Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

ResiWater - Sichere Sensornetzwerke und Analyse-Tools

Innovative, sichere Sensornetzwerke und modellgestützte Bewertungs- und Analyse-Tools zur Erhöhung der Resilienz von Trinkwasserinfrastrukturen



Teilvorhaben: Automatisierte Biosensoren, selbstlernende Monitoring-Tools und Konzepte für sichere Sensornetzwerke zur Erhöhung der Resilienz von Trinkwasserinfrastrukturen



Wasser ist eine wesentliche Ressource für das menschliche und wirtschaftliche Wohlergehen der modernen Gesellschaft. Trinkwasserverteilungsnetze sind eine der kritischen Infrastrukturen mit immer mehr Komplexität und mehr Abhängigkeit von anderen Infrastrukturen. Wasserverteilungsnetze sind einer ständigen Gefahr durch absichtliche oder zufällige Verunreinigungen ausgesetzt, z. B. verursacht durch Terroranschläge, technisches Versagen mit Auswirkung auf andere Infrastrukturen (Kaskadeneffekte) oder Naturkatastrophen. Diese können zu einem Teilausfall oder vollständigen Ausfall des Trinkwasserversorgungssystems führen.

Das Projekt ResiWater verfolgt das Ziel, Versorgungsunternehmen in die Lage zu versetzen, die Trinkwasserversorgung auch in außergewöhnlichen Situationen optimal zu sichern und durch die Wahl von geeigneten Maßnahmen das Wiederhochfahren des Systems zum Normalbetrieb nach einer Krisensituation zu erleichtern.

In diesem Projekt werden drei Anwendungsszenarien untersucht, die für die wichtigsten zivilen Sicherheitsszenarien als repräsentativ eingeschätzt werden und Auswirkungen auf andere Infrastrukturen wie Stromversorgung und Telekommunikation haben. Dazu zählen z. B. Total- oder Teilausfall des Wasserverteilungsnetzes, Kontamination des Trinkwassers sowie Ereignisse mit Kaskadeneffekten zwischen Wasser, Strom und IT-Infrastrukturen. Jedes dieser Ereignisse kann durch unterschiedliche Bedrohungen wie Naturkatastrophen oder Terroranschläge verursacht werden.

Das Projekt zielt auf die Erhöhung der Sicherheit und Verbesserung der Stabilität der Wasserversorgungssysteme auf Grundlage von Überwachung, Prävention und Reaktion.

In den letzten Jahren wurden bereits erhebliche Fortschritte in verschiedenen der angesprochenen Bereiche erreicht: Dazu zählen beispielsweise die Grundlagen für neue Sensoren zur Messung von Wasserqualitätsparametern. In ResiWater sollen die Langzeitstabilität und die Praxistauglichkeit dieser Sensoren untersucht werden, so dass die Wasserqualität künftig nicht nur an den Ausgängen der Wasserwerke, sondern auch in dem Verteilungsnetzwerk gemessen werden kann. Es wird ein innovatives, automatisiertes Bio-Sensorsystem erarbeitet, welches in der Lage ist, ein sehr breites Spektrum von Kontaminanten in Echtzeit zu detektieren. Ein weiteres Ziel von ResiWater ist zu ermitteln, welche Sensoren und Sensorkombinationen für die Online-Erfassung von Kontaminationen am besten geeignet sind.

Das Gesamtziel dieses Projektes ist daher, verbesserte Sensoren und sichere Sensornetzwerke, selbstlernende Monitoring-Tools, robuste Simulationsmodelle sowie Bewertungs-Tools für Vulnerabilität und Resilienz der Trinkwasserversorgungssysteme zu erarbeiten und damit die Erhöhung der Sicherheit und die Verbesserung der Widerstandsfähigkeit der Wasserinfrastrukturen gegen größere Gefahren zu erreichen.

Die spezifischen Bedrohungen werden von den Praxispartnern Berliner Wasserbetriebe (Deutschland), Veolia Eau d'Ile de France (Frankreich), CUS (Straßburg, Frankreich) und VEDIF definiert. Darüber hinaus werden Experimente am Testnetzwerk des TZW (Dresden, Deutschland) sowie auf dem Testfeld von CEA / DAM (Gramat, Frankreich) durchgeführt.

