Das Projekt „DigiWasser“ zielt auf die Reduktion von Wasserverlusten im öffentlichen Trinkwasserversorgungssystem durch Erkennen und Orten von Leckagen mithilfe digitaler Lösungen ab.
DigiWasser
Die Vision von „DigiWasser“ ist es, das Infrastrukturmanagement in Wasserversorgungsunternehmen durch den Einsatz von Digitalisierungstechnologien zu verbessern, um Leckagen möglichst frühzeitig zu erkennen und zu orten und damit die hohen Wasserverluste in der öffentlichen Trinkwasserversorgung zu reduzieren.
Dies umfasst die Evaluierung nicht-invasiver Technologien zur Erfassung und Lokalisierung von Leckagen, die Digitalisierung und Analyse bestehender Daten sowie die Entwicklung eines Lösungskonzepts zur effektiven Reduzierung von Wasserverlusten im Trinkwassernetz. Die Machbarkeitsstudie beinhaltet eine detaillierte Anforderungsanalyse, die Qualifizierung sowie die Konzeptualisierung eines kosteneffizienten Systems. Projektziel ist die Demonstration der Implementierung der ausgewählten Technologie sowie Strategien zur Optimierung der Wasserversorgungsinfrastruktur.
Leistungen des August-Wilhelm Scheer Instituts
Das Ziel des August-Wilhelm Scheer Instituts ist der Ausbau bestehender Expertise im Bereich Digitalisierung der Wasserwirtschaft, die Entwicklung der KI-Applikationen zur Analyse von Sensordaten sowie deren wissenschaftlichen Dissemination.
Ziel: Sammlung der erhobenen Daten und Verknüpfung mit bestehenden Stammdaten des Wasserversorgungsnetzes (Datenquellen Prüfen).
Arbeitsschritte:
- Aufbereitung vorhandener Stammdaten des Wasserversorgungssystems.
- Georeferenzierte Abbildung der Sensordaten und Mapping zu vorhandenen Stammdaten.
- Vorbereitung der Daten zur KI-Analyse inkl. notwendiger Annotation.
- Qualitätsprüfung und Konsistenzprüfung aller zusammengeführter Daten und Quellen.
- Änderung notwendiger Datenaggregationen und Datenerfassungen zur konsistenten, lückenfreien Ablage
Ergebnisse: Verbesserte Datengrundlage bestehender Daten und nachhaltige Aggregation und Ablage zukünftig generierter Daten
Ziel: Entwicklung von KI-Modellen zur Datenanalyse und Anomalieerkennung im Verteilernetz
Arbeitsschritte:
- Erprobung und Testung bereits vorhandener Ansätze, auf denen aufgebaut werden kann.
- Vorverarbeitung der in AP4 aggregierten Daten zum Training der Modelle.
- Identifikation wichtigster Datenquellen und Parameter.
- Training und Evaluation von KI-Modellen zur Erkennung von Anomalien.
- Entwicklung einer Pipeline zur automatisierten Anwendung der KI-Modelle auf den aggregierten Daten im Prozessleitsystem.
Ergebnisse: Funktionale KI-Modelle für die Datenanalyse und Anomalieerkennung
- Analyse der aktuellen Datengrundlage, Datenaggregation und -plausibilisierung
-
Ziel: Sammlung der erhobenen Daten und Verknüpfung mit bestehenden Stammdaten des Wasserversorgungsnetzes (Datenquellen Prüfen).
Arbeitsschritte:
- Aufbereitung vorhandener Stammdaten des Wasserversorgungssystems.
- Georeferenzierte Abbildung der Sensordaten und Mapping zu vorhandenen Stammdaten.
- Vorbereitung der Daten zur KI-Analyse inkl. notwendiger Annotation.
- Qualitätsprüfung und Konsistenzprüfung aller zusammengeführter Daten und Quellen.
