Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Våra e-tjänster för ansökningar, projekt och bedömningar stänger torsdagen den 25 april kl 16:30 för systemuppdateringar. De beräknas öppna igen senast fredagen den 26 april kl 8:00.

Smart realtids övervakat VA-system för uppmätt bräddning med direktkopplad dataanalys

Diarienummer
Koordinator Kristianstads kommun - Västra Storgatan 12
Bidrag från Vinnova 3 576 215 kronor
Projektets löptid januari 2021 - januari 2023
Status Avslutat
Utlysning Strategiska innovationsprogrammet för Sakernas Internet
Ansökningsomgång IoT för innovativ samhällsnytta och ett bättre liv för alla i en sammankopplad värld

Syfte och mål

Ta kontroll över flöden i dagvatten- och avloppssystem för att förebygga en negativ miljöpåverkan och potentiella översvämningar. Utveckla en plattform för att visualisera insamlad data och ge prognos för kommande vattenflöde. Projektet har placerat ut mätenheter för insamling av data som visualiseras i vår IoT plattform. Detta ger kommunen möjlighet planera och dimensionera avloppssystemen, övervaka flöde i realtid samt ta beslut baserade på väderprognoser kring kommande flöde.

Resultat och förväntade effekter

Kristianstads kommun har placerat ut ca 550 mätenheter och samlar nu in information kring vattenflöde, nederbörd och vattennivåer. Vi har vidareutvecklat vår IOT plattform för att samla in och visualisera informationen på flera sätt för att möta olika frågeställningar Högskolan Kristianstad har med hjälp av machine learning byggt en prognosmodell för kommande vattenflöde. Denna har implementerats i vår IoT-portal. C4Energi har byggt ut LoRa WAN nätet för att uppnå täckning på alla ställen vi placerat ut mätenheter.

Upplägg och genomförande

Kristianstads kommun har tagit ansvar för utsättning av alla mätenheterna. Alla mätenheter har kalibrerats innan mätdata använts. Vi har funnit brister i den tekniska kvaliteten på mätenheterna från en leverantör vilket lett till mycket extra arbete. Högskolan Kristianstad har i sitt arbete med att ta fram en machine learnig modell utvecklat många olika modeller för att sedan implementera den som gav bäst resultat. C4Energi har förstärkt sitt radionät med flera gateways för att uppnå full teckning vid alla mätenheter.

Externa länkar

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 10 februari 2023

Diarienummer 2020-04108

Statistik för sidan