Digitale tweelingen voor de watersector

De definitie die wij graag hanteren, heeft echter nog wat aanvullende aspecten:

• een aanzienlijk en consistent deel van een technisch systeem wordt zodanig in een model opgenomen, dat dit uitgebreid genoeg is voor het beoogde doel;
• de configuratie en/of status van het model worden actueel gehouden door middel van bijvoorbeeld directe sensoraflezingen;
• (optioneel) kan de digitale tweeling het werkelijke deel van de ’tweeling’ door middel van aandrijvers beïnvloeden of besturen. Deze zienswijze wordt weergegeven in Figuur 1.

In de context van deze definitie zien we een breed scala aan toepassingen, gebruiken en extra voordelen voor digitale tweelingen in watersystemen in vergelijking met traditionele modellen. Deze kunnen grofweg in twee categorieën worden ingedeeld.

De eerste categorie bevat operationele toepassingen van digitale tweelingen voor het bewaken en besturen van systemen, en voor het detecteren van afwijkingen hierin (linkerdeel van Figuur 1). Voorbeelden hiervan zijn volledige (automatische) besturing van een waterproductielocatie of het detecteren van barsten in een distributiesysteem.

De tweede categorie omvat tactische/strategische toepassingen, zoals scenariostudies, training, simulatie van incidenten, ontwerp van systemen (rechterdeel van Figuur 1). Voor deze groep toepassingen is de term ‘voorspellende tweeling’ (predictive twin) geschikter. Het moge duidelijk zijn dat bij een dergelijke voorspellende tweeling geen assimilatie plaatsvindt van directe sensorgegevens, maar dat deze wordt gevoed door gesimuleerde gegevens op basis van scenario’s. Een goed functionerende en gevalideerde digitale tweeling van het huidige systeem zou echter zoveel mogelijk als basis moeten worden gebruikt.

KWR heeft meerdere aspecten en elementen van digitale tweelingen voor (drink)watersystemen, in het bijzonder distributienetwerken, maar ook andere watersystemen zoals water-energiesystemen, ontwikkeld en onderzocht.

Voorbeeld 1: Digitale tweeling van een waterdistributienetwerk

Waterbedrijven werken meestal met modellen van hun waterdistributienetwerk die het gedrag hiervan op een bepaalde dag weergeven (bijvoorbeeld de gemiddelde of maximumvraag op een dag). Het werkelijke/actuele gedrag van het systeem zal echter naar verwachting anders zijn. De werkelijke vraag naar water, zoals onderhoudswerkzaamheden en veroudering van de leidingen in het netwerk, hebben invloed op de werkelijke werking van het systeem. Met een digitale tweeling kan al deze informatie worden samengebracht en een model worden opgesteld dat op de huidige omgeving reageert. Zo’n digitale tweeling is ook ideaal voor toekomstige of wat-als-scenariostudies en trainingsdoeleinden. De huidige toepassing voor een Nederlandse stad heeft als doel het effect van coronamaatregelen, (zoals lockdowns en meer thuiswerken) en van droogte op de watervraag te bepalen en vast te stellen hoe het waterdistributienetwerk in deze situaties presteert.

Voorbeeld 2: Digitale tweeling voor opslag en terugwinning van overtollig zoetwater in de ondergrond

De opslag en terugwinning van overtollig zoetwater in de ondergrond (Aquifer Storage and Recovery = ASR) kan een belangrijke rol spelen bij het versterken van de duurzaamheid in de landbouw-, industriële en drinkwatersector. Gebruikers van ASR-systemen hebben echter momenteel geen goed inzicht in hoeveel geschikt zoetwater nog beschikbaar is voor terugwinning, omdat een deel van het geïnjecteerde water als gevolg van mengprocessen in de ondergrond verloren gaat. ASR systemen worden daardoor vaak niet optimaal gebruikt. Dit vormde de motivatie voor het ontwikkelen van een digitale tweeling-applicatie op basis van berekeningen met een numeriek model, dat gevoed wordt door real-time metingen in het veld. De uitkomsten van het model worden getoond op een online dashboard. Hierop zijn de meest recente veldgegevens in te zien, samen met de geschatte huidige omvang van de zoetwaterbel en de voorspelde hoeveelheid terugwinbaar zoetwater volgens verschillende gebruiksscenario’s. De digitale tweeling stelt gebruikers van ASR-systemen daardoor in staat te bepalen wanneer en waar water het beste kan worden geïnjecteerd of onttrokken om de efficiëntie bij de terugwinning te verhogen. De studie zal ook de mogelijkheid onderzoeken van het gebruik van de in de digitale tweeling geïntegreerde directe veldgegevens voor het maken van meer lichtgewicht, snelle voorspellingen van de terugwinbare hoeveelheid, bijvoorbeeld op basis van technieken voor machinaal leren.

