Maskininlärning som metod för minskat läckage på Örbyfältet

Dricksvattenproduktionen vid Örbyverket består av ett system där inkommande dricksvatten från Ringsjöverket infiltreras ner till en sluten geologisk formation i Örbyfältet. Efter cirka 3 veckors uppehållstid uppfordras och pumpas vatten in till Örbyverket för vidare distribution. Örbyfältet och Örbyverket utgör ihop ett teknisk komplicerat system som bidrar till säkrad dricksvattendistribution. Tyvärr finns även nackdelar med en naturlig reservoar, och den största är att det finns ett läckage. På årsbasis utgör detta 3000-4000 m3 per dygn motsvarande daglig vattenförbrukningen för cirka 25 000 personer. Läckaget påverkas av osäkra prognoser för dricksvattenkonsumtion och driftsstrategier. Problemet med att balansera intag och uttag av vatten ur ett grundvattenmagasin är inte unikt för NSVA/Sydvatten. Systemet är svårt att beskriva med traditionella beräkningsmetoder p.g.a. tidsförskjutningar i systemet, komplexa magasinsförhållanden, mänsklig faktor och variation i uttag. Med denna ansökan önskar vi angripa problemet med icke traditionella beräkningsmetoder som använder sig av maskininlärning. Vi önskar också ta oss an utmaningen att använda oss av lokalt implementerad maskininlärning i en bransch som värderar IT-säkerheten högt. För många tillämpningar finns det idag ”färdiga” algoritmer som har tränats upp med historisk data från liknande frågeställningar. För optimeringsberäkningar av grundvattenmagasin finns detta ej tillgängligt. Inom projektet kommer vi skapa och utvärdera vilken typ av algoritm (eller grupp av algoritmer) som lämpligen kan användas utifrån datakännedom, domänkunskap och expertis inom maskininlärning / data science.