Unsupervised automatic detection of post meter leakage in residential settings

Water leakages are considered a global problem in water management and represent an environmental, sustainability, economic, health and safety issue both for water utilities and consumers. In the past years, most studies have focused on the reduction of leakages along the water distribution network as this is a direct economic disadvantage for water utilities and water utilities. Minor efforts have been made instead with post meter leakages, namely those occurring downstream of the consumers water meter, since these latter do not constitute a direct cost for the utilities. Considering the current context, in this thesis we contribute a new automatic approach, able to process water consumption data in quasi real-time and promptly detect post meter leakages, in order to minimize water loss and costs. More specifically, we propose an adapted version of the unsupervised break points detection approach called Breaks For Additive Seasonal and Trend (BFAST). BFAST is chosen to be tested for the first time to detect water leaks in residential consumption time series and to be used as an alarm system to provide information on when changes in water consumption patterns occur. We first test this methodology on a synthetically generated dataset to work in a controlled environment and fairly compare the performance of the method against that of two state-of-the-art benchmark algorithms: Minimum Night Flow and Principal Component Analysis. Numerical results show that BFAST returned good results for all the experiments evaluated. Then, we test BFAST on a real-world dataset, provided by the Spanish EMIVASA water utility, to evaluate the suitability of the method on more noisy and heterogeneous data. BFAST successfully detected all the leakages verified by EMIVASA and improves the performance of EMIVASA’s algorithm as it reduces, on average, the detection time by 17 days, corresponding to a potential water saving of about 89%. Finally, we project these results to the total number of EMIVASA users to quantify the impact of leakages and the benefits of leakage detection systems at the scale of a real-world urban utility. Our results show that BFAST is able to process water consumption data to promptly identify leakages and outperform state-of-the-art methods. Moreover, it is an automatic approach, which works in real-time on flow measurements. These features make it suitable for urban scale application, with hundreds/thousands of consumers.

Le perdite d’acqua sono considerate un problema globale nella gestione delle acque e rappresentano un problema ambientale, economico, di salute e di sicurezza sia per le società di gestione dei servizi idrici sia per i consumatori. Negli anni passati, la maggior parte degli studi si sono concentrati sulla riduzione delle perdite che avvengono lungo la rete di distribuzione dell’acqua in quanto rappresentano uno svantaggio economico diretto per le società di gestione delle acque. Sforzi minori sono stati fatti invece con le perdite post meter, cioè quelle che si verificano a valle del contatore che misura i consumi d’acqua residenziali, in quanto queste ultime non costituiscono un costo diretto per le società di gestione dei servizi idrici. Considerando la situazione attuale, in questa tesi proponiamo un nuovo approccio automatico, in grado di elaborare i dati di consumo di acqua quasi in tempo reale e rilevare prontamente le perdite post meter, per ridurre al minimo le perdite di acqua e i costi. In particolare, proponiamo una versione adattata dell’approccio non supervisionato di rilevamento dei break points chiamato Breaks For Additive Seasonal and Trend (BFAST). BFAST è stato scelto per essere testato per la prima volta per rilevare le perdite d’acqua in serie temporali di consumi residenziali e per essere utilizzato come sistema di allarme per fornire avvisi quando si verificano cambiamenti nei comportamenti di consumo acqua. Per prima cosa, abbiamo usato questa metodologia su un set di dati generato sinteticamente per lavorare in un ambiente controllato e confrontare equamente le prestazioni del metodo rispetto a quelle ottenute usando due algoritmi di riferimento, scelti dalla letteratura: l’analisi del flusso minimo notturno e l’analisi delle componenti principali. I risultati numerici mostrano che BFAST ha restituito buoni risultati per tutti gli esperimenti effettuati. In seguito, BFAST è stato testato su un set di dati del mondo reale, forniti dalla società spagnola di gestione dei servizi idrici EMIVASA, per valutare l’adeguatezza del metodo su dati più rumorosi ed eterogenei. BFAST ha rilevato correttamente tutte le perdite verificate da EMIVASA e migliora le prestazioni dell’algoritmo di EMIVASA in quanto riduce, in media, il tempo di individuazione delle perdite di 17 giorni, che corrisponde ad un potenziale risparmio di acqua di circa l’89%. Infine, abbiamo proiettato questi risultati sul numero totale di utenti di EMIVASA per quantificare l’impatto delle perdite e i vantaggi dei sistemi di rilevamento delle perdite alla scala urbana di una società reale di gestione delle acque. I nostri risultati mostrano che BFAST è in grado di elaborare i dati di consumo di acqua per identificare tempestivamente le perdite e ha prestazioni migliori dei metodi scelti dalla letteratura. Inoltre, è un approccio automatico, che opera in tempo reale su misure di flusso di acqua. Queste caratteristiche lo rendono adatto ad applicazioni a scala urbana, con centinaia/migliaia di consumatori.