 a 09:00 5,56 9,66 15,73
09:00 a 11:00 11,11 19,31 31,45
11:00 a 15:00 13,33 23,17 37,74
15:00 a 18:00 11,11 19,31 31,45
18:00 a 20:00 7,78 13,52 22,02
20:00 a 24:00 5,56 9,66 15,73

2.2 Simulação hidráulica

No presente trabalho o modelo hidráulico utilizado é parte componente do software

XVI Simpósio Brasileiro de Recursos Hídricos 8

SmartPumping, que foi desenvolvido pela parceria entre a Universidade Federal de Campina
Grande – UGCG e a PETROBRÁS, com financiamento FINEP/CT-PETRO, para controlar em
tempo real o escoamento de fluidos em redes (Galvão et al., 2004). O modelo de simulação é
baseado na resolução simultânea de um grupo de equações que descrevem os processos de cada
elemento do sistema, com o objetivo de atingir o equilíbrio hidráulico, ou seja, encontrar o ponto de
funcionamento de todas as bombas do sistema que garanta o escoamento contínuo dentro das
limitações físicas e operacionais impostas.
O modelo de simulação hidráulico utilizado é capaz de fornecer, para cada intervalo do
horizonte de operação, os valores de vazão e velocidade em cada tubo, a pressão em cada nó, os
níveis dos reservatórios, as propriedades do fluido em todos os pontos do sistema e o custo da
operação simulada relativo ao consumo e à demanda de energia.

2.3 Simulação da operação da adutora baseada em regras

Para tentar reproduzir o procedimento operacional normalmente adotado em sistemas de

abastecimento de água, um conjunto de regras foi definido, cujo fundamento básico é bombear o
máximo possível nos períodos fora de ponta, mantendo um nível mínimo do reservatório de
distribuição e sem desperdícios de água e energia. A regra de operação parte de uma configuração
inicial das bombas e se baseia no nível do reservatório de distribuição para determinar quando uma
bomba deve ser ligada ou desligada. A operação padrão é desligar uma bomba quando o
reservatório estiver próximo da sua capacidade máxima, prevenindo seu transbordo, e ligar uma
bomba quando o reservatório estiver próximo da sua capacidade mínima, prevenindo possíveis
falhas no abastecimento. Essa operação é mantida até que se aproxime o horário de ponta, onde um
número máximo de bombas é ligado com o objetivo de acumular água no reservatório e possibilitar
a diminuição ou interrupção do bombeamento durante o horário de ponta.
A Tabela 6 mostra as regras de operação definidas para a simulação padrão. Partindo da
configuração inicial adotada (bombas B1 e B2 ligadas), essa programação será mantida até que o
nível do reservatório ultrapasse os limites estabelecidos. O reservatório de distribuição foi dividido
em três partes iguais; foram considerados os níveis do reservatório abaixo do primeiro terço da
divisão e acima do último terço como limites para acionar o liga/desliga das bombas, sendo
considerado também nessa decisão o balanço entre as vazões de entrada e saída do reservatório. A
regra definida atribui uma operação diferenciada para o período que antecede o horário de ponta,
justificada pela tentativa de acumular água no reservatório em período de tarifa mais barata. Foi
escolhido arbitrariamente o período de duas horas antes do início do horário de ponta para ligar
sucessivamente as bombas enquanto o nível do reservatório se mantiver abaixo do terceiro terço.
No horário de ponta uma bomba só será ligada se o reservatório atingir o primeiro terço e tiver uma
XVI Simpósio Brasileiro de Recursos Hídricos 9
vazão de entrada menor do que a de saída, o que provocaria o esvaziamento do reservatório.

Tabela 6 – Regras de operação.

