Экстремальные ливни перегружают устаревшие канализационные сети. Вместо немедленного строительства дорогостоящих новых тоннелей, водопроводные компании применяют искусственный интеллект для предотвращения разливов, прогнозирования наводнений и максимального увеличения пропускной способности существующих подземных труб.
Канализационные предприятия сталкиваются с усугубляющейся математической проблемой. Интенсивность осадков возрастает, что регулярно приводит к перегрузке канализационных сетей, построенных для гораздо более мягкого климата. В то же время операторы сталкиваются со строгим экологическим контролем и крайне ограниченными капитальными бюджетами. Им необходимо каким-то образом повысить эффективность устаревающих подземных сооружений.
Искусственный интеллект (ИИ) предлагает практическое решение этой проблемы нехватки мощностей. Компьютерные модели, вместо того чтобы быть расплывчатой технологической концепцией, теперь предоставляют операторам возможность оперативно принимать меры и использовать каждый миллион единиц существующей пропускной способности трубопроводов, прежде чем им придется тратить миллиарды на масштабные строительные работы.
Факторы, определяющие развитие рынка управления канализационными сетями.
Темпы и характер внедрения ИИ различаются в зависимости от региона и определяются различными местными проблемами, начиная от строгих требований к соблюдению нормативных требований и заканчивая угрозами экстремальных погодных условий.
В Великобритании и Европе ужесточение экологических норм и растущая обеспокоенность качеством рек подталкивают коммунальные предприятия к более интегрированному управлению водоотведением. В Великобритании – пересмотр цен в 2024 году.
На европейском уровне инициатива по управлению городскими сточными водами подкрепляет это стремление, требуя от государств-членов разработки комплексных планов управления городскими водоотводными системами.
В Северной Америке, где коммунальная отрасль более фрагментирована, инвестиции в цифровые технологии часто связаны с контролем за соблюдением законодательства в сфере водоснабжения и соответствующими мерами. На практике это обычно означает обоснование необходимости сокращения притока и инфильтрации воды, отсрочки расширения очистных сооружений и снижения затрат на аварийное техническое обслуживание.
В Азиатско-Тихоокеанском регионе адаптация к изменению климата и повышение устойчивости к наводнениям зачастую имеют первостепенное значение. Компания Watercare модернизирует свою канализационную сеть, установив 5000 датчиков в рамках программы по созданию «умной» сети стоимостью 12 миллионов новозеландских долларов.
Прогресс в реализации нашей программы моделирования наводнений. Ожидается, что до 2026 года будет завершено 70 проектов по моделированию, а климатические прогнозы будут продлены до 2100 года. В Сингапуре...
Прогнозирование и мониторинг наводнений Сочетает мониторинг в реальном времени с прогнозированием осадков на основе радиолокационных данных для улучшения краткосрочных оперативных решений.
Как работают «умные» канализационные системы
Для интеллектуального управления канализационной системой требуется не только одна программная платформа или тип датчиков. Оно основано на объединении потоков данных, которые операторы исторически хранили полностью раздельно.
ГИС обеспечивает схему сети и определение местоположения объектов. Данные видеонаблюдения добавляют информацию о состоянии конструкций. Полевые датчики обеспечивают измерения глубины, расхода, уровня и состояния насосов практически в режиме реального времени. Системы SCADA добавляют данные об эксплуатации насосных станций и других контрольных точек. Метеорологические данные и радиолокационные прогнозы позволяют оценить, какие нагрузки может вскоре возникнуть в сети.
Истинное оперативное преимущество проявляется тогда, когда эти разрозненные данные объединяются в единое целое.
Как только полевые данные, входные данные SCADA и прогнозы погоды будут объединены на единой платформе, коммунальные предприятия смогут использовать гидравлические модели наряду с инструментами машинного обучения. Это поможет им выйти за рамки простых сигналов тревоги, срабатывающих по фиксированным пороговым значениям.
Это позволяет выявлять аномалии на более ранних стадиях, более эффективно расставлять приоритеты событий и, в более сложных системах, поддерживать динамическое управление сетью.
В этом смысле ИИ — это не просто дополнительный цифровой слой. Он становится частью того, как коммунальные предприятия интерпретируют состояние активов, понимают гидравлические процессы и определяют, когда требуется вмешательство.
