SISTEMA DI REGOLAZIONE INTELLIGENTE PER GLI IMPIANTI DI POTABILIZZAZIONE Il ruolo dell Università di Cagliari.

Transcript

1 SISTEMA DI REGOLAZIONE INTELLIGENTE Il ruolo dell Università di Cagliari

2 PERCHÉ L UNIVERSITÀ? L Università ha il dovere istituzionale di favorire il processo di innovazione a beneficio delle aziende dell Università stessa dei cittadini Avvicinare i processi SISTEMA di innovazione DI REGOLAZIONE e di ricercaintelligente ai reali bisogni dei cittadini.

3 IN RISPOSTA AI BISOGNI DEL TERRITORIO All interno delle aree indicate dalla Regione Sardegna nella Smart Specializazion Strategy ICT RETI INTELLIGENTI GESTIONE ENERGIA TURISMO SISTEMA DI REGOLAZIONE INTELLIGENTE

4 OBIETTIVI Efficientare il processo di conduzione degli impianti di potabilizzazione attraverso un sistema di regolazione automatica. 1. Minimizzare il consumo energetico 2. Ottimizzare il consumo dei reagenti chimici 3. Ottimizzare il lavoro delle risorse umane SISTEMA DI REGOLAZIONE INTELLIGENTE

5 IL RUOLO DELL UNIVERSITÀ? 1. Supporto nella progettazione dell appalto pre-commerciale. 2. Predisposizione di articoli scientifici e divulgativi. 3. Elaborazione di un documento di requisiti funzionali e non funzionali contenenti le specifiche tecniche per la realizzazione degli innovativi sistemi di regolazione automatica SISTEMA intelligente DI degli REGOLAZIONE impianti di potabilizzazione. INTELLIGENTE

6 INTELLIGENZA ARTIFICIALE PROBLEMA Acquisizione di grandi quantità di dati in tempo reale per il monitoraggio della qualità dell acqua e dei processi; Ma Elevati tempi di elaborazione e di analisi SOLUZIONE Minimizzare i tempi SISTEMA di risposta DI REGOLAZIONE attraverso l uso INTELLIGENTE di sistemi automatici.

7 WATER MANAGEMENT REPORT Analizzare, correlare ed allineare nel tempo i dati storici disponibile ed ottenere un set di dati coerenti. Costruire un modello matematico efficiente basato sul set di dati coerenti precedentemente ottenuto. Water Management Report SISTEMA DI REGOLAZIONE Le applicazioni ed il potenziale INTELLIGENTE di mercato in Italia, Energy Strategy Group, Gennaio 2018

8 MACHINE LEARNING Il sistema dovrà: analizzare gli input ed elaborare le azioni necessarie; identificare gli indici di processo da massimizzare o minimizzare. Il sistema dovrà essere in grado di: ricevere le misure idrauliche, chimico/fisiche ed energetiche dai misuratori in linea; effettuare azioni di regolazione sugli attuatori al fine di minimizzare i consumi di energia e di reagenti nel rispetto della SISTEMA DI REGOLAZIONE INTELLIGENTE qualità dell acqua prodotta; agire in modo predittivo per anticipare le esigenze del sistema, in base alla storia passata.

9 REQUISITI FUNZIONALI Il processo di ottimizzazione dovrà essere applicato in particolare ad ognuna delle seguenti fasi del processo di potabilizzazione: Ossidazione reagenti Chiariflocculazione e trattamento fanghi reagenti Filtrazione energia elettrica Disinfezione reagenti SISTEMA DI REGOLAZIONE INTELLIGENTE Ottimizzare ogni PER singola GLI fase IMPIANTI ottimizzare DI POTABILIZZAZIONE il processo.

10 METODOLOGIE SUGGERITE Algoritmi di ottimizzazione ma anche Algoritmi di tipo lineare e non lineare non ancora applicati al settore idrico Reti neurali Algoritmi genetici SISTEMA DI REGOLAZIONE INTELLIGENTE

11 CASI DI SUCCESSO Aziende che hanno sfruttato approcci riconducibili all Intelligenza Artificiale e in particolare al Machine Learning. Amazon - ottimizzazione dei percorsi nei centri di evasione degli ordini, motore di recommendation Uber - prevedere le abitudini di viaggio degli utenti, migliorare le mappe, SISTEMA per i DI veicoli REGOLAZIONE a guida autonoma INTELLIGENTE Expedia - gestioni prenotazioni, gestione antifrode

12 TRATTAMENTO DELLE ACQUE: ESEMPIO Optimized System Controls of Aquifer Resources (OSCAR) sviluppato JEA Management. Controllo automatizzato dell impianto basato su reti neurali e algoritmi euristici. Il sistema idrico è monitorato e regolato ogni minuto del SISTEMA giorno, DI REGOLAZIONE INTELLIGENTE creando un approvvigionamento PER GLI IMPIANTI idrico DI POTABILIZZAZIONE "just in time"

13 LETTERATURA SCIENTIFICA OVERVIEW Studio comparativo di architetture basate su reti neurali artificiali (Time Delay Neural Networks) per la previsione di serie temporali dei dati di flusso del sistema di distribuzione dell'acqua. Trattamento delle acque attraverso l utilizzo di modelli statici e dinamici con l algoritmo genetico NSGAII. SISTEMA DI REGOLAZIONE INTELLIGENTE Dragan Savic (ed.), A Machine Learning in Water Systems. In: AISB Convention 2013, The Society for the Study of Artificial Intelligence and the Simulation of Behaviour, University of Exeter, 3-5 aprile 2013.

14 REQUISITI NON FUNZIONALI Flessibilità - possibilità di introdurre nuovi componenti Scalabilità - adattabile ad altri impianti Sicurezza - qualità dell acqua Conformità SISTEMA a standard DI e normative REGOLAZIONE INTELLIGENTE

15 GRAZIE PER L ATTENZIONE UNIVERSITÀ DEGLI STUDI DI CAGLIARI -