Tempo que falta Tempo que falta

Nível do tanque
para horário de para horário de Horário de ponta
receptor
ponta > 2 horas ponta ≤ 2 horas
1º Enchendo Mantém a programação Mantém a programação
terço Secando Liga-se uma bomba Liga-se uma bomba*
Liga-se uma bomba*
2º Enchendo
Mantém a programação
terço Secando
Desliga-se uma bomba**
3º Enchendo Desliga-se uma bomba** Desliga-se uma bomba**
terço Secando Mantém a programação Mantém a programação
* escolhe-se a bomba que está a mais tempo inativa
** escolhe-se a bomba de maior vazão

2.4 Otimização via algoritmos genéticos

Os procedimentos para a implementação de um Algoritmo Genético são (Goldberg, 1989): 1

– Escolha da sistemática de representação das variáveis de decisão; 2 – Geração aleatória de uma
população inicial com soluções alternativas para o problema; 3 – Definição da função objetivo e/ou
função de aptidão; 4 – Especificação dos operadores genéticos para os mecanismos de seleção,
recombinação e mutação; 5 – Escolha dos parâmetros do AG tais como probabilidades de
recombinação e mutação, tamanho da população, condição de finalização e tipo de substituição dos
indivíduos pais pelos filhos.
Antes de iniciar uma otimização utilizando algoritmos genéticos, é necessário codificar as
variáveis de decisão na forma de um cromossomo, geralmente representado por uma cadeia de bits.
A população inicial é comumente criada aleatoriamente a partir do espaço de busca, que é a região
de todas as possíveis soluções (cromossomos) do problema. Os indivíduos da população são
avaliados de acordo com um critério de aptidão (função objetivo). Os melhores cromossomos dessa
população serão selecionados para reprodução e uma cópia destes é alocada em uma população
intermediária (mating pool). Para geração da nova população, cromossomos filhos são gerados
através da recombinação de dois cromossomos da população intermediária (cromossomos pais)
através do operador de crossover. Alguns desses cromossomos filhos (porcentagem muito baixa)
são modificados pelo operador de mutação. Em cada geração novas populações são geradas,
produzindo progressivamente descendentes mais aptos, ou seja, com melhores valores de aptidão,
até que a solução ótima seja encontrada, ou que um número pré-determinado de gerações seja
atingido.
Na metodologia proposta, adaptações foram implementadas ao algoritmo genético canônico
com o intuito de diminuir o tempo de busca e encontrar soluções mais eficientes para o problema. A
seguir a descrição do algoritmo genético utilizado.
XVI Simpósio Brasileiro de Recursos Hídricos 10
2.4.1 Representação das soluções

Em um algoritmo genético cada solução alternativa (cromossomo) para o problema é

representada através de uma cadeia (string) de características necessárias à sua completa definição e
que constituem a variável de decisão do problema (Carrijo, 2004). Tais características podem ser
codificadas de várias formas, dentre as quais, pode-se destacar: a representação binária em código
clássico, a representação binária em código cinza, a representação por inteiros e a representação por
números reais. Segundo Mackle et al. (1995), para escalonamento de bombas, o uso de código
binário padrão é a escolha óbvia, desde que cada valor binário irá representar uma bomba que será
ligada ou desligada em determinado período de tempo.
No algoritmo proposto, cada solução da população consiste em um escalonamento temporal
das bombas do sistema, onde cada bit assume o valor 0 para uma bomba B desligada durante
determinado intervalo de atuação ∆t e 1 para bomba ligada. Assim, o cromossomo formado
representa uma matriz bi-dimensional tempo versus bomba, como representado na Figura 3. Nos
experimentos foi adotado um horizonte de operação de 24 horas com atuação a cada 20 minutos,
desse modo são 72 intervalos de atuação e 4 bombas, gerando uma matriz 4 x 72, cujo cromossomo
tem um comprimento total de 288 bits e está inserido num espaço de busca composto de 2288
soluções.

1
0
Δt1 Δt2 ... ... Δtn 1
B1 1 0 1 0
... 0 1 0 1
Bm 1 1 1 1
...
...
1
0
1

Figura 3 – Representação do cromossomo.

