modelos de simulaciÓn en ramales de riego pedro vallesquino laguna julio de 2004

80
MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

Upload: carmelita-navarra

Post on 22-Feb-2015

15 views

Category:

Documents


4 download

TRANSCRIPT

Page 1: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO

Pedro Vallesquino Laguna

julio de 2004

Page 2: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

1.- INTRODUCCIÓN Y OBJETIVOS

Page 3: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

ACTIVIDAD AGRÍCOLA

MEJORA DE RENDIMIENTOS A TRAVÉS DEL RIEGO

SIMULACIÓN INFORMÁTICA COMO HERRAMIENTA DE APOYO

EL RAMAL DE RIEGO: ELEMENTO BÁSICO EN SISTEMAS RAMIFICADOS A PRESIÓN

Page 4: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

Objetivos

• Revisión y análisis de los métodos de cálculo

más frecuentemente usados.

• Creación de una propuesta algorítmica nueva.

• Verificación experimental del modelo teórico

desarrollado.

Page 5: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

2.- ANTECEDENTES

Page 6: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• El Método SBS

• Modelos Discretos Alternativos

• Modelos Continuos Alternativos

Page 7: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

2.1 El método SBS

• Variante FSM (Hathoot et al., 1993, 1994).

• Variante BSM (Kang y Nishiyama, 1995, 1996a).

Page 8: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

2.2 Modelos discretos alternativos

• Método de Benami (1968)

• Método de Perold (1977)

• Método de Chu y Moe (1971)

• Método del Factor Corrector (Christiansen, 1942), Anwar (1999a,b,c; 2000a,b), etc.

• Método de Elementos Finitos (Bralts y Segerlind, 1985), (Kang y Nishiyama, 1996b,c,d,e), etc.

Page 9: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

2.3 Modelos continuos alternativos

• El Método EGL (Camp y Graber, 1968), (Wu y Gitlin, 1975), (Valiantzas 1998, 2002a,b), (Juana et al., 2002a, b), etc.

• El Método FEM-VES (Bralts et al., 1993), (Gerrish et al., 1996b).

• Otros Métodos Diferenciales (Horlock, 1956), (Berlamont y Van der Beken, 1973), (Warrick y Yitayew, 1988), etc.

Page 10: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

2.4 Valoración global de los antecedentes citados

• No existe una aproximación única, comparable con el método SBS (en cuanto a resultados y aplicabilidad), que sirva para reducir el volumen de computación requerido cuando se pretende obtener una solución muy precisa.

Page 11: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.- CONSIDERACIONES TEÓRICAS SOBRE EL NUEVO ALGORITMO

Page 12: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• MODELOS DE CAUDAL

• CÁLCULO DE PÉRDIDAS DE CARGA

• ECUACIÓN DE DESCARGA DE LOS EMISORES

• ECUACIÓN DE LA ENERGÍA

• ESQUEMA DE RESOLUCIÓN

• VARIANTES SIMPLIFICADAS

Page 13: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.1 Modelos de caudal

• Caudales emitidos

• Caudales circulantes

1

1

)1(2111 ...

2)1(

)1(n

j

iinn j

nnnqnqq

r

n

n

n

j

iir

n

nnn Qj

nnnqQqQ

1

1

1

)1(11

1

...2

)1(

Page 14: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.2 Cálculo de pérdidas de carga

• Por fricción ec. Darcy-Weisbach:

• Por singularidades modelo estándar:

• Se permite que f y K sean variables con Re

252

8Q

D

Lf

gH f

4

2

2

8

D

QK

gHK

Page 15: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.2.1 Pérdidas de carga longitudinales

considerando que:

21)"11(

2)"()1()1( QKQK

lD

nnnnfKRnfKR

)1()1()1(52)1(

8nfKRnfKRnfKRnfK

D

l

gH

Page 16: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

(ver anexo 7º):

