Het virtuele laboratorium van iFLUX voor het meten van de dynamiek van grondwater

Gepost op woensdag 10 maart 2021

Real-time grondwater flux sensing is afhankelijk van een grondige kennis van de vele verschillende omstandigheden die van invloed zijn op de grondwaterdynamiek, de specifieke kenmerken van peilbuizen en de parameters die de sensorprestaties in deze periode beïnvloeden. Denk maar aan alle verschillende bodemsoorten en hun geleidbaarheid. Maar er is maar zo veel dat we in ons laboratorium kunnen testen. Daarom hebben we bij iFLUX niet alleen een fysiek laboratorium, maar ook een virtueel lab!

Bino - the iFLUX Data Engineer

Maak kennis met Bino

Bino is verantwoordelijk voor de data science en engineering rond onze digitale sensor. Hij is ook de persoon achter ons virtueel lab voor CFD (Computational Fluid Dynamics) simulaties en hij zorgt ervoor dat de data goed georganiseerd is door het opzetten van de data architectuur en data flow.

Wat doen we in ons virtueel lab?

CFD wordt algemeen gebruikt voor onderzoek en engineering in natuurwetenschappen, milieutechniek, weersimulatie, lucht- en ruimtevaartanalyse, enzovoort.

Met Computational fluid dynamics (CFD) maken we simulaties van onze sensorontwerpen en de omgeving waarin ze kunnen worden geïnstalleerd. Via deze simulaties kunnen we spelen met omgevings- en mechanische ontwerpparameters om te zien hoe ze de meetresultaten beïnvloeden. Je kan dit vergelijken met het experimenteren met de digitale sensor door er verschillende versies van in verschillende grondsoorten of peilbuizen te plaatsen. Alleen hoeven we niet écht honderden sensoren te installeren. We kunnen gewoon de verschillende ontwerpen, verschillende bodemtypes enzovoort simuleren en zo geleidelijk het sensorontwerp verbeteren.

Dit virtuele lab stelt ons in staat het mechanische ontwerp van het product te verbeteren zonder dat we daarvoor duizenden installaties moeten doorlopen. We kunnen bijvoorbeeld verschillende bodemsoorten simuleren en filterpakketten van peilbuizen, elk met hun eigen geleidbaarheid, om de impact van de geleidbaarheid op de fluxmetingen met de digitale sensor in te schatten.

CFD maakt zelfs experimenten mogelijk met specifieke bodemtypes die niet mogelijk zijn in een fysisch labo.

Uit deze simulaties halen we een database met correcties voor de fluxgegevens en optimalisaties van het sensorontwerp. Deze correcties zijn cruciaal om kwalitatieve fluxresultaten af te leveren in een dashboard in plaats van ruwe data. De correcties kunnen worden vergeleken met de alfa-factor van onze passieve samplers.

De alfa-factor is de verhouding tussen de flux gemeten in de peilbuis en de effectieve flux in de bodem. Bij de berekening van de alfa-factor wordt rekening gehouden met de doorlatendheid en de dikte van elk van de media waardoor de flux passeert (cartridge, peilbuizen, filter en watervoerende laag.)


Van ruwe data in de digitale sensor tot kwalitatieve fluxresultaten in een dashboard

Deze correcties zijn slechts een deel van het traject dat onze sensorgegevens afleggen van de sensor tot de eindgebruiker. De data-architectuur en de dataflow spelen een belangrijke rol voor onze digitale sensor om kwalitatieve resultaten te leveren.

De datastroom bevat daarom niet alleen componenten om de gegevens te verzamelen, op te slaan en te visualiseren die draadloos door de sensoren worden verzonden, maar vereist ook een specifieke kwaliteitscontrole. 

 Dit is waar ons virtueel lab een rol speelt. De correcties die voortvloeien uit de CFD simulaties worden uitgevoerd op de gegevens van de digitale sensor vooraleer ze gevisualiseerd worden in een dashboard voor onze klanten. 

Op die manier krijgen onze klanten de actuele continue grondwaterstromingsresultaten in real-time te zien.


Enkele voorbeelden

Dit lijkt misschien wat abstract allemaal, dus hier volgen enkele voorbeelden van wat we hebben gevonden en waarvoor we onze gegevens corrigeren.

Het is duidelijk dat grondwaterstroming rond een peilbuis complex gedrag kan vertonen.  

Het CFD-model hieronder illustreert de versnelling ten opzichte van de werkelijke grondwatersnelheid. Rood duidt op een versnelling van het grondwater ten opzichte van de werkelijke grondwaterstroming. Blauw geeft aan dat het grondwater in deze zones wordt vertraagd ten opzichte van de werkelijke grondwatersnelheid. Na het modelleren en berekenen van deze versnellingen corrigeren we de gemeten fluxresultaten voor deze invloeden.


CFD model around monitoring well

Dit tweede voorbeeld gaat over wat er gebeurt als er zich een blind gedeelte boven of onder de sensor bevindt, waardoor er meer stroming door de sensor zelf plaatsvindt. Deze simulatie stelt ons in staat te corrigeren voor deze verhoogde stroming of zelfs een optimaal peilbuisontwerp te maken specifiek voor fluxmetingen. Door voor deze invloeden te corrigeren, kunnen we de werkelijke grondwaterstroming rapporteren in plaats van de versnelde stroming die wordt veroorzaakt door het sensorontwerp of de specifieke peilbuis.

Effect of blind zone above and below iFLUX sensor

Een andere interessante bevinding gaat over horizontale slits van peilbuizen. Dit soort peilbuizen hebben "blinde" delen zonder openingen. Om de grondwaterstroming te meten, meet de sensor het best waar de peilbuis sleuven heeft en niet bij een blind gedeelte waar minder grondwaterstroming is. De onzekerheid van de exacte plaatsing van de sensor ten opzichte van deze blinde delen van de peilbuis wordt daarom gemeten met simulaties. 

Andere simulaties berekenden de alfa van de grondwaterfluxen in functie van de k-factor.


Als u een interessant project heeft voor continue real-time fluxmetingen, laat het ons dan weten via projects@ifluxsampling.com