Framework for a Digital Twin of Brusdalsvatnet Water Quality

Abstract

Overflatevannforekomster inkludert drikkevannskilder er sårbare for forurensning fra avrenning, utslipp av avløpsvann og andre menneskeskapte aktiviteter. For å beskytte vannkilder, sikre effektiviteten til behandlingsprosesser og forhindre skade på menneskers helse, må slike vannforekomster overvåkes nøye for forurensninger. En hydrodynamisk vannkvalitetsmodell oppdatert med data fra online sensorer er foreslått som en løsning for forbedret bevissthet om romlig og tidsmessig fordeling av vannkvalitetsparametere i en overflatevannforekomst. Denne dynamisk oppdaterte modellen utgjør en digital tvilling av vannkvalitet.

Hovedmålet med denne oppgaven er å utvikle rammeverket for en slik digital tvilling, bestående av programvare og datastrukturer. Konseptets levedyktighet demonstreres ved å implementere en digital tvilling av Brusdalsvatnet drikkevannsreservoar som forsyner Ålesund, Norge. Den digitale tvillingens status bør være offentlig tilgjengelig gjennom et nettbasert verktøy. Et annet mål med oppgaven er å undersøke hvordan man strukturerer det digitale tvillingrammeverket for å maksimere verdien av alle tilgjengelige sanseplattformer og datakilder, inkludert ubemannede overflatefartøyer ("USVs").

Det presenteres en oversikt over det digitale rammeverket, med vekt på de spesielle reelle og digitale komponentene som brukes ved implementeringen ved Brusdalsvatnet. Generaliserte metoder for å kvantifisere og forbedre modellens nøyaktighet med tilgjengelige datasett og datainnsamlingsplattformer diskuteres, inkludert valg av steder for overvåking av USV.

Resultatene av en sesonglang simulering med sensordata presenteres og evalueres for nøyaktighet i vannkvalitetsparametere ved å sammenligne med et valideringsdatasett utledet fra sensordata. Feilreduksjonsmetoden er vist å lykkes med å redusere feil i modellen, om enn med dårlig effektivitet. Fremtidige forbedringer av systemet er foreslått.

Surface water bodies including drinking water sources are vulnerable to contamination from runoffs, wastewater discharge and other anthropogenic activities. To protect water sources, ensure the effectiveness of treatment processes, and prevent harm to human health, such water bodies must be carefully monitored for contaminants. A hydrodynamic water quality model updated with data from online sensors is proposed as a solution to provide improved awareness of the spatial and temporal distribution of water quality parameters in a surface water body. This dynamically updated model constitutes a water quality digital twin.

The primary objective of this thesis is to develop the framework for such a digital twin, consisting of software and data structures. The viability of the concept is demonstrated by implementing a digital twin of the Brusdalsvatnet drinking water reservoir which supplies Ålesund, Norway. The digital twin's status should be publicly available through an online tool. Another goal of the thesis is to investigate how to structure the digital twin framework to maximize the value of all available sensing platforms and data sources, including uncrewed surface vessels ("USVs").

An overview of the digital framework is presented, with emphasis on the particular real and digital components used in the case of the implementation at Brusdalsvatnet. Generalized methods for quantifying and improving model accuracy with the available dataset and data collection platforms are discussed, including selecting locations for monitoring by USV.

The results of a season-long simulation using sensor data are presented and evaluated for accuracy in water quality parameters by comparing against a validation dataset derived from sensor data. The error reduction method is shown to successfully reduce error in the model, albeit with poor efficiency. Future improvements to the system are suggested.