Повышение эффективности: автоматизированная проверка и кодирование.
Проверка трубопроводов представляет собой одно из наиболее развитых применений искусственного интеллекта в системах очистки сточных вод.
Традиционно для проведения видеонаблюдения требовалось, чтобы обученные операторы вручную просматривали многочасовые видеозаписи. Этот процесс медленный и может быть непоследовательным, особенно когда усталость влияет на выявление или кодирование дефектов. Компьютерное зрение позволяет быстрее обрабатывать результаты проверки и упрощает их стандартизацию.
Это уже видно в развертываниях служебных программ.
В компании Greater Western Water австралийская компания VAPAR, специализирующаяся на инспекции канализационных систем, использовала поддержку искусственного интеллекта для уточнения плана капитальных затрат, а опубликованные проектные материалы указывают на уточнение первоначальной оценки приоритетной программы примерно на 2 миллиона австралийских долларов. В компании United Utilities отдельное внедрение сократило время обработки результатов обследований с 10 дней до двух дней – улучшение на 80%.
Аналогичная тенденция наблюдается и в Северной Америке.
В сводке проекта SewerAI по Тихоокеанскому Северо-Западу представлены результаты 132 обследований и 29748 погонных футов видеонаблюдения . Согласно представленным результатам, оценка на основе ИИ выявила на 32.99% больше неисправностей, чем ручные обследования, и пропустила на 90.13% меньше неисправностей, при этом погрешность составила менее 10%.
Эти инструменты также оказываются полезными в чрезвычайных ситуациях. Превращение данных в действия для ускорения восстановления канализационной системы после лесных пожаров на Гавайях.
На данном этапе ценностное предложение достаточно ясно. Коммунальные предприятия получают более быструю и достоверную информацию о состоянии активов, что обеспечивает более надежную основу для планирования технического обслуживания и определения приоритетов капитальных вложений.
Управление событиями: фильтрация оповещений для предотвращения переполнения.
Помимо оценки структурного состояния, операторы должны отслеживать фактическое поведение своих сетей при активном потоке воды.
Именно здесь ИИ применяется к данным о расходе, уровне и событиях для улучшения планирования технического обслуживания и сокращения предотвратимых разливов. Одна из распространенных проблем в диспетчерских — перегрузка системы сигнализации. Системы генерируют повторяющиеся оповещения во время влажной погоды, но многие из этих оповещений отражают ожидаемое гидравлическое поведение, а не возникающие неисправности.
Пример из практики: Wessex Water – StormHarvester. За три месяца испытаний система в режиме реального времени выявила более 60 возникающих засоров. Опубликованные результаты также показывают, что при существующем подходе за время пилотного периода было сгенерировано 4,500 сигналов тревоги, в то время как подход на основе ИИ сократил бы количество оповещений в диспетчерской на 97%, оставив всего 138 оповещений.
Аналогичный аналитический подход можно использовать и для выявления скрытых потерь пропускной способности. Компания Anglian Water – борьба с притоком и инфильтрацией в канализационной сети. В результате были проведены целенаправленные мероприятия на сумму 2.4 миллиона фунтов стерлингов, достигнуто снижение расхода на 20%, обусловленное притоком, поступлением и инфильтрацией сточных вод, а также сокращено время работы насосной станции почти на 600 часов.
Аналогичные методы также используются для управления рисками наводнений и ограничениями пропускной способности. Объединение данных о канализационных и ливневых системах позволяет лучше понимать производительность и риски для канализационной сети Northern Ireland Water , при этом около 85% выявленных объектов дали подтвержденные результаты. В более широком смысле, платформа предназначена для предоставления предупреждений о наводнениях за 48 часов до их начала.
Компания South West Water приводит еще один пример применения этого подхода. По данным компании, в настоящее время в регионе установлено около 12 000 интеллектуальных датчиков, используемых для мониторинга уровня сточных вод, а также отдельно сообщается, что количество случаев загрязнения сократилось вдвое за восемь месяцев до августа 2025 года, а количество переливов ливневых вод уменьшилось почти на 50% за последний год.
Практическое значение заключается не в прогнозировании как абстрактной способности, а в привлечении внимания к местам и событиям, которые с наибольшей вероятностью потребуют действий, чтобы полевые группы и операторы могли вмешаться раньше и более избирательно.
