FOUND

Fehlerfortpflanzung von Unsicherheiten in druckbasierter Leckageeingrenzung

Dieses Projekt wird vom Bundesministerium für Land- und Forstwirtschaft, Regionen und Wasserwirtschaft (BML) (Österreich) gefördert (Projekt C300198).

Projektpartner: Technische Universität Berlin, De Montfort University
Bearbeiter: Robert SITZENFREI, Martin OBERASCHER

Projektdauer: 04/2024 – 09/2025

Projektziele:

Das gegenständliche Projekt hat das Ziel die Genauigkeit und Anwendbarkeit der druckbasierten Leckageeingrenzung für die anschließend Feinsuche vor Ort weiter zu verbessern. Dazu werden folgende grundlagenorientierte Forschungsfragen adressiert:

• Wie wirken sich Unsicherheiten und Fehler (z.B.: Qualität der Messdaten und des numerischen Rohrnetzmodells, Sensorplatzierung) auf die Fehlerfortpflanzung durch den Prozess der modell- und datenbasierter Leckageeingrenzung aus?
• Wie wirkt sich der Entwurf der Verordnung der europäischen Union „Festlegung harmonisierter Vorschriften für künstliche Intelligenz“ auf den Einsatz in kritischer Wasserinfrastruktur aus (erklärbare künstliche Intelligenz)?
• Kann durch eine hybride Methode (in Kombination mit erklärbarer künstlicher Intelligenz) eine gute Übertragbarkeit der druckbasierten Leckageeingrenzung auf reale WVN in Österreich unterstützt werden?

Projektkurzbeschreibung:

Leckagen bezeichnen den ungewollten Austritt von Trinkwasser in einem Wasserversorgungsnetzwerk. Dabei stellen insbesondere nicht gemeldete aber detektierbare Leckagen eine Herausforderung für einen störfallfreien Betrieb dar, da diese Leckagen nur durch eine proaktive Suche gefunden werden können. Durch die lange Laufzeit bewirken diese Leckagen zudem erhebliche Trinkwasser- und Einnahmeverluste und können zu Schäden an der Leitungsinfrastruktur bzw. an anderen urbanen Infrastrukturanlagen aufgrund von Erosion der Rohrbettung führen. Daher sind eine schnelle Ortung und Reparatur von hohem Interesse.
In der Literatur kommt vermehrt eine systemzustandsbasierte Leckageeingrenzung zur Anwendung, die anhand von hochaufgelösten Messdaten (z.B.: Druckdaten) eine räumliche Voreingrenzung der Leckagen im Wasserversorgungsnetzwerk für die anschließende Feinsuche vor Ort mit hardware-basierten Methoden ermöglichen. Jedoch ist die Wirksamkeit dieser druckbasierten Methoden sehr stark von der Qualität der Messdaten bzw. des verwendeten numerischen Rohrnetzmodells abhängig. Wie der Literatur zu entnehmen ist, werden diese Unsicherheiten kaum bzw. nur in Teilbereichen der druckbasierten Leckageeingrenzung berücksichtigt. Zudem wird die Wirksamkeit von druckbasierten Lokalisierungsalgorithmen (modell- und datenbasierte Methoden) unter realistischen Referenznetzwerken nur selten verglichen.
Um die Wirksamkeit der druckbasierten Methode für die Leckageeingrenzung weiter zu verbessern, verfolgt dieses Projekt die folgenden Ziele: (1) Kombination einer Vielzahl von Faktoren und Untersuchung der Fehlerfortpflanzung während des gesamten Prozesses der druckbasierten Leckageeingrenzung und (2) Vergleich und Bewertung der Wirksamkeit von modell- und datenbasierten Methoden unter einer systematischen Kombinationen von verschiedensten Einflussfaktoren bzw. deren Unsicherheiten. Als Fallstudien werden ein ausgewähltes Referenznetzwerk aus der Literatur sowie ein reales Netzwerk mit durchgeführten Leckage-Simulationen verwendet. Die Kombination aus Referenznetzwerk und realer Fallstudie ermöglicht eine detaillierte Bestimmung der Potentiale und Limitierungen der druckbasierten Leckageeingrenzung. Zudem ermöglicht dieser Ansatz auch Erkenntnisse für die praxisnahe Umsetzung und es können Empfehlungen zur zukünftigen Umsetzung einer druckbasierter Leckageeingrenzung abgeleitet werden.
Zudem wird im Projekt eine hybride Methode entwickelt, die modell- und daten-basierte Methoden kombiniert, um die verschiedensten Unsicherheiten in praktischen Anwendungen bestmöglich zu reduzieren. Dabei wird in diesem Projekt auch die Verwendung von erklärbarer, künstlicher Intelligenz (bzw. des maschinellen Lernens) untersucht, um die Anforderungen der europäischen Union hinsichtlich dem Einsatz von künstlicher Intelligenz in kritischer Infrastruktur zu erfüllen (Erklärbarkeit und Transparenz). Dadurch wird eine gute Übertragung der Forschungsergebnisse auf reale Wasserversorgungsnetzwerke in Österreich gewährleistet. Dadurch wird sich auch der Aufwand für eine hardware-basierte Leckagesuche vor Ort weiter reduzieren und besonders kleine und sehr kleine Wasserversorgungsunternehmen in Österreich im Wasserverlustmanagement unterstützen.