Auf dem Weg zu intelligenten Wasserversorgungsnetzen (Entwicklung von wissensbasierten Techniken für die Echtzeit-Leck-Erkennung)

Description: Die rasche Verstädterung und das Bevölkerungswachstum haben in den heutigen Gesellschaften neue Probleme geschaffen. Zu diesen Problemen gehören die Verknappung der Trinkwasserressourcen, Schwierigkeiten bei der Abfallbewirtschaftung, Luftverschmutzung, Verkehrsstaus und eine sich verschlechternde und veraltete Infrastruktur. Neben der zunehmenden Dringlichkeit einer nachhaltigen Entwicklung haben Fortschritte in der Mathematik und im Data Science das Konzept der "Smart Cities" zur Lösung dieser Probleme hervorgebracht. Die Versorgung der Menschen mit einer sicheren, zuverlässigen und kostengünstigen Trinkwasserversorgung ist von größter Bedeutung für die Gesundheit in der Gesellschaft, die Wirtschaft und die Politik. Daher ist der Zugang zu sauberem Wasser und sanitären Einrichtungen als eines der 17 Ziele in der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen enthalten (https://sdgs.un.org/goals). In diesem Zusammenhang sind die Wasserversorgungsnetze (WDN) das Herzstück jeder intelligenten Stadt und erfordern neue Überlegungen und Entwicklungen, um intelligenter verwaltet und betrieben zu werden. Eines der Hauptprobleme in WDNs sind Lecks im System. Leckagen führen zu einem spürbaren Verlust von sauberem Wasser, was zu umgekehrten Leckagen, Verunreinigungen durch Grundwasser und ernsthaften Betriebsschwierigkeiten führen kann. Eine frühzeitige Leckerkennung spart Wasser und verhindert, dass sich kleine Lecks zu Wassereinbrüchen ausweiten. Daher sind Einrichtungen zur frühzeitigen Leckerkennung für jedes intelligente WDN unerlässlich, um Verluste und die Gefahr von Leckagen zu verringern. SMARTWINE zielt darauf ab, das Potenzial einer Kombination aus maschinellem Lernen (ML), Graphentheorie und Optimierungstechniken zu erforschen und zu nutzen, um zuverlässige, schnelle und einfach zu bedienende Methoden zur Echtzeit-Leckerkennung und Alarmierung in WDNs zu entwickeln.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Main ? Sanitärtechnik ? Smart City ? Bevölkerungswachstum ? Grundwasserverunreinigung ? Hydrogeologie ? Urbanisierung ? Wirtschaftspolitik ? Luftverschmutzung ? Vereinte Nationen ? Abfallwirtschaft ? Hydrochemie ? Künstliche Intelligenz ? Limnologie ? Siedlungswasserwirtschaft ? Wasserversorgung ? Wasserverschmutzung ? Nachhaltige Entwicklung ? Trinkwasserressourcen ? Agenda 2030 ? Hydrologie ? Leckage ? Integrated Water Resources Management ? Integrierte Wasserressourcen-Bewirtschaftung ? Mathematics ? Mathematik ? Urban Water Management ? Water Chemistry ?

Region: Rheinland-Pfalz

Bounding boxes: 7.5° .. 7.5° x 49.66667° .. 49.66667°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau, Arbeitsgruppe Optimierung (Projektverantwortung)
• Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau, Fachgebiet Siedlungswasserwirtschaft (Projektverantwortung)
• Shahid Chamran University of Ahvaz (SCU), Faculty of Civil Engineering and Architecture (Mitwirkung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2024-01-01 - 2025-08-22

Alternatives

• Language: Englisch/English
  Title: Towards Smart Water Distribution Networks (Development of Knowledge-Based Techniques for Real-Time Leak Detection)
  Description: Rapid urbanization and population growth have generated new problems in today's societies. These problems include scarcity of freshwater resources, difficulty in waste management, air pollution, traffic congestion, and deteriorating and aging infrastructures. In addition to the growing urgency of sustainable development, advances in mathematics and data science techniques have triggered the concept of "Smart Cities" to tackle those problems. Providing people with a safe, reliable, and cost-effective drinking water supply system is of primary importance in the social health, economy, and political sectors. Consequently, access to clean water and sanitation is included as one of the 17 goals in the 2030 Agenda for Sustainable Development of the United Nations (https://sdgs.un.org/goals). In this regard, water distribution networks (WDNs) are at the heart of any smart city and require new thoughts and developments to be more intelligently managed and operated. One of the main problems in WDNs is leaks in the system. Leaks cause a noticeable loss of clean water, which may result in inverse leakage, contamination from underground water, and severe operational difficulties. Early leak detection would save water and prevent small leaks from turning into bursts. Hence, early leak detection facilities are indispensable for any smart WDN to decrease losses and threats of leaks. SMARTWINE aims to investigate and utilize the potential of a combination of Machine Learning (ML), graph theory and optimization techniques to develop reliable, fast, and easy-to-use methods for real-time leak detection and alarming in WDNs. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1138983

Resources

• Webseite zum Förderprojekt

  https://gepris.dfg.de/gepris/projekt/544048327 (Webseite)

Status

Aktiv

Quality score

• Overall: 0.50
• Findability: 0.68

  • Title: 1.00
  • Description: 0.29
  • Identifier: false
  • Keywords: 0.79
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.