La collaborazione tra Terranova e Imperial College London crea un nuovo framework per identificare le anomalie nelle reti di distribuzione

L'obiettivo

Ci siamo prefissati l'obiettivo di identificare frodi, perdite o manomissioni nelle reti del gas in tempo reale, per poter gestire la rete in modo efficiente e sicuro. Si tratta di una sfida particolarmente complessa, perché richiede l'elaborazione tempestiva di grandi volumi di dati provenienti da dispositivi distribuiti sul territorio e la capacità di distinguere rapidamente eventi anomali da semplici variazioni operative. Le tempistiche sono infatti un fattore critico: più tempo intercorre tra l’evento e la sua identificazione, maggiori sono i potenziali danni alla rete, sia in termini di dispersione del gas e inefficienze operative, sia sul piano della sicurezza per le persone e gli impianti. Rilevare un’anomalia anche pochi minuti prima può fare la differenza tra un intervento mirato e un rischio sistemico. Inoltre, la capacità di prevenire e contrastare frodi o manomissioni contribuisce in modo determinante alla sostenibilità economica del sistema e alla fiducia degli utenti nel servizio.

Il progetto

Insieme agli studenti dell'Imperial College London abbiamo sviluppato un framework, che abbiamo chiamato Lunar (Logic Based Utiliy Network Anomaly Recommission). L'obiettivo principale di Lunar è di identificare le anomalie nelle reti di distribuzione.

Questo progetto si è anche concretizzato in un software tool che è disponibile gratuitamente, anche se in forma assolutamente sperimentale, usando i dati forniti dalla rete rilevati dai sensori per costruire un modello della rete stessa. In particolare un modello che ci descriva un corretto e normale funzionamento della rete, per esempio in termini dei valori di pressione e di temperatura del gas nella rete; dove i dati vengono raccolti dalla rete EE. Poi questo tool costruisce delle specifiche che ne descrivono il corretto funzionamento. Al momento dell'utilizzo, quando nuovi dati vengono letti dai sensori, questi vengono verificati con rispetto alle specifiche che sono state estratte nella fase di apprendimento e se c'è qualche valore anomalo rispetto a le specifiche che abbiamo, viene rilevato.

Un'anomalia viene identificata dal tool e viene proposta al tecnico che stiamo ritirando il sistema, che ha poi gli strumenti per determinare se si tratti di una vera anomalia oppure semplicemente di valori che ancora non sono stati osservati. Durante la fase di monitoraggio il tool si può anche aggiornare in base ai nuovi dati che vengono raccolti dalla rete. E se un comportamento è in fin dei conti normale la specifica viene aggiornata in modo da tenere conto anche di questi comportamenti.