Wasserverluste im Trinkwassernetz von Versorgern entstehen durch Leckagen an Leitungen. In einigen Regionen Deutschlands betragen diese über zehn Prozent. Im Sinne des nachhaltigen Umgangs mit der lebenswichtigen Ressource Wasser sollten solche Verluste im Netz kontinuierlich gesenkt werden. Zudem entstehen finanzielle Schäden durch Wasserleckagen. Zum einen direkt durch die Kosten zur Wassergewinnung, -aufbereitung und -förderung (über 200Mio.€ pro Jahr). Zum anderen entstehen Folgekosten, beispielsweise durch Wasserschäden in Häusern und Kellern oder durch Unterspülungen von Straßen. Eine aktive Leckagenkontrolle mittels Durchflussmessungen im Netz kann eine entscheidende Rolle zur Minimierung von Wasserverlusten spielen.
Digital Twin des Wassernetzes
Die neue Lösung von OmegaLambaTec basiert auf zwei ineinandergreifenden Teilschritten: eine Detektionsroutine zur Identifikation der Leckage sowie eine Lokalisationsroutine zur möglichst genauen Vorortung der Position der Leckage mittels eines Digitalen Zwillings des Wassernetzes und der entwickelten Methode der ´Virtuellen Triangulation´. Die Kernziele der Methode sind eine möglichst schnelle Reaktionszeit vom Entstehen der Leckage bis zur Behebung dieser, sowie eine möglichst genaue Ortsbestimmung sowie Detektion und Lokalisation sowohl größerer, als auch kleinerer Leckagen bis zu Wasserverlusten von etwa 1m3/h. Dabei werden modernste Verfahren der Datenanalyse eingesetzt, wie z.B. ein hydraulisches Simulationsframework (Digital Twin) und KI-Methoden. Die Leckagendetektion erfolgt durch eine kontinuierliche Überwachung der Durchflussdaten, vor allem der Nachtminima, sowie KI-Verfahren zur Signalextraktion aus verrauschten Daten. Damit lässt sich ein Leckagesignal aus den Verbrauchsschwankungen herausfiltern. Im Zentrum der Lokalisationsroutine steht ein Digital Twin des Wassernetzes, das heißt ein kalibriertes hydraulisches Modell. Anhand dessen werden umfangreiche Simulationen der Durchflüsse und Drücke im Netz durchgeführt unter besonderer Berücksichtigung von Leckagen im Netz. Die Simulationsergebnisse werden mit Sensordaten abgeglichen. Mit Hilfe der Virtuellen Triangulation wird daraus die wahrscheinlichste Leckagenposition, sowie eine Verteilung der Leckagenwahrscheinlichkeit für den gesamten Netzbereich ermittelt. Diese Vorortung erlaubt dem Reparaturteam eine schnellere, gezieltere und effizientere Feinortung der Leckage und führt zu um bis zu 90 Prozent reduzierten Suchkosten, einer schnelleren Leckagenbehebung und einem effizienteren Personaleinsatz.
Optimierung der Smart Grid Infrastruktur
Der Ausgangspunkt des Services für Wasserversorger ist zunächst deren bereits vorhandene Sensorik im Netz. Jedoch ist in vielen Fällen die Anzahl an installierten Sensoren, deren Position und teilweise auch die Datenqualität nicht für solche Präzisionsmessungen im Trinkwassernetz optimiert. Daher unterstützt OmegaLambdaTec die Wasserversorger dabei ihr Trinkwassernetz in ein Smart Water Grid zu transformieren. Dabei werden die Potenziale als auch die Grenzen der aktuellen Daten- und Sensorinfrastruktur aufgezeigt. In einem nächsten Schritt wird simulationsgetrieben die optimale Anzahl und Positionierung für den Rollout von neuer Sensorik bestimmt, basierend auf KPIs wie Lokalisationsgenauigkeit, Ziel-Leckagengröße und Kosten.
Fazit und Ausblick
Die Lösung liefert eine hohe Genauigkeit und Sensitivität bei signifikant reduzierten Kosten. Zusätzliche Hardwarekosten für Einbau, Anbindung und Wartung von Sensorik zur Durchflussmessung werden ausgeglichen durch eine erhöhte Genauigkeit und Sensitivität der Leckagenortung und damit einer schnelleren Reaktionszeit zur Behebung der Leckagen. Der Arbeitsaufwand der Wasserversorger zum Finden und Beheben von Leckagen kann um bis zu 90 Prozent reduziert werden. In zwei deutschen Großstädten erfolgte bereits der Einsatz eines Demonstrators durch Feldtests. Derzeit wird die Lösung in Zusammenarbeit mit möglichen Partnern weiterentwickelt. Die wichtigsten Schritte dabei sind ausgiebige Feldtests mit einer optimierten Sensorinfrastruktur, der weitere Ausbau der KI-Komponenten zur Optimierung der Detektionsroutinen sowie ein Feinkorrekturmodell des Digital Twin und die Implementierung der Lösung in ein Cloud-basiertes State-of-the-Art Monitoring System.