Digitale tvillinger af byens vandsystemer 2024
Senest opdateret 03.01.2024

Digitale tvillinger af byens vandsystemer 2024

Aktiviteten leverer værktøjer, der sikrer en effektiv og løbende vedligeholdelse af modeller af byens vandsystemer og sikrer en bedre udnyttelse af data til beslutningsstøtte for vedligehold og drift

Opsummering

Digitale tvillinger af fysiske systemer har mange anvendelsesmuligheder i takt med at forbedret brugervenlighed, bedre og nemmere tilgang til kvalitetssikrede data og almindelig accept øges gradvist. I forsyningssektoren arbejder DHI med digitale tvillinger for vanddistribution, opsamling og transport af spilde- og regnvand og vandrensning på renseanlæg.  I det kommende år ligger en stor del af indsatsen på at gøre det nemmere for slutbrugeren af få værdi af den digitale tvilling som værktøj.  

På spildevandsopsamlingssiden vil vi forbedre tilløbsprognose værktøjerne, bl.a. gøre det nemmere at gentræne de machine learning (ML) rutiner der leverer prognoser for tilløbet til renseanlægget. En trænet ML model bliver ”forældet” i takt med at der sker ændringer i det fysiske system. Nye pumper, ændrede kontrolregler eller tilkobling af nye områder, betyder at systemet opfører sig anderledes end det datagrundlag som ML rutinen er blevet trænet på. Træning kræver i udgangspunktet også sammenhængende målinger af længere varighed. Til at etablere ”kunstige”, længerevarende tidsserier kan man bruge den digitale tvilling med den indbyggede fysisk-baserede og opdaterede model, og dermed afkorte perioden før man igen kan træne ML modellen. Ved fx at beregne afstrømningen for et helt år baseret på historiske regndata, kan den digitale tvilling på kort tid producere kunstige ”måledata” der på realistisk vis dækker op til flere år. På denne måde kan man øge præcisionen af en gentrænet ML model uden at skulle vente på at man har opsamlet måledata.  

Prognoserne er baseret på realtidsmålinger i oplandet, og vi vil forbedre den løbende datakontrol og om nødvendigt tillade korrektion af data. Den bagvedliggende analyse og systematik udvikles i tæt samarbejde med andre indsatsområder, og bliver brugt i alle tre digital tvilling kategorier. Endelig lægger vi også en indsats i at forbedre og simplificere brugergrænsefladen, så det bliver nemmere for folk i felten af beregne og vurdere effekten af scenarier. Dette implementeres i første omgang i den digitale tvilling for vanddistribution.
Læs mere

Download
aktivitetsbeskrivelse

Opsummering

Digitale tvillinger af fysiske systemer har mange anvendelsesmuligheder i takt med at forbedret brugervenlighed, bedre og nemmere tilgang til kvalitetssikrede data og almindelig accept øges gradvist. I forsyningssektoren arbejder DHI med digitale tvillinger for vanddistribution, opsamling og transport af spilde- og regnvand og vandrensning på renseanlæg.  I det kommende år ligger en stor del af indsatsen på at gøre det nemmere for slutbrugeren af få værdi af den digitale tvilling som værktøj.  

På spildevandsopsamlingssiden vil vi forbedre tilløbsprognose værktøjerne, bl.a. gøre det nemmere at gentræne de machine learning (ML) rutiner der leverer prognoser for tilløbet til renseanlægget. En trænet ML model bliver ”forældet” i takt med at der sker ændringer i det fysiske system. Nye pumper, ændrede kontrolregler eller tilkobling af nye områder, betyder at systemet opfører sig anderledes end det datagrundlag som ML rutinen er blevet trænet på. Træning kræver i udgangspunktet også sammenhængende målinger af længere varighed. Til at etablere ”kunstige”, længerevarende tidsserier kan man bruge den digitale tvilling med den indbyggede fysisk-baserede og opdaterede model, og dermed afkorte perioden før man igen kan træne ML modellen. Ved fx at beregne afstrømningen for et helt år baseret på historiske regndata, kan den digitale tvilling på kort tid producere kunstige ”måledata” der på realistisk vis dækker op til flere år. På denne måde kan man øge præcisionen af en gentrænet ML model uden at skulle vente på at man har opsamlet måledata.  

Prognoserne er baseret på realtidsmålinger i oplandet, og vi vil forbedre den løbende datakontrol og om nødvendigt tillade korrektion af data. Den bagvedliggende analyse og systematik udvikles i tæt samarbejde med andre indsatsområder, og bliver brugt i alle tre digital tvilling kategorier. Endelig lægger vi også en indsats i at forbedre og simplificere brugergrænsefladen, så det bliver nemmere for folk i felten af beregne og vurdere effekten af scenarier. Dette implementeres i første omgang i den digitale tvilling for vanddistribution.
Læs mere
Kontaktpersoner
SL-1920x1920px
Sten Lindberg
Innovation Manager, Water in Cities

GTS Login

Log ind som GTS bruger for at administrere dine indsatsområder og aktiviteter.

E-mail *
Password *