Umělá inteligence pomáhá ve vodárenství

Umělá inteligence pomáhá ve vodárenství

10. 02. 2022

Aplikace prvků umělé inteligence (AI) se čím dál víc rozšiřují do všech průmyslových odvětví. Vodárenství a čistírenství není výjimkou. Budoucnost AI je především v analytických metodách vodárenství, tzn. tam, kde se analyzují velká data a řeší se optimalizace procesů.

Vodárenství je typické velkou decentralizovaností. Jednotlivé vodárenské objekty jsou často umístěny v místech se špatným přístupem k signálu mobilních operátorů, nezřídka i bez zdroje elektrické energie. Ze všech těchto objektů je však nutné nejen sbírat data, ale i na dálku obsluhovat a řídit technologie. Velký důraz je zde kladen na kybernetickou bezpečnost i na kvalitu dat přicházejících z jednotlivých objektů. Celou databázi si pak můžeme představit jako „datové jezero“, jehož datové přítoky musíme čistit a regulovat a zároveň toto jezero důsledně zabezpečit a chránit. Takto spravovaná datová základna je základem pro nasazení konkrétních nástrojů a aplikací, které mohou být využity k analytice, řízení a optimalizaci procesů, k řízení systémů údržby ( responsivní i prediktivní), ale také jako pevný základ budoucího digitálního dvojčete infrastruktury. Možnosti využití dostatečně velké a čisté datové základny jsou v podstatě nekonečné.

Při práci s big data ve vodárenství a čistírenství stále více pomáhá umělá inteligence. S pomocí AI dnes už lze řídit celé vodárenské sítě, distribuci pitné vody, vyhledávat úniky vody v sítích, ale i řídit celé stokové sítě. Ve výsledku může AI přinést vodárenským společnostem značné úspory ve spotřebě energií, chemie apod. Velkým příslibem pro budoucnost je napojení dat z těchto systémů např. do systému gProms, který slouží k optimalizaci a simulaci provozu ČOV nebo propojení s prostředím COMOS.

Správa a provoz vodohospodářské infrastruktury

Účinněji využívat infrastrukturu pomáhá provozovatelům vodárenských soustav modulární softwarový systém od společnosti Siemens s názvem SIWA (Smart Water Management). Moduly SIWA Leak a SIWA Leak Plus využívají umělou inteligenci k detekci a lokalizaci úniků vody na sítích a přivaděčích a lze je snadno implementovat do stávajících systémů provozovatelů vodárenské infrastruktury. Modul SIWA Optim, jak již název napovídá, je nástroj, s jehož pomocí lze optimalizovat proces distribuce pitné vody. Systém umožňuje optimalizovat provoz čerpacích stanic a vodojemů a maximálně vyvážit bezpečnost a stabilitu dodávek pitné vody a spotřebu elektrické energie k tomu nutné.

Na optimalizaci a řízení stokových sítí se zaměřuje modul SIWA Sewer

Na optimalizaci a řízení stokových sítí se zaměřuje modul SIWA Sewer, který pracuje s digitálním modelem sítě a současně využívá prvky umělé inteligence. S tímto nástrojem lze provoz stokových sítí nejen optimalizovat, ale také provádět dynamické simulace. V závislosti na predikci srážek dokáže systém upravovat optimalizační cíle. Za příznivého počasí se zaměřuje na udržení kontinuálního nátoku na ČOV při maximální úspoře energie. V případě očekávané změny počasí v lokalitě se systém díky napojení na srážkové radary začne připravovat na zvýšené zatížení stokové sítě a optimalizační proces se zaměří na maximální snížení odlehčovacích objemů.

Monitoring a řízení infrastruktury v reálném čase

Sběr dat ze senzorů, průtokoměrů, pohonů a měřidel, jejich analýza a další zpracování jsou součástí systému,  známého jako internet věcí (IoT). Společnost Siemens nabízí pro oblasti IoT vlastní operační cloudové řešení MindSphere, které umožňuje centrální zpracování dat uložených v cloudové architektuře a jejich další využití pro optimalizaci provozu distribučních sítí a k predikci událostí, jakými jsou úniky vody či havárie. Komerčně dostupná je nyní již řada aplikací. Aplikace SIWA Pump Guardian například dokáže s využitím Siemens SIMOCODE PRO ovládat, chránit a monitorovat čerpadla na čerpacích stanicích odpadních vod a výrazně šetřit náklady provozních společností na jejich provoz a zejména údržbu. Další aplikace SIWA Blockage Predictor dokáže s využitím AI predikovat problémy ve stokových sítích, hlavně jejich ucpávání. Tyto aplikace jsou vhodné jak pro nasazení ve velkých vodárenských společnostech, tak i u malých provozovatelů, typicky v menších obcích.

Satelitní sledování úniků pitné vody

Jednou z konkrétních aplikací, kde se významně uplatňuje AI, je vyhledávání úniků pitné vody pomocí satelitní technologie. Tuto službu nabízí společnost Siemens ve spolupráci se společností VDT technology. Satelitní snímky zvolené lokality se následně vyhodnocují pomocí speciálního AI algoritmu. Tato metoda je tak určena především pro identifikaci skrytých úniků, ne zjevných. Skryté úniky jsou totiž velmi nežádoucí nejen kvůli plýtvání pitnou vodou, ale také kvůli možnému negativnímu dopadu na další prvky městské infrastruktury. Využití satelitního snímkování je vhodným startem před nasazením online systémů sledování úniků vody, jakým je například SIWA Leak Plus.

Probíhající projekt na optimalizaci odvodu odpadních vod

Vodárenství ovšem není pouze o dodávkách pitné vody, ale také o nakládání s odpadními a splaškovými vodami. Na tuto část se zaměřuje společný projekt s VDT Technology, VŠCHT, VUT a provozních společností sítí, jehož cílem je vytvořit virtuální senzor sloužící k predikci množství a kvality splaškových vod, přitékajících na komunální ČOV.

Unikátnost tohoto řešení nespočívá pouze v tom, že odhaduje objemy, které budou přitékat na čistírnu, ale v i predikci CHSK. V současné době již výzkumný tým dokáže s velkou přesností předvídat jevy, které nastanou za přibližně 6 až 8 hodin. Tento výzkumný projekt poběží ještě zhruba rok a předpokládá se, že dojde k výraznému zlepšení predikovaných hodnot.

 

Více informací o řešeních Siemens ve vodárenství najdete na www.siemens.cz/voda.

Sdílet článek

Chcete vědět více? Napište nám

Odesláním formuláře souhlasím se zpracování osobních údajů. Vyplněné osobní údaje budeme zpracovávat za účelem zpracování vaší poptávky nebo dotazu. Díky tomu vám budeme moci co nejdříve odpovědět a vyřešit váš požadavek. Pro více informací klikněte zde.