DataSAT: Erforschung datengestützter Methoden zur Maximierung der Wasserversickerung im Shafdan-Wasserrückgewinnungssystem (Deutsch-Israelische Wassertechnologie-Kooperation)

Das israelische "Shafdan Soil Aquifer Treatment" (SAT)-System bereitet über 140 Millionen Kubikmeter an Abwasser für die Bewässerung von Nutzpflanzen auf. Derzeit arbeitet das System an seiner Kapazitätsgrenze, so dass mehrere Millionen Kubikmeter Abwasser nicht verarbeitet werden können und ungenutzt ins Meer geleitet werden, welche dann nicht für die Bewässerung zur Verfügung stehen. Analysen zeigen, dass dieses Problem durch eine Optimierung der Abwasserverteilung über die verschiedenen Versickerungsbecken des SAT-Systems weitestgehend vermieden werden könnte. Momentan wird diese Verteilung manuell anhand von Erfahrungswerten gesteuert und ist somit suboptimal. Um die Effizienz des SAT-Systems zu erhöhen, soll ein möglichst genaues Modell des Systems entwickelt werden, welches eine Optimierung der Abwasserverteilung ermöglicht. Der wichtigste Parameter für ein solches Modell ist die Infiltrationsrate, welche angibt wie schnell das Abwasser in den jeweiligen Becken versickert. Bisher konnte diese Rate nur schwierig vorhergesagt werden, da sie von einer Vielzahl von Umgebungs- und Betriebsbedingungen eines Beckens abhängt. In Rahmen dieses Vorhabens werden Methoden des maschinellen Lernens eingesetzt, welche eine genaue Vorhersage der Infiltrationsrate für ein Versickerungsbecken ermöglichen. Auf Basis dieser Vorhersage wird anschließend ein Simulator für das komplette SAT-System entwickelt, der es ermöglicht unterschiedliche Betriebsszenarien zu simulieren und eine somit optimale Betriebsstrategie für das SAT-System zu finden. Hierfür werden gängige Optimierungsverfahren sowie Methoden des Reinforcement Learning angewandt um den Betrieb des SAT-Systems so zu optimieren, dass die Menge an Abwasser, welches ungenutzt ins Meer geleitet werden muss, minimal ist. Um dieses komplexe Vorhaben umzusetzen, werden die Expertise der beiden Partner im Bereich maschinelles Lernen (deutsches Team) und im Bereich SAT-Systeme (israelisches Team) kombiniert.