Un banc d'essai numérique jumeau pour la modélisation en temps réel des eaux pluviales avec contrôle qualité en ligne
A digital twin testbed for real-time stormwater modeling with online quality control
- Auteurs
- Yeji Kim, Jeil Oh, Matthew Bartos
- Résumé court
- La surveillance et le contrôle en temps réel des systèmes de drainage urbain promettent de permettre une meilleure gestion des risques liés aux eaux pluviales comme les inondations et les débordements d'égouts unitaires. Pour atteindre ces objectifs, les gestionnaires de l'eau exigent de plus en plus des modèles jumeaux numériques basés sur les données qui utilisent des données de capteurs en continu et des modèles en ligne pour surveiller la dynamique des eaux pluviales en temps réel. Cependant, les modèles de jumeaux numériques pilotés par les données sont susceptibles d'erreurs causées par l'assimilation de données de capteurs bruitées. Les capteurs à faible coût, en particulier, souffrent d'un grand nombre de valeurs aberrantes qui peuvent provoquer de fausses alarmes dans les systèmes d'alerte précoce aux inondations. Pour combler ce manque de connaissances, cette étude se concentre sur le développement d'un modèle de jumeau numérique avec contrôle de la qualité des données en ligne pour la modélisation en temps réel des eaux pluviales à l'échelle du bassin versant. Tout d'abord, un réseau de capteurs sans fil est déployé dans le bassin versant de Waller Creek à Austin, au Texas, pour collecter des données en temps réel sur la profondeur de l'eau. Ensuite, un modèle de jumeau numérique de Waller Creek est créé à l'aide du solveur hydraulique PipeDream et est simulé en continu à l'aide des prévisions de précipitations. Enfin, un nouveau schéma de contrôle de la qualité des données est développé qui combine des données de capteur de profondeur, des estimations basées sur un modèle de la profondeur de l'eau et un nouvel algorithme de détection d'anomalies avec le filtrage de Kalman pour détecter et supprimer les défauts des capteurs. Ensemble, nous montrons comment ce système de modèle de jumeau numérique combiné peut être utilisé pour suivre avec précision l'état du système de drainage urbain en temps réel.
- Summary
- Real-time monitoring and control of urban drainage systems promises to enable improved management of stormwater hazards like floods and combined sewer overflows. To meet these goals, water managers are increasingly demanding data-driven digital twin models that use streaming sensor data and online models to monitor stormwater dynamics in real-time. However, data-driven digital twin models are susceptible to errors caused by assimilation of noisy sensor data. Low-cost sensors in particular suffer from large numbers of outliers which can cause false alarms in flood early warning systems. To address this knowledge gap, this study focuses on developing a digital twin model with online data quality control for real-time stormwater modeling at the watershed scale. First, a wireless sensor network is deployed in the Waller Creek watershed in Austin, TX to collect real-time water depth data. Next, a digital twin model of Waller Creek is created using the PipeDream hydraulic solver and is continuously simulated using precipitation forecasts. Finally, a novel data quality control scheme is developed that combines depth sensor data, model-based estimates of water depth, and a novel anomaly detection algorithm with Kalman Filtering to detect and remove sensor faults. Together, we show how this combined digital twin model system can be used to accurately track the state of the urban drainage system in real-time.
- Mots-clés
- Détection d'anomalies, Digital Twin Model, Contrôle qualité en ligne, Temps réel, Modélisation des eaux pluviales