Overstroomde riolen, plastic afval, lekkages van waterleidingen… Ook onder de grond kent Nederland grote wateruitdagingen. Met menselijke kracht alleen kunnen we dat niet oplossen, zegt professor Zoran Kapelan. Daarom schakelt hij de hulp in van kunstmatige intelligentie en machine learning.
Wateroverlast in stedelijk gebied, leidingen in verslechterde staat en plastic vervuiling. Mede door klimaatverandering groeit in de stad het aantal uitdagingen op het gebied van water. Voor het aanpakken van deze opgaven kunnen we niet meer alleen leunen op menselijke kracht en bestaande modellen en methodes, zegt Zoran Kapelan, hoogleraar Urban Water Infrastructure. “Daar zijn de uitdagingen te omvangrijk en te complex voor. Denk aan het signaleren van scheurtjes en kleine lekkages in ondergrondse pijpleidingen. Die zijn met het blote oog nauwelijks waar te nemen, maar kunnen uiteindelijk wel grote schade veroorzaken.”
Volgens Kapelan hebben we daarom de hulp nodig van digitale watertechnologie, zoals kunstmatige intelligentie en machine learning. “Sensoren helpen om de problemen nauwkeurig in beeld te brengen, door alle data te verzamelen. Met behulp van machine learning kunnen we al die data vervolgens verwerken en de relevante informatie eruit filteren. Uiteindelijk moet dat weer leiden tot slimme tools en technologie om de uitdagingen mee aan te gaan.”
Eén van die slimme technologieën biedt een efficiënte manier om barsten en lekken in drinkwatersystemen op te sporen. In het Verenigd Koninkrijk, waar deze technologie vandaan komt, gaat soms wel 20 procent van het water verloren voordat het een gebruiker bereikt heeft. Kapelan: "Voordat we dit systeem hadden werden barsten en lekken vaak door mensen aan het waterbedrijf gemeld, meestal met aanzienlijke vertraging. Bovendien bleven sommige kleinere lekkages weken of maanden onopgemerkt omdat het water niet aan de oppervlakte verscheen. Het huidige systeem maakt gebruik van AI en machine learning om realtimegegevens te verzamelen en te verwerken. En het slaat automatisch alarm, wat weer door een waterbedrijf kan worden gebruikt.
Een andere slimme technologie detecteert leidingfouten in rioolsystemen. In tegenstelling tot de vorige gebruikt deze technologie AI en machine learning om camerabeelden te verwerken en zo scheuren en verschoven voegen in het riool op te sporen. Kapelan: "Vóór deze innovatie moest iemand urenlang turen naar de beelden die door een camera in de pijp werden gemaakt. Dat is een zeer arbeidsintensief proces en vaak blijven storingen onopgemerkt, wat soms ernstige gevolgen kan hebben, zoals overstromingen en vervuiling."
De inzet van slimme technologie voor het oplossen watervraagstukken wordt ook wel smart water of digital water genoemd. Ondanks het toenemend gebruik van smart technology in de watersector zijn er volgens Kapelan hier nog flinke digitale stappen te zetten. “Er is nu vaak sprake van DRIP: data rich, information poor. Er wordt wel veel data verzameld, maar daar gebeurt vervolgens weinig mee. Daarnaast is de watersector van oudsher vrij risicomijdend en conservatief. Veel waterbedrijven stonden lange tijd niet te springen om nieuwe technologie. Gelukkig zien ze nu steeds vaker de voordelen en staan ze er meer voor open.”
Onder meer vanwege ‘de rijke waterhistorie en status van de TU Delft op het gebied van technologie’ kwam Kapelan in 2018 naar Nederland om zijn onderzoek voort te zetten. Volgens hem is het belangrijk dat de wetenschap en watersector de krachten bundelen. “Vanuit de TU Delft maken we samen met partners uit de watersector de vertaalslag naar bruikbare informatie en toepassingen.”
Dat doet Kapelan momenteel met onder meer twee smart water-projecten. Een daarvan vindt plaats in samenwerking met KWR en Waternet. Kapelan: “Doel is het verbeteren van de real time bediening en controle van afvalwaterzuiveringsinstallaties, met als doel de toekomstige broeikasgasemissies te verminderen. Bij het andere project werken we samen met Rijkswaterstaat en startup Noria. Ook hierbij ontwikkelen we vanuit de TU Delft nieuwe manieren om te monitoren, alleen dan voor de detectie van plastics in stedelijke waterwegen. Samen met Noria en Rijkswaterstaat ontwikkelen we nieuwe kennis en methoden, die uiteindelijk zullen worden omgezet in praktische softwaretools.”
Kapelan mag zich gerust een pionier op het gebied van AI en machine learning noemen, toegepast in de watersector. Al tijdens zijn middelbare schooltijd hield hij zich bezig met programmeren en coderen van software. “Dat was in de jaren ’80, toen stond de digitale technologie nog in de kinderschoenen. Halverwege de jaren ’90 ben ik op academisch niveau aan de slag gegaan met kunstmatige intelligentie. De technologie had zich ondertussen behoorlijk ontwikkeld, maar bevond zich destijds nog wel vooral in het onderzoekdomein. Pas de laatste tien à vijftien jaar hebben AI en machine learning hun weg gevonden naar toepassingen in de watersector. We hopen samen met onze partners nu verdere digitale stappen in de waterindustrie te zetten.”
