Att tackla vattenförluster med datastyrda lösningar

Finns det något vi tar för givet mer än det rena, klara vattnet vi får direkt från våra kökskranar? Det vattnet har sannolikt färdats hundratals kilometer över alla möjliga terränger och förhållanden – en resa som bara är möjlig tack vare de människor som arbetar bakom kulisserna för att bekämpa vattenbrist och förhindra vattenförlust.

För att ta reda på mer om att minska vattenförlusterna talade The Urbanista Podcast med Maximilian Oberndoerfer, produktchef på Diehl Metering. De har lång erfarenhet av vattenverk, speciellt inom vattenövervakningsområdet.

Kan du berätta mer om vattenbristen?
Frågan om vattentillgång, men också bristen på vatten, har alltmer blivit ett ämne som berör oss som företag, allmännyttiga företag, kunder och privatpersoner. I slutet av dagen förlitar vi oss alla på att vatten är tillgängligt när vi behöver det.

Kan du ge ett exempel på vattenbrist?
Särskilt i Frankrike har det varit ett problem under de senaste två åren. De har infört nationella regler där vissa regioner har gränser för hur mycket vatten de kan leverera. Trots det har vissa städer i Frankrike haft situationer där det inte fanns mer vatten att hämta från brunnarna, och de var tvungna att köra in det med lastbilar. Det är ärligt talat väldigt läskigt att förlita sig på sådana här lastbilar.

Hur viktigt är det att snabbt lösta detta problem?
Vi måste agera snabbt. För det första genom att öka medvetenheten och för det andra genom att tillhandahålla lösningar i samarbete med företagen. Vi som företag ser det som vårt ansvar att verkligen bidra positivt till det utrymmet och ta itu med denna fråga både inhemskt och globalt.

Diehl Metering använder sig av 10-minutersanalysen. Vad är det?
Kärnkonceptet med 10-minutersanalys kommer från verktyg som har färre och färre anställda och mindre och mindre tid. Så, tanken är att ta bara 10 minuter om dagen för att fokusera på förlusterna i ditt distributionssystem.
Det kan vara svårt för en individ att smälta data och komma fram till några meningsfulla resultat som avgör vilken åtgärd som ska vidtas. Vår användarprogramvara analyserar data åt dig och presenterar resultaten så att du enkelt kan tolka vad som händer i ditt nätverk och avgöra vad du behöver göra.

Hur fungerar en 10-minutersanalys i praktiken?
Operatören ansluter sig till sitt team på morgonen för att ta en titt på systemet. De kan se nätverket delas upp i olika zoner, vanligtvis distriktsmätare (DMA). Sedan är det väldigt enkelt, som trafikljus: de röda zonerna betyder "jag har vattenförluster och jag måste agera nu", de orangea eller gula zonerna betyder "okej, det kanske finns något jag borde göra om jag har tid" och de gröna zonerna säger i princip till mig "jag mår bra, jag behöver inte göra någonting".
Den underliggande magin är hur de olika datakällorna kombineras. Vi har SCADA-information (supervisory control and data acquisition) från distribuerade sensorer, information som talar om var mina rör är, hur gamla de är, vad de är gjorda av, information om nätverkspumpen med mera. Vi tar dessa data och vi kombinerar dem på ett sätt så att vi kan visa detta trafikljussystem på DMA-nivå.

Vilka KPI:er (Key Performance Indicators) spåras och hur processas de?
För trafikljussystemet som jag nämnde tittar vi på en daglig vattenbalans. Det är en mycket enkel jämförelse av vad som går in och vad som kommer ut ur vattennätet. Det ger dig en bra indikation på hur många fysiska förluster du har i ditt nätverk, speciellt om du vet vad som händer från konsumentsidan.
Utöver det bygger vi skikt ovanpå, till exempel miniminattflödet, höga siffror som vi kan anta inte beror på verklig förbrukning utan istället förluster i nätet.
Till sist frågar vi, är mina uppgifter vettiga? Är det av en kvalitet som gör att jag kan fatta bra beslut? Om jag till exempel bara får information om 10 av 100 meter av en sektion är det förmodligen inte särskilt korrekt.
Kvaliteten på data är särskilt viktig och vi försöker hjälpa våra kunder att förbättra den över tid med rekommendationer. Om det till exempel är oregelbundna mätningar från distriktsmätaren är det kanske dags att byta ut dataloggaren.

