Rinnovabili • perdite-di-acqua-intelligenza-artificiale Rinnovabili • perdite-di-acqua-intelligenza-artificiale

Come ridurre le perdite idriche con sensori acustici e intelligenza artificiale

Il sistema genera una mappa a colori delle priorità, ponderando la gravità del guasto in base all'importanza dell'utenza servita.

Google Aggiungi Rinnovabili tra i preferiti

I noise logger trasformano il rumore della rete in dati per la ricerca predittiva delle perdite di acqua

In Italia le perdite di acqua delle reti idriche arrivano ancora al 42,4%, in base ai dati ISTAT, a fronte di un calo delle riserve e di un aumento della domanda. Per affrontare questo problema, CEFLA ha sviluppato en.vision H2O, una soluzione di manutenzione predittiva che combina sensori e intelligenza artificiale.

L’Italia, inoltre, è ancora il Paese UE che preleva più acqua dolce per uso potabile, superando di gran lunga Francia e Germania. Nel 2024 le misure di razionamento dell’erogazione dell’acqua nei capoluoghi di provincia e città metropolitane hanno riguardato oltre un milione di persone (5,8% della popolazione), in aumento rispetto ai 760mila dell’anno precedente (4,3% nel 2023). Le criticità colpiscono soprattutto il Sud e in particolare la Sicilia.

Nel 2025, sono state 2,7 milioni le famiglie ad aver riscontrato irregolarità nel servizio di erogazione dell’acqua, vale a dire il 10,2% delle famiglie in Italia, una quota in aumento di 1,5 punti percentuali rispetto al 2024.

Le tecniche predittive di ricerca delle perdite sviluppate da CEFLA includono sensori acustici non invasivi (noise logger). Questi sensori vengono installati nei pozzetti (a collare su tubi in plastica ogni 80 m, o con magnete su tubi metallici ogni 250 m) senza alcuna interruzione del servizio. Hanno un’autonomia di 5 anni, registrano le vibrazioni una volta al giorno e inviano i dati alle 3 di notte, quando il rumore di fondo è minimo, tramite reti LoRa (Long Range), NB-IoT (Narrowband Internet of Things) o, nel caso specifico oggetto dell’intervento di CEFLA , il 4G.

Come passare da una gestione d’emergenza a una predittiva

Questi strumenti permettono di passare dal rumore alla mappa delle criticità. Le registrazioni vengono filtrate, suddivise e usate per addestrare un modello di intelligenza artificiale, guidato da un tecnico, che combina i dati acustici con quelli della rete per passare da una gestione di emergenza a una predittiva, puntando a una percentuale di precisione vicina al 90%. Il sistema genera una mappa a colori delle priorità, ponderando la gravità del guasto in base all’importanza dell’utenza servita.

Il modello consente quindi di identificare una mappa delle criticità con codice colore, che va dal rosso al verde. Il rosso indica dove intervenire e il verde si riferisce a una situazione sotto controllo. Questa classificazione è accompagnata da una dedicata al livello di gravità definito con il gestore. Ad esempio, un problema in una via con quattro case è grave quanto uno riscontrato su una condotta che alimenta un ospedale. I risultati vengono poi confrontati con le ispezioni sul campo e il modello richiede almeno sei mesi di addestramento.

La piattaforma fornisce dashboard, stime dei volumi d’acqua dispersi e si collega ai sistemi gestionali (CMMS) per attivare le squadre di manutenzione, integrando anche dati energetici, chimici, mappe GIS e satellitari.

Rinnovabili •

About Author / Erminia Voccia

Giornalista professionista appassionata e attenta osservatrice delle dinamiche globali. Ha una laurea magistrale in Relazioni Internazionali e due master in giornalismo e giornalismo radiotelevisivo. Ha mosso i primi passi in tv realizzando servizi per i telegiornali nazionali. Ha lavorato da freelancer per diversi quotidiani on line e cartacei nazionali e riviste specializzate, scrivendo di temi legati all’ambiente, agli esteri, alla politica internazionale e alla geopolitica, con uno sguardo particolare verso l’Asia. Ha curato l'organizzazione eventi e la comunicazione per una casa editrice e ha partecipato alla redazione di saggi. Per Rinnovabili si interessa soprattutto di clima e politiche climatiche.