AQUAWATT

Sistema IoT impulsado por microturbinas e IA para la gestión de activos hídricos

Acrónimo: AQUAWATT

Socios del proyecto: Advanced Microturbines Srl y A-SIGN Srl

País: Italia

Ecosistema industrial: Industrias intensivas en energía

Fecha de adjudicación: 29/09/2023

Duración: 01/11/2023 – 01/11/2024

RESUMEN

En toda Europa se pierde el 23% del agua. Esto significa que el 23% del agua potable debe ser tratada de nuevo para permitir el acceso a agua potable limpia, lo que se suma al perfil de alto consumo energético del sector del agua potable. AquaWatt es un sistema de gestión de redes de agua en tiempo real autoalimentado que permite la monitorización remota continua para posibilitar la gestión de activos de redes de servicios de agua mediante decisiones basadas en datos. La tecnología central, nuestra microturbina patentada, aprovecha la energía de la presión de las tuberías que, de otro modo, se desperdiciaría. Permite la conectividad IoT al tiempo que es independiente de la red eléctrica. Está acoplada a una unidad de control inteligente que adquiere sensores IoT (por ejemplo, presión, caudal), sensores de calidad del agua (por ejemplo, turbidez), preprocesados localmente con un enfoque de computación de borde y luego transmitidos a una nube para permitir decisiones basadas en datos. Todo ello contribuye a reducir el agua no contabilizada (es decir, el agua bombeada que se pierde antes de llegar a los usuarios) y mejora la calidad del agua, pero también ahorra energía, reduce los costes de reparación y mantenimiento y los daños a la reputación. De este modo se reduce el coste total de propiedad, se posponen las renovaciones de infraestructuras y se prolonga la vida útil de los activos, y se reducen los problemas en las conexiones de los usuarios, todo lo cual redunda en un servicio de agua mejor gestionado económicamente y más respetuoso con el medio ambiente.

El procesamiento se lleva a cabo tanto con modelos bayesianos (Markov Chain Monte Carlo) como con redes neuronales informadas por la física (PINN). Los primeros permiten un marco probabilístico para apoyar las decisiones y las segundas permiten aprovechar leyes físicas bien conocidas para suavizar y mejorar la optimización del aprendizaje profundo. Ambos contribuyen al mantenimiento predictivo de los componentes clave del sistema, a saber, la microturbina y la predicción de la vida útil de la batería tampón recargada por la microturbina.