NGHIÊN CỨU PHÁT TRIỂN HỆ THỐNG ĐO LƯỜNG NƯỚC THÔNG MINH SỬ DỤNG GIAO THỨC TRUYỀN THÔNG LORA
DOI:
https://doi.org/10.59266/houjs.2025.587Từ khóa:
mạng LoRaWAN, công tơ nước thông minh, chuyển đổi số ngành cấp nước, trí tuệ nhân tạo (AI), phát hiện bất thường, Internet of Things (IoT), quản lý tài nguyên nướcTóm tắt
Để giải quyết các thách thức về chi phí, hiệu quả vận hành và khả năng mở rộng trong việc giám sát nước, nghiên cứu này phát triển và kiểm nghiệm một hệ thống đo lường thông minh đầu-cuối. Giải pháp này kết hợp hai công nghệ trụ cột: mạng diện rộng công suất thấp (LoRaWAN) cho việc thu thập dữ liệu từ xa và Trí tuệ nhân tạo (AI) để phân tích và cảnh báo sớm. Kiến trúc của hệ thống bao gồm ba thành phần cốt lõi: (1) thiết bị end-node được thiết kế để có thể trang bị thêm (retrofit) trên các đồng hồ cơ hiện hữu mà không cần thay đổi kết cấu; (2) hạ tầng truyền thông LoRaWAN tiết kiệm năng lượng cho việc thu thập dữ liệu diện rộng; và (3) nền tảng phân tích dữ liệu ứng dụng AI để giám sát và đưa ra cảnh báo sớm về các hiện tượng bất thường, điển hình là rò rỉ. Quá trình thử nghiệm trong điều kiện đô thị thực tế cho thấy hệ thống có độ tin cậy cao, với sai số đo lường chỉ dưới 1% và khả năng duy trì kết nối LoRaWAN ổn định ở khoảng cách 1.2 km trong môi trường có vật cản. Mô hình AI dựa trên thuật toán Isolation Forest đã xác định thành công trên 90% các tình huống rò rỉ mô phỏng, đồng thời giữ tỷ lệ dương tính giả ở mức tối thiểu. Các kết quả này khẳng định tính khả thi và hiệu quả của giải pháp IoT được đề xuất, mở ra tiềm năng cho việc hiện đại hóa quy trình quản lý, tối ưu hóa hiệu suất vận hành và giảm thiểu thất thoát nước sạch trong thực tiễn.
Tài liệu tham khảo
[1]. Adelantado, F., Vilajosana, X., Tuset- Peiro, P., Martinez-Bauset, J., & Melia- Segui, J. (2017). Understanding the limits of LoRaWAN. IEEE Communications Magazine, 55(9), 34-40.
[2]. Ahmed, T., Mohammed, A., Zamli, K. Z., & Z’aba, M. R. (2022). A systematic review on LoRaWAN advancement for IoT: Taxonomy, applications, challenges, and future research directions. Sensors, 22(12), 4488.
[3]. Al-Fuqaha, A., Guizani, M., Mohammadi, M., Aledhari, M., & Ayyash, M. (2015). Internet of Things: A survey on enabling technologies, protocols, and applications. IEEE Communications Surveys & Tutorials, 17(4), 2347-2376.
[4]. Augustin, A., Yi, J., Clausen, T., & Townsley, W. M. (2016). A study of LoRa: Long range & low power networks for the Internet of Things. Sensors, 16(9), 1466.
[5]. Brentan, B. M., Luvizotto, Jr., E., Herrera, M., Izquierdo, J., Perez- Garcia, R., & Puccini, G. D. (2017). Leak localization in water distribution systems using a novel Shannon entropy- based method. Entropy, 19(11), 596.
[6]. Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3), 1-58. [7]. Choi, H., Jang, B., & Lee, S. (2022). Performance evaluation of LoRaWAN Class B for smart water grid network. Sensors, 22(9), 3537.
[8]. Colombo, A. R., Lee, G. M., & Rinaldi, S. (2022). LoRaWAN performance evaluation for smart metering infrastructure. Sensors, 22(3), 1246.
[9]. Cook, A. A., Pinto, A., Silver, D., Goel, S., & Simeral, J. D. (2023). Machine learning for anomaly detection in physiological data. Nature Machine Intelligence, 5(7), 726-741.
[10]. Ebisi, N., & Nikolakakos, G. (2021). Machine learning schemes for leak detection in IoT-enabled water transmission system. Procedia Computer Science, 184, 920-927.
[11]. Fernandes, E., José, J., Costa, M., & Rodrigues, J. J. P. C. (2019). A machine learning based approach for detecting non-technical losses in smart grids. International Journal of Electrical Power & Energy Systems, 111, 241-250.
[12]. Ghane, S. G., Gizaw, Z. T., & Yan, Y. (2023). Smart water metering: A review of advancements in technologies, applications, and challenges. Measurement Science and Technology, 34(12), 122001.