2.4.2 População inicial

A população inicial em um processo de otimização utilizando algoritmos genéticos pode ser

gerada de várias maneiras. A geração aleatória é a mais tradicionalmente utilizada, mas outros tipos
de gerações podem ser aplicados com o propósito de diversificar a população inicial e representar
pontos em todos os espaços de busca.
O AG desenvolvido gera uma população inicial randomicamente e utiliza a técnica de seeding
para inserir, nessa população, a solução gerada utilizando as regras de operação definidas
XVI Simpósio Brasileiro de Recursos Hídricos 11
anteriormente, com o objetivo de garantir ao menos uma solução viável no conjunto. Caso a solução
gerada pelas regras de operação apresente alguma inviabilidade, ainda assim será inserida na
população inicial, onde se espera que a alta aptidão dessa solução acelere a busca por uma solução
viável.
Elitismo, ou reprodução preferencial é o processo que consiste na transferência sem alteração
do melhor cromossomo de uma geração para outra. O principal objetivo dessa prática é evitar a
perda de uma solução ótima já encontrada, bem como garantir a preservação da carga genética
benéfica na população e tornar a convergência mais rápida. No presente trabalho, o elitismo
seleciona apenas o melhor indivíduo para fazer parte da próxima geração. O tamanho da população
utilizada foi de 50 indivíduos, sendo adotada uma amostra de 50% da população inicial para
compor a população intermediária.

2.4.3 Função objetivo e aptidão

A função objetivo a ser minimizada pelo algoritmo genético proposto é o custo de energia
elétrica pelo volume bombeado durante o período da simulação, conforme equação 1.
Custo
fo = (1)
Volume
Onde:
custo é o custo total de energia do horizonte de operação, composto pelo custo de consumo e
demanda de energia [R$];
Volume é o volume total entregue no reservatório de distribuição durante o horizonte de
operação [m³].
Devido ao elevado número de soluções inviáveis do espaço de busca do problema em estudo,
surge a necessidade de inserir na aptidão dos indivíduos também o conceito de viabilidade. Desse
modo, optou-se por ordenar os indivíduos de uma população não apenas pela sua função objetivo,
mas também pelo ponto de falha, que é o intervalo em que ocorre a violação da restrição, e pela
severidade da restrição violada, conforme graus de severidade indicados na Tabela 7.
Os indivíduos são ordenados da seguinte forma: primeiro os indivíduos viáveis são ordenados
de acordo com a sua função objetivo; para os indivíduos inviáveis é analisado inicialmente o ponto
de falha do cromossomo, ou seja, indivíduos com ponto de falha mais próximo do final do
cromossomo são considerados mais aptos. Se em uma comparação entre dois cromossomos o ponto
de falha recair na mesma posição o indivíduo que violou a restrição de menor severidade será o
mais apto, persistindo o empate será considerada a função objetivo no ordenamento.
Após ordenar os indivíduos, uma aptidão relativa à sua posição é atribuída utilizando o
método de classificação linear com uma pressão de seleção igual a 2, dada por:

XVI Simpósio Brasileiro de Recursos Hídricos 12

 Aptidão( pos) = 2( pos − 1) /(q − 1) (2)
Onde:
pos é a posição do indivíduo na população após ordenamento;
q é o tamanho da população.

Tabela 7 – Grau de severidade das restrições.

Restrição Violada Severidade

Reservatório atinge o nível mínimo Alta
Reservatório atinge o nível máximo Baixa
Tubulação atinge pressão máxima Alta
Tubulação atinge pressão mínima Baixa
Fluido atinge velocidade mínima em uma tubulação Baixa
Fluido atinge velocidade máxima em uma tubulação Alta

2.4.4 Seleção dos indivíduos

O método utilizado na seleção dos indivíduos para a população intermediária é o método da

amostragem estocástica universal – SUS, o qual representa uma evolução do método da roleta.
Nesse método a população é representada por um gráfico em forma de roleta, onde cada fatia é
proporcional à aptidão do indivíduo que ela representa. Para selecionar os Q indivíduos da nova
população, Q marcadores são posicionados na roleta de modo que todos os indivíduos da nova
população são selecionados num único giro, como representado na Figura 4.

