#12 AIと水(4)
こんにちは、だいぶ長期連載となってきたこのシリーズですが、今回はUKのstormharvesterについて調べました。
この文章では気候の予測と都市防災といった文脈が強く、スマートシティ関連のビジネスとも密接に関わってくる分野となるのではないかと個人的な意見を持っています。
例が豊富なので、少し長編となります。
(English ver is below)
1.会社の概略
1.1概要
クイーンズ大学ブルファストとの3年以上の共同研究を経て2016年に自動水管理ソフトウェアプラットフォームを開発しました。現在では20カ国以上にパートナーを持ち、下水道の詰まりや汚染、合流式下水道オーバーフローによる洪水など、下水道ネットワークの問題解決も行っています。
1.2課題
都市化や気候変動、人口増加によって給水システムや排水システムに大きな負担がかかっています。
とあるイギリスの事業体では35,000kmの下水道に年間13000回詰まりを除去する必要があり、500万ポンド(8.5億）のコストをかけています。これを日本全国の下水道管路長490,000kmに単純計算換算すると119億円規模になっています。(しかも耐用年数50年を過ぎる管は10年後には2割近くになるので、さらに増えていくと考えられます)
1.3ソリューション
＜下水道＞
機械学習と超ローカルな降雨予測を利用して、下水の流量予測・下水道閉塞形成の早期発見・ネットワークパフォーマンスの最適化を適用しています。
＜雨水の利用＞
雨水の減衰と雨水利用を1つの「スマート」なタンクで同時に行うことができます。池、湖、貯水池の水位を前もって制御し、最適化するオープンウォーターコントロールシステムを提供しています。
2.下水道分野での事例
2.1どのような背景が事例にはあったか？
Wessex Water社は、イングランド南西部の280万人に上下水道サービスを提供しており、35,000kmの下水道で、年間約13,000件の詰まりを解消し、年間500万ポンドのコストを掛けています。2020年5月、強力な国際競争の中で、StormHarvesterは、バース市の廃水集水域でウェセックス・ウォーター社との3ヶ月間のスマート下水道試験で最終候補に選ばれています。バース市には約3,500kmの下水道があり、Wessex Water社全体の約10％を占めています。このネットワークには98のセンサーがあり、そのうち89は下水道オーバーフロー（CSO）地点に、残りはポンプ（リフト）ステーションに設置されています。
2.2クライアントの課題は何か？
・初期閉塞の正確な検出
初期の閉塞を放置すると、汚染や洪水などのサービス障害につながる可能性がありますが、早期に発見できればコストのかかるサービス障害を回避することできます。
・よりスマートなアラームの作成
雨天時、大量の降雨によって予想される高い下水道水位と、部分的または全体的な閉塞など、ネットワークの制限によって生じる通常よりも高い水位を区別することは困難です。AIがこれらの異なる事象を予測できれば、アラームの質向上と合理化が可能になります。
2.3使用したデータはどのようなものか？
・CSO(合流式下水道越流水)とポンプ状の両方のセンサーデータに対応するローカルな降雨予測データを用いて、ネットワークレベルを予測しています。
98のアセットについて1.5km四方のグリッドで過去の下水道レベルデータと過去の降雨レベルを抽出し、乾季と雨期の両方で挙動を学習しています。
2.4予測できたデータはどのようなものか？
時間帯、曜日、超局地的な降雨量、地域の河川や穴の水位など、さまざまな要因に基づいて安全な動作範囲や閾値が予測できています。
2.5どのような成果が得られたか？
3ヶ月で60以上の早期閉塞をリアルタイムで検出し、そのうちの二つは警告がなければ重大な汚染事故を巻き起こしています。
2.6どのようなことが考察できたか？
日本の下水道の8割は合流式 なので管路の整備は割とイギリスだけでなく共通の問題なのかもしれないです。特に東京大都市圏は水位が低いので、被害額も甚大であると考えられます。
汚水の流出の被害規模とか全く想像つきませんが、どのようなアプローチで市場規模の算出するのだろうというのが興味深いいと感じました。。本事例のようにで事例ベースで算出するのが最適解なのでしょうか？
3.雨水貯留の事例
3.1.どのような事例があるか？
バッキンガム宮殿の近くの土地では44戸の高級住宅が並んでいでいる地域での事例があります。
アクアリティ・ストームコントロールシステムは雨水貯留の技術を活用し、120,000Lのただの雨水貯留タンクを変えました。水をリサイクルして敷地内で再利用すると同時に、大雨の時には雨水の流出を防ぐことが可能となりました。
3.2どのようなソリューションを提供したか？
tormHarvesterアクティブ減衰システムは、短期および中期の降雨予測を継続的に監視することで機能します。降雨が予測されると、システムは自動的にタンク内の水位を調整し、次の降雨による雨水の流出を減衰させるのに十分な自由水量を確保します。これにより、1つの "Smart "タンクで雨水貯留と雨水減衰の両方を行うことができるようになりました。
（雨水減衰は雨水が地表に全て流れ出ないように止めておくことを指しています。）
3.3具体的にどのようなオペレーションでソリューションを提供したか？
具体的には、
・コントロールセンターでは様々な気象機関から情報を入手し、現場のコントローラーに送信します。5分ごとにデータが分析されます。
