Stream C10 — Smart Water Networks — Water Loss 2026
Apresenta "Making the Water Balance Smarter" — metodologia para integrar smart meters de alta granularidade no balanço hídrico via mass balance, intraday leakage profile e residual analysis para classificar DMAs.
Sobre o palestrante
Thomas Crowder é um dos chairs mais ativos do Water Loss 2026 — comandou a sessão Stream C8 (Digital Transformation) na manhã de 29/04 e abriu a Stream C10 (Smart Water Networks) à tarde com sua própria apresentação: "Making the Water Balance Smarter." A palestra foi remanejada para o primeiro horário da sessão da tarde por última hora — "Just a little announcement, last minute change in the program. So as a first presenter, we have Thomas Crowder." Crowder é referência técnica no UK para integração de smart meters em análise de balanço hídrico de DMAs, com foco em mass balance e residual analysis para classificação automática.
Crowder presidiu Stream C8 na manhã (Digital Transformation) e Stream C10 na tarde (Smart Water Networks) — papel central no day 3 do Water Loss 2026. Apresentou todos os palestrantes com contexto técnico e fez Q&A profundo. Reconhecimento institucional vem do peso técnico no UK water sector.
ChairDay 3Estilo Crowder: explica conceitualmente antes de mostrar gráficos. Em "Making the Water Balance Smarter" focou em arquitetura — data ingest, data model, network structure, mass balance — antes de exemplos de DMAs reais. Pedagogia técnica madura.
PedagogicalArchitecture"Smart meters de hora em hora se tornam o maior volume de dados que você vai analisar. Em uma DMA com 2.000 propriedades smart-metered, são 1 milhão de pontos por dia."
Tese da palestra
"In a utility with 2,000 smart meters, with flows and pressures every 15 minutes, there's about 816,000 data points. When we introduce the analysis, that creates a million data points per day." Sem arquitetura nova, smart metering vira gargalo. Crowder começa expondo a escala como problema, não como benefício.
1M/dayBottleneck"Get the data into our database — what we call a digital twin. We also need to have the network structure in our data model." Mass balance só funciona se data model representa estrutura física + relações. Sem esse mapping, smart meter vira lixo de dados.
Data modelDigital twin"Comparing the net flow alongside components of demand — including consumption and leakage — and the residual is the difference." Crowder propõe equação intraday: net flow = consumption + leakage + residual. Cada componente tem perfil próprio; resíduo classifica DMA.
Mass balanceResidual"Para fazer o balanço hídrico mais inteligente, precisamos de modelo de dados mais inteligente, rotinas mais inteligentes — o output disso tudo é o próprio balanço hídrico mais inteligente."
Dados apresentados
A escala numérica é o ponto central da palestra. Crowder mostra que smart metering em DMA grande gera volume de dados que excede capacidade analítica de planilha tradicional. Mass balance proposto é o framework para tornar esse volume gerenciável — calculando leakage por minuto, ajustando por pressão AZP e gerando intraday leakage profile com diagnóstico automático por DMA.
Abordagem técnica
Smart-metered properties + continuously logged users (large users) + bulk meters + non-smart properties (estimados via profile). Cada categoria entra como input estruturado no digital twin. Sem essa segmentação, mass balance vira chute.
IngestCategories"Applying a profile to measured households to how the demand is spread throughout the day — same process applies for non-households not smart-metered, where we use the profile generated from smart-meter data." Smart meters atuam como amostra; profile gera estimativa para o resto.
ProfileSample"Net flow leakage between 3 and 4 am is not derived by minimum night flow alone — it's profile that regenerates leakage at every point in the day, adjusted by AZP pressure." Output: intraday leakage profile + residual time series. Resíduo classifica DMA por categoria.
IntradayResidualCasos / Aplicações
"Net flow well matched with model demand, small positive residual ~3%, leakage consistent." DMA saudável, sem ação requerida. Crowder usa como baseline de comparação para os outros tipos. Modelo confiança para decisões operacionais.
PerformingBaseline"Example of a DMA where timing offset — because we've modelled what flow should look like, we see what the issue is." Logger com clock errado. Detectado automaticamente via residual com padrão característico. Action: corrigir clock; nada de campo necessário.
OffsetClock"Large diurnal residual that tells us something is not quite right — when we put DMAs together, residual flattens out and tells us what the issue is." DMA com infiltração de DMA vizinha. Mass balance combinado revela o problema; ação: localizar e fechar válvula breach.
BreachedCombined"Margaret — have I got some data quality issues or erratic leakage?" Crowder integra a tipologia de Stuart Mawditt: residual analysis classifica DMA em 10+ categorias incluindo erratic leakage e data quality issues. Cada categoria → ação específica para a equipe.
Data qualityTypologyPontos-chave
1M de data points por dia em DMA grande exige arquitetura — não planilha. Sem digital twin (data model + network structure), smart metering custa caro e entrega pouco.
Em vez de calcular leakage só entre 3-4am, Crowder propõe perfil intraday completo. Captura padrão diurnal e diferencia leakage estável de erratic.
Sem ajuste por Average Zone Pressure, leakage estimado fica enviesado. AZP transforma dado bruto em métrica comparável entre DMAs e ao longo do tempo.
Análise de magnitude e shape do resíduo intraday revela DMA performing, breached, time offset, data quality, erratic leakage. Diagnóstico automático poupa horas de investigação manual.
Sub-amostra de propriedades smart-metered gera profile que se aplica a propriedades não-metered. Custo: 100% de smart metering só onde necessário. Cobertura analítica completa.
Quando DMA individual mostra resíduo grande, somar com vizinha revela breach. Análise relacional entre DMAs aumenta precisão diagnóstica.
Grandes consumidores com logger contínuo entram no mass balance como input direto, sem estimativa. Reduz erro nos componentes de demanda — leakage residual fica mais limpo.
Crowder fecha conectando com Mawditt: "we can bring all that together to grade the DMAs — that helps with classifying and then doing the appropriate action." Hand-off limpo entre arquitetura analítica e ação operacional.
Filosofia / Conclusão
Thomas Crowder entrega no Water Loss 2026 a tese arquitetural mais clara sobre integração de smart meters em balanço hídrico. A premissa é desconfortável para quem investiu em sensoriamento sem investir em data model: 1 milhão de pontos por dia sem arquitetura é gargalo, não vantagem. Crowder propõe mass balance intraday — net flow = consumption + leakage + residual — onde cada componente tem perfil próprio e resíduo classifica DMA automaticamente. A construção é técnica madura: profile generation a partir de smart-metered sample, ajuste por AZP, análise relacional entre DMAs. Para utilities brasileiras com programas de smart metering em curso (Sabesp, Iguá, Aegea), a leitura é direta: smart meter sem digital twin é capex desperdiçado. Antes de instalar mais sensor, instale o data model.
Tese desconfortável: utility que investe em smart meter sem investir em data model fica com volume de dados sem capacidade de leitura. Crowder propõe sequência inversa — primeiro o digital twin, depois o sensoriamento intensivo. Capex de software antes de capex de hardware.
Software firstSequenceMinimum night flow puro é proxy histórico — funciona quando dados são pobres. Com smart meter, mass balance intraday entrega visibilidade contínua. Crowder não descarta MNF; propõe arquitetura que o complementa.
MNF complementContinuous"DMAs grading nos diz o que está acontecendo — então fazemos a ação apropriada. É a fronteira entre analítica e operação."
Resumo gerado a partir da transcrição ao vivo via Nobox Translate com inteligência artificial.
Water Loss 2026 — Resumo gerado por IA
Transcrição e tradução ao vivo por Nobox Live Translate
