1. Le Infrastrutture
digitali per la SMART
GRID IDRICA
Patrizio Pisani
p.pisani@unidata.it
+39 335401858

2. IoT DI
PROSSIMITA’

3. IoT
GEOGRAFICO

4. IL
PROBLEMA
DA
RISOLVERE

5. POTER
RAGGIUNGERE
GLI OGGETTI IN
QUALSIASI
LUOGO

6. OVUNQU
E

7. RE
TI

8. RE
TI

9. TIME TO
MARKET

10. TIME TO
MARKET

11. DURATA
BATTERIE

12. BUSINESS
MODEL

13. LA
SOLUZIONE

14. The LoRa® Mark and LoRa Logo are trademarks of Semtech Corporation - LoRaWAN® is a mark used under license from the LoRa Alliance®.
LONG RANGE WIDE AREA IOT
LPWA
ITU STANDARD
LORA-ALLIANCE® (NO-PROFIT)
NETWORK OPEN STANDARD
BANDA NON LICENZIATA ISM

15. The LoRa® Mark and LoRa Logo are trademarks of Semtech Corporation - LoRaWAN® is a mark used under license from the LoRa Alliance®.
ULTRA LOW POWER
LUNGO RAGGIO ALTA
PENETRAZIONE
TOPOLOGIE DI RETI FLESSIBILI
APERTE
BASSI COSTI DI
DENSIFICAZIONE
NUOVI BUSINESS MODEL
MARKETPLACE LPWA PIU’
GRANDE

16. The LoRa® Mark and LoRa Logo are trademarks of Semtech Corporation - LoRaWAN® is a mark used under license from the LoRa Alliance®.
“Planet of the
Apes”

17. COMPETITIO
N

18. ECOSISTEMA
SPETTRO
DEPLOYMENT
RETI PUBBLICHE PRIVATE COMMUNITIES
FEDERAZIONI
ITU STANDARD APERTO GESTITO DA LORA-
ALLIANCE®
ISM – OTTIMIZZATO PER PERFORMANCES E
POTENZA
BATTERIE DURANO ANCHE
DECENNI

19. ECOSISTEMA
SPETTRO
DEPLOYMENT
3GPP GSMA
LICENZIATO – OTTIMIZZATO PER RISPARMIO
SPETTRO
RETE 4G RIGIDA STATICA
BATTERIE DURANO ..?

20. IoT - APERTO
COLLABORATIVO
DINAMICO
NUOVI BUSINESS

21. M2M - TRADIZIONALE
VERTICALE CHIUSO
VECCHI BUSINESS
MODEL

22. IoT OFFERTA E KNOW
HOW

23. PROGETTAZIO
NE
REALIZZAZIONE
RETI IoT
’

24. BIG DATA
GEO-ANALISI
’

25. STIMA
RAGGIUNGIBILI
TA’

26. PIATTAFORME

27. INFRASTRUTTURA APPLICATIVA

28. INFRASTRUTTURA IaaS
PaaS

29. APPLICAZIONI A

30. INTELLIGENZA
ARTIFICIALE E RETI
IDRICHE

31. Water leakage detection
Rilevazione in tempo reale delle perdite idriche
tramite modelli di machine learning.
Benefici: permettere interventi tempestivi.
Fan et al., Machine learning model and strategy for fast and accurate detection of
leaks in water supply network (2021).

32. Consumer profiling
Analisi delle utenze in base alle curve di consumo
tramite data analytics.
Benefici: conoscere le categorie di utenti presenti
sul territorio (residenziali, commerciali, ecc.).
Yang et al., Analysis of Urban Residential Water Consumption Based on Smart
Meters and Fuzzy Clustering (2015).

33. Water consumption forecasting
Previsione del consumo aggregato a breve e
lungo termine tramite reti neurali.
Benefici: pianificare la distribuzione in base alla
domanda prevista.
Wu et al., Autoformer: Decomposition Transformers with Auto-Correlation for Long-
Term Series Forecasting (2021).

34. State estimation
Stima automatica delle misurazioni tramite modelli su grafi.
Benefici: ricavare le informazioni in punti della rete non
monitorati da uno smart meter.
Hajgató et al., Reconstructing Nodal Pressures in Water Distribution Systems with Graph Neural
Networks (2021).

35. Water disaggregation
Disaggregare il consumo idrico di una utenza
residenziale tra i dispositivi domestici (lavatrice,
lavandino, doccia, WC, ecc.).
Benefici: monitoraggio non invasivo e
miglioramento della consapevolezza degli utenti.
Pastor-Jabaloyes et al., Water End Use Disaggregation Based on Soft Computing
Techniques (2018).

36. Water balance estimation
Stima in tempo reale del bilancio idrico tramite
le misurazioni degli smart meters.
Benefici: stimare la quantità delle perdite
idriche in distretti e aree specifiche.

37. ARCHITETTURA SERVIZI

38. Q&A

39. GRAZI
E