Infrastructure for Collecting and Analysing near Real-Time Data from Several Water Meters Using Wireless M-Bus

Abstract

Bruken av smarte vannmålere blir mer populært, og flere norske kommuner, inkludert Trondheim, ønker at det tas i bruk for alle husstander. Wireless Meter-Bus (wM-Bus) har vist seg å være en populær standard i denne prosessen og det gir en mulighet til å utvikle en ny insfrastruktur for å samle data i nær sanntid. Ved å i tillegg ha trykkmålere ved siden av så kan det være mulig å få mer innsyn i vannettet som kobler sammen husstandene, og derfor gi en indikasjon på lekasjer.

I dette prosjektet ble det utviklet en infrastruktur for innsamling av vannforbruk- og trykkmålinger i nær sanntid, som lagres i en skyløsning for flere husstander i et nabolag. Denne dataen ble dermed gjort mer tilgjengelig ved bruk av en Application Programming Interface (API) i tillegg til en tredjeparts programvare. Dataen ble videre brukt til å lage en modell som representerer vannettet. Denne modellen kunne da brukes til å generere trykkresidualer fra en sammenligning med ekte måleverdier, noe som er essensielt for indikasjoner av lekasjer.

Det konkluderes med at infrastrukturen fungerer som ønsket, men endringer må gjøres for at den skal fungere i et ekte scenario. Dataanalysen viste at usikkerheten i modellen var for stor for å gi indikasjoner for lekasjer. Mer informasjon om vannettet må dermed brukes for å forbedre modellen, og dermed lekasjedeteksjons- og lekasjelokaliseringsstrategien.

The use of Smart water meters are on the rise, and several municipals in Norway, including Trondheim, wants every household to implement it. Wireless Meter-Bus (wM-Bus) has been shown to be a popular standard in this process and it gives an opportunity to develop a new infrastructure to collect all data near real-time. In addition, by adding pressure meters to work alongside, this might give more insight of the water grid connecting the households and therefore give indications of leakages in the grid.

In this project, a infrastructure capable of storing real-time flow and pressure measurements in a cloud solution from several households in a neighborhood was created. This data was then made easily accessible through the use of an Application Programming Interface (API) and also by using a third-party application. The data was further used to create a representational model of the water grid, which was used to compare with real measurements to give indications of leakages.

It is concluded that although the infrastructure works as intended, changes need to be made to make it viable in a real setting. The analysis performed on the data showed that the uncertainty of the model was too great to give any indications of leakages. More knowledge surrounding the water grid is therefore needed improve the model, and therefore the leakage detection and localization strategy.