"L’importanza dell’analisi critica dei dati nei processi di simulazione idraulica delle reti"

1. L’opportunità della digitalizzazione
per il settore delle utilities
Mercoledì 14 febbraio 2024 | A2A, Fondazione AEM – Milano
«L’importanza dell’analisi critica dei dati
nei processi di simulazione idraulica delle reti»
Alessandro Gallina
HR Wallingford – rivenditore Autodesk
Engineer, Flood and Water Management
Con il contributo incondizionato di Sponsorizzato da
Lucia Costa
HR Wallingford – rivenditore Autodesk
Engineer, Flood and Water Management

2. Mercoledì 14 febbraio 2024, Milano
HR Wallingford
Houston
New York
Wallingford
Dubai
Mumbai Kuala Lumpur
Shanghai
Perth
Brisbane
Italy
Società specializzata in ingegneria
idraulica applicata
Diverse sedi internazionali,
tra cui l’Italia
Oltre 20 anni come rivenditori dei
prodotti Innovyze (ora parte di AutoDesk),
nonché fornitori di assistenza tecnica e
formazione agli utenti

3. Mercoledì 14 febbraio 2024, Milano
Applicati ai servizi a rete: acquedotto e fognatura
Integrazione di una
vasta mole di dati
Informazioni cartografiche (da GIS)
Consumi d’Utenza
Dettagli impiantistici
(curve pompaggi, volumi, quote, lunghezze)
Misure di campo temporanee
(portate, pressioni, piogge)
Serie storiche da telecontrollo
(variabili idrauliche permanenti)
Dati di letteratura
Valori inseriti dal tecnico modellista
I modelli di simulazione idraulica

4. Mercoledì 14 febbraio 2024, Milano
L’importanza della analisi critica
La grande mole di dati rende difficile la loro
interpretazione
Diverse esperienze ci hanno mostrato che alcuni
problemi nei dati non vengono facilmente intercettati
Conciliare cura dei dettagli e visione di insieme
Alcuni esempi:

5. Mercoledì 14 febbraio 2024, Milano
Esempio 1 (FOG) – dati pluviometrici
Pioggia cumulata di diversi
pluviometri che insistono su una
provincia italiana (pianeggiante).
Mostra disomogeneità spaziale
con outlier
Si sospettano errori strumentali
La scelta di un solo pluviometro
come riferimento a forti impatti su
scelte progettuali
(dimensionamenti)

6. Mercoledì 14 febbraio 2024, Milano
Esempio 1 (FOG) – dati pluviometrici
Planimetria delle
esondazioni calcolata da
InfoWorks ICM con pioggia
di progetto TR 5 anni
derivata da due diversi
pluviometri.
Conclusione: In questa
realtà la scelta del
pluviometro da cui derivare
la CPP è un terno al lotto.
Un controllo incrociato con
altri pluviometri della zona
eviterebbe sviste.

7. Mercoledì 14 febbraio 2024, Milano
Esempio 2 (FOG) – orari disallienati
Livello di calibrazione
di un modello
fognatura
compromesso da
disallineamento
strumentazione (alcuni
basati su ora legale e
altro solare).
Problematica difficile
da identificare se non
si analizza il dato
prima di usarlo.

8. Mercoledì 14 febbraio 2024, Milano
Esempio 3 (H2O) – stato valvole
Pozzetto contente 2 valvole:
1 aperta e 1 chiusa.

9. Mercoledì 14 febbraio 2024, Milano
Esempio 3 (H2O) – stato valvole
Simulation F2
Live Data
Pressure (m)
Max
46.472
48.642
Min
23.951
36.303
RMS Difference
7.855
0.000
Percent
Difference
16.663
0.000
Simulation F3
Live Data
Pressure (m)
Max
48.368
48.642
Min
36.306
36.303
RMS Difference
1.160
0.000
Percent
Difference
2.094
0.000
Simulation F2
Live Data
Pressure (m)
Max
41.156
43.951
Min
20.649
34.161
RMS Difference
8.790
0.000
Percent
Difference
20.657
0.000
Simulation F3
Live Data
Pressure (m)
Max
43.148
43.951
Min
33.394
34.161
RMS Difference
1.036
0.000
Percent
Difference
2.263
0.000
Simulation F2
Live Data
Pressure (m)
Max
45.763
47.724
Min
20.578
33.448
RMS Difference
8.037
0.000
Percent
Difference
17.639
0.000
Simulation F3
Live Data
Pressure (m)
Max
47.714
47.724
Min
33.237
33.448
RMS Difference
1.336
0.000
Percent
Difference
2.518
0.000
CALIBRAZIONE
OPZIONE 1
CHIUSA
APERTA
CALIBRAZIONE
OPZIONE 2
APERTA
CHIUSA

10. Mercoledì 14 febbraio 2024, Milano
Esempio 3 (H2O) – stato valvole
Calibrazione prima e dopo
Simulation F3
Live Data
Pressure (m)
Max
51.767
52.313
Min
31.125
32.428
RMS Difference
4.874
0.000
Percent Difference
8.905
0.000
Simulation F3
Live Data
Pressure (m)
Max
57.719
56.902
Min
45.650
43.033
RMS Difference
2.318
0.000
Percent Difference
3.715
0.000
Simulation F3
Live Data
Pressure (m)
Max
45.391
45.175
Min
33.636
32.632
RMS Difference
1.431
0.000
Percent Difference
2.584
0.000
Simulation F2
Live Data
Pressure (m)
Max
34.796
35.691
Min
31.010
32.020
RMS Difference
0.774
0.000
Percent Difference
2.148
0.000
Simulation F3
Live Data
Pressure (m)
Max
34.996
35.691
Min
31.819
32.020
RMS Difference
0.420
0.000
Percent Difference
1.054
0.000
Simulation F2
Live Data
Pressure (m)
Max
49.206
52.313
Min
18.771
32.428
RMS Difference
13.142
0.000
Percent Difference
26.025
0.000
Simulation F2
Live Data
Pressure (m)
Max
55.379
56.902
Min
31.027
43.033
RMS Difference
7.816
0.000
Percent Difference
13.670
0.000
Simulation F2
Live Data
Pressure (m)
Max
43.167
45.175
Min
19.577
32.632
RMS Difference
8.394
0.000
Percent Difference
19.280
0.000

11. Mercoledì 14 febbraio 2024, Milano
Esempio 4 (H2O) – sfasamento misure
0
5
10
15
20
25
30
21/04/2022 00:00 22/04/2022 00:00 23/04/2022 00:00 24/04/2022 00:00 25/04/2022 00:00 26/04/2022 00:00 27/04/2022 00:00 28/04/2022 00:00 29/04/2022 00:00
Qin Qout1 Qout2 BIL_1 BIL_2 Qout1_t Min of BIL1 Min of BIL_2
STIMA DEL LIVELLO DI PERDITA A PARTIRE DALLE MISURE DI PORTATA ENTRANTI E USCENTI DA UN DISTRETTO
Lo sfasamento di un’ora di uno
degli strumenti genera uno
scostamento nella stima del
minimo flusso notturno e quindi
della perdita del 15%
Confronto tra i bilanci netti
calcolati con dato come da
misura e dato sfasato di 1 ora.

12. Mercoledì 14 febbraio 2024, Milano
Conclusioni
Gli errori sono sempre in agguato
Necessaria un visione retrospettiva e critica:
dove posso aver sbagliato? i dati che uso sono coerenti?
Analisi degli input da fatta in diversi step temporali
Scovare errori nelle prime fasi evita perdite di tempo