Blogg

Varför är det viktigt att analysera pumpstationsdata? Om vattennivån i avloppen regelbundet överstiger kapaciteten är den första antagna lösningen ofta att öka kapaciteten. Detta görs med större avloppsreningsverk, som är värda flera miljarder kronor. Om kapaciteten inte höjs, arbetar reningsverken hela tiden för full kapacitet, vilket kräver mer energi och helt andra resurser. Inflöde och infiltration späder ut avloppsvatten, vilket gör reningsprocesserna mer komplicerade. Ibland måste reningsprocessen helt förbigås, vilket tvingar verket att släppa ut orenat avloppsvatten i miljön.

Var kommer överskottsvattnet i vattennätet ifrån? Det är här vi hjälper er att lokalisera infiltrering och inflöde med pumpstationsdata. Vatten kan hamna i nätverket från sjöar, hav eller grundvattenområden. Andra möjliga källor inkluderar obehöriga anslutningar och kraftigt regn. En grov uppskattning av inflöde och infiltration kan beräknas genom att jämföra mängden sålt vatten med mängden renat avloppsvatten. Det hjälper dock inte för att lokalisera de sårbara delarna av nätverket. En noggrann analys av nätverksmätningar skulle krävas för att kunna ge några svar.

Dataanalys kan också ta hänsyn till flera andra faktorer: nätverksmätningar kan kombineras med väderinformation, elförbrukning eller till och med havsnivåer. När flera månaders eller års data analyseras blir långsiktiga trender synliga. Förra året noterade Helsingforsregionens vattenverk HSY att vattenflödet i vissa pumpstationer korrelerade med förändringarna i havsnivån. En snabb bedömning visade att havsvatten strömmade in i pumpstationerna vid vissa tidpunkter. Under de följande månaderna reparerades pumpstationerna och vattenflödet återgick till det normala. Förändringarna märktes även på reningsverket, där de höga saltvattenhalterna tidvis hade ställt till med svårigheter.

Renoveringsprojekt prioriteras ofta efter rörens ålder. Dataanalys ger sätt att lokalisera delar av nätverket som inte nödvändigtvis är de äldsta, men som ändå är värda att prioritera för renovering. Framgångsrik prioritering bygger motståndskraft och sparar pengar. Som exemplet ovan visar är det mycket viktigt att ha data om varje pumpstations funktioner: hur har vattenflödet utvecklats under åren och hur ser det ut under normala förhållanden? Med hjälp av maskininlärning är det möjligt att skapa en modell med hjälp av tidigare mätningar och andra datakällor, vilket resulterar i tillförlitlig information om varje pumpstations normala aktivitet.

Mätningarna som samlas in av vattenverk är en betydande datatillgång som gör kunskapsbaserade beslut möjliga. Infiltration och inflöde orsakar problem för vattenverk runt om i världen. Med klimatförändringar, befolkningstillväxt och åldrande infrastruktur kommer relaterade problem sannolikt bara att öka i framtiden. Vatteninfrastrukturens motståndskraft skyddas bäst genom att lokalisera och fixa eventuella sårbara delar av nätverket, och det första steget är att påbörja den systematiska insamlingen av nätverksmätningar.