Siccità: intelligenza artificiale e analitiche avanzate possono aiutare a contrastare l’emergenza

• 
• Tweet
• Pin It
• Condividi per email

Il Piano nazionale di ripresa e resilienza (PNRR) ha stimato nel 41% la quota di acqua a uso civile che viene dispersa dalle reti. Un dato confermato anche dall’ultimo rapporto Istat 2021, secondo cui in Italia ogni anno il 40% dell’acqua viene sprecato a causa di problemi legati alla rete idrica. Significa che in un anno, degli 8,2 miliardi di metri cubi di acqua immessi nella rete idrica italiana, ne vengono utilizzati 4,7 miliardi, mentre i restanti 3,5 miliardi sono dispersi a causa delle cattive condizioni dell’infrastruttura. Quest’anno l’emergenza idrica sta colpendo il nostro Paese in modo molto severo, tanto da portare diverse Regioni a chiedere lo stato di emergenza per la siccità, come dichiarato in questi giorni dal responsabile della Protezione civile Fabrizio Curcio.

Ai problemi ambientali legati alla siccità ormai fortemente presenti anche nel nostro Paese, che nelle ultime settimane ha visto il livello del Po scendere di 3,7 metri, il più basso degli ultimi 70 anni, si sommano gli sprechi che hanno ormai raggiunto percentuali preoccupanti.

Uno scenario che richiede nuovi e urgenti investimenti da parte dello Stato per rinnovare una rete infrastrutturale provata dall’usura del tempo. Da questo punto di vista, una risposta potrebbe essere contenuta nel Piano Nazionale di Ripresa e Resilienza, che ha stanziato 900 milioni di euro per accrescere l’efficienza della rete idrica nazionale avviando progetti da realizzare entro il 2026.
Si pensi che, stimando un consumo giornaliero pro capite di 215 litri (valore nazionale), le perdite potrebbero garantire le esigenze idriche di circa 44 milioni di persone in un anno.

L’ARERA, L’Autorità di Regolazione per Energia Reti e Ambiente, si è già espressa in tal senso con la definizione del quadro strategico 2022-2025 che ha, tra gli altri nell’area ambiente, l’obiettivo di favorire il miglioramento della qualità e dell’efficienza delle infrastrutture idriche in coerenza con i traguardi fissati dall’Agenda 2030, per lo sviluppo sostenibile. Viene suggerito ai soggetti competenti di adottare soluzioni innovative e a minor impatto ambientale, nonché di maggiore resilienza agli eventi estremi, connessi al cambiamento climatico in atto. Pertanto, saranno da favorire tutti i progetti tesi alla sicurezza delle infrastrutture di approvvigionamento, alla riduzione delle perdite idriche (anche attraverso la digitalizzazione delle reti) e al potenziamento dell’efficacia nella depurazione delle acque reflue (anche attraverso l’innovazione tecnologica).

I costi della manutenzione

Il problema principale per i gestori del ciclo idrico integrato è che devono sostenere elevati costi di manutenzione per contrastare guasti e interruzioni della rete, dovute a tubi e infrastrutture datate o obsolete, senza peraltro avere la certezza di localizzarli con precisione.
Per fare fronte a ciò, vengono introdotte ogni anno risorse ed energie sempre più consistenti per controllare puntualmente la parte fisica della rete e raccogliere i dati di campo: dalle indagini geofoniche ai correlatori ad altissima gittata, le video ispezioni, l’adozione di transitori di pressione, perfino i raggi cosmici (ultimo ritrovato che sfrutta una proprietà dei neutroni, i quali vengono trattenuti dall’idrogeno quando arrivano in contatto con l’idrogeno stesso).

Sono diverse le tecnologie che oggi aiutano a localizzare le perdite per chiudere il prima possibile le falle ma un passo in avanti decisamente significativo può avvenire nel momento in cui si sceglie di ribaltare la prospettiva, con l’adozione di tecnologie innovative in ottica predittiva per poter intervenire giocando d’anticipo.

L’analisi predittiva in soccorso degli sprechi

Si parla sempre più, infatti, di “manutenzione predittiva”, una prospettiva oggi fortemente abilitata dall’ampia integrazione IoT e dai modelli di Machine Learning, che rappresenta uno dei vantaggi maggiori della quarta rivoluzione industriale.

In realtà, l’analisi predittiva è piuttosto antica, ma prima dell’avvento di grandi masse di dati, di algoritmi efficienti e di elaboratori sufficientemente potenti da supportarli, il suo utilizzo era limitato ad ambiti ristretti e a un numero contenuto di realtà. Negli ultimi anni, l’evoluzione della tecnologia ha portato a una riscoperta delle metodologie e degli algoritmi e l’aumento della capacità di calcolo e la disponibilità di grandi masse di dati hanno rappresentato i fattori abilitanti di tale rinascita.

