智慧水務(wù)生產(chǎn)運(yùn)營大數(shù)據(jù)平臺新構(gòu)想

熊建功 沈秀紅

摘 要：針對傳統(tǒng)水務(wù)行業(yè)生產(chǎn)運(yùn)營數(shù)據(jù)深度挖掘分析能力不足，存在信息孤島的問題，提出基于智慧水務(wù)生產(chǎn)運(yùn)營大數(shù)據(jù)平臺新構(gòu)想。以生存運(yùn)營系統(tǒng)的海量業(yè)務(wù)數(shù)據(jù)為依據(jù)，充分分析業(yè)務(wù)數(shù)據(jù)背后的價值信息，實(shí)現(xiàn)及時應(yīng)對工藝故障、設(shè)備故障、水質(zhì)問題等突發(fā)情況，為用戶、政府部門主動服務(wù)，為領(lǐng)導(dǎo)提供科學(xué)決策。在此基礎(chǔ)上實(shí)現(xiàn)企業(yè)保證水質(zhì)安全，提供優(yōu)質(zhì)服務(wù)的社會效益及降低電耗、藥耗的經(jīng)濟(jì)效益。

關(guān)鍵詞：智慧水務(wù);大數(shù)據(jù)平臺;運(yùn)營系統(tǒng);工藝故障;設(shè)備故障;效益

中圖分類號：TP29 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2019）05-00-03

0 引 言

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)新一代技術(shù)日新月異，建設(shè)水務(wù)大數(shù)據(jù)平臺的新構(gòu)思日趨成熟。目前，我國部分省市水務(wù)企業(yè)已采用數(shù)字化管理模式，建立了專用網(wǎng)絡(luò)，實(shí)現(xiàn)了水質(zhì)全過程監(jiān)測。企業(yè)內(nèi)部通過OA系統(tǒng)、SCDA系統(tǒng)等實(shí)現(xiàn)了數(shù)字化辦公，提高了辦事效率，但系統(tǒng)間相對獨(dú)立，不能共享信息，無法深度挖掘與分析數(shù)據(jù)[1]。數(shù)據(jù)的統(tǒng)計分析工作主要利用Excel軟件以手工方式完成，無法交叉分析及全局比較，計算模式不足，造成了企業(yè)現(xiàn)有信息資源的浪費(fèi)，決策者缺少有效的數(shù)據(jù)支持，導(dǎo)致決策缺乏科學(xué)依據(jù)[2]，因此水務(wù)行業(yè)建立智慧水務(wù)大數(shù)據(jù)平臺勢在必行。

1 國內(nèi)外智慧水務(wù)建設(shè)

國外大部分水務(wù)公司信息化從早期無紙化辦公發(fā)展到運(yùn)營管理信息化，經(jīng)歷了建立水務(wù)系統(tǒng)信息化基礎(chǔ)、完善信息化數(shù)據(jù)、實(shí)現(xiàn)信息化應(yīng)用模塊、融合數(shù)據(jù)一體化調(diào)度平臺的發(fā)展過程[3]。國內(nèi)水務(wù)公司也積極發(fā)展智慧水務(wù)。例如，重慶水務(wù)集團(tuán)2017年制定、啟動了信息化規(guī)劃，計劃在未來5～10年，運(yùn)用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新技術(shù)，與供排水行業(yè)進(jìn)行深度融合，打造真正的智慧型水務(wù);深圳水務(wù)集團(tuán)以NB-IoT智慧抄表為突破口，積極推動智慧水務(wù)變革[4]。

國外水務(wù)公司一直重視生產(chǎn)運(yùn)營數(shù)據(jù)的分析與應(yīng)用，水力模型、水質(zhì)模型的應(yīng)用較早、較普遍[5]，目前已延伸到預(yù)測用戶水量，主動服務(wù)用戶。例如，Vitens公司通過智慧水務(wù)系統(tǒng)能夠在2 min內(nèi)識別爆管事件;英國聯(lián)合水務(wù)能夠預(yù)測第二天的用水量。

2 水務(wù)生產(chǎn)運(yùn)營大數(shù)據(jù)平臺實(shí)施路徑

智慧水務(wù)生產(chǎn)運(yùn)營大數(shù)據(jù)平臺實(shí)施路徑分為全面感知、主動服務(wù)、科學(xué)決策、自動控制、及時應(yīng)對，如圖1所示。

全面感知：使用流量計、壓力計、濁度儀、液位儀、智能水表、視頻設(shè)備等實(shí)現(xiàn)對取水、制水、送水、排水等過程的全面感知，系統(tǒng)通過信息識別、信息感知、位置定位、通信技術(shù)進(jìn)行處理[6]，實(shí)現(xiàn)常規(guī)監(jiān)測與應(yīng)急監(jiān)測[7]。