・コントローラーはコントロールセンターから定期的にメッセージが届き湖や池の水位が伝えられる。水位が高い場合はポンプやバルブで水位を下げる
・ポータルサイトではシステムからリアルタイムのデータを送信し、アラートを表示します。警告があった場合は適切な人物にアラートが届くことになっています。
3.4事例によってどのようなTo beに変化したか？
StormHarvesterテクノロジーを搭載したASCシステムを導入することで、敷地内に125,000Lの減水タンクを別途設置する必要がなくなり、敷地内のスペースを確保することができました。1 Grosvenor Squareは現在ヨーロッパで最も面積の広い不動産の1つであり、非常に有益なことでした。これは、建設費の節約にも大きく貢献しました。
ASCシステムは、敷地からテムズウォーター社の下水道ネットワークに排出される雨水の量を大幅に削減することを保証しています。雨水は敷地内で再利用され、敷地内の年間水道料金の削減に寄与しています。年間で950万円程度の節約となっています。
3.5どのような示唆があったか？
日本の大都市圏では近年のゲリラ豪雨等に対応する技術としては、必要な技術と感じました。(逆に水の再生利用という観点ではそこまで需要がないのではと感じた)
逆に、地方だとインフラ維持という観点から再生利用や自動監視のニーズは高いので、場所によって再生利用がしたいか、災害の防止がしたいかというサービスの力点が異なってくると感じました。
English Below
Hello, This is a much longer series of articles, and this time I looked into stormharvester in the UK. I have a personal opinion that this text has a strong context of climate prediction and urban disaster prevention and will be an area closely related to smart city related businesses. This is a bit of a long story, as there are many examples.
Company Overview
1.1 Overview
We developed our automated water management software platform in 2016 after more than 3 years of collaboration with Queen's University Blufast. We now have partners in over 20 countries and also solve problems in sewer networks, such as sewer blockages, contamination, and flooding caused by combined sewer overflows.
1.2 Challenges
Urbanization, climate change, and population growth are putting a tremendous strain on water supply and drainage systems. One UK entity has 35,000 km of sewers that need to be unclogged 13,000 times a year at a cost of 5 million pounds (850 million). This is equivalent to 11.9 billion yen when converted to a simple calculation for the 490,000 km length of sewer pipelines throughout Japan. (Moreover, the number of pipes that are past their useful life of 50 years will be nearly 20% in 10 years, so the number is expected to increase further.)
1.3 Solutions
<Sewerage> Using machine learning and hyper-local rainfall prediction, we apply sewage flow prediction, early detection of sewer blockage formation, and optimization of network performance. <Rainwater Harvesting> Rainwater attenuation and rainwater harvesting can be done simultaneously in one "smart" tank. We offer open water control systems that pre-control and optimize water levels in ponds, lakes, and reservoirs.
Examples in the Sewerage Sector
2.1What background was involved in the case study?