In ambito idrico, in accordo con l’adozione di algoritmi intelligenti, oggi si possono prendere in considerazione numerose diverse variabili che caratterizzano le infrastrutture, come le dimensioni e l’età del sistema di tubazioni, la disponibilità di acqua pronta per essere trattata, la tipologia e il modello dei contatori dell’acqua installati, le previsioni meteo storiche e future a breve-medio periodo, la cronologia delle misure intraprese per prevenire le perdite d’acqua, le priorità dal punto di vista economico e normativo, arrivando a creare degli schemi anticipatori affidabili per poter individuare a priori i punti di maggiore fragilità della rete.

Per una analisi predittiva efficace è necessario affidarsi a persone capaci di organizzare i dati (Data Engineer), di creare modelli e algoritmi predittivi (Data Scientist) e, infine, di costruire il flusso e di integrarlo in un’architettura performante di produzione (Data Architect). In sintesi, sono necessari dati di qualità ma accompagnati da un giusto bilanciamento di competenze multiple e dalla creazione di un processo manutenibile. In SDG Group, i nostri esperti operano in un team multifunzionale che individua i modelli matematici e lavora sui dati raccolti dall’operatore idrico per sviluppare un ambiente di sperimentazione, rendendo evidenti i benefici del progetto ancora prima che venga implementato.

Un caso virtuoso, Aqualia

Il nostro approccio multidisciplinare è stato applicato con successo in Aqualia per prevedere il consumo di acqua, rilevare tempestivamente eventuali perdite e anomalie, classificare tali anomalie e attivare azioni conseguenti. Aqualia è la quarta società di gestione dell’acqua in Europa e la nona al mondo in termini di popolazione servita, secondo l’ultima classifica Global Water Intelligence. Attualmente serve quasi 30 milioni di persone in 17 Paesi distribuiti tra Europa, Nord Africa, Middle East, Centro e Sud America.

Per raggiungere gli obiettivi del cliente, il progetto che abbiamo realizzato è stato suddiviso in tre macro-fasi. La prima di Flow forecast ha comportato la previsione del flusso d’acqua attraverso un modello statistico flessibile, che tiene conto della stagionalità dei consumi (annuale, settimanale e oraria-giornaliera), degli effetti delle festività e meteorologici (utilizzando sia previsioni meteo che dati storici), delle tendenze locali e dei cambiamenti strutturali, come la variazione della popolazione residente, i nuovi quartieri, i nuovi stabilimenti produttivi. L’accuratezza complessiva del modello è garantita dall’utilizzo di un’infrastruttura Machine Learning Operations (MLOps), una metodologia di sviluppo basata sui principi di Continuous Integration e dal Continuous Delivery e Continuous Training. Grazie a questo approccio è possibile automatizzare l’addestramento continuo dell’intera pipeline del modello e la distribuzione del nuovo servizio di predizione.

Una seconda fase di Early Warning Anomaly Detection: ha comportato la creazione di un sistema di allerta precoce che si basa sulla deviazione statisticamente rilevante dei dati quantitativi osservati e sulle serie storiche e future dei singoli smart-meter. Tali analisi consentono di definire una precisa tassonomia data-driven delle anomalie riscontrate, la cui caratterizzazione punta a distinguere chiaramente i differenti fenomeni sottostanti come frodi in rete, perdite abnormi o rotture. L’obiettivo di questa fase è minimizzare il parametro NRW (Non-Revenue Water), ovvero l’acqua prodotta e pulita che viene persa da qualche parte nel sistema di distribuzione, senza mai raggiungere la sua destinazione finale. Ciò significa che l’acqua non viene utilizzata o pagata, con ripercussioni sulle economie locali e sulle risorse locali disponibili.

Durante la terza fase, denominata Trigger Actions: la topologia della rete viene utilizzata per identificare i punti di rottura. La classificazione della gravità degli allarmi consente di eseguire azioni circostanziate in base al problema rilevato. Così facendo si possono pianificare gli interventi anzitempo gestendo così i relativi costi e l’impegno di mezzi e persone in modo strutturato.
Una prospettiva per il futuro

In conclusione, l’adozione di modelli matematici predittivi rappresenterà sempre più il tassello fondamentale per migliorare la gestione idrica, arrivando così a una nuova evoluzione e ottimizzazione delle reti e dell’erogazione dei servizi ai cittadini. Saranno le competenze del team di lavoro, insieme agli strumenti giusti e a un disegno d’insieme ben definito, a rappresentare la via per ridurre l’elevata percentuale di acqua che oggi viene sprecata nella rete.

I gestori che si dotano di tecnologie all’avanguardia e metodologie di advanced analytics con l’obiettivo di contenere le perdite raggiungono risultati notevoli: mentre gli acquedotti italiani perdono ogni giorno una media di 24 metri cubi di acqua per chilometro di rete, i territori più virtuosi possono arrivare a limitare le perdite giornaliere a poco più di 9 metri cubi di acqua per chilometro. Investire in questo tipo di innovazione ha davvero un impatto positivo sull’ambiente e sulla società.

A cura di Riccardo Paolini, Area Services & Utilities - SDG Group Italy

• 
• Tweet
• Pin It
• Condividi per email