Voorkomen van overstroming gemalen met data science

Uitdaging

Schoon en voldoende water

Waterschap Hunze en Aa’s zorgt in haar regio voor sterke dijken die beschermen tegen overstromingen. Voor waterwegen die goed bevaarbaar zijn. En voor schoon en voldoende water in kanaal, meer of sloot. Een van de taken van het waterschap is het zuiveren van afvalwaterwater van huishoudens, bedrijven en wegen, waarna dit schone water geloosd wordt op rivieren en kanalen.

Vuil water komt in het gemeentelijke riool terecht door waterverbruik in huishoudens en bedrijven maar ook door regenval. Dit proces van opvang, transport, zuiveren en lozen van rioolwater is nauwkeurig op elkaar afgestemd. Maar bij onverwacht hevige regenval of het disfunctioneren van een pomp kan het instromende rioolwater soms niet snel genoeg worden verwerkt. Zo kan het ongezuiverde rioolwater toch ‘overstorten’ op het oppervlaktewater en zelfs op straat komen te staan. Het teveel aan rioolwater moet dan uitwijken naar overstortbassins, zoals grachten of vijvers. Aangezien dit water nog niet gezuiverd is, is dat geen gewenste situatie.

Beschrijving werking rioolstelsel

Voorspellen van overstroming gemalen

In een gemeenschappelijk data-analyse systeem van een samenwerkingsverband tussen de waterschappen en de gemeenten in Groningen en Noord-Drenthe worden gegevens van de gemeentelijke riolering (rioolgemalen en overstorten) en de rioolgemalen van de waterschappen gecombineerd. De verzamelde data geeft informatie over bijvoorbeeld de capaciteit en draaitijden van de rioolpompen, hoe hoog het water in de riolering staat en wat er gebeurt tijdens een hevige regenbui. Gemeenten en waterschappen kunnen op deze manier de werking van de riolering beter beoordelen en maatregelen nemen om knelpunten te verbeteren. Door de klimaatverandering zijn de regenbuien steeds heviger en om de werking van het rioolstelsel te verbeteren is goed inzicht een absolute noodzaak. Ook kan de verontreiniging van het oppervlaktewater door (vaker) overstorten worden verminderd.

Nu wilde het waterschap ook graag kunnen voorspellen wanneer een rioolgemaal de afvoer van water niet meer aankan en zal gaan overstorten. Getoond in een overzicht van alle gemalen met het verwachte waterniveau per dag in de aankomende week ten opzichte van het maximale waterniveau dat het gemaal aan kan.

Oplossing

Machine learning algoritme

Om te kunnen voorspellen wanneer de maximale hoeveelheid water in het rioolgemaal wordt bereikt of wordt overschreden, maken we gebruik van een algoritme. We hebben gekozen voor het XGBoost algoritme, dat we vervolgens hebben ‘getraind’ met historische data over het functioneren van verschillende gemalen. Op die manier ‘weet’ het algoritme wat de maximale capaciteit van een gemaal is onder verschillende omstandigheden. En kan het algoritme berekenen welke kenmerken de meeste invloed hebben op het waterniveau in een gemaal.

Voor de voorspelling van het waterniveau wordt het algoritme enerzijds real time gevoed met de actuele waardes van alle kenmerken van een gemaal, zoals de capaciteit van de pomp of de hoeveelheid te verwachten watertoevoer uit huishoudens. Anderzijds maakt het algoritme gebruik van data van het KNMI over te verwachten regenval. Hiermee kan het algoritme nu berekenen en voorspellen wanneer een gemaal zijn maximale capaciteit overschrijdt en dus zal overstromen.

Elke uitkomst van het algoritme krijgt een betrouwbaarheidsscore mee. Deze score geeft aan hoe betrouwbaar de voorspelling is. De variabelen met de hoogste betrouwbaarheidsscore, oftewel met de meeste invloed op het voorspelde waterniveau in het gemaal, worden teruggevoerd aan het model. Door deze feedback-loop is het model zelflerend en kunnen we het model geschikt maken voor elke situatie en dus voor veel verschillende gemalen. Bovendien blijft het algoritme zijn rekenformule steeds verder verbeteren door de continue voeding van nieuwe data en blijft het voorspellingsmodel dus accuraat.

 

Visualisatie

Met de voorspelling van het algoritme kunnen de data-analisten van Waterschap Hunze en Aa’s een visualisatie maken van de verwachte status van elk gemaal gedurende de aankomende week. Dit kan met diverse visualisatietools in elke gewenste vorm worden gemaakt.

Toegevoegde waarde voor Hunze en Aa’s

 

Kees van Nes, projectmanager meten en monitoren waterketen bij Waterschap Hunze en Aa’s:

“Data science staat wat betreft meetdata en voorspellingen bij Hunze en Aa’s nog in de kinderschoenen. We denken dat data science ons kan helpen om beter inzicht te krijgen in het functioneren van ons (afval)watersysteem en om knelpunten en problemen eerder te zien aankomen en daarop tijdig te reageren. New Nexus heeft ons goed geholpen om dit inzicht te verkrijgen.”

 

Doordat Waterschap Hunze en Aa’s nu op tijd kan zien aankomen wanneer een gemaal dreigt te overstromen, kan het direct actie ondernemen. Bijvoorbeeld door extra pompen bij te zetten of een bezinkbassin al bij voorbaat leger te pompen. Zo kan de verwerking van de totale hoeveelheid water beter worden gespreid en komt er geen ongezuiverd rioolwater in de natuur. Minder overstortingen betekent ook simpelweg minder kosten en dat is in het belang van elke waterschapsbelastingbetaler.

Pijler: Data Science 

Trefwoorden: Data Science, Algoritme, Waterschappen, Analyse

Uitgevoerd voor

Hunze en Aa’s zorgt voor schoon en voldoende water in kanaal, meer of sloot. Voor sterke dijken die beschermen tegen overstromingen. En voor waterwegen die goed bevaarbaar zijn. Ze houden daarbij rekening met de verschillende belangen van natuur, landbouw en recreatie.

Uitgevoerd door

Meer weten?

Meer weten over deze case of ben je benieuwd hoe een algoritme voor jouw organisatie waarde op kan leveren?
Neem dan contact met ons op, we denken graag met je mee.