Nu finns resultat från Smart övervakning av ledningsnätsstatus och prestanda inom dricksvatten-infrastruktur (SMARTInfra). I projektet arbetar man med att påskynda den digitala transformationen inom dricksvattendistribution genom att utreda vilka data som ska mätas och hur dessa data ska hanteras.
Här genomfördes laboratorie- och fältstudier för att utvärdera sensortekniker för detektering av biofilm, korrosion och läckage i polyeten- och segjärnsrör. Avancerade analysmetoder, inklusive elektrokemiska mätningar och flödescytometri, användes för att karakterisera materialnedbrytning och mikrobiell dynamik. Charlotta Obitz, Rise, var projektledare.
Vilka är de viktigaste slutsatserna som ni kommit fram till i projekten?
– Projektet har visat att sensorer för inline-mätning av vattenkvalitet, biofilm och korrosion har potential att användas för övervakning av dricksvattennät. Särskilt korrosionssensorer baserade på elektrisk resistans (ER-sensorer) fungerade väl för att följa korrosionsförlopp i realtid i laboratorieförsök, medan biofilmsensorernas design behöver anpassas ytterligare för att fånga förhållanden i ledningsnätet.
– För att utforska vilken information som kan inhämtas baserat på analyser och mätningar som redan idag utförs i ledningsnätet utfördes datadriven analys och förslag på ett nytt linjärt index togs fram, syftet med detta index var att särskilja platser med korrosivt vatten. Detta behöver utvecklas vidare för att bli användbart. Dock visar tillvägagångssättet vilken tillgång som all data som finns kan vara. Det som dock var tydligt i arbetet med dataanalysen att rapporternas format och utformning skiljer sig åt, ett standardiserat rapportsätt skulle underlätta storskalig dataanalys, särskilt mellan olika aktörer och anläggningar.
Vem ser ni som mottagare av resultaten?
– Resultaten är relevanta för dricksvattenproducenter och VA-organisationer som behöver bättre verktyg för planering, underhåll och förnyelse av ledningsnät. Teknikutvecklare och sensorleverantörer är en annan möjlig målgrupp, då resultaten ger vägledning för utveckling av sensorer anpassade för dricksvattennät. Forskningsinstitut och universitet kan använda resultaten för att vidareutveckla AI-modeller och korrosionsindex.
Hur hoppas ni att resultaten ska tas vidare, vad ser ni som nästa steg?
– Nästa steg är att validera resultaten i större skala genom fler fälttester och att anpassa sensorer för verkliga dricksvattennät. Det finns behov av att standardisera dataformat för att underlätta integration av AI-verktyg och sensordata. Vidare bör kommersiella lösningar utvecklas, där sensorer och digitala verktyg görs tillgängliga för bred implementering.