主動服務(wù)：向水務(wù)公司提供生產(chǎn)、運(yùn)維的主動服務(wù);向政府主動推送與發(fā)布停水等重要信息;向管網(wǎng)維護(hù)人員等主動推送通知;向熱線人員主動發(fā)送停水、爆管、管網(wǎng)檢修等信息，以解決用戶投訴;向用戶推送水務(wù)賬單，以引導(dǎo)用戶需求。

科學(xué)決策：對原水、取水與送水、水廠制水、水廠配水、加壓泵站、排水、污水處理等業(yè)務(wù)的全生命周期環(huán)節(jié)提供仿真、診斷、預(yù)報、調(diào)度、控制等方面的科學(xué)決策。

自動控制：對水源、水廠、城市供水、城市排水、污水處理廠等的自動化控制系統(tǒng)進(jìn)行優(yōu)化處理，集中控制。

及時應(yīng)對：及早發(fā)現(xiàn)工藝故障、設(shè)備故障、水質(zhì)問題、爆管等突發(fā)情況，做好應(yīng)對與處理。

3 大數(shù)據(jù)平臺內(nèi)容

通過大數(shù)據(jù)平臺匯集整個生產(chǎn)經(jīng)營過程，以實(shí)現(xiàn)數(shù)據(jù)的高效化與準(zhǔn)確化[8]。大數(shù)據(jù)平臺為供排水企業(yè)的生產(chǎn)運(yùn)營提供全面監(jiān)控，提供預(yù)警報警、應(yīng)急調(diào)度、決策分析功能。智慧水務(wù)大數(shù)據(jù)平臺主要包括基礎(chǔ)層、數(shù)據(jù)層、支撐層、主動決策支持與主動服務(wù)層。建設(shè)內(nèi)容包括大數(shù)據(jù)標(biāo)準(zhǔn)體系、數(shù)據(jù)采集、數(shù)據(jù)處理與治理、算法模型，其框架如圖2所示。

3.1 大數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)

大數(shù)據(jù)平臺標(biāo)準(zhǔn)針對大數(shù)據(jù)存儲、處理、分析系統(tǒng)，從技術(shù)架構(gòu)、建設(shè)方案、平臺接口等方面進(jìn)行規(guī)范，規(guī)范針對大數(shù)據(jù)產(chǎn)品和平臺給出測試方法與要求[9]，建立水務(wù)大數(shù)據(jù)標(biāo)準(zhǔn)、流程，對公司數(shù)據(jù)資源進(jìn)行梳理與分析，用于指導(dǎo)數(shù)據(jù)資源的生產(chǎn)與加工、數(shù)據(jù)倉庫的建設(shè)、數(shù)據(jù)的分析挖掘與利用等，為KPI指標(biāo)體系和決策支持體系提供服務(wù)。

3.2 數(shù)據(jù)采集

水務(wù)大數(shù)據(jù)平臺數(shù)據(jù)采集系統(tǒng)主要采集結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)，主要來源于生產(chǎn)運(yùn)營數(shù)據(jù)（如生產(chǎn)數(shù)據(jù)采集平臺數(shù)據(jù)）、內(nèi)部業(yè)務(wù)系統(tǒng)（如管網(wǎng)、SCADA、營銷系統(tǒng)、報裝系統(tǒng)、客服系統(tǒng)、視頻監(jiān)控系統(tǒng)）、外部網(wǎng)站或第三方服務(wù)（如天氣網(wǎng)、水文網(wǎng)）。數(shù)據(jù)采集、存儲、整合是分析優(yōu)化的前提和基礎(chǔ)。

3.3 數(shù)據(jù)治理

數(shù)據(jù)治理既是技術(shù)難題，也是管理難題[10]。在數(shù)據(jù)治理體系中，數(shù)據(jù)質(zhì)量是最關(guān)鍵的工作，應(yīng)以相應(yīng)的規(guī)范與流程解決數(shù)據(jù)治理[11]，同時要以績效為導(dǎo)向，識別業(yè)務(wù)指標(biāo)[12]，提高數(shù)據(jù)治理水平。另外，水務(wù)企業(yè)生產(chǎn)元數(shù)據(jù)多樣化且數(shù)據(jù)量較大，原始的公式計算、過程批量處理、定時器定時執(zhí)行等致使數(shù)據(jù)庫負(fù)荷較大，嚴(yán)重影響平臺的展示效果，需使用專業(yè)的ETL及Quartz工具對元數(shù)據(jù)進(jìn)行提取、轉(zhuǎn)換及加載，完全集成的關(guān)系與維度建模、數(shù)據(jù)質(zhì)量、數(shù)據(jù)審計，以及主數(shù)據(jù)與元數(shù)據(jù)生命周期的管理。

