DigitalGreenTech - Langprojekt i-SEWER: Die nächste Generation der Kanalnetzsteuerung

Ziel des i-SEWER-Projektes ist die Erarbeitung einer Methodik zur Entwicklung von skalierbaren, autonomen und KI-getriebenen Kanalnetzsteuerungen zur Reduzierung von Entlastungen aus der Mischwasserkanalisation. Hierfür wird eine verlässliche Datengrundlage in Echtzeit durch die Erarbeitung und Implementierung einer Anomalie-Erkennung mittels Deep Learning für sämtliche Prozessdaten des Kanalnetzes erzielt. Darauf aufbauend wird eine maßgebliche Hürde im Aufbau von komplexen Regelungsalgorithmen genommen: Die Erstellung von hinreichend performanten Surrogatmodellen zur Anwendung innerhalb einer modellbasierten Steuerung. Die Erstellung dieser Surrogate erfolgt durch Deep Learning-Verfahren anhand von Simulationen mit einem hydrodynamischen Detailmodell. Dadurch entfällt das in herkömmlichen, zeitintensiven Vereinfachungsmethoden benötigte Expertenwissen und der Prozess ist generisch auf verschiedene Simulationsumgebungen anwendbar. Das erlernte Surrogatmodell wird anschließend in einer eigens dafür konfigurierten modell-prädiktive Regelung integriert und simulativ ob seiner Leistungsfähigkeit für Beispielkanalnetze erprobt. Anschließend wird das Potential einer derartigen Steuerung auf technischer Ebene und bzgl. Nachhaltigkeitskriterien analysiert und generalisiert.

In diesem Projekt unterstützt das ifak durch die Bereitstellung einer dafür geeigneten Simulationsplattform das Erlernen der Surrogatmodelle. Als Leiter der Arbeitspakete AP4 und 5 ist das ifak für die Erarbeitung der Regelungsalgorithmik, die auf einer modellprädiktiven Regelung anhand der erlernten Surrogatmodelle basiert, verantwortlich. Des Weiteren werden Ansätze zur Nachhaltigkeitsbewertung in den Simulationsrahmen für die Abflusssteuerung integriert und angewendet.
Die F+E-Arbeiten erfolgen zunächst anhand eines Literatur-Benchmarksystems, werden dann aber anhand des realen Kanalnetzes der Stadt Freiburg erweitert und einem Test und Bewertung aus Praxissicht unterworfen.

Digital GreenTech - i-SEWER: The Next Generation of Sewer System Real Time Control

The i-SEWER project will develop a methodology for setting up a scalable, autonomous and AI-driven real-time control system for the reduction of overflow discharges from combined sewer systems. Development and implementation of procedures for automatic error recognition in sewer process data, based on Deep Learning algorithms, will ensure that control will be based on reliable system state information. Development of procedures to derive highly performant surrogate models, using Deep Learning combined with hydrodynamic sewer network models, will facilitate the setup of model-based predictive control systems.

Such surrogate models will be integrated with a simulation framework for model-based predictive control and their performance evaluated for example systems. Furthermore, the potential of such model-based predictive control will be evaluated with regard to technical issues and to their sustainability.
ifak will assist the learning process of such surrogate models, developed by the project partners, by provision of dedicated modules within a simulation platform. Furthermore, evaluation of such model-based predictive control based on these surrogate models, including an assessment with regard to sustainability criteria, will form part of ifak s work packages within the i-SEWER project.
Research and development on these methods will commence using a benchmark example from the literature, but then focus on a real system (sewer network of the city of Freiburg) and subsequently be evaluated from a practical point of view.