Tecnologia

L’algoritmo creato permette di scoprire, sulla base dei sensori di portata e pressione dislocati nel sistema, ogni tipo di perdita

I ricercatori del Laboratorio di Termofluidodinamica della Libera Università di Bolzano hanno costruito un sistema di rilevazione dei consumi idrici e delle perdite dei sistemi acquedottistici basato sull’utilizzo del deep learning. L’algoritmo creato permette di scoprire, sulla base dei sensori di portata e pressione dislocati nel sistema, ogni tipo di perdita o anomalia. Un aiuto fondamentale per fronteggiare la futura scarsità di una risorsa fondamentale.

 
Parola ai ricercatori
Ariele Zanfei e Andrea Menapace, ricercatori del Laboratorio di Termofluidodinamica della Libera Università di Bolzano al NOI Techpark, hanno recentemente pubblicato un paper sulla rivista scientifica Sustainable Cities and Societies, in cui illustrano le possibilità che l’applicazione delle più avanzate tecniche di Intelligenza Artificiale offre per contenere perdite e sprechi, nell’ottica di una maggiore sostenibilità della gestione dei sistemi idrici. “L’era che stiamo vivendo – quella dei Big Data e dell’IA – ci permette di trovare strade alternative, più precise ed efficaci, per gestire gli acquedotti”, afferma il professor Maurizio Righetti, direttore del laboratorio e co-autore dello studio, che aggiunge  “negli ultimi anni, la ricerca nel settore ha compiuto enormi passi in avanti. L’utilizzo di questo nostro algoritmo consentirà di identificare in tempo reale perdite e guasti nella rete idrica, con un notevole risparmio di risorse economiche investite nella manutenzione e con tempi di intervento più rapidi”.
 
Modelli di rete neurali
Negli ultimi anni sono fioriti diversi approcci per la gestione degli acquedotti basati sull’analisi dei dati per mezzo dell’IA. “Ciò è stato reso possibile grazie alla crescente disponibilità di dati (Big data) nelle reti acquedottistiche”, spiega Zanfei, “la nostra proposta rappresenta lo sviluppo più recente nel campo dell’apprendimento automatico (machine learning) applicato ai sistemi idrici”. L’innovazione proposta dai ricercatori di unibz consiste nello sviluppo di un modello basato sulle graph neural networks, in cui i modelli di reti neurali vengono ulteriormente arricchiti dalla presenza delle strutture a grafo, le quali permettono una conoscenza spaziale degli acquedotti, necessaria per l’individuazione delle anomalie. I dati di pressione e portata delle tubature del sistema idrico vengono sfruttati per individuare più velocemente e con aumentata precisione eventi anomali che possono indicare un guasto o una perdita.
 
Non solo perdite, anche previsioni
L’algoritmo creato nel Laboratorio di Termofluidodinamica può avere anche altri utili impieghi. Oltre a scovare le perdite sulla rete, può essere addestrato per stimare i consumi e la domanda di acqua: una caratteristica che consente ai gestori di ottimizzare il pompaggio di acqua nella rete per la produzione di energia idroelettrica. “Istruendo il modello di rete neurale che abbiamo costruito, cibandolo cioè di dati – fondamentalmente serie temporali – legati alle abitudini comuni, alle condizioni meteorologiche e alle attività degli utenti, esso è in grado di rappresentare la potenziale domanda idrica attraverso una struttura a grafo”, chiarisce il ricercatore, “ciò è essenziale perché può suggerire all’azienda quando e quanta acqua immettere nel sistema e, quindi, come ricavare il massimo in termini economici”.
 
Lo spinoff
Zanfei e Menapace sono anche tra i fondatori dello spinoff di unibz Aiaqua, che si occupa di innovazione nella gestione e pianificazione dei sistemi acquedottistici. Proprio la startup - che ha sede al parco tecnologico di Bolzano - sarà la realtà commerciale che, nel giro di breve tempo, introdurrà sul mercato un’applicazione basata sul modello di algoritmo creato dai due ricercatori.