2´´)(164

n

KeR

n

KeRKeRnn

ReD

CReD

BaK

2)1´´(164

n

KacR

n

KacRKacRnn

ReD

CReD

BaK

2164

n

fR

n

fRfRn

ReD

C

ReD

Baf

Page 17: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.2.2 Pérdidas de carga transversales

)()'()( nn enfnnKenfK HHH

5

2)(

4

2)'(

2

8

c

ncennnn

d

qlf

D

QK

gn

Por ecuación empírica disponible

Por Colebrook u otra ecuación al uso

Page 18: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.3 Ecuación de descarga de los emisores

• Se permite cualquier tipo de relación. Como ejemplo sirvan las siguientes:

y

ndn ehCq )(

)/1(

2

2

1

1

1

ynd

ynd

nee hChC

q

....)()( 323210 ndndnddn eee hChChCCq

Page 19: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.4 Ecuación de la energía usada

• Se permite cualquier tipo de relación según sea la configuración del ramal. Como ejemplo sirvan las siguientes:

)1(22

142118

)( nfKnv

nn HQQgD

zzhh eeee

)1()()11(22

142118

)( nfKennfKefKnc

vnn HHHqq

gdzzhh eeee

Page 20: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.5 Esquema de resolución

Datos de Partida

D, dc, l, l’, lc, N, q1 (he1), Qr, ze1, z1, Sz,

, r,, c, Cd, y, K(n n”), K(n n’), K(n”+1 n)

Page 21: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.5 Esquema de resolución

NIVEL 1: CÁLCULOS PREVIOS

1.1) Establecimiento de q1 y/o he1: ec. (3.105), (3.107) o similar

1.2) Verificación del Tipo de Régimen y Reasignación de N:ec. (3.40)

1.3) Elección de “Puntos Clave”: n10.25N, n2

0.50N yn30.75N; (1<n1<n2<n3)

1.4) Estimación de Parámetros de Ajuste Ligados a fn, K(n n”)

y K(n”+1 n): ecs. (3.23), (3.49), (3.56), (3.67), (3.68) y (3.69)

Page 22: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

Elección de puntos clave:

Ajuste de curva de caudales emitidos:

Cálculo de variables de interés:

1

1

)1(2111 ...

2)1(

)1(n

j

iinn j

nnnqnqq

qn, Qn, HfK(n1), hen , etc.

n1, n2 y n3

Page 23: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.5 Esquema de resolución

NIVEL 2: PROCEDIMIENTO DE APROXIMACIONES SUCESIVAS

2.1) Estimación de Alturas hen (ec. (3.82) ó (3.85))

2.2) Cálculo de Caudales qn (ec. (3.105), (3.107) o similar)

2.3) Determinación de Valores i (ec. (3.5))

2.4) Establecimiento y Uso de los Modelos de Caudal: (ecs. (3.5), (3.6), etc.)

2.5) Reestimación de Parámetros de Ajuste (ecs. (3.49), (3.67), (3.68) y

(3.69))

2.6) Cálculo de Pérdidas de Carga de Interés (ecs. (3.74), (3.76) y (3.79))

2.7) Estimación de Alturas en Cabecera y Reinicio de Cálculos a Partir

de 2.1) (ecs. (3.89) ó (3.91) y (3.96) ó (3.99))

Page 24: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

3.6 Variantes simplificadas

• Basadas en el algoritmo propuesto y en el cálculo de los factores equivalentes:

• De manera opcional se puede reducir la complejidad de la ec. de la energía aplicada, el número de iteraciones y el de parámetros i qn, Qn, HfKN más simples

eqNnneqNnneq KyKf N )1"()"(,

Page 25: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

n

KeRKeRnn ReD

BaK

4

´´)(

n

KacRKacRnn ReD

BaK

4)1´´(

n

fRfRn ReD

Baf

4

Page 26: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Variante “Re”:

• Variante “Log” (Vallesquino y Luque Escamilla, 2001):

