Inom Stockholm med närområden räknar man med att ca 17% av det dricksvatten som produceras läcker ut innan det nått fram till konsument. Då stadens ledningsnät består av över 35 000 dricksvattenledningar finns många möjliga felkällor. För att minimera spillet har man implementerat AI-modeller utifrån två perspektiv.

Löpande kan AI hjälpa till att prioritera vilka ledningar som behöver repareras eller bytas ut för att undvika onödigt läckage. AI-modellen tar hänsyn till såväl ålder och material på ledningen som geologiska förutsättningar för att peka ut vilka ledningssträckor som löper störst risk för läckage.

Jämförelse mellan modellerat flöde och faktiskt flöde för att upptäcka läckage

I realtid jämförs också flöden i nätets pumpstationer mot en AI-baserad förutsägelse över hur stort flödet borde vara med hänsyn tagen till tid på dygnet, årstid, temperatur och nederbörd. Om det aktuella flödet skiljer sig från förutsägelsen kan detta visa på läckage eller andra störningar i ledningsnätet, vilket snabbt kan undersökas och avhjälpas.

Liveprognos av inflöde till avloppsreningsverk baserat på tidigare tidssteg samt väderprognos.

Ta kontakt för mer information: david.rehn@svoa.se