Calidad de agua en redes de distribución de agua potable optimizadas vs no optimizadas

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

PROYECTO DE GRADO

INGENIERÍA AMBIENTAL

CALIDAD DEL AGUA EN REDES DE DISTRIBUCIÓN DE AGUA

POTABLE OPTIMIZADAS VS NO OPTIMIZADAS

PRESENTADO POR:

ALEJANDRO HERRERA BÁEZ

ASESOR: JUAN SALDARRIAGA VALDERRAMA

Centro de Investigaciones en Acueductos y Alcantarillados - CIACUA, Departamento de

Ingeniería Civil y Ambiental, Universidad de los Andes, Bogotá, Colombia

UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA CIVIL Y AMBIENTAL

BOGOTÁ D.C.

2023

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Universidad de los Andes
Departamento de Ingeniería Civil y Ambiental
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA
Calidad del agua en redes de distribución de agua potable optimizadas vs
no optimizadas

Alejandro Herrera Báez

Proyecto de Grado

AGRADECIMIENTOS

Al Centro de investigaciones de acueducto y alcantarillado (CIACUA), especialmente a

Juan Saldarriaga por su orientación, Laura Enríquez, María Alejandra González, Santiago

Gómez y Camilo Salcedo.

Al ingeniero Carlos Rondón, por su orientación con el uso de EPANET.

A mi familia, que siempre me apoyo durante todo el proceso.

A mi novia Gabriela, por siempre darme aliento cuando más lo necesitaba.

A mis amigos del Ambicombo, por siempre creer en mí.

A todos ustedes, simplemente gracias.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

TABLA DE CONTENIDO

INTRODUCCIÓN Y OBJETIVOS ...................................................................... 9

1.1

Introducción ..................................................................................................... 9

1.2

Objetivos ......................................................................................................... 10

1.2.1

Objetivo General....................................................................................... 10

1.2.2

Objetivos Específicos ............................................................................... 10

MARCO TEÓRICO ............................................................................................. 11

2.1

Cloro en las Redes .......................................................................................... 11

2.2

Formación de Trihalometanos ...................................................................... 14

2.3

Descripción del software................................................................................ 16

2.3.1

EPANET 2.2 ............................................................................................ 16

2.3.2

EPANET – MSX ...................................................................................... 17

2.4

Modelo de decaimiento del cloro .................................................................. 17

2.4.1

Decaimiento de cuerpo ............................................................................. 18

2.4.2

Decaimiento de cuerpo de primer orden................................................... 18

2.4.3

Decaimiento de pared ............................................................................... 19

2.4.4

Decaimiento de pared de primer orden..................................................... 19

ANTECEDENTES ............................................................................................... 20

METODOLOGÍA ................................................................................................. 21

4.1

Redes de estudio .............................................................................................. 21

4.1.1

Sector 8 Sub Sector 1 ............................................................................... 22

4.1.2

Sector 8 Sub Sector 2 ............................................................................... 23

4.1.3

Sector 8 Sub Sector 3 ............................................................................... 24

4.1.4

Sector 8 Sub Sector 4 ............................................................................... 25

4.1.5

Sector 8 Sub Sector 5 ............................................................................... 26

4.2

Patrón de demanda ........................................................................................... 27

4.3

Optimización de las Redes ............................................................................... 28

4.3.1

Procedimiento ........................................................................................... 28

4.3.2

Optimización en REDES 2018 por OPUS ............................................... 29

4.4

Características geométricas de las redes optimizadas vs no optimizadas ........ 32

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.4.1

Planteamiento del escenario ..................................................................... 33

4.4.2

Procedimiento ........................................................................................... 34

4.5

Modelación de Trihalometanos........................................................................ 37

4.5.1

Ecuación de formación de trihalometanos................................................ 37

4.5.2

Procedimiento EPANET – MSX .............................................................. 38

4.6

Tiempos de respuesta de las redes ................................................................... 40

4.6.1

Análisis 1: Nodos con presencia de cloro (> 0.0 mg/L) ........................... 40

4.6.2

Análisis 2: Nodos que incumplen el RAS (< 0.3 mg/L) ........................... 41

RESULTADOS Y ANÁLISIS ............................................................................. 42

5.1

Resultados caracterización geométrica ............................................................ 42

5.2

Modelación Sector 8 Sub Sector 1 (S8-SS1) ................................................... 43

5.2.1

Análisis resultados S8-SS1 .......................................................................... 48

5.3

Modelación Sector 8 Sub Sector 2 (S8-SS2) ................................................... 50

5.3.1

Análisis resultados S8-SS2 .......................................................................... 55

5.4

Modelación Sector 8 Sub Sector 3 (S8-SS3) ................................................... 57

5.4.1

Análisis resultados S8-SS3 .......................................................................... 62

5.5

Modelación Sector 8 Sub Sector 4 (S8-SS4) ................................................... 64

5.5.1

Análisis resultados S8-SS4 .......................................................................... 67

5.6

Modelación Sector 8 Sub Sector 5 (S8-SS5) ................................................... 69

5.6.1

Análisis resultados S8-SS5 .......................................................................... 74

CONCLUSIONES Y RECOMENDACIONES ................................................. 76

REFERENCIAS ................................................................................................... 79

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

ÍNDICE DE FIGURAS

Figura 1. Trihalometanos comunes. Tomado de Pancorbo. F (2011) ............................ 14

Figura 2. Parámetros que intervienen en la formación de THM. Tomado de Obando et

al. (2018) ................................................................................................................. 15

Figura 3. Mecanismo de formación de THM. Tomado de Pancorbo. F (2011) ............ 16

Figura 4. Red Sector 8 Sub Sector 1 ............................................................................... 22

Figura 5. Red Sector 8 Sub Sector 2 ............................................................................... 23

Figura 6. Red Sector 8 Sub Sector 3 ............................................................................... 24

Figura 7. Red Sector 8 Sub Sector 4 ............................................................................... 25

Figura 8. Red Sector 8 Sub Sector 5 ............................................................................... 26

Figura 9. Patrón de demanda 1 ....................................................................................... 27

Figura 10. Patrón de demanda 2 vista EPANET. Tomado de Salcedo. C (2014) .......... 27

Figura 11. Patrón de demanda 2 ..................................................................................... 28

Figura 12. Diagrama de flujo optimización de las redes ................................................ 29

Figura 13. Importación de la red en REDES 2018 ......................................................... 30

Figura 14. Opciones de diseño OPUS ............................................................................ 30

Figura 15. Método de Redondeo REDES 2018 .............................................................. 31

Figura 16. Ventana diámetros de diseño REDES 2018 .................................................. 31

Figura 17. Diámetros de diseño seleccionados ............................................................... 31

Figura 18. Parámetros generales para cálculo de costos ................................................ 32

Figura 19. Otros parámetros de diseño OPUS ................................................................ 32

Figura 20. Diagrama de flujo modelación de cloro ........................................................ 35

Figura 21. Ajuste opciones de calidad EPANET ........................................................... 35

Figura 22. Ajuste calidad en el reservorio EPANET...................................................... 36

Figura 23. Ajuste coeficientes de cuerpo y de pared EPANET ...................................... 36

Figura 24. Ajuste de tiempo e intervalos de modelación EPANET ............................... 36

Figura 25. Diagrama de flujo modelación THM ............................................................ 39

Figura 26. Ejemplo modelación THM en EPANET-MSX............................................. 39

Figura 27. Configuración herramienta Query análisis 1 EPANET ................................ 40

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 28. Configuración herramienta Query análisis 2 ................................................ 41

Figura 29. Resultados cloro S8-SS1 nodo 1241 ............................................................. 43

Figura 30. Resultados cloro S8-SS1 nodo 1631 ............................................................. 43

Figura 31. Resultados cloro S8-SS1 nodo 1577 ............................................................. 44

Figura 32. Resultados cloro S8-SS1 nodo 2057 ............................................................. 44

Figura 33. Resultado THM S8-SS1 nodo 1241 .............................................................. 45

Figura 34. Resultado THM S8-SS1 nodo 1577 .............................................................. 45

Figura 35. Resultado THM S8-SS1 nodo 1631 .............................................................. 46

Figura 36. Resultado THM S8-SS1 nodo 2057 .............................................................. 46

Figura 37. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS1 .............................. 47

Figura 38. Resultados tiempo de respuesta 12 horas análisis 1 S8-SS1 ......................... 47

Figura 39. Resultado tiempo de respuesta análisis 2 S8-SS1 ......................................... 48

Figura 40. Resultados cloro S8-SS2 nodo 1639 ............................................................. 50

Figura 41. Resultados cloro S8-SS2 nodo 1637 ............................................................. 50

Figura 42. Resultados cloro S8-SS2 nodo 1002 ............................................................. 51

Figura 43. Resultados cloro S8-SS2 nodo 441 ............................................................... 51

Figura 44. Resultado THM S8-SS2 nodo 441 ................................................................ 52

Figura 45. Resultado THM S8-SS2 nodo 1002 .............................................................. 52

Figura 46. Resultado THM S8-SS2 nodo 1637 .............................................................. 53

Figura 47. Resultado THM S8-SS2 nodo 1639 .............................................................. 53

Figura 48. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS2 .............................. 54

Figura 49. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS2 .......................... 54

Figura 50. Resultado tiempo de respuesta análisis 2 S8-SS2 ......................................... 55

Figura 51. Resultado cloro S8-SS3 nodo 2281 .............................................................. 57

Figura 52. Resultado cloro S8-SS3 nodo 1477 .............................................................. 57

Figura 53. Resultados cloro S8-SS3 nodo 265 ............................................................... 58

Figura 54. Resultados cloro S8-SS3 nodo 402 ............................................................... 58

Figura 55. Resultado THM S8-SS3 nodo 265 ................................................................ 59

Figura 56. Resultado THM S8-SS3 nodo 402 ................................................................ 59

Figura 57. Resultado THM S8-SS3 nodo 1477 .............................................................. 60

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 58. Resultado THM S8-SS3 nodo 2281 .............................................................. 60

Figura 59. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS3 .............................. 61

Figura 60. Resultado tiempo de respuesta 12 horas análisis 1 S8_SS3 .......................... 61

Figura 61. Resultado tiempo de respuesta análisis 2 S8-SS3 ......................................... 62

Figura 62. Resultado cloro S8-SS4 nodo 379 ................................................................ 64

Figura 63. Resultado cloro S8-SS4 nodo 471 ................................................................ 64

Figura 64. Resultado THM S8-SS4 nodo 379 ................................................................ 65

Figura 65. Resultado THM S8-SS4 nodo 471 ................................................................ 65

Figura 66. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS4 .............................. 66

Figura 67. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS4 .......................... 66

Figura 68. Resultados tiempo de respuesta análisis 2 S8-SS4 ....................................... 67

Figura 69. Resultado cloro S8-SS5 nodo 16 .................................................................. 69

Figura 70. Resultado cloro S8-SS5 nodo 2975 .............................................................. 69

Figura 71. Resultados cloro S8-SS5 nodo 2954 ............................................................. 70

Figura 72. Resultado cloro S8-SS5 nodo 221 ................................................................ 70

Figura 73. Resultado THM S8-SS5 nodo 16 .................................................................. 71

Figura 74. Resultado THM S8-SS5 nodo 221 ................................................................ 71

Figura 75. Resultado THM S8-SS5 nodo 2954 .............................................................. 72

Figura 76. Resultado THM S8-SS5 nodo 2975 .............................................................. 72

Figura 77. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS5 .............................. 73

Figura 78. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS5 .......................... 73

Figura 79. Resultado tiempo de respuesta análisis 2 S8-SS5 ......................................... 74

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

ÍNDICE DE TABLAS

Tabla 1. Descripción Red Sector 8 Sub Sector 1 ............................................................ 22

Tabla 2. Descripción Red Sector 8 Sub Sector 2 ............................................................ 23

Tabla 3. Descripción Red Sector 8 Sub Sector 3 ............................................................ 24

Tabla 4. Descripción Red Sector 8 Sub Sector 4 ............................................................ 25

Tabla 5. Descripción Red Sector 8 Sub Sector 5 ............................................................ 26

Tabla 6. Coeficientes de cuerpo y de pared modelación EPANET ................................ 34

Tabla 7. Coeficientes modelación THM EPANET-MSX .............................................. 38

Tabla 8. Resultados geométricos optimización de las redes .......................................... 42

Tabla 9. Porcentajes de reducción del proceso de optimización en las redes ................ 42

ÍNDICE DE ECUACIONES

Ecuación 1 Reacción del cloro con el agua .................................................................... 11

Ecuación 2 Reacción del hipoclorito de sodio con el agua ............................................ 11

Ecuación 3 Reacción del hipoclorito de calcio con el agua ........................................... 12

Ecuación 4 Disociación del ácido hipocloroso ............................................................... 12

Ecuación 5 Modelo de decaimiento del cloro de primer orden ...................................... 18

Ecuación 6 Decaimiento de cuerpo de primer orden ...................................................... 18

Ecuación 7 Decaimiento de pared de primer orden ........................................................ 19

Ecuación 8 Volumen de agua en una tubería ................................................................. 33

Ecuación 9 Perímetro de una tubería .............................................................................. 33

Ecuación 10 Superficie interna de pared (SIP) de una tubería ....................................... 33

Ecuación 11 Decaimiento de cloro modelo EPANET-MSX.......................................... 37

Ecuación 12 Formación de THM EPANET-MSX ......................................................... 37

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

1. INTRODUCCIÓN Y OBJETIVOS

1.1 Introducción

El agua es el recurso más importante para la subsistencia de la vida humana. Desde el
principio de los tiempos, asegurar el acceso a este recurso ha sido un requerimiento para
el  desarrollo  de las  civilizaciones. Siempre ha sido un reto garantizar que  las  redes  de
distribución  de  agua  potable  (RDAP)  logren  cumplir  los  requerimientos  mínimos
hidráulicos de presión y velocidades. Es por esto que en todo el mundo, ha sido materia
de  estudio  e  interés  para  el  campo  de  la  ingeniería.  Ante  un  inminente  aumento  en  la
demanda  mundial  del  agua  por  el  acelerado  crecimiento  poblacional,  es  necesario
comenzar a construir redes mucho más resilientes al cambio y asequibles. La construcción
de RDAP es bastante compleja debido a que es un problema no lineal mixto y entero; esta
característica  de  no  linealidad  se  debe  a  las  ecuaciones  que  rigen  el  comportamiento
hidráulico del sistema donde los diámetros son variables discretas que solo pueden tomar
ciertos  valores  pertenecientes  a  una  selección  de  diámetros  comerciales  (Robles.  A,
2018). Durante los últimos 100 años, se ha venido innovando con diferentes metodologías
y herramientas digitales que permitan buscar un diseño más optimo. Estas metodologías
se  identifican  por  tener  diámetros  menores  a  los  originales  pero  que  cumplen  con  las
restricciones mínimas hidráulicas como velocidades, presiones, volúmenes, entre otros.
Entre  las  metodologías  más  famosas  del  mundo  se  encuentra  las  mono-objetivo  como
OPUS o los algoritmos genéticos, y las multiobjetivo se encuentran NGSA/II, Galaxy y
AMALGAM.

