Maskininlärning för minskat läckage på Örbyfältet
Örbyfältet och Örbyverket utgör tillsammans ett teknisk komplicerat system som bidrar till säkrad dricksvattendistribution.
Dricksvattenproduktionen vid Örbyverket består av ett system där inkommande dricksvatten från Ringsjöverket infiltreras ner till en sluten geologisk formation i Örbyfältet. Efter cirka tre veckors uppehållstid uppfordras och pumpas vatten in till Örbyverket för vidare distribution.
Tyvärr finns även nackdelar med en naturlig reservoar, och den största är att det finns ett läckage. På årsbasis utgör detta 3000-4000 m3 per dygn, vilket motsvarar den daglig vattenförbrukningen för cirka 25 000 personer. Läckaget påverkas av osäkra prognoser för dricksvattenkonsumtion och driftsstrategier. Problemet med att balansera intag och uttag av vatten ur ett grundvattenmagasin är inte unikt för Örbyfältet.
Läckaget påverkas av osäkra prognoser för dricksvattenkonsumtion och driftsstrategier. Systemet är svårt att beskriva med traditionella beräkningsmetoder på grund av tidsförskjutningar i systemet, komplexa magasinsförhållanden, mänsklig faktor och variation i uttag. Projektet ska därför angripa problemet med icke traditionella beräkningsmetoder som använder sig av lokalt implementerad maskininlärning. Det ska också ta sig an utmaningen att använda sig av maskininlärning i en bransch som värderar IT-säkerheten högt.
För optimeringsberäkningar av grundvattenmagasin finns det idag inga ”färdiga” algoritmer som har tränats upp med historiska data från liknande frågeställningar. Projektet ska därför skapa och utvärdera vilken typ av algoritm (eller grupp av algoritmer) som bäst kan användas utifrån datakännedom, domänkunskap och expertis inom maskininlärning/data science.
Kan utläckget av dricksvatten minskas från Örbyfältet kommer det att minska klimatavtrycket och energiförbrukningen för regionens vattendistribution.