3.4 算法與模型分析

實(shí)現(xiàn)水務(wù)智慧管理決策需利用數(shù)據(jù)模型[13]?；谒畡?wù)大數(shù)據(jù)平臺，優(yōu)化供水管網(wǎng)監(jiān)測預(yù)警，建立水質(zhì)預(yù)測模型，建立污水處理故障診斷模型、設(shè)備健康管理與管網(wǎng)漏損預(yù)測模型、供水用水需求預(yù)測優(yōu)化模型。

水質(zhì)預(yù)測模型：水質(zhì)預(yù)測是在多元監(jiān)測數(shù)據(jù)與水質(zhì)參數(shù)間建立相應(yīng)的映射關(guān)系[14]。一部分通過概率法、多元回歸法及指數(shù)法等方法建立線性模型進(jìn)行預(yù)測，預(yù)測計算量較大、精度較差;另一部分以人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型為代表，具有較強(qiáng)的非線性映射能力、學(xué)習(xí)能力和容錯性，以應(yīng)用于水資源與環(huán)境工程領(lǐng)域中[15-16]。水務(wù)行業(yè)主要對給水、排水兩個部分的檢測數(shù)據(jù)、歷史數(shù)據(jù)、過程數(shù)據(jù)等進(jìn)行分析挖掘，構(gòu)建給水水質(zhì)預(yù)測分析模型、排水水質(zhì)預(yù)測分析模型。對給水、排水水質(zhì)進(jìn)行精準(zhǔn)預(yù)測，為水廠運(yùn)營提供參考。具體步驟為：

（1）根據(jù)歷史數(shù)據(jù)搭建深度神經(jīng)網(wǎng)絡(luò)模型;

（2）采集實(shí)時數(shù)據(jù)，包含給水?dāng)?shù)據(jù)、排水?dāng)?shù)據(jù)以及環(huán)境數(shù)據(jù)，對該類數(shù)據(jù)進(jìn)行數(shù)據(jù)治理、數(shù)據(jù)清洗，將數(shù)據(jù)治理后的實(shí)時數(shù)據(jù)輸入至給水水質(zhì)預(yù)測模型、排水水質(zhì)預(yù)測模型，模型分別輸出給水水質(zhì)預(yù)測與排水水質(zhì)預(yù)測，輸出成果為基于現(xiàn)有給水、排水流程條件下給水、排水水質(zhì)預(yù)測算法分析模型。

在工藝流程不變的情況下，該算法模型能夠?qū)崟r預(yù)測給水、排水水質(zhì)情況等關(guān)鍵參數(shù)，進(jìn)而提供水廠運(yùn)營決策。

污水處理故障診斷模型：污水處理過程是非常復(fù)雜的生化反應(yīng)，一旦發(fā)生故障容易引起出水水質(zhì)不達(dá)標(biāo)、運(yùn)行費(fèi)用增高和環(huán)境二次污染等嚴(yán)重問題[17]，并且故障與故障間可能存在相互關(guān)聯(lián)，易產(chǎn)生鏈?zhǔn)椒磻?yīng)，因此建立適應(yīng)性更強(qiáng)、全污水廠逐級分布式故障診斷系統(tǒng)是一個可行的研究方向[18]。

設(shè)備健康管理：采集設(shè)備數(shù)據(jù)，實(shí)時獲取設(shè)備運(yùn)行狀態(tài)、設(shè)備關(guān)鍵參數(shù)等信息，通過提供分析預(yù)測工具，進(jìn)行動態(tài)監(jiān)測、異常預(yù)警與故障預(yù)測，提高設(shè)備整體健康狀況的可見性。目前對機(jī)械設(shè)備的健康管理仍然存在故障診斷方法有限、智能診斷系統(tǒng)薄弱等問題，未來機(jī)械設(shè)備健康管理的智能化轉(zhuǎn)型必將由深度學(xué)習(xí)推動[19]。

管網(wǎng)漏損預(yù)測模型：管網(wǎng)漏損嚴(yán)重影響企業(yè)經(jīng)濟(jì)效益，預(yù)測模型可將管網(wǎng)的漏損問題由被動發(fā)現(xiàn)轉(zhuǎn)化為主動預(yù)防，為解決供水管網(wǎng)漏損研究提供新的思路[20]。根據(jù)實(shí)際供水?dāng)?shù)據(jù)、有效供水?dāng)?shù)據(jù)、管網(wǎng)狀態(tài)數(shù)據(jù)以及檢驗(yàn)數(shù)據(jù)，通過多種機(jī)器學(xué)習(xí)方法深入挖掘數(shù)據(jù)相關(guān)性，找出管網(wǎng)漏損規(guī)律，深入分析各個關(guān)鍵環(huán)節(jié)對應(yīng)的漏損影響，結(jié)合專家經(jīng)驗(yàn)，通過神經(jīng)網(wǎng)絡(luò)算法，建立管網(wǎng)漏損預(yù)測模型，實(shí)現(xiàn)管網(wǎng)漏損時間預(yù)測，為保養(yǎng)維護(hù)提供依據(jù)，達(dá)到降低管網(wǎng)漏損率的目標(biāo)。