P 1
P-1
2
...

3
4

Figura 4 – Seleção pelo método SUS.

2.4.5 Operadores de reprodução

Os operadores de reprodução são responsáveis por gerar novos indivíduos, a partir da

população intermediária, e compor uma nova geração. O operador de crossover é aplicado a um par
de cromossomos com o objetivo de gerar dois cromossomos filhos oriundos da recombinação dos
pais. Geralmente é realizada através da simples permuta dos cromossomos, para o caso da
codificação binária, ou seja, cada uma das cadeias de bits dos cromossomos pais são cortados em

XVI Simpósio Brasileiro de Recursos Hídricos 13

uma posição aleatória originando duas cabeças e duas caudas, a troca das caudas dos cromossomos
caracteriza a criação dos cromossomos filhos. O operador de mutação possibilita introduzir novas
características genéticas às soluções já existentes, explorando regiões diversificadas do espaço de
busca através da eventual substituição de genes dos indivíduos.
No algoritmo proposto foram utilizados, em conjunto com os operadores tradicionais de
crossover de um ponto e mutação, operadores de reprodução modificados propostos por Brasileiro
(2005), denominados de cruzamento direcionado e mutação direcionada. Esses operadores utilizam
informações referentes aos pontos de falhas das soluções para definir a posição de recombinação ou
de mutação e tentar gerar indivíduos mais aptos e com mais chances de viabilidade.
O cruzamento direcionado compara o ponto de falha dos dois cromossomos selecionados para
reprodução, toma a posição referente ao ponto de falha mais prematuro entre os dois cromossomos,
e, realiza a permutação dois intervalos antes desse ponto de falha selecionado, conforme indicado
na Figura 5. A decisão de retroceder duas posições é arbitrária e foi adotada por Brasileiro (2005)
para tentar corrigir a falha no cromossomo e aumentar as chances de gerar um descendente viável.
A probabilidade de cruzamento adotada foi de 90%, dos quais 30% utilizando cruzamento
tradicional e 70% cruzamento direcionado. Após o cruzamento, é aplicada a mutação tradicional em
10% das bombas de um intervalo de tempo escolhido aleatoriamente. Em redes com menos de 10
bombas é imposta a alteração do estado de uma bomba escolhida aleatoriamente.

Pai 1 Filho 1
0 1 1 1 1 0 1 1 0 1
1 1 1 1 1 1 1 1 1 1
0 1 0 0 1 0 1 1 0 1
Ponto de falha
Pai 2 Filho 2
1 1 1 0 1 1 1 1 1 1
0 0 1 1 1 0 0 1 1 1
1 0 1 0 1 1 0 0 0 1
Ponto de falha

Figura 5 – Cruzamento direcionado.

Quando o ponto de falha mais prematuro dos cromossomos selecionados para reprodução
ocorre nos dois primeiros intervalos de tempo, o cruzamento direcionado é substituído pela mutação
direcionada seguida de um cruzamento tradicional. Nesse caso, a mutação direcionada inverte o
estado de 10% das bombas do primeiro intervalo de tempo. A mutação direcionada seguida de um
cruzamento tradicional também ocorre quando os pontos de falha dos dois cromossomos
selecionados para reprodução estiverem situados no mesmo intervalo de tempo, sendo aplicada duas

XVI Simpósio Brasileiro de Recursos Hídricos 14

posições antes desse ponto de falha.

2.4.6 Convergência do algoritmo

Após a aplicação dos operadores genéticos, uma nova população é gerada e o ciclo se repete
iterativamente até que um critério de parada seja satisfeito. Os critérios comumente utilizados para
indicar a convergência do algoritmo genético são critérios temporais, número de gerações, variações
desprezíveis entre os membros de uma mesma população e melhorias insignificantes entre o melhor
cromossomo de gerações subseqüentes. No presente trabalho foi adotado como critério de parada o
número máximo de 200 gerações.