El Cloro es el desinfectante más común del mundo. Durante muchos años se ha utilizado
para  complementar  el  proceso  de  desinfección  en  las  plantas  de  tratamiento  de  agua
potable  (PTAP)  y  así  conservar  la  calidad  a  medida  que  se  distribuye  en  la  red.  La
aplicación  de  este desinfectante ha  contribuido significativamente  a  mejorar  la calidad
del agua en las redes. Sin embargo, ha sido uno de los retos más grandes ya que el cloro
tiende a decaer naturalmente por reacciones de consumo y también, con la pared de la
tubería.  El  cloro  también  es  capaz  de  generar  subproductos  de  desinfección  los  cuales
pueden presentar un riesgo en la salud. Uno de los más comunes son los trihalometanos
que se forman gracias a reacciones entre el cloro y la materia orgánica en la red. Estos
son de especial cuidado ya que están clasificados como cancerígenos y pueden generar
un problema de salud pública. Por esta razón hay que tener un control exhaustivo en las
redes  para  asegurar  la  mínima  concentración  posible  de  estos.  Entre  los  factores  más
relevantes para la producción de trihalometanos son las zonas de estancamiento en la red,
velocidades bajas de flujo e intrusiones de materia orgánica.

Con todo esto mencionado anteriormente, se hace más pertinente encontrar soluciones
que no solo distribuyan el agua a través de la red cumpliendo todos los requisitos
hidráulicos, sino que también conserven la calidad del agua con la que salen de las PTAP.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Por ende, se plantea la siguiente pregunta de investigación ¿Pueden las redes optimizadas
mejorar  la  calidad  del  agua  en  las  redes  de  distribución  de  agua  potable?  Un  factor
determinante de las redes optimizadas es que logran disminuir el tiempo de retención y
por ende distribuir más eficientemente el desinfectante (Saldarriaga. J, 2023). Con este
supuesto,  se  plantea  la  siguiente  hipótesis:  Las  redes  optimizadas  al  tener  un  menor
diámetro por tubería, aumentan las velocidades de flujo en la red y, por ende, se reduce
el tiempo de retención del agua; como consecuencia principal, el agua se distribuye más
rápidamente manteniendo una concentración  de  cloro mayor en la red y  reduciendo el
potencial de formación de trihalometanos.

El alcance de esta tesis se basa en modelar el comportamiento de cloro y trihalometanos
en las 5 redes del sector 8 de Bogotá con el fin de comprobar la hipótesis anteriormente
planteada. Para esto se utilizará el software especializado proporcionado por la agencia
de protección ambiental de los Estados Unidos (EPA) junto a una extensión del mismo,
planteado  un  escenario  de  modelación  de  3  días  bajo  unas  constantes  de  reacción
específicas. La optimización de las redes se realizará por el software REDES 2018 por la
metodología  OPUS.  Los  principales  resultados  de  esta  tesis  consisten  en  3  partes:
Modelación de cloro en cada subsector por 72 horas, Modelación de Trihalometanos en
cada subsector por 72 horas y, Tiempos de respuesta en cada subsector durante 1 hora y
12  horas.  Con  estos  resultados  se  espera  concluir  sobre  el  comportamiento  de  los  dos
determinantes  de  calidad  mencionados  anteriormente  y  también,  sobre  los  tiempos  de
respuestas en las redes optimizadas y no optimizadas.

1.2 Objetivos

1.2.1 Objetivo General

Modelar dos determinantes de calidad del agua (Cloro y Trihalometanos) con el software
de EPANET y su extensión EPANET-MSX en dos tipos de redes (Optimizadas y no
Optimizadas) para determinar cual tiene un mejor comportamiento en términos de calidad
y tiempo de respuesta.

1.2.2 Objetivos Específicos

✓ Definir patrones de demanda apropiados para la modelación en las redes.
✓ Establecer un escenario de modelación adecuado para hacer los análisis de cloro

y Trihalometanos.

✓ Optimizar las redes mediante la herramienta REDES 2018 por la metodología

OPUS.

✓  Seleccionar los coeficientes de cuerpo y de pared apropiados para la modelación.
✓  Definir el modelo de formación de Trihalometanos.
✓  Modelar el comportamiento del cloro en la red a través de EPANET 2.2.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

✓ Modelar el comportamiento de Trihalometanos en la red a través de EPANET-

MSX 1.0.

✓ Definir los tiempos de respuesta de las redes mediante el conteo de nodos que

cumplan ciertos criterios.

2. MARCO TEÓRICO

2.1 Cloro en las Redes

El cloro es conocido como el desinfectante más común en el mundo por su efectividad,
bajo costo y fácil aplicación (Intermepresas, 2004). Su utilización ha sido un éxito durante
los  últimos  50  años  ya  que  ha  logrado  reducir  sustancialmente  la  propagación  de
enfermedades  por  consumir  agua  no  potable  como  la  colera,  las  fiebres  tifoideas,  la
disentería, gastroenteritis, entre otras. De acuerdo con la Organización Panamericana de
la  Salud,  la  desinfección  del  cloro  es  la  mejor  garantía  del  agua  microbiológicamente
potable  (OPS).  La  forma  aplicación  de  cloro  más  común  para  potabilizar  es  con
hipoclorito de sodio granulado o en forma líquida. La EPA sugiere que las desinfecciones
de agua deben tener una relación de 1 parte de cloro por 100 de agua, el equivalente de
agregar  16  onzas  de  solución  de  cloro  a  12.5  galones  de  agua  (EPA).  También,  la
desinfección puede utilizar productos a base de lejía de cloro aptos para la desinfección,
con una proporción de 8 gotas de lejía para un galón de agua.

La reacción química del hipoclorito de sodio en contacto con el agua se puede resumir de
la siguiente manera (ITC): Cuando el cloro se disuelve en el agua, se hidroliza
rápidamente para formar acido hipocloroso y ácido clorhídrico.

𝐶𝑙

+ 𝐻

𝑂 ⇌ 𝐻𝐶𝑙𝑂 + 𝐻𝐶𝐿

Ecuación 1

Donde:

𝐶𝑙

: Cloro

𝐻

𝑂: Agua

𝐻𝐶𝑙𝑂: Ácido hipocloroso

𝐻𝐶𝑙: Ácido Clorhídrico

Para el caso del hipoclorito de sodio, se producen la disociación de las siguientes sales

𝑁𝑎(𝐶𝑙𝑂) + 𝐻

𝑂 → 𝑁𝑎𝑂𝐻 + 𝐻𝐶𝑙𝑂

Ecuación 2

Donde:

𝑁𝑎(𝐶𝑙𝑂): Hipoclorito de Sodio

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

𝐻

𝑂: Agua

𝑁𝑎𝑂𝐻: Hidróxido de Sodio

𝐻𝐶𝑙𝑂: Ácido hipocloroso

𝐶𝑎(𝐶𝑙𝑂)

+ 2𝐻

𝑂 → 𝐶𝑎(𝑂𝐻)

+ 2𝐻𝐶𝑙𝑂

Ecuación 3

Donde:

𝐶𝑎(𝐶𝑙𝑂)

: Hipoclorito de Calcio

𝐻

𝑂: Agua

𝐶𝑎(𝑂𝐻)

: Hidróxido de Calcio

𝐻𝐶𝑙𝑂: Ácido hipocloroso

En cualquiera de los casos: cloro, hipoclorito sódico e hipoclorito cálcico, se acaba
formando ácido hipocloroso, que es realmente la especie desinfectante. No obstante, éste
se disocia de la siguiente manera:

𝐻𝐶𝑙𝑂 ⇌ 𝐻

+ 𝐶𝑙𝑂

−

Ecuación 4

Donde:

𝐻𝐶𝑙𝑂: Ácido Hipocloroso

𝐻

: Ion Hidrógeno

𝐶𝑙𝑂

−

: Ion Hipoclorito

El ácido hipocloroso es un desinfectante mucho más potente que el Ion hipoclorito, esto
se  puede  atribuir  al  hecho  de  que  es  una  molécula  de  carga  neutra  lo  que  le  permite
penetrar mucho fácil la membrana celular de los patógenos encontrados en el agua (ITC).
Profundizando un poco más sobre la desinfección, el cloro tiene la capacidad de romper
las uniones químicas moleculares en la bacteria o en el virus. El principio consiste en que
los desinfectantes compuestos de cloro pueden intercambiar átomos con otros compuestos
como las enzimas en las bacterias y otras células. Cuando las enzimas entran en contacto
con el desinfectante, uno o más de los átomos de hidrógeno son sustituido por el cloro, lo
cual  provoca  que  la  molécula  se  transforme  o  se  rompa  (Lenntech).  Si  la  enzima  no
funciona correctamente, causa la muerte de la célula conocido como lisis celular.

La pared celular de los microorganismos patógenos está cargada negativamente. De esta
manera puede ser penetrado por la molécula de ácido hipocloroso que tiene carga neutra.
Como se mencionó anteriormente, el ion hipoclorito está cargado negativamente por lo

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

cual repelen las dos cargas por fuerzas moleculares y el proceso de desinfección se hace
menos efectivo. El ácido hipocloroso puede penetrar capas limosas, paredes celulares y
capas  protectoras  de  microorganismos  matando  de  manera  efectiva  los  patógenos
(Lennecth). Como resultado, se obtiene una inhibición de la actividad microbiana en el
agua  garantizando  su  potabilización.  En  general,  las  propiedades  de  desinfección  del
cloro  en  agua  se  basan  en  el  poder  de  oxidación  de  los  átomos  de  oxígeno  libre  y
reacciones de sustitución del cloro.

Para determinar la efectividad del cloro se debe estudiar el pH del agua. La desinfección
con cloro tiene un óptimo entre 5.5 a 7.5 (Lenntech). El ácido hipocloroso reacciona más
rápidamente con iones hipoclorito; garantizando un 80-100% más de efectividad. El nivel
de ácido hipocloroso disminuirá cuando el valor del pH sea más alto. Cuando se tiene un
PH de 6, el nivel de ácido hipocloroso es de un 80% y el resto son iones hipoclorito. Sin
embargo, cuando el valor del pH es de 8, ocurre lo contrario. Por ende, cuando el valor
del pH es de 7.5 las concentraciones se igualan (Lenntech).

El RAS es el reglamento de agua potable y saneamiento en Colombia, dicho reglamento
define los parámetros de calidad aceptables que determinan si una muestra de agua es
potable o no. Para el caso del cloro, el valor aceptable del cloro residual libre en cualquier
punto de la red de distribución del agua para consumo humano deberá estar comprendido
entre 0,3 y 2,0 mg/L. La dosis de cloro por aplicar para la desinfección del agua y asegurar
el residual libre debe resultar de pruebas frecuentes de demanda de cloro (RAS, 2007)

De  acuerdo  con  Agencia  para  las  sustancias  toxicas  y  el  registro  de  enfermedades,  la
exposición de cloro puede generar los siguientes efectos en la salud. La exposición a bajos
niveles de cloro puede producir irritación de la nariz, la garganta y los ojos. La exposición
a niveles más altos puede producir tos y alteraciones del ritmo respiratorio y daño de los
pulmones. En general, las personas que sufren de problemas respiratorios como alergias,
fiebre del heno, o fumadores, tienden a sufrir efectos más graves que personas de buena
salud (ASTDR). Estas exposiciones son comúnmente encontradas en muestras de agua
distribuida  por  una  red.  Sin  embargo,  el  consumo  de  cloro  directo  sin  ningún  tipo  de
dilución  puede  traer  consecuencias  más  perjudiciales.  Beber  cantidades  pequeñas  de
soluciones  de  hipoclorito  (menos  de  una  taza)  puede  producir  irritación  del  esófago.
Beber  soluciones  concentradas  de  hipoclorito  puede  producir  daño  grave  de  la  parte
superior del  tubo  digestivo y  en algunos  casos  la muerte. (ASTDR). Estos efectos  son
causados por las propiedades corrosivas de la solución de hipoclorito y no necesariamente
por exposición a cloro molecular.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

2.2 Formación de Trihalometanos

Uno  de  los  grandes  problemas  de  potabilizar  agua  con  cloro  son  los  subproductos  de
desinfección.  Estos  se  definen  como  sustancias  orgánicas  e  inorgánicas  que  se  forman
durante la reacción de un agente desinfectante con materia orgánica presente de manera
natural en el agua (Lenntech). Uno de los subproductos de desinfección más común son
los  Trihalometanos  (THM).  Estos  se  definen  como  un  grupo  de  compuestos  químicos
volátiles que se producen en el proceso de potabilización del agua al añadir cloro. Son
una  clase  de  compuestos  orgánicos  basados  en  una  molécula  de  metano  en  la  que  los
átomos de hidrógeno presentes habitualmente han sido reemplazados por tres átomos de
elementos halogenados como el cloro o el bromo (GreenFacts). Los trihalometanos más
comunes en las redes de distribución de agua potable son los siguientes:

- Cloroformo - 𝐶𝐻𝐶𝑙

- Bromodiclorometano (BDCM) - 𝐶𝐻𝐵𝑟𝐶𝑙

- Dibromoclorometano (DBCM) - 𝐶𝐻𝐶𝑙𝐵𝑟

- Bromoformo - 𝐶𝐻𝐵𝑟

A continuación, la Figura 1 muestra una lista de los trihalometanos con su respectiva
formula química, nombres comunes, otros nombres y una ilustración de la molécula.

