Das Phänomen der Digitalisierung des städtischen Wasserversorgungssystems wird analysiert, ausgehend von den grundlegenden Begriffen der Modellierung von Wasserverteilungsnetzen und dann mit einem stärkeren Fokus auf Data Science und Artificial Intelligence-Ansätze zur Modellierung und Steuerung solcher Netze. Der Kurs wird um das Hauptthema der Modellierung und des Managements von Wasserverteilungsnetzen strukturiert sein. Darüber hinaus werden im Laufe des Kurses weitere Unterthemen behandelt, die es den Studierenden ermöglichen, einen Überblick über die verschiedenen Elemente moderner städtischer Wassersysteme zu erhalten, Wissen über die besten Technologien zu erwerben, zu lernen, wie man Anomalien (z. B. Leckagen) im normalen Betrieb dieser Systeme erkennt, und Einblicke in die Rolle und den Einfluss menschlichen Verhaltens in solchen Systemen zu gewinnen.
Die folgenden Kernthemen werden behandelt:
- Mathematische Modellierung und hydraulische Modellierung von Wasserverteilungsnetzen (WDN)
- Modellkalibrierung, -validierung und Leistungsbewertung
- Modellierung des Wasserbedarfs
- Simulation und Optimierung des Betriebs von WDN.
Bei der Behandlung der oben genannten Themen werden Begriffe zu den folgenden DS- und KI-Techniken eingeführt:
- Zeitreihenanalyse
- Clustering-Techniken
- Kontrolltheorie und Optimierung
- Künstliche neuronale Netze.
Zusätzlich wird ein Teil dieses Kurses - der Journal Club - auf die Entwicklung von Fähigkeiten zum Lesen und Analysieren von wissenschaftlicher Literatur ausgerichtet sein. Während der Projektaktivität werden die Studierenden aktiv dazu angehalten, eigene Lösungen für ein Beispielproblem zu entwickeln, das während der geführten praktischen Laboraktivitäten vorgestellt wurde. Diese Aktivitäten werden sich auf offen zugängliche Datensätze stützen.
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundlegende Programmierkenntnisse und vorherige Erfahrung mit Python/Matlab/R sind erforderlich.
Im Kurs werden angeleitete praktische Aktivitäten mit Python und Jupyter Notebooks durchgeführt.
Bevorzugte Kompetenzen (nicht obligatorisch): Konzepte der mathematischen Modellierung, Konzepte der Statistik und Datenanalyse sowie Grundkenntnisse über Wassersysteme.
Prüfungsbeschreibung (Abschluss des Moduls)
Die Teilnehmer erhalten 6 ECTS.
Die Bewertung umfasst:
- tägliche Quizfragen, die von jedem Studierenden nach jedem Vorlesungstag einzeln ausgefüllt werden müssen
- eine Abschlusspräsentation, die in kleinen Gruppen vorbereitet und präsentiert wird
- einen kurzen Projektbericht (ca. 5-7 Seiten), der von jedem Studierenden individuell zu erstellen ist.