Voorbeeld 3: Digitale tweeling van WarmteStad Groningen

WarmteStad Groningen is een initiatief voor levering van duurzame warmtebronnen via een stadsverwarmingsnet aan de stad Groningen. Zij zijn momenteel bezig met het uitbreiden van het systeem, waarbij meerdere warmtebronnen en warmteopslagmogelijkheden in de nieuwe Zernike warmtecentrale worden gecombineerd. De combinatie van meerdere bronnen van (lage) temperaturen en opslag binnen warmtenetwerken is nog relatief nieuw. Daarom zijn er (nog) nauwelijks geschikte, geïntegreerde ontwerp- en bedrijfsmodellen beschikbaar. Momenteel moeten stadsverwarmingsbedrijven het hebben van de uit de werking van bestaande systemen geleerde lessen. Hierbij stuiten ze op verschillende problemen. Bijvoorbeeld, het testen van verschillende scenario’s, zoals een strenge winter of bewolkte zomer, is op korte termijn niet mogelijk, omdat de gegevens niet beschikbaar zijn. KWR is bezig met het ontwikkelen van een digitale tweeling van het systeem voor evaluatie van het ontwerp van de warmtecentrale, de effecten van verschillende scenario’s, ontwerpen en operationele besturing, het uitvoeren van ‘wat-als’-analyses en optimalisering van de werking van de centrale voor de toekomst. Deze strategie is ook nuttig voor het ontwerp en de werking van toekomstige, vergelijkbare systemen met meerdere duurzame bronnen, energie-omzettingsfases en warmteopslag onder de grond.

Voorbeeld 4: Digitale tweeling van de drinkwaterinstallatie

Binnen het Bedrijfstakonderzoek werken KWR en de drinkwaterbedrijven momenteel aan een draaiboek als hulp voor het ontwikkelen van een digitale tweeling voor drinkwaterinstallaties, maar ook aan de integratie hiervan in het bedrijf. Een dergelijke transformatie omvat technische aanpassingen en investeringen, maar vereist ook van de organisatie opname van deze digitale tweeling in de processen; alleen dan kan de digitale tweeling optimaal worden toegepast. De digitale tweeling kan helpen bij het bewaken en onderzoeken van de werking van de verschillende behandelingsstappen en installaties. Zo kunnen wetenschappelijk onderbouwde en dus betere beslissingen worden genomen. Bovendien kan de digitale tweeling (en de onderliggende modellen) na verdere ontwikkeling worden gebruikt voor optimalisering van de verschillende processen. Als gevolg hiervan is de operationele efficiëntie hiervan niet alleen afhankelijk van de bediener. Dit kan ook leiden tot een betere en stabielere waterkwaliteit van het behandelde water en reductie van het gebruik van grondstoffen, energie en kosten.

Wat kan KWR voor u betekenen?

KWR heeft veel specialisten met kennis op het gebied van alle aspecten van de stedelijke watercyclus. We hebben ook technische specialisten die representatieve modellen voor alle relevante aspecten van het systeem kunnen ontwikkelen. We hebben dat al voor veel systeemonderdelen gedaan. We hebben ook ervaring in het koppelen van afzonderlijke modellen of componenten aan digitale tweelingen. Dit plaatst ons in een uitstekende positie om advies te geven over het ontwikkelen van een digitale tweeling, technische of modelcomponenten aan te leveren, aan een ontwikkelingsproces deel te nemen of werkelijk een digitale tweeling te bouwen.

Voor aanvullende informatie kunt u contact opnemen met Ina Vertommen.