Figura 1. Trihalometanos comunes. Tomado de Pancorbo. F (2011)

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Las plantas de tratamiento de agua potable deben lidiar con este problema ya que estas
son las que encargan del proceso de desinfección antes de bombear el agua a través de la
red. De acuerdo con el consultor Ernesto Cidad, la formación de trihalometanos se hace
mayor con el aumento de los siguientes parámetros (Cidad. E):

-  Concentración de precursores y de cloro libre residual
-  pH
-  Temperatura
-  Tiempo de contacto

En la Figura 2, se complementan los parámetros mencionados anteriormente junto a una
descripción que permite entender como influyen en la formación de THM (Obando et al.
2018).

Figura 2. Parámetros que intervienen en la formación de THM. Tomado de Obando et al. (2018)

La formación de trihalometanos está definida por la presencia de materia orgánica en el
agua, más específicamente ácidos húmicos y fúlvicos, productos metabólicos de algas y
células  muertas. La reacción  consiste en la sustitución  de tres  de los  cuatro átomos  de
hidrogeno  en  las  moléculas  de  metano  por  átomos  de  halógenos,  formando  nuevos
compuestos como el cloroformo o el tricloroetano que es un líquido incoloro, volátil y de
olor característicos. En la Figura 3 se puede observar el proceso de la reacción descrita
anteriormente.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 3. Mecanismo de formación de THM. Tomado de Pancorbo. F (2011)

Tanto el RAS como la OMS establecen que las concentraciones de THM máximas
permisibles en una muestra de agua potable son de 100 µg/L (RAS, 2007).
Adicionalmente, la OMS también tiene límites permisibles para cada uno de los 4 THM
comunes los cuales son (Cidad. E):

-  Cloroformo - 200 µg/L
-  Bromodiclorometano (BDCM) - 60 µg/L
-  Dibromoclorometano (DBCM) - 100 µg/L
-  Bromoformo - 100 µg/L

La OMS declaro que los Trihalometanos son potenciales causantes de diferentes tipos de
cáncer, principalmente cáncer de colon y de vejiga (Cidad. E). De los 4 trihalometanos
mencionados anteriormente, el IARC (Agencia internacional de investigación contra el
cáncer) los clasifica en los siguientes grupos:

-  Cloroformo – Posible cancerígeno para humanos
-  Bromodiclorometano (BDCM) - Posible cancerígeno para humanos
-  Dibromoclorometano (DBCM) – No clasificable como cancerígeno para

humanos

- Bromoformo - No clasificable como cancerígeno para humanos

2.3 Descripción del software

2.3.1 EPANET 2.2

EPANET 2.2 es un software de aguas gratuito desarrollado por la EPA (Environmental
Protection Agency) reconocido por las ingenierías y constructoras más prestigiosas. El
programa EPANET 2.2 permite realizar simulaciones en periodos prolongados (uno o

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

varios días) del comportamiento hidráulico y de la evolución de la calidad del agua en
redes de suministro a presión (EPA). Una red puede estar constituida por tuberías, nudos
(uniones de tuberías), bombas, válvulas y depósitos de almacenamiento o embalses
(TECPA, 2022). EPANET 2.2 efectúa un seguimiento de la evolución de los caudales en
las tuberías, las presiones en los nudos, los niveles en los depósitos, y la concentración de
productos químicos suspendidos en el agua a lo largo del periodo de simulación (EPA).
El software EPANET 2.2 proporciona un entorno integrado bajo Windows, para la edición
de los datos de entrada a la red, la realización de simulaciones hidráulicas, análisis de
calidad del agua y la visualización de resultados en una amplia variedad de formatos
(TECPA, 2022). Entre éstos se incluyen mapas de la red codificados por colores, tablas
numéricas, gráficas de evolución y mapas de isolíneas.

2.3.2 EPANET – MSX

EPANET – MSX (Multi-specie Extension) es como su nombre lo indica, una extensión
disponible para el programa de EPANET 2.2. Esta extensión permite modelar reacciones
químicas  y  biológicas  complejas  tanto  en  el  volumen  de  agua  como  en  la  pared  de  la
tubería (EPA). Esta extensión le permite al usuario una flexibilidad al modelar una gran
variedad  de  reacciones  químicas  de  interés,  incluyendo,  auto  descomposiciones  de
cloraminas a amonio, formación de subproductos de desinfección, crecimiento biológico,
reacciones  combinadas  con  constantes  multi  sistémicas  y  reacciones  de  absorción  por
transferencia  de  masa  limitada  por  la  oxidación  en  la  pared  de  la  tubería  (EPA).  El
programa  también  es  capaz  de  ajustar  las  concentraciones  iniciales  en  la  fuente  y
seleccionar  los  nodos  de  interés  para  visualizar  los  resultados  de  la  modelación.  A
diferencia de EPANET 2.2 esta extensión se corre por el Command Prompt del PC.

2.4 Modelo de decaimiento del cloro

El  decaimiento del  cloro se puede dividir en dos partes,  el  decaimiento de cuerpo y el
decaimiento de pared. Primero, el decaimiento de cuerpo se basa en las reacciones que
tiene el cloro con los diferentes compuestos que se encuentran en la RDAP tales como la
materia  orgánica,  generando  productos  que  se  mantienen  en  el  agua  (Cruz,  2022).
Segundo, el decaimiento de pared consiste en la descomposición del cloro provocado por
la  reacción  con  la  pared  de  la  tubería,  la  cual  puede  tener  partículas  del  material,
biopelículas, entre otros (Cruz, 2022). Por lo cual, el decaimiento total de cloro se define
por  la  Ecuación  1,  la  cual  se  resumen  en  la  sumatoria  del  decaimiento  de  cuerpo  y  el
decaimiento de pared.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

(

𝑑𝐶

𝐶𝑙

𝑑𝑡

)

𝑡𝑜𝑡𝑎𝑙

= (

𝑑𝐶

𝐶𝑙

𝑑𝑡

)

𝐶𝑢𝑒𝑟𝑝𝑜

+ (

𝑑𝐶

𝐶𝑙

𝑑𝑡

)

𝑃𝑎𝑟𝑒𝑑

Ecuación 5

Donde:

𝐶

𝑐𝑙

: Concentración de Cloro [

𝑀

𝐿

]

2.4.1 Decaimiento de cuerpo

Como  se menciona en la tesis  de Cruz, un buen modelo de decaimiento de cloro debe
garantizar que, para un único grupo de parámetros constantes, este pueda modelar con
precisión el fenómeno sin importar que se varié la dosis  de desinfectante, condiciones
hidráulicas o parámetros químicos (Cruz, 2022). Por esta razón existen 5 requisitos que
se  deben  cumplir  en  un  modelo  de  decaimiento  de  cuerpo  sea  apropiado  y  valido  los
cuales son:

1.  Predicción precisa del cloro residual
2.  Un número reducido de parámetros
3.  La concentración inicial del cloro medida se puede definir como la concentración

inicial del modelo, en vez de una concentración más baja después del periodo
rápido de decaimiento.

4. Los valores de los parámetros no deben variar en el tiempo máximo que tarde el

agua en a travesar el sistema de distribución.

5. Los valores de los parámetros no deben variar para la concentración inicial de

cloro en el rango operacional.

Hay  que  resaltar  que  los  modelos  de  decaimiento  de  cuerpo  suponen  que  las
características del agua cruda antes del proceso de desinfección no varían con el tiempo
(Cruz,  2022).  Hay  una  amplia  variedad  de  modelos  que  permiten  predecir  el
comportamiento  del  cloro,  sin  embargo,  para  el  desarrollo  de  esta  tesis  se  utilizara  el
modelo de decaimiento de primer orden.

2.4.2 Decaimiento de cuerpo de primer orden

El  supuesto  principal  de  este  modelo  es  que  la  tasa  de  decaimiento  de  cuerpo  es
proporcional  a  la  concentración  de  cloro  residual  en  el  agua  (Fisher.  I,  Kastl.  G,
Sathasivan. A, 2011) tal y como se puede ver en la Ecuación 6.

(

𝑑𝐶

𝐶𝑙

𝑑𝑡

)

𝐶𝑢𝑒𝑟𝑝𝑜

= −𝑘

𝑏

∗ 𝐶

𝑐𝑙

Ecuación 6

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Donde:

𝐶

𝑐𝑙

: Concentración de cloro residual de cuerpo [

𝑀

𝐿

]

𝑘

𝑏

: Coeficiente de decaimiento de primer orden [

𝑇

]

2.4.3 Decaimiento de pared

El decaimiento de pared se compone de dos partes, la primera es la proporción de área
disponible para la reacción y el segundo es la tasa de transferencia de masa entre el fluido
y la pared (EPA). El primer factor se define a partir del área superficial por unidad de

volumen que se define como

𝐴 =

𝑅

𝐴 =

𝐷

, en donde R es el diámetro de la tubería y D

es el diámetro de la tubería (Mora. N, 2022). El segundo factor es la tasa de transferencia
de masa y esta se calcula en función del número de Reynolds y la difusión molecular de
la especie (EPA). Existen múltiples modelos para simular el decaimiento de pared como
por ejemplo el modelo EXPBIO, sin embargo, para esta tesis se utilizará el modelo de
decaimiento de primer orden.

2.4.4 Decaimiento de pared de primer orden

Este modelo se diseñó para un sistema de distribución de agua potable con compuestos
orgánicos producidos por biopelículas y que el cloro fuera el reactivo limite (Cruz. L,
2022).

(

𝑑𝐶

𝐶𝑙

𝑑𝑡

)

𝑃𝑎𝑟𝑒𝑑

= −

𝐷

∗ 𝑘

𝑤,1

∗ 𝐶

𝑤

Ecuación 7

Donde:

𝐷: Diámetro de la tubería [𝐿]

𝑘

𝑤,1

: Coeficiente de decaimiento de pared de primer orden [

𝐿

𝑇

]

𝐶

𝑤

: Concentración de cloro en la pared [

𝑀

𝐿

]

Los  coeficientes  de  decaimiento  de  pared  se  determinan  a  partir  de  información
recolectada  en  campo  a  lo  largo  de  la  RDAP,  definiendo  valores  que  se  ajusten  a  la
información recolectada por medio de un proceso de calibración (Vasconcelos. J et  al.
1997). Cabe resaltar que el valor de este coeficiente depende de múltiples factores como
el material de la tubería, los diámetros, edad y estado de la tubería y de la temperatura.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

La temperatura es fundamental ya que esta puede acelerar las reacciones y por ende
generar más material particulado en la red (Cruz. L, 2022).

3. ANTECEDENTES

“Comparison of two water quality modeling approaches in the trunk network of
Bogota’s water distribution system: white-box models versus black-box models
using artificial intelligence” Laura Enriquez

El  alcance  de  este  trabajo  realizado  por  Laura  Enríquez  consiste  en  verificar  si  los
modelos de caja negra son efectivos para predecir la concentración de cloro y presencia
de  trihalometanos.  La  característica  principal  de  estos  modelos  es  que  con  capaces  de
tomar un gran conjunto de datos para integrar condiciones operáticas y así identificar una
relación entre la entrada y la salida de alguna variable en el sistema. Para este trabajo se
utilizó la red troncal de Bogotá cuya red se caracteriza por ser considerablemente grande.
La investigadora resalta la importancia de predecir la presencia de estos subproductos de
desinfección ya que pueden ser perjudiciales para la salud y potencialmente cancerígenos,
generando un problema de salud pública.

“Impact of Booster Chlorination on Chlorine Decay and THM Production:
Simulated Analysis” Carrico. B, Singer. P (2009)

Este  paper  desarrollado  por  los  investigadores  Brian  Carrico  y  Phillip  Singer  es  el
resumen de una investigación sobre los posibles efectos de dosificar con cloro una red y
re-dosificar en puntos donde sea necesario. La investigación consistió en modelar en una
red  por  medio  de  EPANET  y  su  extensión  EPANET-MSX,  y  comparar  los  resultados
obtenidos  para  escenarios  de  dosificación  única  y  re-dosificación.  Los  resultados
principales  fueron  los  siguientes.  Primero  que  todo  el  modelo  sugiere  que  la  re-
dosificación permite cumplir con los objetivos de desinfección al intervenir en los puntos
más  alejados  de  la  red  utilizando  una  menor  cantidad  de  cloro  aplicado  al  sistema.
Segundo, la re-dosificación puede traer más ventajas a puntos en la red ubicados cerca de
tanques de almacenamiento mostrando un comportamiento de cloro residual mucho más
consistente y una mayor reducción de trihalometanos. Tercero, el decaimiento del cloro
por causa de la pared de la tubería puede ser muy significativo en los puntos más alejados
de  la  red.  Finalmente,  concluyen  que  los  Trihalometanos  se  forman  únicamente  por
reacciones  en  el  cuerpo  o  en  este  caso  en  el  agua.  Esto  se  tiene  en  cuenta  al  utilizar
EPANET – MSX para calcular los resultados.