)1/(213312

Nr

rNneqN

)/46545.1exp(6214.01

)3381.04412.0( ,0r si

3447.07166.0 ,0r si

Nr

Nn

Nn

N

N

eq

eq

Page 27: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

VERIFICACIÓN EXPERIMENTAL

• MATERIALES Y MÉTODOS

• CALIBRACIÓN DEL MODELO

• VALIDACIÓN DEL MODELO

Page 28: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.- MATERIALES Y MÉTODOS

Page 29: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• ENSAYOS DE GOTEO:

– Previos

– Ramal completo

• ENSAYOS DE ASPERSIÓN:

– Previos

– Ramal completo

Page 30: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.1 Ensayos previos de goteo

• Longitudes, cotas y diámetro del ramal

• Determinación del factor de fricción

• Caracterización geométrica de la conexión ramal-gotero

• Determinación del factor local K(nn´´)

• Estimación de la ecuación del emisor

Page 31: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.1.2 Determinación del factor de fricción

4.1.1 Medida del diámetro del ramal

Válvula de esfera

DepósitoManómetro

Toma de agua

Regulador de presión

Toma manométrica

Termómetro

Tubería de PE

Tubería de PE

Acoplamiento

Page 32: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.1.3 Caracterización geométrica de la conexión ramal-gotero

Page 33: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.1.4 Determinación del factor local K(nn´´)

4.1.5 Estimación de la ecuación del emisor

Toma de agua

Manómetro

Válvula de esfera

Depósito

Regulador de presión Termómetro

Toma manométrica

Gotero

Depósito

Tubería de PE

Acoplamiento

Page 34: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.2 Ensayo a “ramal completo” de goteo

Regulador de presión

Toma manométrica

Toma de agua

Manómetro

Válvula de esfera

Gotero

Termómetro

Depósitos

Tubería de PE

Acoplamiento

Page 35: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• ENSAYOS DE GOTEO:

– Previos

– Ramal completo

• ENSAYOS DE ASPERSIÓN:

– Previos

– Ramal completo

Page 36: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.3 Ensayos previos de aspersión• Estimación de longitudes, cotas y diámetro del ramal

• Determinación de la ecuación del emisor

• Estimación de la ecuación de descarga del ramal completo (E.D.R)

• Determinación del factor de fricción f

• Estimación del factor K(nn´)

• Determinación del factor K(nn´´)

Page 37: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.3.1 Estimación de longitudes, cotas y diámetro del ramal

• Cinta métrica flexible de 30 m

• Cinta métrica flexible de 2 m

• Teodolito de 30 aumentos

• 2 miras topográficas de 2m

• Un calibrador

Page 38: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.3.2 Determinación de la ecuación del emisor

Toma manométrica

Toma de agua Manómetro

AspersorTermómetro

Depósito

Tubería de aluminio

Caña

Acoplamiento

Page 39: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.3.3 Estimación de la E.D.R

4.3.4 Determinación del factor de fricción

Tomas manométricasToma de agua

Manómetro

Aspersor

Termómetro

Tubería de aluminio

CañaCaudalímetro

Acoplamiento

Page 40: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.3.5 Estimación del factor K(nn´)

4.3.6 Estimación del factor K(nn´´)

Tomas manométricas

Toma de agua

Aspersor

Termómetro

Tubería de aluminio

Caña

Manómetro

Acoplamiento

Page 41: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

4.4 Ensayo a “ramal completo” de aspersión

Tomas manométricas

Toma de agua

Aspersor

Termómetro

Tubería de aluminio

Caña

Manómetro

Acoplamiento

Depósito

Page 42: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.- RESULTADOS DEL PROCESO DE

CALIBRACIÓN

Page 43: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1 Ensayos previos de goteo

Page 44: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.1 Determinación del diámetro

9.95

10

10.05

10.1

10.15

0 5 10 15 20 25

h (m)

D (

mm

)

Tub.1

Tub.2

Tub.3

Tub.4

Ajuste

028.1010042.210583.110134.2 52436 hhhD

Page 45: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.2 Determinación del factor de fricción

-0.01

0.01

0.03

0.05

0.07

0.09

0.11

0.13

0 5000 10000 15000 20000 25000 30000

Re

f

Lam.

