project

Smart Water Networks – 2

Dit Bedrijfstakonderzoekproject richt zich op de vraag hoe een slim netwerk – een combinatie van allerlei sensoren met de juiste algoritmen –kan leiden tot een betrouwbaardere, efficiëntere of transparantere drinkwaterlevering in de praktijk. De vraag die we proberen op te lossen is of technologie kan helpen om van de black box die het leidingnet is, meer een “grey box” of “white box” te maken. Als resultaat hiervan kunnen bijvoorbeeld lekken snel worden opgespoord, verkeerde afsluiterstanden snel worden gevonden, te lange verblijftijden van het water worden beperkt, en het bruinwaterrisico worden verminderd. De focus van dit Bedrijfstakonderzoekproject, gericht op de bedrijfsvoering van het leidingnet. Dit doen we met behulp van verschillende pilots bij en met de waterbedrijven.

De opbrengst van het project is inzicht in Smart Water Networks – bijvoorbeeld welke sensoren, hoeveel, waar te plaatsen, hoe vaak uit te lezen, welke extra data de toepassing ondersteunt, welke data-analysemethoden geschikt zijn – en wat dat een drinkwaterbedrijf concreet oplevert. Dit project zorgt er bovendien voor dat de bevindingen in een pilot bij één drinkwaterbedrijf worden ontsloten en relevant worden gemaakt voor andere drinkwaterbedrijven.

Leidingnet niet langer een black box

De distributie van drinkwater door ondergrondse leidingnetten is een proces dat grotendeels aan het oog wordt onttrokken. Hierbij kan het leidingnet als een reactor worden beschouwd, waarin niet alle processen die er plaatsvinden precies bekend zijn. Zo kan de waterkwantiteit beïnvloed worden door lekkage of door dichte afsluiters. Ook kan de waterkwaliteit achteruitgaan door contact met de leidingwand,  de temperatuur van de omliggende bodem, permeatie van stoffen uit de omliggende bodem, uitloging van sommige leidingmaterialen, biofilm op de leidingwand en andere factoren. Als gevolg hiervan kunnen bijvoorbeeld de microbiologische veiligheid, geur, smaak en kleur van het water negatief beïnvloed worden. Tijdens onderhoud aan het leidingnet, zoals reparatie van leidingbreuken of het schoonmaken van leidingen, kan ook onbedoeld de waterkwantiteit of waterkwaliteit verminderen. Afsluiters staan in dit geval anders dan verwacht, of een verontreiniging kan het leidingnet binnenkomen.

In de huidige situatie moet het leidingnet dus grotendeels als een black box worden beschouwd, en het is lastig om de potentiële problemen snel en efficiënt op te lossen. De vraag die we in dit project proberen op te lossen is of technologie kan helpen om van het leidingnet meer een “grey box” of “white box” te maken, waarbij het mogelijk wordt om bijvoorbeeld lekken snel op te sporen, verkeerde afsluiterstanden snel te vinden, te lange verblijftijden van het water te beperken, en het bruinwaterrisico te verminderen.

In zulke gevallen wordt gesproken over “smart networks”, of “slimme netwerken”. Dit zijn drinkwaternetwerken die zijn uitgerust met sensoren (druk, volumestroom, EGV, temperatuur, etc.), waarmee een waterleidingbedrijf het netwerk beter kan monitoren en beheersen wat betreft hoeveelheden (debiet, druk), de toestand van de leidingen, of waterkwaliteit. De term kan ook verwijzen naar het gebruik van algoritmen voor het vinden van defecten zoals leidingbreuken of voor geavanceerde procesbeheersing. Dit alles is vergelijkbaar met een zenuwstelsel dat aan het lichaam van de infrastructuur wordt toegevoegd. Slimme netwerken stellen drinkwaterbedrijven in staat om ‘slimmer’ gebruik te maken van de infrastructuur, zonder dat de netwerken zelf slimmer worden (van Thienen and Blokker 2019).

Dit Bedrijfstakonderzoekproject richt zich op de vraag hoe de combinatie van allerlei sensoren met bijbehorende algoritmen kan leiden tot een betrouwbaardere, efficiëntere of transparantere drinkwaterlevering in de praktijk (van den Broeke et al. 2019). De focus ervan ligt op de toepassing van data die uit de sensoren in de pilots worden verkregen en van andere (vrij verkrijgbare) data, gericht op de bedrijfsvoering van het leidingnet.