“Trihalomethane prediction modelling in water distribution systems: calculation of
the mean residence time” Andrés Araya-Obando, Mark Jones-Sánchez, Luis G.
Romero-Esquivel

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Este  paper  escrito  por  3  investigadores  de  Costa  Rica  profundiza  en  los  principales
aspectos que se deben considerar para la construcción de un modelo de predicción, así
como en el análisis de dos métodos de cálculo para la determinación del TMR en redes
de distribución empleando trazadores. En este se afirma que la determinación del tiempo
medio  de  residencia  (TMR)  en  las  redes  de  distribución  requiere  de  herramientas
computacionales  que  demandan  tiempo  e  inversión  por  lo  que  es  necesario  considerar
otros métodos para su estimación. Para llevar a cabo esta investigación realizaron pruebas
en una red de distribución a escala piloto conformada por tuberías de PVC de 12 mm de
diámetro.  Se  utilizó  cloruro  de  sodio  como  trazador  mediante  adición  continua.
Concluyeron  que  los  TMR  en  dos  puntos  de  muestreo  y  se  obtuvo  una  diferencia  de
2,40% y 3,31% respectivamente, demostrando que son dos métodos precisos y de fácil
comprensión. Finalmente, concluyen que los modelos construidos a partir de regresiones
múltiples  pueden  ser  potencialmente  utilizados  en  Costa  Rica,  dado  que  se  pueden
construir  de  manera  sencilla  a  partir  de  condiciones  locales  y  que,  además,  son
suficientemente buenos para predecir la presencia de trihalometanos.

4. METODOLOGÍA

La metodología que se llevara a cabo para este trabajo es la siguiente. Primero que todo
se hará una descripción de las 5 redes que se utilizaran para modelar. Luego se describen
los patrones de demanda utilizados para cada red en periodos de 24 horas. Después se
procede a optimizar las redes mediante la metodología OPUS desarrollada por el Centro
de  investigaciones  de  alcantarillado  y  acueducto  (CIACUA  –  UNIANDES)  para  así
encontrar un diseño optimizado de cada red. Para ver los resultados de la optimización se
calculan  los  valores  de  volumen,  perímetro  y  superficie  interna  de  pared  para  la  red
optimizada y no optimizada. Con el diseño optimizado de cada red, se plantea el escenario
de  modelación  descrito  más  adelante  para  modelar  el  cloro  a  través  de  la  red  y  los
trihalometanos en un periodo de 3 días o 72 horas. Los resultados se resumen en 3 tipos:
el  primero  son  graficas  del  comportamiento  del  cloro,  el  segundo  son  graficas  del
comportamiento de THM y finalmente, graficas del tiempo de respuesta de la red. Las
modelaciones se llevarán a cabo con el software EPANET 2.2 y su extensión EPANET-
MSX. Cabe resaltar que algunas graficas de ciertos nodos no comienzan desde la hora 0
debido a los largos tiempos de llegada en ciertas especies, sin embargo, esto no afecta los
resultados, es una cuestión más visual.

4.1 Redes de estudio

Para esta tesis se decidió utilizar las redes que componen el sector 8 de Bogotá. A
continuación, se encuentran la descripción de las 5 redes utilizadas acompañado de una
figura donde se puede apreciar la red como tal y su distribución por alturas.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.1.1 Sector 8 Sub Sector 1

Figura 4. Red Sector 8 Sub Sector 1

Tabla 1. Descripción Red Sector 8 Sub Sector 1

Red Sector 8 Sub Sector 1

Número de nodos

642

Número de tuberías

754

Número de reservorios

Demanda base promedio (L/s)

0.029

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.1.2 Sector 8 Sub Sector 2

Figura 5. Red Sector 8 Sub Sector 2

Tabla 2. Descripción Red Sector 8 Sub Sector 2

Red Sector 8 Sub Sector 2

Número de nodos

593

Número de tuberías

688

Número de reservorios

Demanda base promedio (L/s)

0.150

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.1.3 Sector 8 Sub Sector 3

Figura 6. Red Sector 8 Sub Sector 3

Tabla 3. Descripción Red Sector 8 Sub Sector 3

Red Sector 8 Sub Sector 3

Número de nodos

845

Número de tuberías

976

Número de reservorios

Demanda base promedio (L/s)

0.063

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.1.4 Sector 8 Sub Sector 4

Figura 7. Red Sector 8 Sub Sector 4

Tabla 4. Descripción Red Sector 8 Sub Sector 4

Red Sector 8 Sub Sector 4

Número de nodos

378

Número de tuberías

432

Número de reservorios

Demanda base promedio (L/s)

0.076

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.1.5 Sector 8 Sub Sector 5

Figura 8. Red Sector 8 Sub Sector 5

Tabla 5. Descripción Red Sector 8 Sub Sector 5

Red Sector 8 Sub Sector 5

Número de nodos

962

Número de tuberías

1131

Número de reservorios

Demanda base promedio (L/s)

0.058

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.2 Patrón de demanda

Los  patrones  de  demanda  se  definen  como  periodos  de  variación  de  caudal
representativos  de una zona en particular donde se consume más o menos agua que el
promedio,  en  otras  palabras,  describen  mediante  multiplicadores  los  cambios  de  la
demanda a través de un periodo de tiempo (usualmente de 24 horas). Para llevar a cabo
la modelación, es necesario incluir un patrón de demanda con el fin de representar más
apropiadamente  el  comportamiento  de  una  red  y  que  los  resultados  sean  lo  más
aproximados a la realidad. A continuación, se encuentra el patrón de demanda utilizado
en los sub sectores uno, dos, tres y cinco con intervalos de tiempo de 1 hora (AccuModel
Inc, 2015).

Figura 9. Patrón de demanda 1

El sub sector 4 tiene una particularidad y es que el patrón de demanda utilizado en las
demás  redes  genera  errores  de  sistemas  desbalanceados,  lo  que  se  traduce  en
multiplicadores de demanda muy elevados que la red no puede asimilar. Para solucionar
este  problema,  se  decidió  utilizar  el  siguiente  patrón  de  demanda  de  96  pasos  con
intervalos de tiempo de 15 minutos (Salcedo. C, 2014). Al multiplicar los pasos por los
intervalos de tiempo se obtiene el patrón de demanda equivalente a 24 horas.

Figura 10. Patrón de demanda 2 vista EPANET. Tomado de Salcedo. C (2014)

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

ltip

lic

e d

Tiempo (horas)

Patrón

de demanda 1

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 11. Patrón de demanda 2

4.3 Optimización de las Redes

4.3.1 Procedimiento

Para optimizar las redes seleccionadas se siguieron los siguientes pasos. Primero que todo
hay que asegurarse de que los archivos inp no tengan ningún patrón de demanda asignado,
de  ser  así,  hay  que  eliminarlo.  Adicionalmente,  se  debe  asegurar  que  la  red  este
configurada  en  estado  estable,  esto  se  configura  desde  la  ventana  de  EPANET  2.2
ajustando  un  tiempo  de  modelación  igual  a  0  horas.  Luego,  dependiendo  de  la  red,  se
multiplica la demanda de cada nodo por el multiplicador del patrón más alto; al hacer esto
se garantiza que la optimización pueda cumplir con las restricciones básicas hidráulicas
y  soportar  las  demandas  en  las  horas  pico.  Después,  se  procede  a  optimizar  las  redes
mediante  la  herramienta  REDES  2018  con  la  metodología  OPUS  para  así  obtener  el
diseño óptimo de la red. Posteriormente, a esta nueva red optimizada se le deben ajustar
las demandas a las originales, por lo cual se dividen las demandas entre el multiplicador
más alto anteriormente utilizado. Por último, se le asigna el patrón de demanda respectivo
a  cada  red  para  obtener  el  diseño  optimizado  final  listo  para  comparar  con  la  red  no
optimizada. Este procedimiento se puede resumir en el siguiente diagrama de flujo.

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94

ltip

lic

e d

Tiempo (minutos)

Patrón de demanda 2

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 12. Diagrama de flujo optimización de las redes

4.3.2 Optimización en REDES 2018 por OPUS

Como  se  mencionó  anteriormente,  los  requisitos  primordiales  para  optimizar  las  redes
son los siguientes. Primero, no pueden tener ningún patrón de demanda asignado en los
nodos, segundo, deben de estar en estado estable las redes y, por último, las demandas
tienen  que  estar  multiplicadas  por  el  multiplicador  más  grande  del  patrón  de  demanda
asignado. Cuando se cumplen estas condiciones, se procede a seguir los siguientes pasos
en REDES 2018 para optimizar la red en cuestión. Para la optimización de las redes se
sigue el procedimiento utilizado en la tesis de Natalia Mora.

Primero se debe cargar la red al programa REDES 2018, luego se debe buscar la ventana
de diseñar donde se podrá encontrar la metodología OPUS

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 13. Importación de la red en REDES 2018

Cuando  se  seleccionan  la  metodología  de  OPUS  se  deben  ajustar  los  siguientes
parámetros como se observan en la Figura 14. Opciones de diseño OPUS. Además, en la
categoría  de  diámetros  se  debe  seleccionar  el  método  de  redondeo  potencial  como  se
puede observar en la Figura 15.

Figura 14. Opciones de diseño OPUS

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 15. Método de Redondeo REDES 2018

Al continuar, se debe crear una nueva lista de diámetros los correspondientes al listado
de PAVCO (Mora. N, 2021) el proceso se puede ver en la Figura 16 y en la Figura 17.

Figura 16. Ventana diámetros de diseño REDES 2018

Figura 17. Diámetros de diseño seleccionados

Después, se le deben asignar los coeficientes K y X correspondientes al cálculo de costos
de la red. Estos se tomaron de la tesis de Mora, los cuales se utilizaron para estimar los
costos diseños optimizados y no optimizados (Mora. N, 2021). Por otra parte, se debe
asegurar que la presión mínima sea de 15 MCA (metros de cabeza de agua), la rugosidad

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

absoluta sea de 0.0015 mm y el coeficiente de Hazen Williams sea de 130, todo esto se
puede observar en la Figura 18.

Figura 18. Parámetros generales para cálculo de costos

Finalmente, se deben dejar los siguientes valores en la última ventana de OPUS,
nuevamente son valores son tomados de la tesis de Mora.

Figura 19. Otros parámetros de diseño OPUS

Al presionar diseñar, REDES 2018 encuentra un diseño optimizado de la red listo para
descargarse como archivo inp y después de hacerle un par de configuraciones, ya se puede
modelar el escenario de cloro en EPANET junto con los trihalometanos en EPANET-
MSX.

4.4 Características geométricas de las redes optimizadas vs no optimizadas

Con el fin de entender la capacidad de optimización del programa REDES 2018 se
utilizan las siguientes ecuaciones para calcular en la red el volumen de agua en metros
cúbicos, el perímetro total en metros y la superficie interna de pared en metros cuadrados.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

𝑉𝑜𝑙𝑢𝑚𝑒𝑛

𝑖

= 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑

𝑖

∗ (

𝜋

∗ 𝐷𝑖𝑎𝑚𝑒𝑡𝑟𝑜

𝑖

)

Ecuación 8

Donde:

𝑉𝑜𝑙𝑢𝑚𝑒𝑛

𝑖

: Volumen de agua dentro de la tubería [𝑚

]

𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑

𝑖

: Longitud de la tubería [𝑚]

𝐷𝑖𝑎𝑚𝑒𝑡𝑟𝑜

𝑖

: Diámetro en la tubería [𝑚]

𝜋: Constante matemática

𝑃𝑒𝑟𝑖𝑚𝑒𝑡𝑟𝑜

𝑖

= 𝜋 ∗ 𝐷𝑖𝑎𝑚𝑒𝑡𝑟𝑜

𝑖

Ecuación 9

Donde:

𝑃𝑒𝑟𝑖𝑚𝑒𝑡𝑟𝑜

𝑖

: Perímetro de la tubería [𝑚]

𝐷𝑖𝑎𝑚𝑒𝑡𝑟𝑜

𝑖

: Diámetro en la tubería [𝑚]

𝜋: Constante matemática

𝑆𝐼𝑃

𝑖

= 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑

𝑖

∗ 𝑃𝑒𝑟𝑖𝑚𝑒𝑡𝑟𝑜

𝑖

Ecuación 10

Donde:

𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑

𝑖

: Longitud de la tubería [𝑚]

𝑃𝑒𝑟𝑖𝑚𝑒𝑡𝑟𝑜

𝑖

: Perímetro de la tubería [𝑚]

Hay que resaltar que las ecuaciones mencionadas anteriormente calculan el volumen,
perímetro y SIP de una tubería en cuestión. Para calcular los parámetros de toda la red
hay que calcular los de todas las tuberías y sumarlos. Estos resultados se encuentran más
adelante.

4.4.1 Planteamiento del escenario

Para hacer el análisis comparativo de las redes con respecto al cloro, se planteó el
siguiente escenario de modelación. El reservorio cuenta con una concentración de 5 mg/L
que serán inyectados de manera constante a lo largo del periodo de modelación con una
duración de 3 días o 72 horas. De esta manera se puede apreciar un análisis en periodo

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

extendido de la red y con este, comparar los dos tipos de redes (Optimizadas vs No
Optimizadas).