Das Teilvorhaben von Fraunhofer IOSB und IGB hat folgende drei Schwerpunkte, welche zur Erhöhung der Resilienz von Trinkwasserinfrastrukturen beitragen sollen:
1. Automatisierte Biosensoren
2. Selbstlernendes Monitoring- und Event Detection-Modul
3. Konzepte für sichere Sensornetzwerke und Risikoanalyse der IT-Infrastrukturen in Trinkwasserinfrastrukturen


Projektwebseite: ResiWater

 

 

Publikationen:

Deuerlein, J. ; Piller, O. ; Montalvo Arango, I. ; Braun, M.: Parameterization of offline and online hydraulic simulation models. In: Procedia Engineering 119 (2015), S.545-553 (URL: http://publica.fraunhofer.de/documents/N-360538.html. Erstelldatum: 6.10.2015. Zugriffsdatum: 11.12.2018) (DOI: http://dx.doi.org/10.1016/j.proeng.2015.08.

 

Kühnert, Christian ; Baruthio, M. ; Bernard, Thomas ; Steinmetz, C. ; Weber, J.-M.: Cloud-based event detection platform for water distribution networks using machine-learning algorithms. In: Procedia Engineering 119 (2015), S.901-907 (URL: http://publica.fraunhofer.de/documents/N-360535.html. Erstelldatum: 6.10.2015. Zugriffsdatum: 11.12.2018) (DOI: http://dx.doi.org/10.1016/j.proeng.2015.08.963)

 

T. Bernard, C. Kühnert: Ereignisdetektion in Trinkwassernetzen mittels PCA und DPCA Datengetriebene Detektion von Kontaminationen und Reduktion von Fehlalarmen Event detection in drinking water distribution networks using PCA and DPCA. Data-driven contaminant detection and reduction of false alarms. In: Technisches Messen : TM 83 (2016), Nr.2, S.96-101, ISSN: 0340-837X, ISSN: 0171-8096 (Print), ISSN: 2196-7113 (Online)

 

Thomas Bernard, Andreas Jacubasch, Iris Trick, Anke Burger-Kentischer, Christina Kohl: On-line Monitoring of Drinking Water Based on a Biological Broad-Spectrum Sensor (AquaBioTox). 1st International Symposium on Mobile Water Supply in Operations: Research and Field Experience Munster, Munster Germany, June 7-9, 2016

 

Thomas Bernard, Marc Baruthio, Claude Steinmetz, Jean-Marc Weber: Cloud-based event detection platform for water distribution networks using machine-learning algorithms. Proceedings Conference ML4CPS – Machine Learning for Cyber Physical Systems and Industry 4.0. Karlsruhe, 29.9.2016

 

Piller, Olivier; Sedehizade, Fereshte; Bernard, Thomas; Braun, Mathias; Cheifetz, Nicolas; Deuerlein, Jochen; Wagner, Martin; Lapébie, Emmanuel; Trick, Iris; Weber, Jean-Marc; Werey, Caty (2017): CCWI2017: F96 Augmented Resilience of Water Distribution Systems following Severe Abnormal Events. In: https://doi.org/10.15131/shef.data.5363509.v1 (Retrieved: 09:22, Sep 06, 2017)

 

Bernard, Thomas ; Baruthio, M. ; Steinmetz, C. ; Weber, J.-M.: Cloud-based event detection platform for water distribution networks using machine-learning algorithms. In: Beyerer, Jürgen (Ed.); Niggemann, Oliver (Ed.); Kühnert, Christian (Ed.): Machine Learning for Cyber Physical Systems : Selected papers from the International Conference ML4CPS 2016, held at the Fraunhofer IOSB in Karlsruhe, September 29th, 2016. Berlin: Springer Vieweg, 2017, S.35-43 (Technologien für die intelligente Automation 3) (DOI: http://dx.doi.org/10.1007/978-3-662-53806-7_5)

 

Kühnert, Christian ; Montalvo Arango, I.: A generic data fusion and analysis platform for cyber-physical systems. In: Beyerer, Jürgen (Ed.); Niggemann, Oliver (Ed.); Kühnert, Christian (Ed.): Machine Learning for Cyber Physical Systems : Selected papers from the International Conference ML4CPS 2016, held at the Fraunhofer IOSB in Karlsruhe, September 29th, 2016. Berlin: Springer Vieweg, 2017, S.45-54 (Technologien für die intelligente Automation 3) (DOI: http://dx.doi.org/10.1007/978-3-662-53806-7_6)

 

Bernard, Thomas ; Kühnert, Christian ; Sedehizade, F. ; Campbell, E. ; Wagner, M.: Kontaminationen im Trinkwasser. Trinkwassersysteme: Schnell handeln in der Krise. In: Labo 49 (2018), Nr.1-2, S.46-48 (URL: https://www.labo.de/reinstwasser-wasseranalytik/trinkwassersysteme---schnell-handeln-in-der-krise.htm. Zugriffsdatum: 11.12.2018)