Tran.

Turb.

f5

f6)16/1()( fgfgfg CBAf

Page 46: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

16439.66

ReAfg

167781.016

495.2371687

1

ReRe

B fg

162202.016

232.0118299

1

ReRe

C fg

Page 47: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.3 Geometría de la conexión ramal-gotero

dg1

(mm)dg2

(mm)dg3

(mm)dg4

(mm)dg5

(mm)Ag

(mm2)Ar(h=0)

(mm2)(Ag /

Ar(h=0))

Propio 5.61 2.59 5.31 3.65 3.96 36.21 78.98 0.46Netafimno comp. Arviza 5.65 3.50 4.05 3.40 4.15 32.64 80.12 0.41

Propio 6.17 3.37 4.93 3.53 4.16 38.22 78.98 0.48C.C.helic. Arviza - - - - - - 80.12 -

Propio 5.73 3.43 4.23 3.57 4.1 33.99 78.98 0.43Netafimcomp. Arviza 5.80 3.20 4.10 3.15 4.10 31.37 80.12 0.39

Tabla 5.1. Caracterización geométrica de la conexión ramal-gotero para los

tres emisores ensayados según datos propios y de Arviza (1992)

Page 48: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.4 Determinación del factor local K(nn´´)

)12/1(

1212

1.1105)''( )255.1(17476

ReK nn

-6

-2

2

6

10

14

0 5000 10000 15000 20000

Re

K(n

--n

'')

Ensayo

Ajuste

(gotero C.C. helicoidal)

Page 49: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.4 Determinación del factor local K(nn´´)

-8

-4

0

4

8

12

0 5000 10000 15000 20000 25000

Re

K(n

--n

'')

Ensayo

Ajuste

Arviza

)12/1(

1212

1.1105)''( )255.1(17476

ReK nn

(gotero Netafim no compensante)

Page 50: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.4 Determinación del factor local K(nn´´)

-6

-4

-2

0

2

4

6

8

10

12

0 5000 10000 15000 20000 25000

Re

K(n

--n

'')

Ensayo

Ajuste

Arviza

)12/1(

1212

1.5190)''( )437.1(387990

ReK nn

(gotero Netafim compensante)

Page 51: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.5 Estimación de la ecuación del emisor

hen (m) 20 15 10 5 1

CV (%) 1.3 1.8 1.6 2.0 3.2

qd ( %) 2.9 3.5 3.0 4.2 6.2

0

0.0005

0.001

0.0015

0.002

0.0025

0.003

0 5 10 15 20 25

hen (m)

qn (

l/s)

Ensayo

Ajuste

(gotero C.C. helicoidal)

7522.0410602.2 nn ehq

Page 52: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.5 Estimación de la ecuación del emisor

4576.0410974.3 nn ehq

hen (m) 20 15 10 5 1

CV (%) 2.2 2.6 2.7 1.7 1.9

qd ( %) 4.8 5.2 5.7 3.8 4.1

0

0.0005

0.001

0.0015

0 5 10 15 20 25

hen (m)

qn (

l/s)

Ensayo

Ajuste

(gotero Netafim compensante)

)12/1(

125032.0120408.0 /839.1926139.801

1

nn

nee hh

q

Page 53: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.1.5 Estimación de la ecuación del emisor

0

0.0005

0.001

0.0015

0.002

0 5 10 15 20 25

hen (m)

qn (

l/s)

Ensayo

Ajuste

4576.0410974.3 nn ehq

(gotero Netafim no compensante)

hen (m) 20 15 10 5 1

CV (%) 1.2 1.4 1.4 1.4 1.5

qd ( %) 2.3 2.7 2.5 2.7 3.1

Page 54: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2 Ensayos previos de aspersión

Page 55: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.1 Perfil del terreno