4.4.2 Procedimiento

Para hacer la modelación de cloro se siguió el siguiente procedimiento. Primero que todo
se deben tener las redes optimizadas y no optimizadas listas con su respectivo patrón de
demanda. Después se deben ingresar las redes a EPANET 2.2 y correr una simulación,
con  esto  se  verifica  que  la  red  funcione  de  manera  correcta  y  se  pueda  modelar  el
escenario  de  cloro.  Luego  se  debe  configurar  el  parámetro  a  medir,  las  unidades  de
concentración,  la calidad en el  reservorio  y los  coeficientes  de cuerpo y  de pared. Los
coeficientes de cuerpo y de pared que se utilizaron para realizar toda la modelación son
0.49 y 0.71 respectivamente, los rangos se pueden encontrar en la Tabla 6. Finalmente se
debe  ajustar  la  temporalidad  de  la  modelación  y  asegurarse  de  que  el  paso  de  tiempo
coincida con el patrón de demanda incluido para la red. Este procedimiento se hace para
las  redes  optimizadas  y  no  optimizadas  con  el  fin  de  comparar  cuantitativamente  el
comportamiento  de  cloro  y  poder  concluir  sobre  cual  tiene  mejor  comportamiento.  La
Figura  20  muestra  un  diagrama  de  flujo  con  el  resumen  de  los  pasos  mencionados
anteriormente para la modelación de cloro.

Tabla 6. Coeficientes de cuerpo y de pared modelación EPANET

𝒌

𝒃

(

𝟏

𝒅í𝒂

)

𝑲

𝒘

(

𝒎

𝒅í𝒂

)

Fuente

0.10 – 0.49

0.31 – 0.71

Nuckols et al. 2001

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 20. Diagrama de flujo modelación de cloro

A continuación, se proporciona una guía fotográfica con los ajustes de parámetros en
EPANET 2.2 para modelar el escenario de cloro anteriormente planteado.

Figura 21. Ajuste opciones de calidad EPANET

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 22. Ajuste calidad en el reservorio EPANET

Figura 23. Ajuste coeficientes de cuerpo y de pared EPANET

Figura 24. Ajuste de tiempo e intervalos de modelación EPANET

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.5 Modelación de Trihalometanos

Como se mencionó anteriormente, EPANET – MSX es una extensión de EPANET 2.2
que  permite  modelar  múltiples  especies  químicas  a  lo  largo  de  la  red.  Con  esta
herramienta  se  pueden  definir  las  ecuaciones  de  formación  y  también  seleccionar  los
nodos específicos donde se desee observar el comportamiento.

4.5.1 Ecuación de formación de trihalometanos

La ecuación de formación de trihalometanos consta de dos partes; la primera es la
concentración sugerida de cloro del modelo EPANET - MSX y la segunda es la formación
de trihalometanos que consiste en una ecuación lineal donde se multiplica el consumo por
una constante de formación.

𝐶𝑙

= −𝑘

𝑏

∗ 𝐶𝑙

− (

𝐷

) ∗

(𝑘

𝑤

∗ 𝑘

𝑓

)

(𝑘

𝑤

+ 𝑘

𝑓

) ∗ 𝐶𝑙

Ecuación 11

Donde:

𝐶𝑙

: Concentración de cloro [

𝑚𝑔

𝐿

]

𝑘

𝑏

: Coeficiente de cuerpo [

𝑑𝑖𝑎

]

𝐷: Diámetro en la tubería [𝑚]

𝑘

𝑤

: Coeficiente de pared [

𝑚

𝑑𝑖𝑎

]

𝑘

𝑓

: Coeficiente de transferencia de masa [

𝑚

]

𝑇𝐻𝑀 = 𝑌 ∗ (𝑘

𝑏

∗ 𝐶𝑙

+ (

𝐷

) ∗

𝑘

𝑤

∗ 𝑘

𝑓

(𝑘

𝑤

+ 𝑘

𝑓

) ∗ 𝐶𝑙

)

Ecuación 12

Donde:

𝐶𝑙

: Concentración de cloro [

𝑚𝑔

𝐿

]

𝑘

𝑏

: Coeficiente de cuerpo [

𝑑𝑖𝑎

]

𝐷: Diámetro en la tubería [𝑚]

𝑘

𝑤

: Coeficiente de pared [

𝑚

𝑑𝑖𝑎

]

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

𝑘

𝑓

: Coeficiente de transferencia de masa [

𝑚

]

𝑌: Coeficiente de reacción de Trihalometanos [

𝜇𝑔 𝑇𝐻𝑀

𝑚𝑔 𝐶𝑙

]

4.5.2 Procedimiento EPANET – MSX

Para la modelación de trihalometanos se deben seguir los siguientes pasos. Primero que
todo es necesario tener las redes optimizadas y no optimizadas (archivo inp) lista con el
patrón de demanda incluido. Después se procede a construir el  archivo msx, este es el
archivo principal donde se configura todo para modelar la especie de interés. Este archivo
comienza como un txt en blanco y se le tienen que agregar componente por componente.
En Options se debe ajustar el archivo al sistema internacional y definir el método con el
que  se  resolverán  las  ecuaciones  diferenciales.  En  Species  se  debe  especificar  las  dos
especies  a  medir,  en  este  caso  son  Cloro  y  Trihalometanos.  En  coefficients  se  deben
incluir los coeficientes respectivos para cada ecuación, estos se pueden encontrar en la
Tabla 7. En Pipes se deben incluir las respectivas ecuaciones de decaimiento de cloro y
formación de trihalometanos. En Sources se define la fuente de cloro para la red; en todas
las redes se definió que la fuente sea el reservorio. En Quality, se define la concentración
inicial que tendrá la fuente, en este caso será de 5 mg/L como se mencionó anteriormente.
Finalmente, en Report, se indican los nodos donde se quiere ver el comportamiento de
trihalometanos. Cuando se tiene el archivo msx listo, se procede a correr EPANET-MSX.
Este  programa  corre  desde  el  intérprete  de  comandos  en  OS/2  y  sistemas  basados  en
Windows  NT  o  Command  Prompt  como  se  puede  observar  en  la  Figura  26.  Se  debe
llamar  al  programa  epanetmsx  junto  a  los  archivos  inp  y  msx;  los  resultados  se  deben
guardar  en  un  archivo  tipo  rpt.  Por  otra  parte,  los  coeficientes  utilizados  para  esta
modelación se pueden encontrar en la siguiente tabla.

Tabla 7. Coeficientes modelación THM EPANET-MSX

Coeficiente

Valor

Unidades

Fuente

𝑘

𝑏

0.49

𝑑í𝑎

Nuckols et al. 2001

𝑌

𝜇𝑔 𝑇𝐻𝑀

𝑚𝑔 𝐶𝑙

Carrico & Singer

(2009)

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Figura 25. Diagrama de flujo modelación THM

Figura 26. Ejemplo modelación THM en EPANET-MSX

Es importante hacer la siguiente aclaración de la modelación de THM. Carrico & Singer
(2009) en su paper: Impact of Booster Chlorination on Chlorine Decay and THM
Production: Simulated Analysis afirman que la formación de THM no se ve influenciada
por la pared de la tubería, por lo cual en sus simulaciones únicamente tienen en cuenta el

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

coeficiente de cuerpo y no el de pared. Además, afirman que el modelo lineal que utilizan
en su investigación es suficientemente apropiado para modelar la formación de THM. Por
lo cual se tomaron las siguientes decisiones para este trabajo; primero que todo el
coeficiente de pared será igual a 0.0, aunque se sabe que esto no es cierto en la realidad,
los resultados que se encuentran a continuación son netamente teóricos, Segundo, se
utilizara el mismo modelo lineal que ellos proponen en el paper, y finalmente, se utilizara

el mismo coeficiente Y de 40

𝜇𝑔 𝑇𝐻𝑀

𝑚𝑔 𝐶𝑙

definido por Carrico y Singer para realizar las

modelaciones.

4.6 Tiempos de respuesta de las redes

Para corroborar la efectividad de las redes optimizadas se plantea el análisis de tiempo de
respuesta. Este consiste básicamente en medir la cantidad de nodos durante un periodo de
modelación bajo cierto criterio. Para la realización de esta tesis se definieron dos tipos de
análisis que permiten comparar las redes optimizadas vs no optimizadas. El primero son
nodos con presencia de cloro en una ventana de tiempo de 1 hora (60 minutos) y de 12
horas (720 minutos), y el segundo son nodos que incumplen con el mínimo establecido
del RAS de 0.3 mg/L de Cloro (Minvivienda, 2007) en una ventana de tiempo de 12 horas
(720 minutos).

4.6.1 Análisis 1: Nodos con presencia de cloro (> 0.0 mg/L)

Para este análisis es necesario que la red en cuestión ya tenga un escenario de modelación
de cloro corrido (72 horas). Con este requisito cumplido se procede a utilizar la
herramienta de EPANET Query que permite encontrar los nodos que cumplan cierta
característica en un tiempo específico. Para este caso se necesita ajustar el Query con los
nodos Quality mayor a 0, en otras palabras, aquellos nodos con concentraciones de cloro
mayor a 0.0 mg/L (figura 27). Este análisis permite evidenciar la respuesta de la red para
distribuir el cloro a través de esta, mientras más nodos tengan cloro en el menor tiempo
mejor se desempeña la red. Este análisis se corre en dos periodos de tiempo, uno de 1
hora con intervalos de 5 minutos y otro de 12 horas con intervalos de 20 minutos.

Figura 27. Configuración herramienta Query análisis 1 EPANET

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

4.6.2 Análisis 2: Nodos que incumplen el RAS (< 0.3 mg/L)

Para este análisis, al igual que el anterior, es necesario que la red en cuestión ya tenga un
escenario  de  modelación  de  cloro  corrido.  Con  este  requisito  cumplido  se  procede  a
utilizar la herramienta de EPANET Query que permite encontrar los nodos que cumplan
cierta característica en un tiempo específico. Para este caso se necesita ajustar el Query
con  los  nodos  Quality  menor  a  0.3  (figura  28),  en  otras  palabras,  aquellos  nodos  con
concentraciones  de  cloro  menores  a  0.3  mg/L.  Este  análisis  permite  evidenciar  la
respuesta  de  la  red  para  cumplir  con  el  RAS;  cuando  una  red  tiene  menos  nodos  que
incumplen el RAS en un menor tiempo, la red tiene un mejor tiempo de respuesta. Este
análisis se corre en un periodo de 12 horas con intervalos de 30 minutos.

Figura 28. Configuración herramienta Query análisis 2

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5. RESULTADOS Y ANÁLISIS

5.1 Resultados caracterización geométrica

Con las ecuaciones mencionadas en la metodología se pudo construir la siguiente Tabla
8. En ella, se pueden encontrar los resultados de cada parámetro comparando las redes
optimizadas vs no optimizadas.

Tabla 8. Resultados geométricos optimización de las redes

Red

Volumen (m3) Perímetro (m)

SIP (m2)

S8-SS1 No Optimizada

3073.84

431.21

17840.43

S8-SS1 Optimizada

149.45

174.44

6500.65

S8-SS2 No Optimizada

545.77

267.24

13637.40

S8-SS2 Optimizada

183.55

176.43

8797.56

S8-SS3 No Optimizada

694.00

388.85

16779.76

S8-SS3 Optimizada

298.75

273.78

11428.09

S8-SS4 No Optimizada

271.98

171.08

7600.77

S8-SS4 Optimizada

96.45

106.21

4933.17

S8-SS5 No Optimizada

745.84

449.65

18811.48

S8-SS5 Optimizada

219.94

275.06

11165.73

Por otro lado, se tiene también la Tabla 9 que permite evidenciar en que porcentaje se
redujo cada parámetro con el diseño optimizado de cada red.

Tabla 9. Porcentajes de reducción del proceso de optimización en las redes

Porcentaje de reducción de cada parámetro por optimización en OPUS

Red

Volumen (m3)

Perímetro (m)

SIP (m2)

S8-SS1

95.14%

59.55%

63.56%

S8-SS2

66.37%

33.98%

35.49%

S8-SS3

56.95%

29.59%

31.89%

S8-SS4

64.54%

37.92%

35.10%

S8-SS5

70.51%

38.83%

40.64%

Después de observar las dos tablas se puede concluir que la reducción es más significativa
en el volumen de agua dentro de la red. La reducción de estos 3 parámetros permite
identificar que los tiempos de residencia serán menores y por ende el agua se distribuirá
más rápidamente a través de la red.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5.2 Modelación Sector 8 Sub Sector 1 (S8-SS1)

Cloro

Nodo 1421

Figura 29. Resultados cloro S8-SS1 nodo 1241

Nodo 1631

Figura 30. Resultados cloro S8-SS1 nodo 1631

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1241 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1631 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 1577

Figura 31. Resultados cloro S8-SS1 nodo 1577

Nodo 2057

Figura 32. Resultados cloro S8-SS1 nodo 2057

0.2

0.4

0.6

0.8

1.2

1.4

1.6

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1577 vs Tiempo de

modelación

No Optimizada

Optimizada

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 2057 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Nodo 1241

Figura 33. Resultado THM S8-SS1 nodo 1241

Nodo 1577

Figura 34. Resultado THM S8-SS1 nodo 1577

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1241 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1577 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 1631

Figura 35. Resultado THM S8-SS1 nodo 1631

Nodo 2057

Figura 36. Resultado THM S8-SS1 nodo 2057

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1631 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 2057 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Tiempo de respuesta de la red

Análisis 1

• 1 hora

Figura 37. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS1

• 12 horas

Figura 38. Resultados tiempo de respuesta 12 horas análisis 1 S8-SS1

100

200

300

400

500

600

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro (> 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

100

200

300

400

500

600

700

120

180

240

300

360

420

480

540

600

660

720

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro (> 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Análisis 2

Figura 39. Resultado tiempo de respuesta análisis 2 S8-SS1

5.2.1 Análisis resultados S8-SS1

Cloro

En general, los 4 nodos muestran un buen comportamiento con respecto al análisis del
cloro. En todos se puede observar que hubo una mejora con respecto a la concentración
de cloro durante el tiempo de modelación. Para el nodo 1241 la red optimizada hace que
el  cloro  llegue  más  rápido  y  mantenga  una  concentración  por  encima  de  la  red  no
optimizada.  Para  el  nodo  1631,  la  red  optimizada  y  no  optimizada  tiene  tiempos  de
llegadas parecidos, pero la red optimizada mantiene una concentración mayor al de la no
optimizada garantizando un mejor desempeño. Para el nodo 1577 se observa que en la
red  optimizada  el  cloro  llega  primero  y  mantiene  una  concentración  mayor  que  la  no
optimizada, pero tiene valles donde el cloro decae más que en la red no optimizada. Sin
embargo, el diseño optimizado es resiliente y vuelte a recuperar su concentración de cloro.
Finalmente tenemos el nodo 2057 donde las llegadas del cloro son muy parecidas entre
redes  y  la  red  optimizada  mantiene  una  concentración  mayor  de  cloro  que  la  no
optimizada pero no en todos los casos, existen periodos donde la concentración es más
estable  en  la  no  optimizada  y  algunos  valles  coinciden.  En  conclusión,  el  diseño
optimizado permite que en estos nodos la concentración de cloro sea mayor que en las
redes no optimizadas en la gran mayoría del tiempo.

