Development of a high-resolution water consumption dataset with end-use diaries

Since the first developments of smart water metering technologies dated at the beginning of the 90s, the potential to inform Water Demand Management Strategies (WDMS) with high spatial and temporal resolution water use data, as well as fine-resolution water demand models, has increased. Yet, several challenges are still limiting a widespread use of such technologies. First, none of the available smart meters has been recognized and adopted as a standard, thus several meters that differ in terms of costs, accuracy, data transmission, and ease of installation exist. Second, while several demand models that un- pack different water end uses from an aggregate signal have been proposed in the literature, no open high-resolution end-use dataset exist, to our knowledge, to benchmark them and foster their development. With the goal of addressing these two main challenges, in this thesis (i) we carried out different laboratory experiments, testing three low-cost Hall-effect flow meters and two highly professional flow meters, comparing their perfor- mances in terms of flow measurement accuracy and cross-comparing them in terms of accuracy, cost, ease of installation, versatility and data storage/trans- fer ability; (ii) we created a high-resolution single-family water consumption dataset with end use diaries, characterising it at the end-use level through tree- based classifier disaggregation algorithms and made it available to the scientific community as an open dataset accessible at www.opeh2odata.org. Numerical results showed that low-cost flow meters are generally less ac- curate and reliable than high-cost flow meters, but we also identified a spe- cific low-cost flow meter whose accuracy and reliability are not so far from the highly professional ones, suitable for a possible future large scale data gather- ing session. Moreover, we recognise that, for a better end-use characterisation, abundant high-resolution end-use dataset are needed and a proper feature se- lection to improve disaggregation procedure is recommended. Overall, this work contributes to water demand management realm by pro- viding a set of experiments that inform about future development of smart meters and end use monitoring as well as a dataset for future disaggregation algorithm development.

Sin dai primi sviluppi delle tecnologie di misurazione tramite smart meters all’inizio degli anni novanta, l’informazione potenziale per lo sviluppo di stra- tegie di gestione della domanda idrica con dati di consumo idrico ad alta riso- luzione spaziale e temporale, così come con modelli di domanda idrica ad alta risoluzione, è aumentata. Tuttavia, diverse difficoltà stanno ancora limitando un utilizzo diffuso di tali tecnologie. In primo luogo, nessuno degli smart me- ter disponibili è stato ancora classificato e adottato come tecnologia standard, pertanto esistono diversi smart meter che differiscono in termini di costi, pre- cisione, trasmissione del dato e facilità di utilizzo. In secondo luogo, mentre in letteratura sono proposti diversi metodi di disaggregazione di un dato di con- sumo aggregato nei diversi end use, non esiste ancora un dataset egli end use ad alta risoluzione che faccia loro da riferimento e che favorisca il loro sviluppo. Con l’obiettivo di affrontare queste due principali sfide, in questa tesi: (i) abbiamo condotto degli esperimenti di laboratorio testando tre diversi lettori di portata economici e due lettori di portata professionali, confrontandone la precisione, costo, facilità di utilizzo, versatilità, possibilità di trasmissione del dato, ecc.; (ii) abbiamo creato un dataset di consumo idrico da un appartamento monofamiliare, caratterizzando i consumi agli end-use tramite algoritmi di di- saggregazione ad albero e mettendolo a disposizione della comunità sceintifica sul sito www.opeh2odata.org. I risultati numerici mostrano che i sensori economici sono generalmente me- no accurati di quelli professionali, ma abbiamo anche identificato uno specifi- co sensore economico le cui precisione e affidabilità non sono drasticamente peggiori di quelle dei sensori professionali, idoneo per essere utilizzato in un esperimento in progetto di raccolta dati tramite intrusive detection su larga scala. Inoltre, abbiamo riconosciuto che per una migliore caratterizzazione agli end use c’è bisogno di numerosi dataset ad alta risoluzione al livello degli end use e che appropriate procedure di feature selection per il miglioramento delle performance degli algoritmi di disaggregazione sono raccomandate. Complessivamente questo lavoro contribuisce al settore della gestione della V domanda idrica fornendo un set di esperimenti che informi sugli sviluppi degli smart meter e sul monitoraggio del consumo agli end use, così come un dataset per lo sviluppo di algoritmi di disaggregazione.