Är det svårt att se vattenbalansen beroende på varierande flöden och tryck?
För det första ser vi över längre tidsperioder. Inom ett dygn kan du se om det är en topp vid en viss tidpunkt, till exempel under en fotbollsmatch, eller närmare bestämt under den 15 minuter långa pausen.
Med den typen av evenemang blir den totala volymen per dag större, så vi tittar också på konsumentsidan. Det kan innebära att få data från hushållen, eller från stadion i det här fallet. Vi är inte intresserade av individerna utan av hur den totala befolkningen konsumerar vatten vid en viss tidpunkt för att avgöra, är det en fysisk förlust eller är det bara någon som använder toalettspolningen?

Finns det andra fördelar med dessa analyser för nätverksägare?
Ofta kommer vi in ​​i ett scenario där människor inte är medvetna om de förluster som sker, och när du tillhandahåller denna nivå av transparens, beslutar dessa kunder och verktyg att agera. Då kan vi enkelt prioritera områden för att se omedelbar påverkan.
Jag kan ge dig ett exempel. Staden Brønderslev i norra Danmark, som förser cirka 20 000 invånare med vatten, drabbades av mycket stora vattenförluster. I genomsnitt gick cirka 14 % av det tillförda vattnet förlorat. I Danmark råder mycket strikt reglering. Om du har förluster som är större än 10% måste du betala rejäla böter så det var verkligen brådskande att agera. Energibolaget beslutade att installera DMA, smarta mätare etc. för att få den data som behövs. Men de insåg snabbt att data bara är en början och att använda dessa data är nyckeln. Vi hade turen att arbeta tillsammans med dem på en lösning med hjälp av vår 10-minuters analys- och vattenhanteringsinstrumentpanel. Deras vattenförlust ligger nu på 4,5 % procent i genomsnitt. Det är en ganska betydande minskning.

Hur viktigt är digitalisering och AI inom vattenindustrin?
Alla tänker på AI. Jag försöker bara prata om AI när det ger fördelar. När jag tänker på bredare digitaliseringstrender ser jag trenden för Internet of Things (IOT), som plötsligt ger ett överflöd av data. Innan IOT hade vi SCADA-stationer och vi visste vad som hände på mycket olika punkter i vårt vattendistributionsnät. Nu vet vi vad som händer i hela nätverket. Detta kan vara bra och dåligt eftersom det blir svårt att hantera. Det här är någonstans som AI kan hjälpa. Det är inte alltid nödvändigt, men det är bra att ha i rockärmen.
Det andra användbara området för AI är när vi talar om hydraulisk modellering, det vill säga de statiska hydrauliska modellerna som ofta används vid planering och inrättande av nya stadsdelar. Här kan AI spela en avgörande roll genom att ständigt föra in livedata i en applikation och hjälpa till att kalibrera om dem regelbundet för att underlätta förståelsen.

Har du mött motstånd mot digitalisering eller oro över internetaktivitet?
Jag skulle säga att motvilja och tillbakadragande till digitalisering oftast beror på förordningen, där nyare EU-förordningar är en av de oftast nämnde. För det mesta skulle jag inte säga att verktyg är rädda, men det är inte alltid lätt att navigera i regleringsgränserna. För oss är det viktigt att arbeta tillsammans med dessa kunder och ofta visar det sig att vi tillsammans, med mycket transparent dokumentation, kan visa att det fortfarande är fördelaktigt. Digitalisering och reglering kan tyckas vara en svår väg att börja, men det är säkrare på lång sikt, och det är inte omöjligt.