3. ANÁLISE DOS RESULTADOS

Para cada cenário de demanda de água foram realizadas duas otimizações utilizando o
algoritmo genético desenvolvido e uma simulação da operação do sistema utilizando o conjunto de
regras. Em todos os cenários a otimização via AG proporcionou consideráveis reduções na função
objetivo (redução média de 10,12%), sendo obtidos resultados ligeiramente melhores no cenário 2,
como pode ser observado na Tabela 8.

Tabela 8 – Resultados obtidos.

Cenários Operação Custo [R$/m³] Redução [%]

Regras de operação 0,01736 -
Otimização 1 0,01561 10,07
1 Algoritmo
genético Otimização 2 0,01556 10,36
Média 0,01559 10,21
Regras de operação 0,01899 -
Otimização 1 0,01693 10,87
2 Algoritmo
genético Otimização 2 0,01702 10,41
Média 0,01697 10,64
Regras de operação* 0,02563 -
Otimização 1 0,02315 9,68
3 Algoritmo
genético Otimização 2 0,02323 9,36
Média 0,02319 9,52
* ponto de falha de alta severidade no intervalo de atuação 45

A simulação baseada nas regras de operação não encontrou uma solução viável para o cenário
de alta demanda, pois a solução encontrada apresentou um ponto de falha de alta severidade (nível
do reservatório abaixo do limite mínimo) no intervalo de atuação 45 (às 14:40h). As soluções
obtidas pelo AG nas duas otimizações para esse cenário se mostraram viáveis e com uma redução
média no custo por volume bombeado de 9,52%.
Os detalhes de cada simulação são apresentados na Tabela 9, observa-se que no cenário de
XVI Simpósio Brasileiro de Recursos Hídricos 15
 baixa demanda, tanto na operação via regras quanto nos resultados do AG, todas as bombas do
sistema permaneceram desligadas no período de ponta, e a demanda máxima no período fora de
ponta permaneceu sempre abaixo da demanda máxima contratada. Desse modo o custo relativo à
demanda de energia permaneceu constante em todos os resultados.

Tabela 9 – Detalhes das simulações.

Demanda máxima
Custos de energia [R$] Produção
Cenários Operação [kW]
[m³]
Consumo Demanda Total Fora de ponta Ponta
Regras de operação 6,62 4,50 11,12 640,79 10,880 0,000
1 Algoritmo Otimização 1 7,42 4,50 11,92 763,75 10,942 0,000
genético Otimização 2 7,60 4,50 12,10 777,54 9,402 0,000
Regras de operação 13,30 7,92 21,22 1117,23 11,189 3,453
2 Algoritmo Otimização 1 14,17 6,85 21,02 1241,46 11,197 3,285
genético Otimização 2 14,37 6,79 21,16 1243,48 11,035 3,279
Regras de operação 28,38 20,62 49,00 1911,38 13,380 13,380
3 Algoritmo Otimização 1 28,04 16,47 44,51 1922,53 13,382 11,199
genético Otimização 2 28,19 16,47 44,66 1922,27 13,383 11,148

Nos resultados obtidos pelo AG para os cenários 2 e 3, a demanda máxima no período de

ponta foi reduzida, e conseqüentemente reduzido o custo relativo à demanda de energia. A redução
expressiva no custo de energia relativa à demanda deve-se ao fato da operação via regras, nesses
cenários, ter encontrado soluções com demanda máxima acima da tolerância na ultrapassagem da
demanda contratada. O AG conseguiu manter em suas soluções demandas máximas na ponta abaixo
da demanda contratada no cenário 3, e, no cenário 2, apesar das demandas máximas permanecerem
acima da demanda contratada para o período de ponta, o AG conseguiu manter essa ultrapassagem
dentro dos limites da tolerância.
Observa-se ainda na Tabela 9, que em todos os cenários de demanda de água ocorreu um
aumento no volume bombeado na comparação dos resultados via AG com os resultados utilizando
as regras de operação, sendo que nos cenários 2 e 3 o AG conseguiu reduzir o custo total de energia
mesmo com o aumento na produção. No cenário 1 ocorreu um leve aumento no custo total de
energia (8,0%), o qual foi compensado pelo aumento significante do volume bombeado (20,3%).
O gráfico da Figura 6 mostra o desempenho do algoritmo genético nos diversos cenários de
demanda, onde é possível visualizar o valor da função objetivo da melhor solução encontrada pelo
AG ao longo das 200 gerações. De um modo geral é possível observar uma tendência do algoritmo
genético em convergir progressivamente as duas otimizações de cada cenário para o valor ótimo
encontrado. Os resultados do cenário 3 mostram reduções mais bruscas no valor da função objetivo
no início das gerações, onde, na primeira otimização, o AG encontrou uma solução viável e com

