Den Trinkwasserverbrauch prognostizieren: für heute, für morgen und für 2030 – Ergebnisse einer 48-Stunden-Entwicklung beim VKU Hackathon 2019
Wasserversorger in ganz Deutschland sind immer wieder mit täglich schwankenden Trinkwasserverbräuchen konfrontiert. Manche Schwankungen sind einfach zu erklären und z. B. bedingt durch Jahreszeiten. Andere Schwankungen jedoch sind scheinbar nicht vorhersehbar. Um sich langfristig erfolgreich aufzustellen, fragen sich Wasserversorger daher, welche Faktoren den täglichen Trinkwasserverbrauch erklären und wie sich diese zukünftig entwickeln werden.
Im Rahmen des VKU Hackathons 2019 haben wir uns dieses Problems angenommen und den Trinkwasserverbrauch der letzten drei Jahre in Leipzig analysiert. Der Programmierwettbewerb wird vom Verband kommunaler Unternehmen veranstaltet und findet dieses Jahr im Rahmen der Verbandstagung in Berlin statt. Hierzu haben die Leipziger Wasserwerke den tagesgenauen Trinkwasserverbrauch von 2016, 2017 und 2018 als Datengrundlage bereitgestellt.
Unsere Herausforderung, das Vorgehen und die Ergebnisse haben wir im Detail hier dargestellt: http://wasserfall.civity.de/
Die Herausforderung, die wir uns gestellt haben, ist: Wie kann man den tatsächlichen Trinkwasserverbrauch mit Hilfe eines Machine-Learning-Ansatzes modellieren? Auf Basis der tatsächlichen Tagesverbräuche im Zeitraum von 2016–2018 der Wasserwerke Leipzig haben wir den Einfluss verschiedener Faktoren auf den Trinkwasserverbrauch analysiert. Es wurden die Einflussfaktoren Wetter, Veranstaltungen, Feiertage, Ferien und Wochentage in verschiedener Ausgestaltung und in Kombination modelliert – auch über mehrere Betrachtungstage.
Das Wetter an dem relevanten Tag “heute” führt zu den besten Modellierungsergebnissen und der geringsten Abweichung im Vergleich zu den tatsächlichen Verbräuchen. Die zusätzliche Betrachtung der Events, Wochentage/Wochenende und Ferien/Feiertage führt nicht dazu, dass die Modellierungsergebnisse näher an den tatsächlichen Trinkwasserverbräuchen liegen.
Im Ergebnis legt die Auswertung nahe, dass nur der gewählte Parameter des Wetters am relevanten Tag auf Basis der vorhandenen Daten eine Erklärung für den tagesscharfen Trinkwasserverbrauch liefert. Auf dem Machine Learning aufbauend haben wir ein Prognose-Tool erstellt. Auf dieser Basis ist es möglich, die zukünftigen Trinkwasserverbräuche unter Berücksichtigung des Wettertrends der nächsten Tage zu prognostizieren.
Zur Verbesserung unseres Modells haben wir sechs methodische Ansätze und Datenquellen identifiziert:
- Einbindung von Daten zu Großverbrauchern
- Betrachtung längerer Zeiteinheiten
- Berücksichtung von Störungen bzw. Rohrbrüchen
- Verschneidung mit Verkehrsdaten
Neben diesen Ansätzen sehen wir für eine langfristige Prognose vor allem den Bevölkerungswachstum und die Klimaveränderung als wichtige Faktoren. Hinweise hierzu finden sich bereits in den Bestandsdaten – so ist die lange Trockenperiode im Sommer 2018 gut in der Nachfrage erkennbar.