Digital Twin voor het ontwikkelen van data en model ondersteunde ASR-beheersystemen

In tegenstelling tot bij traditionele reservoirs voor wateropslag, zoals drinkwaterkelders en hemelwaterbassins, hebben gebruikers van ASR-systemen momenteel echter geen goed inzicht in hoeveel geschikt zoetwater er nog teruggewonnen kan worden. Hierdoor worden de systemen vaak suboptimaal gebruikt, en kan men bijvoorbeeld onverwachts door de voorraad heen zijn óf wordt juist onnodig veel water geïnfiltreerd, waardoor extra kosten worden gemaakt. Er valt dus nog veel efficiëntie-winst te behalen door het ontwikkelen van tools die verbeterd beheer van ASR-systemen mogelijk maken.

Technologie

Grondwatermodellen worden traditioneel alleen in de ontwerpfase van een ASR project ingezet, en daarna alleen sporadisch als er zich problemen voordoen of als er veranderingen in het systeem beoogd zijn. Voor de gebruikers van ASR-systemen zijn ze daarom niet bruikbaar om de actuele situatie in de ondergrond in te schatten en om de hoeveelheid zoetwater die nog kan worden teruggewonnen te bepalen. Om dit inzicht wel te bieden zal in dit digital twin project voor het eerst een opzet voor zo’n beheersysteem ontwikkeld worden, waarop de resultaten van modelberekeningen in samenhang met inzichten uit actuele meetgegevens worden gepresenteerd. Hierbij wordt de best mogelijke weergave van de huidige en toekomstige situatie van de zoetwatervoorraad getoond op basis van verschillende toekomstige beheerscenario’s.

Uitdaging

In dit project worden grondwatermodellen ontwikkeld die frequent en automatisch geactualiseerd worden op basis van de laatste velddata. Vervolgens worden de modellen gedraaid om nieuwe inschattingen te maken van de ontwikkeling van de ondergrondse zoetwaterbel bij verschillende beheerscenario’s. Naast de traditionele fysische grondwatermodellen worden in dit onderzoek ook verschillende andere indicatoren voor de prestaties van de deelnemende ASR-systemen onderzocht, zoals bijvoorbeeld tijdreeksanalyse van meetgegevens uit het veld op basis van machine learning technieken. De gemaakte voorspellingen en de velddata worden vervolgens inzichtelijk gemaakt en gepresenteerd op een online dashboard die de eindgebruiker in staat moet stellen om betere beheersbeslissingen te maken.

Oplossing

De “digital twin” studie moet een proof-of-concept vormen voor het informeren van gebruikers van ASR-systemen voor het kunnen maken van strategische beheersbeslissingen: een online dashboard waarop de meest actuele veldgegevens weergegeven worden, maar ook de op basis van modelberekeningen geschatte huidige verbreiding van de zoetwaterbel en een voorspelling van de hoeveelheid terugwinbaar geschikt zoetwater. Dergelijke data- en modelgedreven beheerstools kunnen bijdragen aan efficiënter beheer van ASR-systemen en daarmee aan duurzamer waterverbruik.