Smart frontend para deteção de perdas água em rede de abastecimento

Abstract

Qualquer sistema de abastecimento de água está sujeito a perdas significativas, que podem ser causadas por vários fatores, incluindo falhas na infraestrutura, roturas, fugas, falta de manutenção e furtos. Essas perdas representam desperdício desse recurso vital e não renovável, geram prejuízos económicos e ameaçam a saúde pública devido à contaminação da água potável. As entidades responsáveis pela gestão e abastecimento têm a tarefa de assegurar a disponibilidade da água em quantidade e qualidade adequadas para toda a sociedade. Para que essas entidades controlem as perdas, é crucial haver um sistema de supervisão da rede de abastecimento, permitindo assim identificar situações que necessitem de atenção, visando reduzir as perdas de água e garantir a qualidade dos serviços. O presente trabalho procura identificar perdas de água num sistema de abastecimento através da análise do histórico de dados de pressão de uma rede de abastecimento de água. Para atingir esse objetivo, desenvolveu-se (i) uma ferramenta que contém um ambiente gráfico baseado em tecnologias web com frontend que permite a interação com o utilizador e a visualização de gráficos de consumo de água, (ii) backend através de callbacks com algoritmo capaz de analisar o histórico dos dados e prever o comportamento da rede, detetar anomalias que indicam possíveis perdas, e definição de alarmes/notificações quando as mesmas ocorrerem. O modelo de machine learning Random Forest foi implementado para fornecer previsões do funcionamento do sistema devido a sua simplicidade, baixo custo operacional e boa precisão na análise de séries temporais. Foram criados dados sintéticos para testar a robustez da solução proposta. Os resultados obtidos demonstram a eficácia do projeto como ferramenta para auxiliar na tomada de decisões para as entidades gestoras de sistema de abastecimento de água. A partir dessas informações, medidas corretivas podem ser tomadas para reduzir as perdas e garantir a qualidade e disponibilidade do recurso hídrico.

Any water supply system is subject to significant losses, which can be caused by various factors, including infrastructure failures, ruptures, leaks, lack of maintenance and thefts. These losses represent a waste of this vital and limited resource, generate economic losses and threaten public health due to contamination of drinking water. The entities responsible for water management and supply have the task of ensuring that water is available in adequate quantity and quality for society as a whole. In order for these entities to control losses, it is crucial to have a system for supervising the supply network, thus making it possible to identify situations that need attention, with the aim of reducing water losses and guaranteeing the quality of services. This work seeks to identify water losses in a supply system by analyzing the historical pressure data of a water supply network. To achieve this goal, we developed (i) a tool that contains a graphical graphical environment based on web technologies with a frontend that allows interaction with the user and visualization of the water consumption graph, (ii) a backend through callbacks with an algorithm capable of analyzing the data history and predicting the network’s behavior, detecting anomalies that indicate possible losses, and setting alarms/notifications when they occur. The Random Forest machine learning model was implemented to provide predictions of the system’s operation due to its simplicity, low operating cost and good accuracy in analyzing time series. Synthetic data was created to test the robustness of the proposed solution. The results obtained demonstrate the effectiveness of the project as a tool to assist in decision-making for water supply system management entities. Based on this information, corrective measures can be taken to reduce losses and guarantee the quality and availability of the water resource.