[13]. Haxhibeqiri, J., De Poorter, E., Moerman, I., & Hoebeke, J. (2018). A survey of LoRaWAN for IoT: From technology to application. Sensors, 18(11), 3995.
[14]. Hundman, K., Constantinou, V., Laporte, C., Colwell, I., & Soderstrom, T. (2018). Detecting spacecraft anomalies using LSTMs and nonparametric dynamic thresholding. In Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (pp. 387-395). ACM.
[15]. Ismail, I., Anuar, N. B., & Karim, L. (2021). Development of IoT based water level monitoring system using Arduino and Raspberry Pi. Journal of Physics: Conference Series, 1860(1), 012025.
[16]. Jordan, M. (2002). It just got easier to convert lithium-ion battery voltage to 3.3V with this efficient single inductor synchronous buck-boost regulator. Linear Technology Magazine.
[17]. Khairullah, E. F., Alghamdi, A. M., Al mojamed, M. M., & Zeadally, S. (2025). LoRaWAN-based smart water management IoT applications: A review. Journal of Ambient Intelligence and Humanized Computing.
[18]. Kot, T. (2014). LC sensor rotation detection with MSP430™ extended scan interface (ESI) (Application Report No. SLAA639). Texas Instruments.
[19]. Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation forest. In 2008 Eighth IEEE International Conference on Data Mining (pp. 413-422). IEEE.
[20]. LoRa Alliance. (2020). LoRaWAN® L2 1.0.4 specification (TS001-1.0.4).
[21]. LoRa Alliance Technical Marketing Workgroup. (2015). A technical overview of LoRa® and LoRaWAN™. LoRa Alliance.
[22]. Marjani, M., Nasaruddin, F., Gani, A., Karim, A., Hashem, I. A. T., Siddiqa, A., & Yaqoob, I. (2017). Big IoT data analytics: Architecture, opportunities, and open research challenges. IEEE Access, 5, 5247-5261.
[23]. Mekki, K., Bajic, E., Chaxel, F., & Meyer, F. (2019). A comparative study of LPWAN technologies for large-scale IoT deployment. ICT Express, 5(1), 1-7.
[24]. Pasolini, G., Picozzi, M., Toppan, P., De Castro, C., & Andrisano, O. (2018). An experimental analysis of LoRaWAN performance for IoT applications. Wireless Communications and Mobile Computing, 2018, 1-14.
[25]. Petäjäjärvi, J., Mekkanen, K., Pettissalo, S., Takalo-Mattila, J., & Iinatti, J. (2017). Performance of a LoRaWAN network in a smart city environment. In 2017 IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC) (pp. 1-5). IEEE.
[26]. Raza, U., Kulkarni, P., & Sooriyabandara, M. (2017). Low power wide area networks: An overview. IEEE Communications Surveys & Tutorials, 19(2), 855-873.
[27]. Sakurada, M., & Yairi, T. (2014). Anomaly detection using autoencoders with nonlinear dimensionality reduction. In Proceedings of the MLSDA 2014 Workshop on Machine Learning for Sensory Data Analysis (pp. 4-11). ACM.
[28]. Sanchez-Gomez, J., Sanchez-Iborra, R., Ramallo-González, A. P., & Skarmeta, A. F. (2017). Modeling the energy performance of LoRaWAN. Sensors, 17(10), 2364.
[29]. Sanchez-Iborra, R., Sanchez-Gomez, J., Ballesta-Vinas, J., Cano, M.-D., & Skarmeta, A. F. (2018). Performance evaluation of lora considering scenario conditions. Sensors, 18(3), 772.
[30]. Semtech Corporation. (n.d.-a). SX1250 - LoRa Core multi-band sub-GHz RF front end.
[31]. Semtech Corporation. (n.d.-b). SX1302 LoRa Core digital baseband chip for LoRaWAN gateway.
[32]. Shrouf, F., Ordieres, J., & Miragliotta, G. (2014). Smart factories in Industry 4.0: A review of the concept and of energy management approached in production based on the Internet of Things paradigm. In 2014 IEEE International Conference on Industrial Engineering and Engineering Management (pp. 697-701). IEEE.
[33]. Sinha, R. S., Wei, Y., & Hwang, S.-H. (2017). A survey on LPWA technology: LoRa and NB-IoT. ICT Express, 3(1), 14-21.
[34]. Terrasson, G., & Begriche, Y. (2019). LoRaWAN gateway placement for smart metering applications. Procedia Computer Science, 151, 1143-1148.
[35]. Texas Instruments. (n.d.). TMAG5253 Low-power 3D linear hall effect sensor.
[36]. The Things Network. (2018). The Things Network.
[37]. Zoppi, T., Ceccarelli, A., Salani, M., & Bondavalli, A. (2020). On the assessment of LoRaWAN security: Vulnerability analysis and practical attacks. Future Generation Computer Systems, 113, 139-151.