100

200

300

400

500

600

700

120

180

240

300

360

420

480

540

600

660

720

ero

Tiempo de modelación (minutos)

Nodos que incumplen el RAS (< 0.3 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

En general, la simulación de trihalometanos en esta red muestra resultados muy buenos.
Para  el  nodo  1241  se  puede  observar  que  el  diseño  optimizado  permite  reducir  los
trihalometanos significativamente, pasando de concentraciones que oscilan entre 50 μg/L
a casi 1 μg/L. Para el nodo 1577 se puede observar una aparición de THM mucho más
rápida  en  la  red  optimizada  pero  que  se  mantiene  por  debajo  de  las  concentraciones
observadas en la red no optimizada durante el resto de la modelación. Para el nodo 1631
se  pueden  observar  una  aparición  de  THM  muy  parecida  entre  la  red  optimizada  y  no
optimizada, sin embargo, la red optimizada se mantiene por debajo de las concentraciones
encontradas  en la red no optimizada. Finalmente, el  nodo 2057 se puede  observar una
aparición  de  THM  muy  parecida  entre  los  dos  tipos  de  redes  donde  predomina  en  un
principio  la  red  optimizada,  pero  que  con  el  pasar  del  tiempo  se  va  estabilizando  y  se
mantiene en casi todos los momentos por debajo de las concentraciones encontradas en
la  red  no  optimizada.  En  conclusión,  el  diseño  optimizado  permite  que  los  nodos
estudiados tengan una menor concentración de THM a lo largo de la modelación.

Tiempos de respuesta

En  general,  esta  red  muestra  un  buen  comportamiento  con  respecto  a  los  tiempos  de
respuesta.  En  el  Análisis  1  de  una  hora  se  puede  observar  que  tanto  la  red  optimizada
como no optimizada tienen comportamientos parecidos en distribuir el cloro a través de
la red, pero que después de los 25 minutos la red optimizada llega a más nodos. Luego,
en el Análisis 1 de doce horas se observa que la red optimizada cubre más nodos en todo
el periodo de modelación. Finalmente, el Análisis 2 nos muestra que los comportamientos
entre  redes  son  bastante  similares  sin  embargo  la  red  optimizada  logra  decrecer  más
rápido  lo  cual  indica  que  el  cloro  se  distribuye  más  rápidamente  cumpliendo  con  los
requisitos del RAS. En conclusión, el diseño optimizado permite que el cloro se distribuya
de manera más rápida a través de la red garantizando un mejor desempeño cumpliendo
las restricciones del RAS.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5.3 Modelación Sector 8 Sub Sector 2 (S8-SS2)

Cloro

Nodo 1639

Figura 40. Resultados cloro S8-SS2 nodo 1639

Nodo 1637

Figura 41. Resultados cloro S8-SS2 nodo 1637

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1639 vs Tiempo de

modelación

No Optimizada

Optimizada

0.5

1.5

2.5

3.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1637 vs Tiempo de

modelación

No optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 1002

Figura 42. Resultados cloro S8-SS2 nodo 1002

Nodo 441

Figura 43. Resultados cloro S8-SS2 nodo 441

0.5

1.5

2.5

3.5

cne

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1002 vs Tiempo de

modelación

No optimizada

Optimizada

0.5

1.5

2.5

3.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 441 vs Tiempo de modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Nodo 441

Figura 44. Resultado THM S8-SS2 nodo 441

Nodo 1002

Figura 45. Resultado THM S8-SS2 nodo 1002

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 441 vs Tiempo de

modelación

No Optimizado

Optimizado

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1002 vs Tiempo de

modelación

No Optimizado

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 1637

Figura 46. Resultado THM S8-SS2 nodo 1637

Nodo 1639

Figura 47. Resultado THM S8-SS2 nodo 1639

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1637 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1639 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Tiempo de respuesta de la red

Análisis 1

• 1 hora

Figura 48. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS2

• 12 horas

Figura 49. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS2

100

200

300

400

500

600

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

100

200

300

400

500

600

120

180

240

300

360

420

480

540

600

660

720

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Análisis 2

Figura 50. Resultado tiempo de respuesta análisis 2 S8-SS2

5.3.1 Análisis resultados S8-SS2

Cloro

En general, los 4 nodos seleccionados muestran un buen comportamiento con respecto al
cloro en la red. Para el nodo 1639 se observa que tanto para la red no optimizada como la
optimizada  la  aparición  de  cloro  es  casi  inmediata,  sin  embargo,  se  puede  ver  como
durante el resto del tiempo de modelación la red optimizada mantiene una concentración
mayor de cloro. Para el nodo 1637 se puede ver una aparición un poco más rápida por
parte  de  la  red  optimizada;  en  general  se  ven  mayores  concentraciones  de  cloro  a
excepción  de unos  valles  alrededor de la hora 28 y 52 donde decae más que la red no
optimizada. Para el nodo 1002 se tiene una aparición de cloro mucho más rápida por parte
de la red optimizada con concentraciones mayores que la red no optimizada en casi todos
los casos, sin embargo, existen valles en las horas 29 y 53 que presentan concentraciones
menores a las de la red no optimizada. Finalmente, para el nodo 441 se puede ver como
el cloro llega mucho más rápido en la red optimizada y se mantienen por encima de la
concentración de la red no optimizada durante la mayoría del tiempo a excepción de las
horas 28 y 52. En conclusión, la optimización de esta red permite que el cloro se mantenga
con  una  concentración  mayor  durante  el  periodo  de  modelación.  Además,  se  pudo
identificar  unas  horas  críticas  donde  los  valles  en  las  redes  optimizadas  decaían  más

100

200

300

400

500

600

700

120

180

240

300

360

420

480

540

600

660

720

ero

Tiempo de modelación (minutos)

Nodos que incumplen el RAS (< 0.3 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

rápido que en la no optimizada. El diseño optimizado es capaz de hacer redes resilientes
que se puedan recuperar de los valles de concentración.

THM

En  general  los  resultados  de  THM  son  buenos.  Para  el  nodo  1639  se  tiene  que  la
concentración de THM para la red optimizada y no optimizada es bastante pequeña, sin
embargo,  la  red  optimizada  logra  tener  resultados  mejores  en  todo  el  periodo  de
modelación. Para el nodo 1637 la formación de THM es bastante similar en las primeras
horas de modelación, y aunque la red optimizada toma la delantera, su concentración se
estabiliza siguiendo los patrones y se mantiene por debajo de la concentración producida
por la red no optimizada. En algunos periodos como a las 9, 21, 45, 56 y 67 horas se pudo
identificar unos ligeros picos donde la red optimizada superaba a la no optimizada. Para
el nodo 1002 se observa que la red optimizada genera primero una concentración de THM
pero que a medida que pasa el tiempo se estabiliza y queda por debajo de la concentración
producida  por  la  red  no  optimizada.  Finalmente  tenemos  el  nodo  441  con  un
comportamiento parecido al nodo anterior, donde la optimizada toma la delantera, pero
se estabiliza y queda por debajo de la concentración producida por la red no optimizada.
En conclusión, se puede afirmar que en los nodos seleccionados la concentración de THM
en el diseño optimizado es menor. Sin embargo, existen unas horas críticas para el nodo
1637  donde  la  concentración  puede  ser  igual  o  ligeramente  mayor  que  la  red  no
optimizada.

Tiempo de respuesta

En general, esta red muestra el mejor comportamiento de todas las redes con respecto a
los  tiempos  de  respuesta.  En  el  Análisis  1  de  una  hora  se  puede  observar  que  la  red
optimizada en los primeros 5 minutos de modelación logra distribuir el cloro en 333 nodos
mientras que en la red no optimizada solo llega a 61 nodos, lo cual permite evidenciar la
efectividad del diseño optimizado. Luego, en el Análisis 1 de doce horas se observa que
ambas redes convergen al mismo número de nodos (557). Finalmente, el Análisis 2 nos
muestra que los comportamientos entre redes son similares sin embargo la red optimizada
logra  decrecer  más  rápido  lo  cual  indica  que  el  cloro  se  distribuye  más  rápidamente
cumpliendo  con  los  requisitos  del  RAS.  En  conclusión,  el  diseño  optimizado  de  este
sector  permite  que  el  cloro  se  distribuya  de  manera  más  rápida  a  través  de  la  red
garantizando un mejor desempeño cumpliendo con las restricciones del RAS.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5.4 Modelación Sector 8 Sub Sector 3 (S8-SS3)

Cloro

Nodo 2281

Figura 51. Resultado cloro S8-SS3 nodo 2281

Nodo 1477

Figura 52. Resultado cloro S8-SS3 nodo 1477

0.5

1.5

2.5

3.5

4.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 2281 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 1477 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 265

Figura 53. Resultados cloro S8-SS3 nodo 265

Nodo 402

Figura 54. Resultados cloro S8-SS3 nodo 402

0.5

1.5

2.5

3.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 265 vs Tiempo de modelación

No Optimizada

Optimizada

0.5

1.5

2.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 402 vs Tiempo de modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Nodo 265

Figura 55. Resultado THM S8-SS3 nodo 265

Nodo 402

Figura 56. Resultado THM S8-SS3 nodo 402

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 265 vs Tiempo de

modelación

No optimizado

Optimizado

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 402 vs Tiempo de

modelación

No Optimizado

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 1477

Figura 57. Resultado THM S8-SS3 nodo 1477

Nodo 2281

Figura 58. Resultado THM S8-SS3 nodo 2281

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 1477 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 2281 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Tiempo de respuesta de la red

Análisis 1

• 1 hora

Figura 59. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS3

• 12 horas

Figura 60. Resultado tiempo de respuesta 12 horas análisis 1 S8_SS3

100

200

300

400

500

600

700

800

900

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

100

200

300

400

500

600

700

800

900

120

180

240

300

360

420

480

540

600

660

720

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Análisis 2

Figura 61. Resultado tiempo de respuesta análisis 2 S8-SS3

5.4.1 Análisis resultados S8-SS3

Cloro

Los  resultados  de  cloro  de  esta  red  son  bastante  buenos.  Para  el  nodo  2281  se  puede
observar que el cloro llega casi al mismo tiempo en los dos diseños de redes, sin embargo,
la  red  optimizada  toma  la  delantera  y  durante  todo  el  periodo  de  modelación  muestra
concentraciones más altas de cloro que la red no optimizada. Para el nodo 1477 se puede
observar un comportamiento muy parecido al nodo anterior donde el cloro llega casi al
mismo  tiempo  en  ambos  diseños  de  redes,  pero  la  red  optimizada  logra  mantener
concentraciones más altas que la red no optimizada. Para el nodo 265 se puede observar
un comportamiento similar al nodo 1477 donde el diseño optimizado mantiene una mejor
calidad,  sin  embargo,  existen  periodos  de  tiempo  donde  las  concentraciones  son  casi
iguales como en la hora 6, 30 y 54 para los dos diseños de red. Finalmente, para el nodo
402 se puede observar una llegada del cloro mucho más rápida en el diseño optimizado,
y a pesar de tener mejor comportamiento que la red no optimizada existen puntos críticos
donde el diseño optimizado presenta concentraciones menores que la red no optimizada,
estos  se  encuentran  en  las  horas  33  y  57.  En  conclusión,  los  diseños  optimizados
presentados  aseguran que en la mayoría del  tiempo las concentraciones de cloro serán
mayores que en las redes no optimizadas, garantizando una mejor calidad en los nodos.

100

200

300

400

500

600

700

800

900

120

180

240

300

360

420

480

540

600

660

720

ero

Tiempo de modelación (minutos)

Nodos que incumplen el RAS (< 0.3 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Los  resultados  de  THM  para  esta  red  son  relativamente  buenos.  Para  el  nodo  2281  se
puede observar una formación más rápida de THM en la red optimizada pero que con el
tiempo  se  estabiliza  y  no  sobrepasa  las  concentraciones  de  la  red  no  optimizada;  sin
embargo, existen ciertas horas donde las concentraciones de THM convergen entre los
diseños optimizados y no optimizados, específicamente en las horas 6, 30 y 55. Para el
nodo 1477 se pueden observar el peor comportamiento de todas las redes ya que en varios
periodos de modelación la concentración de THM en la red optimizada supera a la red no
optimizada,  lo  bueno  es  que  con  el  diseño  optimizado  no  se  superan  los  picos  de
concentración  vistos  en la red no optimizada. Para el  nodo 265 se puede  observar que
para los dos diseños se forman THM casi al mismo tiempo, pero la red optimizada logra
tener un mejor comportamiento manteniendo una concentración de THM menor durante
casi toda la modelación; se puede también apreciar que al principio de la modelación las
concentraciones coinciden hasta la hora 7, después se ve como la red optimizada se lleva
la delantera.  Finalmente, para el  nodo 402 se puede apreciar que el  diseño optimizado
forma THM más rápidamente, pero con el resto de la modelación, estos se estabilizan y
no superan las concentraciones encontradas en la red no optimizada. En conclusión, 3 de
los 4 nodos presentaron un comportamiento bueno con respecto a la formación de THM.
A pesar de que el nodo 1477 muestre el peor comportamiento el desfase en relativamente
pequeño y la diferencia de concentraciones no es muy grande, por lo cual se puede seguir
afirmando  que  los  diseños  optimizados  de  redes  pueden  controlar  la  formación  de
Trihalometanos.