Figura 5.12. Cota del terreno (z) en función de n y de la

distancia x medida respecto del emisor de cola

-0.60

-0.40

-0.20

0.00

0.20

0.40

0.60

0 35.34 70.68 106.02 141.36 176.7 212.04

x (m)

z (m

)

1 5 9 13 17n

Page 56: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.2 Estimación de la ecuación del emisor

0

0.1

0.2

0.3

0.4

0.5

0.6

0 10 20 30 40 50 60 70

hen (m)

qn (

l/s)

qn qn-(4mm) qn-(2.4mm)

ec. (5.37) ec. (5.38) ec. (5.39)

(Aspersor VYR-35)

4436.02 )(10635.8 nn ehq

4273.02)4( )(10731.6 nmmn ehq

4904.02)4.2( )(10933.1 nmmn ehq

Page 57: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

Total

hen (m) 15 20 30 35 40 50

CV (%) 1.8 2.1 3.0 3.2 2.4 1.3

qd ( %) 2.6 3.8 4.9 5.2 4.2 2.1

Tabla 5.5. Valores de CV y qd para el aspersor VYR 35

Page 58: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.3 Estimación de la E.D.R

2.00

4.00

6.00

8.00

10.00

0 10 20 30 40 50 60

hN´´+1 (m)

QN (

l/s)

ensayo

ajuste

4599.01´´ )(354.1 NN hQ

Page 59: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.4 Determinación del factor de fricción

0.00

0.01

0.02

0.03

0.04

0.05

0 50000 100000 150000 200000

Re

f

ensayo Colebrook

nnn fReLog

f

51.2

7.3

2.74/114.02

110

Page 60: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.5 Determinación del factor local K(nn´)

-1.00

1.00

3.00

5.00

7.00

9.00

0 50000 100000 150000 200000

Re

K(N

--N

´)

ensayo ajuste

564.3)'()'( NNnn KK

Page 61: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

5.2.6 Estimación del factor K(nn´´)

-6.00

-4.00

-2.00

0.00

2.00

4.00

6.00

0 50000 100000 150000 200000

Re

K(N

--N

´´)

ensayo ajuste

249.0)()( NNnn KK

Page 62: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.- RESULTADOS DEL PROCESO DE VALIDACIÓN

Page 63: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.1 Ensayos de goteo

Page 64: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

V

0.0013

0.0014

0.0015

0.0016

0 5 10 15 20 25 30 35

n

qn (

l/s)

0 15 30

Ensayo 8

SBS

Algoritmo

Anwar

4653 7925 11301 Ren

Observado Algoritmo Otros

6.1.1 Gotero Netafim no compensante

Page 65: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

V

0.0008

0.0013

0.0018

0.0023

0 5 10 15 20 25 30 35

n

qn (

l/s)

0 15 30

Ensayo 8

SBS

Algoritmo

Anwar

15015 17988 22195 Ren

Observado Algoritmo Otros

6.1.2 Gotero C.C. helicoidal

Page 66: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

V

0.0009

0.0011

0.0013

0 5 10 15 20 25 30 35

n

qn (

l/s)

0 15 30

Ensayo 5

SBS

Algoritmo

Anwar

12617 15276 17885 Ren

Observado Algoritmo Otros

6.1.3 Gotero Netafim compensante

Page 67: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.2 Ensayos de aspersión

Page 68: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.2.1 Aspersor VYR-35

V

0.28

0.33

0.38

0.43

0 5 10 15 20

n

qn (

l/s)

0 8 16

Ensayo 2

SBS

Algoritmo

EGL

0 50955 102575 Ren

Observado Algoritmo Otros

Page 69: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.3 Ensayos teóricos de goteo y aspersión

Page 70: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Las diferencias existentes entre el algoritmo

completo y el método SBS no alcanzan en ningún

caso el 0.4%.

• Las divergencias entre las variantes “Re” y “Log” y

el método SBS son normalmente inferiores al 0.8%.

• Las variantes EGL se han mostrado más precisas

que el método de Anwar. Cuantitativamente, la

variante EGLJRL muestra unas desviaciones máximas

no superiores al 3.1%.

