En el contexto actual, caracterizado por una creciente atención a la sostenibilidad y a la seguridad de las infraestructuras, la reducción de fugas en las redes de distribución de gas se ha convertido en una prioridad para los operadores. Las dispersiones no controladas afectan tanto a la eficiencia operativa y ambiental como a los costes de gestión, en un escenario donde la transición energética requiere redes más resilientes y digitalizadas. La innovación tecnológica se configura, por tanto, como un factor habilitador clave para acompañar la evolución de las infraestructuras y garantizar estándares de servicio más elevados.
En este contexto se sitúa Onyax, una PYME italiana especializada en diseño electrónico y en el desarrollo de soluciones IoT y plataformas de Inteligencia Artificial para la monitorización y el control de redes. La empresa adopta un enfoque de “soluciones llave en mano” que integra el diseño de dispositivos hardware, el desarrollo de software y la gestión inteligente de datos.
Un elemento distintivo es la adopción de un paradigma de AI on Edge: parte del procesamiento se realiza directamente en los dispositivos IoT instalados en campo, permitiendo un primer análisis local de las señales y una mayor eficiencia global en la comunicación hacia la plataforma propietaria ACE, donde la información se correlaciona y analiza posteriormente.
La solución
Las redes de distribución de gas, debido a su extensión y capilaridad, presentan desafíos complejos en términos de monitorización remota continua y detección temprana de anomalías. La evolución normativa y regulatoria, junto con los objetivos de descarbonización y las inversiones destinadas a la digitalización de infraestructuras estratégicas, exige a los operadores la adopción de herramientas tecnológicas fiables y escalables capaces de integrarse en los procesos operativos existentes.
EVALD (Electro-Vibro-Acoustic Leakage Detect), proyecto desarrollado por Onyax en colaboración con el Politecnico di Milano, introduce un enfoque innovador para la detección de fugas basado en el análisis electro-vibroacústico de las señales generadas por la red. A través de sensores distribuidos y algoritmos avanzados de machine learning y deep learning, el sistema está diseñado para reconocer patrones recurrentes, detectar señales débiles asociadas a microfugas y distinguir anomalías reales del ruido de fondo, reduciendo así el número de falsos positivos. El modelo tecnológico, desarrollado inicialmente para el sector del gas, presenta además una elevada transferibilidad al sector hídrico, donde las características de propagación de la señal acústica resultan especialmente favorables.
La arquitectura del sistema se basa en la integración entre sensores, dataloggers y una plataforma de análisis con IA. El dispositivo TUBE-EVA funciona como sensor instalado en el punto de medición y permite detectar presión, temperatura, vibraciones y señales acústicas mediante un micrófono integrado; para un enfoque activo más eficaz, también se utiliza con altavoz integrado. Los datos adquiridos se transmiten al datalogger principal, BLACKBOX-XL-EVA, que realiza funciones de recopilación, preprocesamiento local según lógicas de AI on Edge y gestión de la comunicación hacia la plataforma central. La transmisión se realiza mediante tecnologías 4G y LTE/Cat-M, estándares de comunicación de bajo consumo energético diseñados para aplicaciones IoT distribuidas, garantizando amplia cobertura y fiabilidad. Ambos dispositivos están equipados con interfaz Modbus, un protocolo industrial ampliamente utilizado para el intercambio de datos entre equipos electrónicos.
Los datos recopilados convergen posteriormente en la plataforma ACE (Acquisition, Control, Ecosystem) de Onyax, o en sistemas de terceros, donde son agregados y analizados mediante algoritmos de correlación de eventos y generación de dashboards e informes operativos. De este modo, los datos brutos se transforman en información de alto valor añadido, apoyando al operador en la identificación de criticidades.
A continuación, una imagen representativa de la visualización de fugas en la plataforma ACE:
El caso aplicativo
La validación en campo del proyecto se encuentra actualmente en curso en colaboración con A2A RetiPiù, empresa del Grupo activa en la distribución de gas natural y energía eléctrica en Lombardía.
La experimentación afecta a la red de gas de los territorios de Seveso y Cesano Maderno, con una extensión total de aproximadamente 230 km de red, mediante la instalación de 180 puntos de medición distribuidos de la siguiente manera:
- 50 puntos de escucha en baja presión;
- 17 alimentadores;
- 38 GRF (Grupos de Reducción Final);
- 75 puntos de medición del potencial de protección catódica.
La iniciativa se enmarca dentro de la regulación de ARERA, en particular de la Resolución 404/2022/R/gas, que regula las obligaciones de monitorización, calidad y seguridad del servicio de distribución, incentivando la adopción de herramientas innovadoras para la reducción de fugas.
Los dispositivos están actualmente instalados y se encuentran en curso actividades de prueba continua para validar las prestaciones. El proyecto prevé además una fase de entrenamiento del modelo de Inteligencia Artificial, apoyada por el Departamento de Music and Acoustic Engineering del Politecnico di Milano, incluida el análisis de estacionalidad con base anual.
El objetivo es demostrar la escalabilidad y fiabilidad del sistema en un contexto real, capaz de contribuir a la reducción de fugas. Se trata de un proyecto en evolución, cuyos desarrollos serán objeto de futuros análisis.
Conclusiones
La experimentación EVALD representa un paso concreto hacia la digitalización de las redes de gas.
Beneficios esperados:
- Reducción de emisiones de CH4 y optimización de las intervenciones;
- Mejora de la seguridad de la red;
- Contribución concreta a la sostenibilidad.
Onyax se posiciona como socio tecnológico de los operadores, poniendo a disposición competencias integradas y soluciones inteligentes orientadas a la sostenibilidad. Un proyecto en crecimiento, diseñado para acompañar la evolución de las infraestructuras hacia modelos más digitales y sostenibles.