XVI Simpósio Brasileiro de Recursos Hídricos 16

redução no custo de 9% em apenas 19 gerações, tendo esse valor se mantido aproximadamente
constante até o final da otimização. Na segunda otimização do cenário 3, observa-se um salto no
valor da função objetivo, justificado pelo critério adotado para ordenar as soluções: as obtidas nas
gerações 2 e 3, apesar de terem um custo maior do que a anterior, não apresentam qualquer
inviabilidade, sendo, portanto, consideradas mais aptas.

Resultado otimizações
0,027

0,026

0,025

0,024

0,023
Custo (R$/m³)

Resultado 1-1
0,022 Resultado 1-2
Resultado 2-1
0,021
Resultado 2-2
0,02 Resultado 3-1
Resultado 3-2
0,019
Resultado x-y
x: cenário
0,018
y: otimização
0,017

0,016

0,015
0 20 40 60 80 100 120 140 160 180 200
Gerações

Figura 6 – Melhores soluções de cada geração.

4. CONCLUSÕES

O algoritmo genético proposto para a operação de redes de escoamento de água mostrou-se

adequado ao problema, tendo encontrado soluções viáveis e mais econômicas que um esquema de
controle baseado em regras de operação. Modificações no algoritmo tradicional –operadores
genéticos modificados, seeding e elitismo – foram introduzidas para aumentar a sua eficiência. Os
resultados aqui relatados encorajam seu emprego, mas são necessários estudos específicos para
melhor caracterização de seus papéis no processo de otimização.

AGRADECIMENTOS: O Projeto SmartPumping é financiado pela PETROBRAS e pela

Financiadora de Estudos e Projetos (FINEP), com recursos do Fundo Setorial do Petróleo e Gás
(CT-PETRO). O Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e a

XVI Simpósio Brasileiro de Recursos Hídricos 17

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) concederam bolsas de
pesquisa e pós-graduação.