Page 71: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

6.4 Sensibilidad del modelo

Page 72: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• En los ensayos de goteo y aspersión el algoritmo propuesto se muestra más sensible a los cambios que puedan producirse en Sz y he1.

• La sensibilidad respecto de Cd – y, D o Qr depende de la variable de salida analizada (hN

´´+1, qm, etc.) y de la cuantía de Qr.

• Respecto de otros parámetros de entrada como T, l, f (r o c), K(nn´´), K(nn´), lc y dc el esquema de cálculo desarrollado es poco sensible.

Page 73: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

7.- CONCLUSIONES Y TEMAS ABIERTOS

Page 74: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Entre los modelos estudiados no existe una aproximación única comparable con el método SBS que sirva para reducir el volumen de computación requerido cuando se pretende obtener una solución muy exacta.

• Como respuesta a esta situación, se ha desarrollado un esquema de cálculo nuevo y bastante preciso capaz de ser aplicable a la tipología diversa de los ramales de riego.

Page 75: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Del proceso de calibración efectuado se pueden destacar los siguientes resultados:

– A temperatura constante, el diámetro medio D de una tubería de PEBD es estimable a partir de una función polinómica D = fD(h) dependiente de la altura de

presión h existente en la misma.

– La variación de D = fD(h) influye poco sobre el valor

final de f en las tuberías de PEBD tratadas

– K(nn´´) es un factor variable cuyo valor tiende a ser

constante bajo régimen turbulento.

Page 76: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

– En ramales de aspersión desmontables f es ajustable a través de la ecuación de Colebrook. Por su parte, K(n n´) sigue un comportamiento similar al ya comentado con K(n n´´).

– El enrollamiento helicoidal de un microtubo de PEBD de unos 2 mm diámetro y 20 m de longitud ha servido para crear un gotero con y 0.75 y C.V < 3.2%.

– Las leyes de potencias son útiles para estimar la descarga producida por todos los emisores empleados e incluso para determinar el caudal circulante a la entrada de un ramal de aspersión.

Page 77: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

– Se constata probablemente la presencia de un fenómeno denominado como “turbulencia” que afecta al normal funcionamiento de los aspersores probados.

Page 78: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Del proceso de validación realizado se puede remarcar lo siguiente:

– Los resultados aportados por el método SBS y el algoritmo presentado son prácticamente equivalentes en todas las simulaciones realizadas.

– Los resultados obtenidos con otros modelos de cálculo (Anwar y variantes EGL) son bastante acertados en buena parte de los casos, aunque no mejores a las del método propuesto en cualquiera de sus versiones. Entre ellos ninguno se destaca de manera absoluta sobre los demás.

Page 79: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

– Las predicciones teóricas dadas por el método SBS, o el algoritmo propio, se alejan poco de los resultados experimentales. Sólo en los ensayos del gotero Netafim autocompensante el proceso de calibración quizás debiera ser revisado.

– El algoritmo propuesto se muestra más sensible a Sz y he1. La sensibilidad respecto de Cd – y, D o Qr depende de la variable de salida analizada (hN´´+1, qm, etc.) y de la cuantía de Qr.

Page 80: MODELOS DE SIMULACIÓN EN RAMALES DE RIEGO Pedro Vallesquino Laguna julio de 2004

• Adaptabilidad del algoritmo presentado a ramales con pendiente variable, pivotes de riego o subunidades.

• La utilización del nuevo esquema de cálculo en el diseño de ramales y subunidades de riego.

• Inclusión en el nuevo algoritmo de factores como la variabilidad de fabricación, la obturación, T, etc.

• Mejorar el conocimiento de fenómenos anómalos como el de “turbulencia”, el de “fatiga en la emisión” o el comportamiento de f en tuberías de P.E.

• Mayor información sobre K(nn´´), K(nn´) y K(n”+1n)

• Mejora en la elección de los “puntos clave” y en la estimación de neqN

TEMAS ABIERTOS