Tiempo de viaje

En general, esta red muestra un desempeño aceptable con respecto a los tiempos de
respuesta. En el Análisis 1 de una hora se puede observar que el mejor comportamiento
lo tiene la red no optimizada ya que en los primeros 10 minutos de modelación cubre 353
nodos mientras que en el diseño optimizado solo se cubren 21 nodos. Luego, en el Análisis
1 de doce horas se observa que la red no optimizada converge a un numero de nodos
mayor que la red optimizada (809 y 804 respectivamente). Finalmente, el Análisis 2 nos
muestra que los comportamientos entre redes son similares sin embargo la red optimizada
logra decrecer más rápido. En conclusión, el diseño optimizado de esta red no permite
que se distribuya más rápidamente el cloro, pero si permite cumplir con los requisitos del
RAS más rápidamente.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5.5 Modelación Sector 8 Sub Sector 4 (S8-SS4)

Cloro

Nodo 379

Figura 62. Resultado cloro S8-SS4 nodo 379

Nodo 471

Figura 63. Resultado cloro S8-SS4 nodo 471

0.5

1.5

2.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 379 vs Tiempo de modelación

No Optimizada

Optimizada

0.5

1.5

2.5

3.5

4.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 471 vs Tiempo de modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Nodo 379

Figura 64. Resultado THM S8-SS4 nodo 379

Nodo 471

Figura 65. Resultado THM S8-SS4 nodo 471

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 379 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 471 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Tiempo de respuesta de la red

Análisis 1

• 1 hora

Figura 66. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS4

• 12 horas

Figura 67. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS4

100

150

200

250

300

350

400

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

100

150

200

250

300

350

400

120

180

240

300

360

420

480

540

600

660

720

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L)

vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Análisis 2

Figura 68. Resultados tiempo de respuesta análisis 2 S8-SS4

5.5.1 Análisis resultados S8-SS4

Cloro

En general los resultados de cloro para la red del sub sector 4 son buenos. Para el nodo
379 se puede observar una diferencia contundente con respecto a la llegada de cloro al
nodo. En el diseño optimizado se ve como el cloro llega después de la hora 7 mientas que
en  el  diseño  no  optimizado  se  ve  presencia  después  de  la  hora  23.  Además,  la  red
optimizada logra mantener una concentración mayor de cloro durante casi todo el periodo
de modelación a excepción de dos periodos de tiempo (de 31 a 35 horas y 54 a 58 horas).
Para el nodo 471 se puede que para ambos diseños de red el cloro llega casi al mismo
tiempo, pero en la red optimizada logra mantener una concentración mayor durante todo
el  periodo  de  modelación.  En  Conclusión,  el  diseño  optimizado  de  esta  red  permite
mantener  una  concentración  mayor  de  cloro  en  los  nodos  seleccionados  mejorando  su
calidad.

THM

En cuanto a THM, los resultados de esta red también son bastante buenos. Para el nodo
379 se puede observar una aparición más lenta de THM en la red no optimizada, pero que
con el tiempo crece hasta concentraciones equivalentes a 80 μg/L. Mientras que la red
optimizada tiene una aparición de THM más temprana, pero se mantiene estable y por
debajo del diseño no optimizado durante todo el periodo de modelación. Para el nodo 471

100

150

200

250

300

350

400

120

180

240

300

360

420

480

540

600

660

720

ero

Tiempo de modelación (minutos)

Nodos que incumplen el RAS (< 0.3 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

se  puede  observar  que  para  ambos  diseños  la  aparición  de  THM  es  muy  parecida,  sin
embargo, la red optimizada mantiene una concentración constante y menor a la red no
optimizada  después  de  las  primeras  2  horas  de  modelación.  En  conclusión,  el  diseño
optimizado de esta red permite controlar la formación de THM en los nodos seleccionados
asegurando una mejor calidad.

Tiempo de respuesta

En general, esta red muestra un desempeño aceptable con respecto a los tiempos de
respuesta. En el Análisis 1 de una hora se puede observar que en los primeros 5 minutos
de modelación la red optimizada logra cubrir 238 nodos mientras que la red no optimizada
solo logra cubrir 172 nodos. Luego, en el Análisis 1 de doce horas se observa que durante
este tiempo la red optimizada logra cubrir más nodos que la red no optimizada (341 y 333
respectivamente). Finalmente, el Análisis 2 nos muestra que los comportamientos entre
redes son similares sin embargo la red no optimizada logra decrecer más rápido lo cual
indica que el diseño optimizado se demora un poco más en cumplir con el requisito del
RAS. En conclusión, el diseño optimizado permite que el cloro se distribuya más
rápidamente por la red, pero se demora un poco más en cumplir con el mínimo de 0.3
mg/L.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

5.6 Modelación Sector 8 Sub Sector 5 (S8-SS5)

Cloro

Nodo 16

Figura 69. Resultado cloro S8-SS5 nodo 16

Nodo 2975

Figura 70. Resultado cloro S8-SS5 nodo 2975

0.5

1.5

2.5

3.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 16 vs Tiempo de modelación

No Optimizada

Optimizada

0.5

1.5

2.5

3.5

4.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 2975 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 2954

Figura 71. Resultados cloro S8-SS5 nodo 2954

Nodo 221

Figura 72. Resultado cloro S8-SS5 nodo 221

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 2954 vs Tiempo de

modelación

No Optimizada

Optimizada

0.5

1.5

2.5

3.5

traci

loro

Tiempo de modelación (horas)

Comportamiento Cloro Nodo 221 vs Tiempo de modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

THM

Nodo 16

Figura 73. Resultado THM S8-SS5 nodo 16

Nodo 221

Figura 74. Resultado THM S8-SS5 nodo 221

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 16 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 221 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Nodo 2954

Figura 75. Resultado THM S8-SS5 nodo 2954

Nodo 2975

Figura 76. Resultado THM S8-SS5 nodo 2975

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 2954 vs Tiempo de

modelación

No Optimizada

Optimizada

traci

THM (u

Tiempo de modelación (horas)

Comportamiento de THM Nodo 2975 vs Tiempo de

modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Tiempo de respuesta de la red

Análisis 1

• 1 hora

Figura 77. Resultado tiempo de respuesta 1 hora análisis 1 S8-SS5

• 12 horas

Figura 78. Resultado tiempo de respuesta 12 horas análisis 1 S8-SS5

200

400

600

800

1000

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

200

400

600

800

1000

120

180

240

300

360

420

480

540

600

660

720

# d

e N

Tiempo de Modelación (minutos)

Número de nodos con cloro ( > 0.0 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Análisis 2

Figura 79. Resultado tiempo de respuesta análisis 2 S8-SS5

5.6.1 Análisis resultados S8-SS5

Cloro

Los resultados de la red del subsector 5 son buenos. Para el nodo 16 se puede observar
un comportamiento muy similar en todas las horas de modelación, desde la aparición de
cloro  en  el  nodo  hasta  en  los  picos  y  valles.  Sin  embargo,  la  red  optimizada  muestra
comportamiento ligeramente mejor manteniendo una concentración de cloro un poco más
alta. Para el nodo 2975 se puede observar que desde las primeras horas de modelación la
red optimizada toma la delantera manteniendo una concentración mayor durante casi todo
el tiempo de simulación. Hay que resaltar que la concentración de los valles coincide para
ambos diseños de red. Estos suceden entre las horas 4 y 5, 28 y 29, y, 52 y 53. Para el
nodo 2954 se tiene un comportamiento bastante parecido al nodo anterior, se observa un
aumento de concentración más rápido por parte del diseño optimizado que se mantiene
superior en casi todo el periodo de modelación. Al igual que el nodo 2975, existen tiempos
donde  ambos  diseños  de  redes  coinciden  en  los  valles  de  concentración  4,  28  y  52.
Finalmente, para el nodo 221 se puede observar que el diseño optimizado presenta una
mayor concentración de cloro durante las primeras horas de modelación.  Durante gran
parte del tiempo, el diseño optimizado logra mantener una concentración mayor de cloro
que el diseño no optimizado, sin  embargo,  a  excepción  de todos los  demás nodos hay
valles del diseño optimizado donde la concentración es mucho más baja que el diseño no
optimizado. Especialmente en las horas 28 y 52. A pesar de esto la red optimizada muestra

200

400

600

800

1000

1200

120

180

240

300

360

420

480

540

600

660

720

ero

Tiempo de modelación (minutos)

Nodos que incumplen el RAS (< 0.3 mg/L) vs Tiempo de

Modelación

No Optimizada

Optimizada

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

una capacidad de recuperación que no tiene la red no optimizada. En conclusión, se puede
decir que el diseño optimizado de esta red permite tener concentraciones de cloro mayores
en cada uno de los nodos estudiados, asegurando una mejor calidad del agua.

THM

Los resultados de modelación de THM para esta red son bastante favorables. Para el nodo
16 se puede observar una aparición bastante parecida entre diseños de redes que con el
tiempo se estabilizan, pero la red optimizada logra mantener concentraciones más bajas
de  THM  después  de  las  primeras  5  horas  de  modelación.  Para  el  nodo  2975  se  puede
observar que en la red optimizada hay una aparición más rápida y más concentrada de
THM, pero que con el tiempo se estabiliza y no supera la concentración generada por la
red no optimizada. Para el nodo 2954 se tiene un comportamiento muy parecido al nodo
anterior,  donde  en  las  primeras  horas  predomina  la  formación  de  THM  en  la  red
optimizada  pero  que  con  el  paso  del  tiempo  se  estabilizan  y  no  superan  a  las
concentraciones  producidas  por la red no optimizada.  Finalmente se tiene el  nodo 221
que al igual que los dos nodos anteriores muestra un comportamiento similar. La principal
diferencia  es  que  en  este  nodo  se  presentan  las  concentraciones  más  altas  de  THM
oscilando  entre  15  y  27  μg/L/  mientras  que  en  las  dos  anteriores  las  concentraciones
oscilan entre 7 y 14 μg/L/. En conclusión, se puede decir que el diseño optimizado de esta
red  permite  reducir  la  concentración  de  THM  en  los  nodos  seleccionados  y  por  ende
mejorar la calidad de estos.

Tiempo de viaje

En general, esta red muestra un desempeño excelente con respecto a los tiempos de
respuesta. En el Análisis 1 de una hora se puede observar que en los primeros 5 minutos
de modelación la red optimizada logra cubrir 854 nodos mientras que la red no optimizada
solo logra cubrir 618 nodos. Luego, en el Análisis 1 de doce horas se observa que durante
este tiempo la red no optimizada logra cubrir 2 nodos que la red optimizada (922 y 920
respectivamente). Finalmente, el Análisis 2 nos muestra que los comportamientos entre
redes son similares sin embargo la red optimizada logra decrecer más rápido lo cual indica
que el diseño optimizado logra cumplir con los requisitos del RAS en un tiempo mucho
más corto. En conclusión, el diseño optimizado permite que el cloro se distribuya más
rápidamente por la red y, además, cumple más rápidamente con el mínimo de 0.3 mg/L
en cada nodo estipulado por el RAS.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

6. CONCLUSIONES Y RECOMENDACIONES

Primero  que  todo,  se  pudo  cumplir  con  los  objetivos  planteados  al  principio  del
documento.  Se  termino  con  éxito  la  optimización  de  las  redes  por  medio  del  software
REDES  2018  y  también  se  pudo  correr  con  éxito  las  modelaciones  de  cloro  y
trihalometanos  con  EPANET  2.2  y  EPANET-MSX  respectivamente.  También,  se
culminó con éxito los 3 análisis cuantitativos para cada red sin ningún inconveniente.

Con respecto a las características geométricas, se pudo evidenciar que la optimización de
las  redes  permite  reducir  de  manera  contundente  los  3  parámetros  estudiados.  Sin
embargo, el más sensible es el volumen de agua que se transporta en la tubería. Al tener
un menor volumen se tiene un menor tiempo  de residencia por lo  cual  se corrobora la
primera  parte  de  la  hipótesis  planteada.  Además,  la  optimización  realizada  por  el
programa REDES 2018 permite tener diseños que cumplen con los requisitos hidráulicos
y que además implican un menor costo por red, tanto de construcción como ambiental.

