Nye projekter tester kunstig intelligens i forsyningssektoren

TEKNOLOGI: To nye projekter får 24 millioner kroner af Innovationsfonden til at afprøve kunstig intelligens i forsyningssektoren. Projekterne skal revolutionere forståelsen af vandets kredsløb – og helst også sparke gang i eksporten, forklarer bagmændene.

Foto: /ritzau/Claus Bech
Klaus Ulrik Mortensen

Tiden er moden til at teste teknologier som kunstig intelligens og maskinlæring i forsyningssektoren.

Det er årsagen til, at Innovationsfonden netop har bevilget 24 millioner kroner til to nye projekter, som skal bringe Danmark på forkant med den såkaldte vandsektor 4.0.

Det første projekt, CHAIN, er centreret omkring udviklingen af en softwarerobot, der ved hjælp af kunstig intelligens skal sikre optimeret drift af drikkevandssystemet fra boring til hane med Aarhus og Skanderborg som cases for store og små forsyninger.

Tanken med det andet projekt, DONUT, er at bruge flere hundrede intelligente og omkostningseffektive målere til at danne overblik over vandets komplekse samspil med kloakker, vandløb og vandledning.

Fakta
CHAIN – Smart Water Networks
  • Innovationsfondens investering: 9 mio. kr.
  • Samlet budget: 21 mio. kr.
  • 
Varighed af projektet: Tre år.

DONUT – Distributed Online Monitoring of the Urban Water Cycle
  • Innovationsfondens investering: 14,6 mio. kr.
  • Samlet budget: 23,6 mio. kr.
  • Varighed: Tre år (1/3/18 – 28/2/21).

Kilde: Innovationsfonden

Ny teknologi skal få Danmark i front
Der er en række fællesnævnere for projekterne. Begge bærer catchy engelsklydende navne. Begge betegnes som grand solutions-investeringer.

Og begge skal hjælpe med at bringe Danmark i front inden for effektiv håndtering af drikke-, spilde- og regnvandssystemer samt øge eksportpotentialet af dansk vandteknologi.

Nye ideer gør det muligt at have en mere holistisk tilgang til håndtering af vandet i byen. På sigt vil det revolutionere den måde, som byer og vandselskaber arbejder med vand på.

Michael Robdrup Rasmussen
Professor, Aalborg Universitet

”Vand er vores mest dyrebare ressource og en af nutidens helt store udfordringer. Jeg ser de to vandprojekter som et rigtig godt tegn på, at nye teknologiske løsninger vinder indpas i vandselskaberne. Det vil bidrage til at understrege Danmarks styrkeposition på vandområdet,” fortæller vicedirektør i Innovationsfonden Tore Duvold.

Men lad os gå lidt dybere ned i de respektive projekter.

CHAIN
Grundvandet er under stadig større pres på grund af forurening. Derfor søges der nu hjælp fra kunstig intelligens til at optimere styringen af de mange pumper og ventiler, der findes i alle vandforsyninger.

Produktion, behandling og distribution af grundvand kræver meget energi. Og da efterspørgslen skifter flere gange om dagen og ændrer sig over året, kan det være problematisk at forudsige det præcise behov for vand på et givet tidspunkt.

“Aarhus Vand har en strukturplan for vandforsyningen, der indeholder en overgang fra beholderstyring til forbrugsdrevet trykstyring. Vi forventer at identificere og kvalificere de rette ‘håndtag’ på anlægssiden, så vi fremadrettet kan effektivisere systemet yderligere. 
Målet er en drift, hvor automation konstant sikrer en optimeret forsyning med fokus på stabilitet, energi og miljø,” siger teamleder Michael Rosenberg fra Aarhus Vand.

Hos Skanderborg Forsyning forklarer fagleder Carsten Vigen Hansen, at projektet forventes både at give besparelser på energi og sikre en høj drikkevandskvalitet, da robotten skal være med til at producere og distribuere den nødvendige mængde til rette tid.

Og i GTS-virksomheden DHI håber Sten Lindberg, at erfaringerne kan gøre gavn på tværs af forsyningsarterne.

“Generelt har vi rigtig god kontrol med vandforsyningsnettet, samtidig med at systemerne teknisk set er lettere at regne på, end eksempelvis vores afløbssystemer. På sigt tror vi, at potentialet ved teknologien rækker langt ud over grænserne for projektet, både i geografisk sammenhæng og i mulighederne for udbredelse til andre forsyningsarter,” siger han.

DONUT
Hvert år investerer samfundet milliarder i vedligehold, udskiftning og udbygning af vores tekniske vandsystemer for bedre at kunne håndtere de udfordringer, vi står over for. Blot få procents effektivisering vil resultere i samfundsøkonomiske gevinster på flere hundrede millioner kroner.

Endvidere er effektive drikke-, spilde- og regnvandssystemer afgørende for samfundet, da de sikrer høj folkesundhed, beskytter mod oversvømmelser og reducerer byernes belastning af det omgivende vandmiljø. Alligevel ved vi forbløffende lidt om, hvor vandet befinder sig, og hvor det er på vej hen, da infrastrukturen ofte er gravet ned.

Men det skal et vidtforgrenet netværk af intelligente og omkostningseffektive målere lave om på. Gennem avanceret processering og kunstig intelligens skal de store datamængder omsættes til brugbar beslutningsstøtte for investeringer og håndtering af vand i byer.

“Nye ideer gør det muligt at have en mere holistisk tilgang til håndtering af vandet i byen. På sigt vil det revolutionere den måde, som byer og vandselskaber arbejder med vand på,” siger professor ved Aalborg Universitet Michael Robdrup Rasmussen.

Han forklarer, at det ved at kombinere den nyeste viden om hydraulisk modellering med kraftige computere er muligt at opnå viden om vandets bevægelse, som ikke hidtil har været tilgængelig.

Målet med projektet er at udvikle og kommercialisere en løsning, som kan foretage målinger i vandkredsløbet omkostningseffektivt og omsætte disse data til viden, som vandselskaber og myndighed aktivt kan anvende i deres beslutninger.

“En digital vandinfrastruktur med hundrede eller tusindvis af intelligente målere i byen er den vigtigste milepæl for at flytte vandsektoren ind i big data-tidsalderen. Det vil på sigt hjælpe med at udvikle byerne på en mere bæredygtig måde, hvor vandet ikke er et problem, men en ressource,” siger projektleder Malte Skovby Ahm fra Aarhus Vand.

Politik har aldrig været vigtigere

Få GRATIS nyheder fra Danmarks største politiske redaktion

Omtalte personer

Tore Duvold

Fhv. direktør, Innovationsfonden
cand.scient. (University of Bergen, Norge 1992), ph.d. (Université Louis Pasteur, Strasbourg, Frankrig 1997)

0:000:00