Pilots met verschillende soorten sensoren en algoritmes

Het project maakt gebruik van verschillende pilotgebieden van drinkwaterbedrijven met slimme watermeters, sensoren en op afstand bedienbare afsluiters in het distributienet. Omdat per pilot niet alle mogelijke sensoren en algoritmes gelijktijdig kunnen worden onderzocht, levert elke pilot een deel van de antwoorden op. Gedurende een periode van drie jaar worden zes tot acht pilots uitgevoerd, wat in totaal zorgt voor een breder perspectief .

Voorbeelden van pilots:

  • Hoe kan slimme technologie helpen om afwijkingen in het leidingnet (zoals lekken) te detecteren? Een lekkage worden opgespoord door het aangevoerde volume te meten (flow into DMA) en te vergelijken met ofwel de historische aanvoer ofwel de uitgaande volumestroom (watermeters). Daarbij kan worden gefocust op de dagelijkse watervraag, de nachtelijke watervraag of de watervraag tijdens specifieke uren.
  • Hoe kan slimme technologie helpen om afwijkingen in het leidingnet (zoals lekken en dichte afsluiters) te lokaliseren? Een lek of een dichte afsluiter leiden tot een afwijkende stroming van het water door het leidingnet. Dit betekent dat het mogelijk zou moeten zijn om het lek of de dichte afsluiter te lokaliseren met behulp van drukmeters en/of tracers in combinatie met waterkwaliteitssensoren (bijv. EGV) en door de resultaten te vergelijken met historische data of met een gekalibreerd (hydraulisch + waterkwaliteit) netwerkmodel. Hierbij moet worden opgemerkt dat sommige parameters als een conservatieve tracer kunnen worden beschouwd (EGV), andere als een niet-conservatieve (temperatuur bijv.) tracer. Daarom is het van belang dat een goed model beschikbaar is dat de verandering van de niet-conservatieve tracer beschrijft. Leklokalisatie met behulp van volumestroom- en druksensoren is de huidige aanpak; in deze pilot onderzoeken we hoe andere sensoren de lokalisatie kunnen verbeteren.
  • Hoe kan slimme technologie helpen om waterkwaliteitsincidenten te beheersen? Wanneer een besmetting van het water wordt gedetecteerd, bestaat de respons uit het waarschuwen van klanten (kookadvies), het opsporen en wegnemen van de bron en het isoleren en verwijderen van het besmette water. Het detecteren van een besmetting is een onderzoek op zich, net als de responsstrategie, waarbij de effectiviteit van de respons mede afhangt van hoe snel de detectie wordt detecteert en gelokaliseerd. Voor de detectie en bronopsporing kan onderzocht worden of de combinatie van informatie verkregen uit meerdere soorten sensoren of uit sensoren in twee (of meer) verschillende netwerk layouts (te realiseren door afsluiters te bedienen), tot betere detectie of lokalisering van de bron leidt. Dit kan getest worden door een tracer te doseren en EGV en troebelheid of pH te meten; er hoeft niet een echte besmetting te worden gerealiseerd. In de responsstrategie is het een optie om met behulp van afsluiters en brandkranen het water te sturen; het is belangrijk om ook te monitoren of inderdaad al het besmette water is verwijderd.

Smart Networks voor een efficiënte drinkwaterlevering en goede waterkwaliteit

Het doel van dit Bedrijfstakonderzoekproject is om in de praktijk te onderzoeken hoe extra sensoren en data-analyse kunnen bijdragen aan meer inzicht in de (hydraulische en waterkwaliteits) processen in het distributienet, zodat de drinkwaterlevering zo efficiënt mogelijk en met zo min mogelijk kwaliteitsverlies kan plaatsvinden.

De opbrengst van het project is inzicht in Smart Water Networks – bijvoorbeeld welke sensoren, hoeveel, waar te plaatsen, hoe vaak uit te lezen, welke extra data de toepassing ondersteunt, welke data-analysemethoden geschikt zijn – en wat dat een drinkwaterbedrijf concreet oplevert.

Dit Bedrijfstakonderzoekproject zorgt er bovendien voor dat de bevindingen in een pilot bij één drinkwaterbedrijf worden ontsloten en relevant worden gemaakt voor andere drinkwaterbedrijven. Hiermee kunnen de drinkwaterbedrijven verder vorm geven aan Smart Water Networks (outcome) en dit leidt tot betere service en lagere kosten voor de drinkwaterklant (impact).