Оптимизация активов: извлечение выгоды из существующей инфраструктуры.
Наиболее передовые методы применения ИИ в управлении канализационными системами и системами предотвращения переливов выходят за рамки диагностики и прогнозирования и переходят к управлению в режиме реального времени.
На данном этапе цель состоит в том, чтобы более динамично эксплуатировать существующую сеть. Коммунальные предприятия могут прогнозировать осадки, заранее регулировать работу насосов и задвижек, а также более разумно распределять потоки, чтобы максимально эффективно использовать имеющиеся хранилища и каналы для транспортировки воды до начала строительства новой инфраструктуры.
Один из самых известных примеров — город Саут-Бенд, штат Индиана . Опубликованная информация о проекте от компании Xylem указывает на то, что городская программа «умной канализации» устранила переливы в сухую погоду, сократила объемы переливов из объединенных канализационных систем (CSO) более чем на 80% и помогла обеспечить принятие одобренного Агентством по охране окружающей среды (EPA) долгосрочного плана контроля, требующего на 60% меньших инвестиций в инфраструктуру, чем первоначально предполагалось, что позволило сэкономить около 400 миллионов долларов капитальных затрат.
Аналогичный принцип наблюдается в Гранд-Рапидсе, штат Мичиган , где, по данным компании Xylem, цифровой мониторинг и моделирование помогли продемонстрировать, что проблему притока и инфильтрации в город можно решить за 30-50 миллионов долларов, а не за первоначальную оценку в 1 миллиард долларов.
Система AQUADVANCED Urban Drainage от компании SUEZ указывает в том же направлении. Платформа представлена как сочетание мониторинга в реальном времени, прогнозирования погоды и гидравлического моделирования для поддержки автоматизированного управления, которое максимизирует использование водохранилищ, ограничивает переливы и снижает риск наводнений.
В опубликованной информации о проекте также указывается, что система работает в нескольких европейских городах, и что AQUADVANCED® Urban Drainage поддерживает работу дренажной системы Сингапура.
На данном этапе практическая ценность ИИ наиболее очевидна. Цифровые инструменты теперь делают больше, чем просто анализируют прошлые события или прогнозируют будущие риски. В самых передовых системах они напрямую влияют на то, как операторы управляют сетью в условиях активной нагрузки.
Преодоление переполнения: комплексный подход к городскому водоотведению.
Несмотря на достигнутый прогресс, масштабирование этих систем на всю территорию обслуживания коммунальных предприятий по-прежнему остается сложной задачей.
Программное обеспечение для прогнозирования в значительной степени опирается на точные исторические данные и надежные физические датчики, способные выдерживать суровые подземные условия в течение многих лет. Кроме того, операторам диспетчерской требуется время и проверенные результаты, чтобы завоевать доверие к автоматизированным рекомендациям, прежде чем отказаться от традиционного ручного контроля. Несмотря на эти проблемы, специалисты по управлению водными ресурсами постепенно переходят от мониторинга отдельных трубопроводов к управлению канализационными сетями как единой взаимосвязанной системой.
Искусственный интеллект сам по себе не может заменить устаревшую инфраструктуру, но он обеспечивает необходимый оперативный интеллект для максимального использования пропускной способности уже существующих трубопроводов. Поскольку экстремальные погодные условия оказывают беспрецедентное давление на городские водоотводы, наиболее устойчивыми коммунальными предприятиями станут те, кто сочетает физические инженерные решения с программным обеспечением для прогнозирования. В конечном итоге, освоение этого цифрового уровня дает операторам точную информацию, необходимую для безопасной подачи воды и защиты населенных пунктов еще до начала дождя.
В условиях, когда городские канализационные сети сталкиваются с двойным давлением стареющей инфраструктуры и экстремальных климатических явлений, интеллектуальное управление канализацией становится неотъемлемой частью построения устойчивых городов. Будущее городской канализации будет зависеть не от замены физической инфраструктуры цифровыми инструментами, а от объединения этих двух подходов — использования данных, прогнозного анализа и управления в режиме реального времени для повышения эффективности работы существующих сетей, более быстрого реагирования и противостояния все более непредсказуемой погоде.
