Ein cloudbasiertes System mit künstlicher Intelligenz (KI), das zur Erkennung von Verstopfungen in Abwasserkanälen entwickelt wurde, hat in einem aktuellen Versuch eine Genauigkeit von fast 90 % gezeigt. Die frühzeitige Erkennung von Kanalverstopfungen ist wichtig, um Verschmutzungsereignisse in unseren Flüssen zu reduzieren.
Das Projekt ist eine Zusammenarbeit zwischen der University of Sheffield, Yorkshire Water und dem Technologieunternehmen Siemens und ist Teil des „Pollution Incident Reduction Plan“, der sich auf frühzeitiges Eingreifen konzentriert, um Verschmutzungsereignisse bis 2025 um 50 % zu reduzieren.
Abwasserkanäle verfügen über „Mischwasserüberläufe“ (CSOs), die überschüssiges Wasser in ein nahegelegenes Gewässer abfließen lassen, wenn die Rohre aufgrund starker Regenfälle voll sind, und so Überschwemmungen stromabwärts verhindern. Diese Verschüttungen können auch durch unerwartete Einschränkungen in der Leitung, wie etwa Verstopfungen, verursacht werden, was zu einer unnötigen Verschmutzung unserer Flüsse und Wasserläufe führt.
Sensoren überwachen die Wassertiefe in den CSOs und anderen Teilen des Abwassernetzes und ermöglichen so ein Echtzeitverständnis der Leistung. Da die Anzahl der Sensoren eine manuelle Analyse unmöglich macht, ist ein automatisiertes System erforderlich.
Die Technik wurde ursprünglich von der University of Sheffield und Yorkshire Water entwickelt, um ihre bisherige Analysetechnik zu verbessern. Dieses Projekt mit Siemens hat das Tool zu einer kommerziellen, cloudbasierten Lösung weiterentwickelt – dem Siemens Water (SIWA) Blockage Predictor.
Die KI-basierte Lösung prognostiziert Wassertiefen anhand von Niederschlagsdaten und vergleicht diese mithilfe eines Fuzzy-Logic-Algorithmus (FL) mit der gemessenen Tiefe. Der FL warnt den Wasserversorger vor unerwartet großen Tiefen, die zu einem Verschmutzungsvorfall führen könnten. Ziel ist es, entstehende Blockaden zu erkennen, damit diese beseitigt werden können, bevor es zu einer Verschmutzung kommt.
Ein neuer Zeitschriftenartikel präsentiert eine Bewertung des SIWA Blockage Predictor für 50 CSOs über einen zweijährigen „historischen“ Zeitraum und einen sechsmonatigen „Live“-Zeitraum. Der Artikel vergleicht auch die Leistung mit der vorherigen Analyselösung.
Im gesamten Datensatz wurden 88,4 % der bestätigten Probleme korrekt identifiziert, verglichen mit 26,6 % bei der vorherigen Lösung. Der Artikel mit dem Titel „Cloudbasierte Analyse mit künstlicher Intelligenz zur Bewertung der Überlaufleistung von Mischwasserkanälen,“ ist in der veröffentlicht Zeitschrift für Wasserressourcenplanung und -management.
Dr. Will Shepherd, leitender Forscher am Department of Civil and Structural Engineering der University of Sheffield, sagte: „Unsere Kanalisationsnetze sind nicht darauf ausgelegt, starke Regenfälle zur Behandlung zu leiten. CSOs stellen ein wesentliches Entlastungsventil dar, wenn Regen andernfalls weiter unten zu Überschwemmungen führen würde.“ Unser Fokus liegt dabei darauf, sie so umweltfreundlich wie möglich zu gestalten, indem wir Verstopfungen identifizieren, die zu vorzeitigen Verschüttungen und damit zur Verschmutzung von Flüssen und Wasserläufen führen würden.“
Professor Joby Boxall, Professor für Wasserinfrastrukturtechnik am Fachbereich Bau- und Bauingenieurwesen der Universität Sheffield, sagte: „Die Synergien des kooperativen Partnerschaftsansatzes bei dieser Forschung waren entscheidend für den Erfolg. Es war wichtig, die unterschiedlichen Bedürfnisse und Ambitionen jedes Partners zu berücksichtigen.“ von Anfang an gegenseitig anerkannt und respektiert wurde und wir ein hohes Maß an Vertrauen aufgebaut und aufrechterhalten haben.“
Dr. Stephen Mounce, Direktor von Mounce HydroSmart, sagte: „Dieses Projekt hat gezeigt, wie sich die Anwendung von KI und Datenanalyse von Forschungsprototypen in frühen Projektphasen zu einer ausgereiften, generischen Lösung weiterentwickeln kann, die auf einer cloudbasierten Plattform bereitgestellt wird.“ Das war der Fall Es ist spannend zu sehen, wie das System in über 2.000 Anlagen bei Yorkshire Water in der Praxis eingesetzt wird.“
Dr. John Gaffney, Produktinhaber von SIWA Blockage Predictor, sagte: „Diese Zusammenarbeit war ein fantastisches Beispiel dafür, wie ein Technologieunternehmen Forschungsergebnisse mit hohem Technology Readiness Level (TRL) von einer Universität in ein Produkt umsetzen und durch von Experten begutachtete wissenschaftliche Erkenntnisse als wertvoll erweisen kann.“ an einen Endverbraucher. Die Tatsache, dass das Produkt einen so wichtigen Zweck beim Schutz von Wasserläufen erfüllt, ist besonders lohnenswert.“
Mehr Informationen:
Will Shepherd et al., Cloudbasierte Analyse künstlicher Intelligenz zur Bewertung der Leistung von Mischwasserüberläufen, Zeitschrift für Wasserressourcenplanung und -management (2023). DOI: 10.1061/JWRMD5.WRENG-5859