BIBLIOGRAFIA

BARÁN, B.; LUCKEN, C.; SOTELO, A. (2005). “Multi-objective pump scheduling optimisation
using evolutionary strategies”. Advances in Engineering Software, v.36, pp. 39 –47.
BARBOSA, J. (2001). Simulação da operação de bombas em sistemas de abastecimento de água.
Dissertação de mestrado – Unidade Acadêmica de Engenharia Civil/Universidade Federal de
Campina Grande, Campina Grande, 110p.
BRASILEIRO, E. (2005). Um Algoritmo Genético para Otimização do Controle em Tempo Real de
Redes de Escoamento de Petróleo. Dissertação de mestrado, Departamento de Ciência da
Computação/Universidade Federal de Campina Grande, Campina Grande, 74p.
BOULOS, P.; WU, Z.; ORR, C.; MOORE, M.; HSIUNG, P.; THOMAS, D. (2001). “Optimal pump
operation of water distribution systems using genetic algorithms”. Proc of AWWA DSS
Conference – September. Disponível em: http://www.rbfconsulting.com/papers/genetic_algo.pdf
CARRIJO, I. (2004). Extração de regras operacionais ótimas de sistemas de distribuição de água
através de algoritmos genéticos multiobjetivo e aprendizado de máquina. Tese de Doutorado –
Escola de Engenharia de São Carlos da Universidade de São Paulo, São Paulo, 215p.
CAGEPA – Companhia de Água e Esgotos da Paraíba (2000). Relatório técnico, João Pessoa.
DACACH, M.T. (1979). Sistemas urbanos de água. 2ª edição, Livros técnicos e científicos editora,
Rio de Janeiro-RJ, 490 p.
GALVÃO, C.; BRASILEIRO, F.; SANTANA, C.; MACHADO, E.; BRASILEIRO, E.; CATÃO,
B.; GOMES, A.; LUCENA, K.; ALOISE, D. (2004) . “Sistema computacional para o
monitoramento e controle em tempo real de redes de escoamento” in Anais do III SEREA –
Seminário hispano-brasileño sobre planificación, proyecto y operación de redes de abastecimiento
de água, Valencia, pp. ST4-9 – ST4-16.
GOLDBERG, D.E. (1989). Genetic algorithm in search, optimization, in machine learning.
Addison - Wesley Publishing Company, Reading, Massachusetts, 403p.
GOMES, H.B. (2004). Sistemas de Abastecimento de Água. 2ª edição, Editora universitária - UFPB,
João Pessoa - PB, 242 p.
JOWITT, P.W.; GERMANOPOULOS, G. (1992). “Optimal Pump Scheduling in Water-Supply
Networks”. Journal of Water Resources Planning and Management, v.118, n.4, pp. 406 – 422.
LACERDA, E.; CARVALHO, A. (1999). “Introdução aos algoritmos genéticos”, in Sistemas
Iinteligentes: aplicações a recursos hídricos e ciências ambientais. Org. por Galvão, C. e Valença,
S., ABRH, ed. UFRGS, Porto Alegre – RS, pp. 99 – 150.
LEÓN, C.; MARTÍN, S.; ELENA, J.; LUQUE, J. (2000). “Explore – Hibrid expert system for
water networks management”. Journal of Water Resources Planning and Management, v.126, n.2,
pp. 65 – 74.
MACKLE G.; SAVIC, D.; WALTERS, G. (1995). “Application of genetic algorithms to pump
scheduling for water supply”, Genetic Algorithm in Engineering Systems: Innovations and
Applications, Conference publications n. 414, pp. 400 – 405.
MAYS, L.W.; YEOU-KOUNG, T. (1992). Hydrosystems Enginnering and Management . MC
Graw Hill. USA, 544p.
ORMSBEE, L.E.; LANSEY, K.E. (1994). “Optimal control of water supply pumping systems”.
XVI Simpósio Brasileiro de Recursos Hídricos 18
Journal of Water Resources Planning and Management, v. 120, n. 2, pp. 237 – 252.
PROCEL – Programa nacional de conservação da energia elétrica (2001). Manual de tarifação da
energia elétrica. 1ª edição, 44 p.
REIS, L.; AKUTSU, J. (2002). “Estratégias Operacionais para Sistemas de Reservatórios via
Algoritmo Genético(AGs)”. Revista Brasileira de Recursos Hídricos, v.7, n.3 , pp. 5 – 17.
SAVIC, D.; WALTERS, G. (1997). “Evolving sustainable water networks”. Hydrological Sciences
Journal des Sciences Hydrologiques, v.42, n.4, pp. 549 – 563.
SCHWAB M.; SAVIC, D.; WALTERS, G (1996). “Multi-Objective genetic algorithm for pump
scheduling in water supply systems”. Technical Report 96/02, Centre For Systems And Control
Engineering, School of Engineering, University of Exeter, Exeter, United Kingdom.
TSUTIYA, M.T. (2001). Redução do custo de energia elétrica em sistemas de abastecimento de
água. 1ª edição, ABES – Associação Brasileira de Engenharia Sanitária e Ambiental, São Paulo-SP,
185 p.
ZESSLER, U.; SHAMIR, U. (1989). “Optimal operation of water distribution systems”. Journal of
Water Resources Planning and Management, v.115, n.6, pp. 735 – 752

XVI Simpósio Brasileiro de Recursos Hídricos 19