Grafica de datos SCADA de TRON-AGBAR disponibles desde el 1-1-2020

Predicción basada en maching learning de la planta de ABGAR de Sant Joan Despí

A partir de datos en el servidor BIOST3 que se actualizan con un cron LO JUNTO CON TRON-AGBAR DIARIO (AGREGADO POR HORAS)

Predicción basada en "Machine Learning" de la turbidez de la planta. Se basa en datos tales como turbidez actual y anterior (AGBAR), precipitación actual y anterior (METEOCAT), precipitación futura (METEOCAT)

Cada dia se actualiza el fichero maestro (Master file) que contine la información de una serie de datos desde 1995 a 2020, actualizándose en el METEOCAT (lluvia real y predicción de lluvia)

Se ha de juntar los datos del servidor tron (SCADA-AGBAR, actualizacion diaria) con los datos del servidor BIOST3(HISTORICO+LIMS+METEOCAT) para entrenar un modelo predictivo que pueda predecir de una manera eficiente la turbidez LIMS a partir de:

-TURBIDEZ SCADA ANTERIOR -AMONIO Idem Idem -BOMBA 1 Idem Idem -BOMBA 2 Idem Idem -PREDICCION LLUVIA 1DIA, 2 DIAS, 3 DIAS
-LLUVIA TOTAL ACUMULADA EN UN CONJUNTO DE ESTACIONES METEO

PREDICCION CON EL DATAFRAME COMBINADO (combined_LIMS_TRON: DATOS SERVIDOR BIOST3 + TRON-AGBAR DIARIO) PRUEBA DE MODELOS

Predecir con un modelo ML a partir de las 24 a 48 h anteriores

Linea roja: TURBIDEZ LIMS predicha (Linea continua: mediana 50%. Linea discontinua: IC95%(2.5%, 97.5%)) a +6h, +12h, +18h, +24h, +30h, +36h, +42h, +48h Linea azul: turbidez SCADA REAL Linea magenta discontinua: turbidez LIMS REAL con LCFO (imputacion de arrastre del ultimo valor conocido)

Perfomance (Metrica) del modelo de Machine-Learning utilizado:

## [1] "Mean MAE-Prediction trainset for 6h= 110.624801566236"
## [1] "Max MAE-Prediction trainset for 6h= 110.810496428923"
## [1] "Mean MAE-Prediction trainset for 48h= 112.48604543201"
## [1] "Max MAE-Prediction trainset for 48h= 113.454258936925"

Time analysis when Turbidity > 500 NTU using the predicted data