Con respecto al análisis de cloro se puede concluir que las redes optimizadas mejoran la
calidad  del  agua  en  los  nodos  estudiados.  Como  se  pudo  observar  en  el  análisis  de
resultados, todos los casos de los nodos seleccionados fueron exitosos. Hubo nodos donde
las concentraciones de cloro se igualaban entre diseños optimizados y no optimizados,
pero en general la optimización permitió mantener una concentración mayor. Además, se
pudo evidenciar la resiliencia de las redes optimizadas donde en algunas ocasiones las
concentraciones  de  cloro  eran  mucho  menores  que  la  red  no  optimizada,  pero  aun  así
lograban  recuperarse  rápidamente.  Se  lograron  identificar  momentos  en  la  modelación
donde  los  valles  de  concentración  eran  críticos,  los  cuales  coindicen  con  las  horas  de
menor consumo de agua. Por lo cual es pertinente tener especial cuidado en las primeras
y  últimas  horas  del  día.  Hay  algo  que  se  debe  resaltar  y  es  que  en  algunos  nodos  el
decaimiento de cloro fue mayor en la red optimizada. Esto se debe a que las reacciones
de decaimiento son inversamente proporcionales al diámetro de la tubería, por lo cual es
lógico  que  el  cloro  decaiga  más  rápido  en  diámetros  menores  (Zheng.  M,  2013).  Sin
embargo,  este  efecto  pudo  mitigar  ya  que  en  estas  redes  se  tienen  tiempos  de  viaje
menores  y  una  mejor  respuesta  de  la  red,  en  otras  palabras,  el  agua  se  distribuye  más
eficientemente.

Con respecto a los resultados de THM se puede concluir que las redes optimizadas
mejoran la calidad de los nodos seleccionados. Los resultados de la modelación muestran
una amplia variedad de comportamientos, desde muy buenos hasta muy regulares. Por
ejemplo, el nodo 1241 del subsector 1 logra reducir las concentraciones de 50 µg/L a 2
µg/L, pero también hay nodos como el 1477 del subsector 3 donde el diseño optimizado
presenta concentraciones mayores a la red no optimizada. Sin embargo, este fue es el
único caso negativo de todos los nodos estudiados. También se logran identificar horas

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

críticas donde las concentraciones de THM se igualaban entre los dos tipos de redes. Estas
horas son más variables y no necesariamente coinciden con los periodos de demanda más
bajos del día, hay que recordar que los trihalometanos están en función del consumo de
cloro. Por otra parte, es pertinente recordar que los resultados obtenidos son netamente
teóricos,  ya  que  se  hace  el  supuesto  de  que  la  tubería  no  influye  en  la  formación  de
trihalometanos,  tal  y  como  lo  explica  Carrico  &  Singer  en  su  paper.  Como  lo  dice  el
modelo de primer orden de decaimiento de cloro, este solo tiene en cuenta la liberación
de  materia  orgánica  por  parte  de  biopelículas  por  lo  cual  es  un  resultado  bastante
conservador, pero útil para predecir la presencia de estos subproductos de desinfección.
En general, los diseños optimizados logran mejorar en casi todos los nodos (a excepción
del  1477)  con  buenos  resultados.  Finalmente,  es  importante  aclarar  que  los  resultados
obtenidos no tienen en cuenta una adición de materia orgánica o compuestos halogenados
en el reservorio, son exclusivos del consumo de cloro en la red.

Con  respecto  al  análisis  de  tiempo  de  respuesta  en  casi  todos  los  casos  las  redes
optimizadas mejoraban en los tiempos de respuesta. Para el primer análisis que consiste
en la presencia de cloro (> 0.0 mg/L) 4 de las 5 redes demuestran que el diseño optimizado
distribuye el cloro de manera más rápida a través de la red garantizando un mejor tiempo
de respuesta. La única red no presento buenos resultados fue el subsector 3; esto se puede
deber a que en los extremos cuenta con nodos con elevaciones cercanas al reservorio lo
cual  puede  alterar  la  hidráulica  (Saldarriaga.  J,  2023).  Con  respecto  al  primer  análisis
extendido de 12 horas se ven todo tipo de resultados; hay diseños optimizados como el
subsector 1 que convergen a un número mayor de nodos que la red no optimizada, hay
diseños optimizados como el subsector 2 que convergen a un número igual de nodos que
la red no optimizada y hay diseños optimizados como el subsector 3 que convergen a un
número menor de nodos que la red no optimizada. Por otra parte, el segundo análisis que
consiste en el conteo de nodos que incumplen el RAS a través del tiempo de modelación
(< 0.3 mg/L) muestra que en 4 de 5 redes se comporta mejor el diseño optimizado. La
única red no presento  buenos  resultados fue el  subsector 4, y esto  al  igual que el  caso
anterior, se puede atribuir a condiciones topológicas únicas de la red que pueden afectar
la distribución  de los  nodos  (Saldarriaga. J, 2023). En general  este  comportamiento  es
variable y depende ciertos  factores  como  la topología de la  red, por lo  cual  se sugiere
realizar este tipo de análisis para evaluar la factibilidad de implementar un diseño de red
optimizada.  Finalmente,  se  concluye  que  los  diseños  optimizados  logran  mejorar  la
distribución de cloro en 80% de los casos y mejoran el cumplimiento de los mínimos del
RAS en el 80% de los casos.

En general, los resultados de esta modelación muestran que los diseños optimizados sí
mejoran la calidad en las RDAP. Muestran además que pueden aumentar la concentración
de cloro en los nodos y, por ende, garantizan una menor formación de trihalometanos.
Además, estos diseños optimizados permiten a su vez mejorar los tiempos de respuesta,

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

asegurándose de que el cloro llega a más nodos en un tiempo menor y en algunos casos
llegar  a  nodos  donde  no  se  llegaba  antes.  También  se  pueden  cumplir  los  requisitos
mínimos establecidos por el RAS de 0.3 mg/L de cloro en un menor tiempo. Este trabajo
sirve como evidencia contundente de que el diseño optimizado puede mejorar la calidad
de  las  redes  haciéndolas  más  resilientes,  asequibles  y  mucho  más  adaptativas  para  el
futuro.

Para finalizar este trabajo se proponen las siguientes recomendaciones con el fin realizar
estudios posteriores relacionados con el tema y así obtener resultados más acertados.

✓ Se sugiere realizar el mismo análisis de esta investigación, pero implementado

ecuaciones de segundo orden u otros modelos de formación para compararlos con
los resultados obtenidos.

✓ Para entender el comportamiento en otras redes, se sugiere hacer los mismos

análisis de cloro y THM con redes mucho más grandes como por ejemplo una red
matriz donde las demandas que sean considerablemente grandes.

✓ Como existen varios materiales para las tuberías, se recomienda hacer ensayo para

determinar los coeficientes de cuerpo y de pared específicos de la red en cuestión.
Con esto se pueden obtener resultados mucho más apropiados al caso de estudio.

✓ Para aumentar la precisión de los resultados, se recomienda incluir un patrón o

patrones de demanda específicos de la zona, que sean medidos in situ y estén
correctamente calibrados con el fin de datos en únicos del sector 8. Con estos, se
pueden realizar calibraciones de otros modelos y así predecir con más exactitud.

✓ Con el fin de plantear un escenario más real, se sugiere modelar adicionando una

concentración de materia orgánica en el reservorio, que simule una intrusión en la
red de algún tipo y pueda crear un escenario pesimista.

✓ Como una sugerencia final, si se desea conocer la calidad de la modelación se

pueden hacer ensayos con trazadores en la red actual para poder calibrar los
resultados obtenidos en EPANET y EPANET-MSX.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

REFERENCIAS

ATSDR

(s.f)

ToxFAQs

Cloro

(Chlorine).

https://www.atsdr.cdc.gov/es/toxfaqs/es_tfacts172.html#:~:text=durante%20per
%C3%ADodos%20prolongados.-
,%C2%BFC%C3%B3mo%20puede%20afectar%20mi%20salud%20el%20cloro
%3F,y%20da%C3%B1o%20de%20los%20pulmones.

Boccelli, D. L., Tryby, M. E., Uber, J. G., & Summers, R. S. (2003). A reactive species

model for chlorine decay and THM formation under rechlorination conditions.
Water Research. https://doi.org/10.1016/S0043-1354(03)00067-8

Carrico. B & Singer. P (2009) Impact of Booster Chlorination on Chlorine Decay and

THM

Production:

Simulated

Analysis.

https://ascelibrary.org/doi/10.1061/%28ASCE%290733-
9372%282009%29135%3A10%28928%29

Enriquez. L (2022) Comparison of two water quality modeling approaches in the trunk

network of Bogota’s water distribution system: white-box models versus black-
box

models

using

artificial

intelligence.

https://repositorio.uniandes.edu.co/handle/1992/55291

EPA (s.f) Desinfección de agua potable en situaciones de emergencia.

https://espanol.epa.gov/espanol/desinfeccion-de-agua-potable-en-situaciones-de-
emergencia#:~:text=Para%20desinfectar%20el%20agua%2C%20agregue,12%2
C5%20galones%20de%20agua

EPA

(s.f)

Manual

usuario

EPANET

2.2.

https://www.epa.gov/system/files/documents/2021-
07/epanet_users_manual_2.2.0-1.pdf

EPA

(s.f)

EPANET

–

MSX

manual.

https://www.epa.gov/water-

research/epanet#:~:text=EPANET%2DMSX%20(Multi%2DSpecies%20eXtensi
on)%20enables%20EPANET%20to,and%20at%20the%20pipe%20wall.

Fisher, I., Kastl, G., & Sathasivan, A. (2011). Evaluation of suitable chlorine bulk-decay

models for water distribution systems. Water Research, 45(16), 4896–4908.
https://doi.org/10.1016/j.watres.2011.06.032

GreenFacts (s.f) Trihalometanos.

https://www.greenfacts.org/es/glosario/tuv/trihalometanos-
THM.htm#:~:text=Los%20trihalometanos%20son%20los%20subproductos,el%
20cloro%20a%C3%B1adido%20como%20desinfectante.

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Intermepresas

(2004)

cloro,

mejor

desinfectante

para

agua.

https://www.interempresas.net/Quimica/Articulos/9587-El-cloro-el-mejor-
desinfectante-para-el-agua.html

ITC

(s.f)

CLORACIÓN

AGUA

POTABLE.

https://www.itc.es/wp-

content/uploads/article-Cloracion_agua_potable-ES.pdf

Lenntech (s.f) Desinfectantes: Cloro.

https://www.lenntech.es/procesos/desinfeccion/quimica/desinfectantes-cloro.htm

Lenntech (s.f) Subproductos de desinfección. https://www.lenntech.es/desinfeccion-del-

agua/desinfectantes-
subproductos.htm#:~:text=Los%20subproductos%20de%20la%20desinfecci%C
3%B3n%20son%20qu%C3%ADmica%2C%20sustancias%20org%C3%A1nicas
%20e,manera%20natural%20en%20el%20agua.

Ministerio de Vivienda (2015) Reglamento Técnico del Sector de Agua Potable y

Saneamiento Básico – RAS. https://www.minvivienda.gov.co/viceministerio-de-
agua-y-saneamiento-basico/reglamento-tecnico-sector/reglamento-tecnico-del-
sector-de-agua-potable-y-saneamiento-basico-ras

Mora. N (2022) Evaluación de la minimización en costos de desinfección en redes

optimizadas

mínimo

costo

distribución

agua

potable.

https://repositorio.uniandes.edu.co/handle/1992/59308

Nuckols, J. R., Rossman, L. W., & Singer, P. S. (2001). Development of exposure

assessment methods for THM and HAA in water distribution systems.

Obando. A, Sanchez. M, Romero – Esquivel. L (2018) Modelos de predicción de

Trihalometanos  en  redes  de  distribución  de  agua:  determinación  de  tiempos
medios  de  residencia.  https://www.scielo.sa.cr/pdf/tem/v32n1/0379-3982-tem-
32-01-167.pdf

Organización Panamericana de la Salud (s.f) Manual técnico para la desinfección con

cloro.
https://www3.paho.org/pan/dmdocuments/Agua_Segura_Manual_Tecnico.pdf

Pancorbo. J (2011) LA CLORACIÓN DEL AGUA Y LOS TRIHALOMETANOS.

http://javierpancorbo.blogspot.com/2011/12/los-trihalometanos-y-la-cloracion-
del.html

Robles. A (2018) Diseño óptimo de redes de distribución de agua mediante algoritmos

de búsqueda tabú. https://idus.us.es/bitstream/handle/11441/82270/TFM-1154-
ROBLES.pdf?sequence=1&isAllowed=y

/var/www/pavco.com.co/public/site/pdftohtml/29399fc828b1135920ab53a7a68f643f/index-html.html

Alejandro Herrera Báez

Proyecto de Grado

Rossman, L., & US EPA. (2020). EPANET 2.2 Online User’s Manual.

https://epanet22.readthedocs.io/en/latest/index.html

Salcedo. C (2014) Localización y ajustes óptimos de válvulas reductoras de presión

(VRP) en RDAP para minimizar el índice de agua no contabilizada (IANC).
https://scholar.google.com/citations?view_op=view_citation&hl=es&user=B23
XYF4AAAAJ&citation_for_view=B23XYF4AAAAJ:Y0pCki6q_DkC

Saldarriaga. J (2023) Reunión proyecto de grado, Departamento de ingeniería Civil y

Ambiental, Universidad de los Andes

TECPA (2022) EPANET Todo lo que necesitas saber. https://www.tecpa.es/epanet-que-

es-para-que-sirve/

Vasconcelos, J. J., Rossman, L. A., Grayman, W. M., Boulos, P. F., & Clark, R. M.

(1997). Kinetics of chlorine decay. Journal / American Water Works Association,
89(7). https://doi.org/10.1002/j.1551-8833.1997.tb08259.x

Zheng. M (2013) Factors Contributing to Chlorine Deca and Microbial Presence in

Drinking

Water

Following

Stagnation

Premise

Plumbing.

https://trace.tennessee.edu/cgi/viewcontent.cgi?article=2801&context=utk_gradt
hes

Calidad de agua en redes de distribución de agua potable optimizadas vs no optimizadas

¿Quiere saber más? Contáctenos

CÓMO PROTEGER TU PRIVACIDAD

ASUME EL CONTROL DE TU PRIVACIDAD