Store forandringer kommer i Gemini Water Alert

Ved å utnytte sensorer fra både SCADA- og IoT-systemer, gir løsningen muligheten til å samle inn data på tvers av hele ledningsnettet i et enkelt brukergrensesnitt. Denne integrasjonen sikrer en detaljert og nøyaktig overvåkning, hvor brukere enkelt kan sette opp tilpassede alarmgrenser for spesifikke sensorer. Dette sikrer at eventuelle avvik eller potensielle problemer blir umiddelbart identifisert. For å ytterligere forsterke overvåknings- og responskapasiteten, tilbyr Gemini Water Alert også en helhetlig oversikt over alle alarmer og hendelser, både for vann- og avløpsnettet, med praktiske filtreringsmuligheter som gjør det enklere å navigere og prioritere mellom ulike sensorer og alarmer både i liste og kart. Videre muliggjør løsningen oppsett av vannbalanse for forsyningssoner for drikkevann, noe som gir en dyptgående forståelse av vannforbruket. På samme måte kan vannbalansen for avløpssoner konfigureres, slik at kommunene får en presis oversikt over mengdene avløpsvann i forskjellige soner. Det er også samme soner og sensorer som brukes i Gemini Portal+. Dette samspillet av funksjonalitet og fleksibilitet i Gemini Water Alert gjør det til et kraftfullt verktøy for effektiv forvaltning av sensorer i ledningsnettet. 

Et område hvor Water Alert viser sin styrke er i håndteringen av vanntap. Med gjennomsnittlig 32% av produsert drikkevann i Norge som går tapt, gir bruk av Gemini Water Alert en mulighet til å få oversikt og utbedre lekkasjer fortere. Gjennom å gjøre informerte beslutninger og raskt reagere, kan kommuner gjøre betydelige forbedringer og besparelser. Her brukes avanserte algoritmer og maskinlæring for å analysere innsamlede data fra det omfattende nettverket av sensorer. Ved å lære av historiske data, er systemet i stand til å gi prediksjoner om forventet vannforbruk innenfor bestemte målesoner for drikkevann. Modellen tar høyde for f.eks. for hvilken ukedag det er, helg, høytid og variert forbruk. Når det oppdages avvik i forventet forbruk, aktiveres alarmer automatisk. Dette betyr at uvanlige mønstre som kan indikere lekkasjer eller andre former for vanntap, identifiseres raskt. Det resulterer ikke bare i vannbesparelser og reduserte driftskostnader, men bidrar også til en mer bærekraftig håndtering av vannressurser. 

Akkurat som med drikkevann, anvendes maskinlæring for å analysere og forstå mønstrene i avløpssoner, som er definerte områder hvor avløpsvannet som pumpes fra en sone til en annen blir monitorert. Denne metoden tillater en detaljert analyse av mengder og identifisering av potensielle fremmedvannskilder. Gjennom å analysere avvik i hver avløpssone, gir løsningen innsikt i hvor de største utfordringene med fremmedvann befinner seg innenfor avløpsnettet. Dette gir en klar og enkel presentasjon av de primære kildene til fremmedvann, parallelt med hvordan systemet viser lekkasjenivåer for drikkevann. Denne tilnærmingen ikke bare bidrar til en mer effektiv håndtering av avløpsvann og forebygging av problemer knyttet til fremmedvann, men den fremmer også en mer bærekraftig og kostnadseffektiv drift av avløpsinfrastrukturen. En kritisk komponent i denne opsjonen er integrasjonen av værdata, som automatisk hentes inn fra Meteorologisk institutt uten at brukerne trenger å foreta seg noe. Ved å koble sammen værdata med avvik observert gjennom Water Alert, blir det mulig å karakterisere og identifisere de ulike kildene til fremmedvann. Denne analytiske prosessen lar oss skille mellom ulike typer fremmedvann, enten det er snakk om rask eller treg respons på nedbør, noe som kan indikere henholdsvis feilkoblinger eller innlekking av grunnvann.