- Änderung notwendiger Datenaggregationen und Datenerfassungen zur konsistenten, lückenfreien Ablage
Ergebnisse: Verbesserte Datengrundlage bestehender Daten und nachhaltige Aggregation und Ablage zukünftig generierter Daten
- Entwicklung von KI- Modellen zur Anomalieerkennung
-
Ziel: Entwicklung von KI-Modellen zur Datenanalyse und Anomalieerkennung im Verteilernetz
Arbeitsschritte:
- Erprobung und Testung bereits vorhandener Ansätze, auf denen aufgebaut werden kann.
- Vorverarbeitung der in AP4 aggregierten Daten zum Training der Modelle.
- Identifikation wichtigster Datenquellen und Parameter.
- Training und Evaluation von KI-Modellen zur Erkennung von Anomalien.
- Entwicklung einer Pipeline zur automatisierten Anwendung der KI-Modelle auf den aggregierten Daten im Prozessleitsystem.
Ergebnisse: Funktionale KI-Modelle für die Datenanalyse und Anomalieerkennung
Ihr Ansprechpartner
Shreyas Mysore Guruprasad
shreyas.mysoreguruprasad@aws-institut.de
Telefon: +49 681 93511-234
Ausgangssituation
Wasserverluste stellen nicht nur eine ökologische, sondern auch eine ökonomische Herausforderung dar. Allein in Deutschland belaufen sich die Wasserverluste im öffentlichen Wasserversorgungssystem auf ca. 473 Millionen Kubikmeter jährlich, was etwa 10% der gesamten Wasserversorgung entspricht. Hauptursache für diese Wasserverluste sind Leckagen in Wasserversorgungssystemen. Hinzu kommt die schlechte und unstrukturierte Datengrundlage und -erfassung sowie die fehlende Möglichkeit genauer Analysen der Wasserverluste und der Infrastruktur. Trotz der gegenwärtigen ausreichenden Wasserversorgung in Deutschland gefährden klimatische Veränderungen wie längere Trockenphasen und zunehmende Starkregenereignisse das zukünftige Angebot. Daher ist es dringend erforderlich, präventive Maßnahmen zu ergreifen und langfristige Strategien zu entwickeln, um die Wasserversorgung nachhaltig zu sichern.
- Wasserverlust von 10% der Gesamtwasserversorgung in DE pro Jahr
- Wasserverluste ergeben ökologische und ökonomische Herausforderungen
Lösungsansatz
Was?
Digiwasser strebt die Entwicklung eines modularen Methodenbaukastens an, der die Detektion von Leckagen und die Erfassung des Netzzustands im Trinkwassernetz ermöglicht. Dieser Ansatz beinhaltet mehrere Schritte. Zunächst erfolgt eine theoretische Datenanalyse sowie eine gründliche Evaluation nicht-invasiver Technologien zur Leckagedetektion und Zustandserfassung. Anschließend wird eine Real-Erprobung unter Berücksichtigung regulatorischer und prozesstechnischer Anforderungen durchgeführt.
Die Datenanalyse beinhaltet die Digitalisierung vorhandener Datenquellen sowie die Entwicklung eines umfassenden Lösungskonzepts zur Identifizierung von Leckagen und Netzzuständen. Zur Exploration verschiedener Ansätze wird ein Demonstrator erstellt. Das übergeordnete Ziel dieses Projekts ist es, effektive Lösungen zur Bewältigung von Wasserverlusten zu identifizieren. Dabei werden quantitative und qualitative Methoden differenziert und Algorithmen zur Echtzeit-Datenvalidierung und -plausibilitätsprüfung sowie Machine-Learning-Ansätze entwickelt. Die Validierung dieser Lösungen erfolgt durch kontrollierte Experimente im Labor sowie Feldtests unter realen Bedingungen. Es werden kosteneffiziente Technologien wie bildgestützte Systeme und akustische Korrelationsverfahren untersucht, um die Wasserinfrastruktur zu managen und die Trinkwasserversorgung sicherzustellen.
FÖRDERHINWEIS
Das Projekt DigiWasser ist gefördert durch das Ministerium für Wirtschaft, Innovation, Digitales und Energie Saarland.
Laufzeit: 01.03.2024 – 31.12.2024