Wessex Water provides water and wastewater services to 2.8 million people in southwest England, with 35,000 km of sewers, clearing about 13,000 blockages per year, at a cost of £5 million per year May 2020, in the face of strong international competition, StormHarvester has been selected as a finalist in a three-month smart sewer trial with Wessex Water in the City of Bath's wastewater catchment area. The City of Bath has approximately 3,500 km of sewers, representing about 10% of Wessex Water's total. The network has 98 sensors, 89 of which are located at sewer overflow (CSO) points and the rest at pump (lift) stations.
2.2What are the client's challenges?
Accurate detection of early blockages Early blockages, if left unchecked, can lead to service disruptions such as pollution and flooding, but if detected early, costly service disruptions can be avoided.
If AI can predict these different events, alarm quality can be improved and streamlined. If AI can predict these different events, the quality of alarms can be improved and streamlined.
2.3What type of data was used?
We use local rainfall prediction data corresponding to both CSO (combined sewer overflow) and pumped sensor data to predict network levels. we extract historical sewer level data and historical rainfall levels in a 1.5 km square grid for 98 assets and learn their behavior during both dry and wet seasons. behavior is learned.
2.4What kind of data could be predicted?
Safe operating ranges and thresholds have been predicted based on a variety of factors, including time of day, day of week, hyperlocal rainfall, and water levels in local rivers and boreholes.
2.5What results have been achieved?
In 3 months, over 60 premature blockages have been detected in real time, two of which would have sparked serious pollution incidents if not for the warning.
2.6What were the results of the study?
Since 80% of the sewage systems in Japan are combined sewer systems, the maintenance of pipelines may be a common problem, not only in the UK. The Tokyo metropolitan area in particular has a low water table, so the amount of damage is likely to be enormous. I can't imagine the scale of damage caused by sewage spillage, but it would be interesting to see how the market scale is calculated. Is it the best solution to calculate it on a case study basis as in this case?
Example of rainwater harvesting
3.1. What are some examples?
There is a case study in an area of land near Buckingham Palace where 44 luxury houses are located side by side. The Aquarity Storm Control System utilized rainwater harvesting technology to transform a simple 120,000L rainwater harvesting tank. The water is now recycled and reused on site, while at the same time preventing stormwater runoff during heavy rainfall events.
3.2What solution did you provide?
The tormHarvester active attenuation system works by continuously monitoring short- and medium-term rainfall forecasts. When rainfall is predicted, the system automatically adjusts the water level in the tank to ensure that there is enough free water to attenuate stormwater runoff from the next rainfall event. This allows a single "Smart" tank to perform both stormwater storage and stormwater attenuation. (Stormwater attenuation refers to stopping all rainwater from running off the ground surface.)
3.3 What specific operations provided the solution?
Specifically, ▪ The control center obtains information from various weather agencies and transmits it to the controllers on site; data is analyzed every 5 minutes. The controllers receive periodic messages from the control center telling them the water level in the lake or pond. If the water level is high, pumps and valves are used to lower the water level.・The portal site sends real-time data from the system and displays alerts. If there is an alert, the appropriate person will receive the alert.
3.4What to be changed by the case study?
The installation of the ASC system with StormHarvester technology has eliminated the need for a separate 125,000L water abatement tank on the property, freeing up space on the property.1 Grosvenor Square is currently one of the largest properties in Europe in terms of area. property and was extremely beneficial. This also contributed significantly to construction cost savings: the ASC system ensures that the amount of stormwater discharged from the site into Thames Water's sewer network is significantly reduced. The rainwater is reused on site, contributing to a reduction in the annual water bill for the site. The annual savings is approximately 9.5 million yen.
3.5 What were the implications?
We felt that this technology is necessary in Japan's metropolitan areas to cope with the recent guerrilla downpours, etc. (Conversely, I felt that there is not that much demand in terms of water reclamation.) Conversely, in rural areas, there is a high need for reclamation and automatic monitoring from the perspective of infrastructure maintenance, so there is a need for a service that can be used either for reclamation or disaster prevention, depending on the location.