供水與用水需求預(yù)測優(yōu)化模型：城市用水需求受到社會諸多因素的影響，其時間序列具有明顯的趨勢性和隨機(jī)性[21]。根據(jù)歷史供水?dāng)?shù)據(jù)、歷史用水?dāng)?shù)據(jù)、氣候數(shù)據(jù)、企業(yè)個人畫像數(shù)據(jù)、管線水壓等數(shù)據(jù)，通過多種機(jī)器學(xué)習(xí)方法深入挖掘數(shù)據(jù)相關(guān)性，找出供水用水規(guī)律，結(jié)合專家經(jīng)驗(yàn)，建立供水用水預(yù)測模型，實(shí)現(xiàn)預(yù)測供水，為調(diào)度優(yōu)化提供依據(jù)，從而降低能耗，提高用戶滿意度。

4 智慧水務(wù)平臺發(fā)展戰(zhàn)略

隨著信息時代的到來，智慧水務(wù)的意義日益凸顯，要從被動支撐水務(wù)管理轉(zhuǎn)變成融入水務(wù)管理乃至主動引領(lǐng)水務(wù)管理，分別從水務(wù)機(jī)構(gòu)設(shè)置、突發(fā)事件應(yīng)急響應(yīng)以及科學(xué)決策支持角度，充分發(fā)揮智慧水務(wù)的優(yōu)勢，由被動服務(wù)變?yōu)橹鲃臃?wù)[22]。

通過智慧水務(wù)平臺實(shí)現(xiàn)海量數(shù)據(jù)的匯聚、存儲、整合與共享，實(shí)現(xiàn)TB級別的數(shù)據(jù)挖掘分析。通過構(gòu)造的水務(wù)數(shù)據(jù)模型，驅(qū)動生產(chǎn)過程由自動化向智能化轉(zhuǎn)變，實(shí)現(xiàn)智能化生產(chǎn)。

5 效益分析

5.1 社會效益分析

通過智慧水務(wù)大數(shù)據(jù)平臺，提升城市運(yùn)營效率;參與建設(shè)城市安全與應(yīng)急體系，完善水務(wù)應(yīng)急體系，切實(shí)保證公共安全;服務(wù)民生，保證水質(zhì)安全，提供優(yōu)質(zhì)服務(wù)，提升客戶滿意度水平。

5.2 經(jīng)濟(jì)效益分析

信息化建設(shè)的基本作用是提高建設(shè)單位的工作效率，降低管理成本[23]。經(jīng)過對水務(wù)信息資源的梳理形成本地水務(wù)數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范，形成水務(wù)數(shù)據(jù)專題庫。借助相關(guān)模型算法，大幅提升資源利用率，降低漏損率、電耗及藥耗。

6 結(jié) 語

智慧水務(wù)是水務(wù)信息化的高級階段，其核心思想是運(yùn)用新一代信息技術(shù)實(shí)時感知水務(wù)狀態(tài)，采集水務(wù)信息，并進(jìn)行實(shí)時分析與挖掘，以更加精細(xì)、動態(tài)的方式管理水務(wù)生產(chǎn)、服務(wù)流程，以提升城市水務(wù)管理與服務(wù)水平。本文基于智慧水務(wù)生產(chǎn)運(yùn)營大數(shù)據(jù)平臺實(shí)施工作，對平臺的實(shí)施路徑、功能、效益進(jìn)行分析，為水務(wù)平臺建設(shè)提供參考。

參 考 文 獻(xiàn)

[1]張維明，馬名楠.供水行業(yè)信息化管理調(diào)研報告及分析[J].中國給水排水，2016 （24）：54-58.

[2]張凱旋.淺析大數(shù)據(jù)平臺在水務(wù)行業(yè)中的應(yīng)用[J].凈水技術(shù)，2018，37（（z1）：267-270.

[3]謝麗芳，邵煜，馬琦，等.國內(nèi)外智慧水務(wù)信息化建設(shè)與發(fā)展[J].給水排水，2018，11（44）：135-139.

[4]劉江麗.深圳水務(wù)集團(tuán)：NB-IoT加速智慧水務(wù)變革[J].中國建設(shè)信息化，2018（3）：46-47.

[5] OSIsoft.Smart water： saving millions and cutting energy by combining IT and OT with the PIsystem[EB/OL].[2016-02-18].https：//www.osisoft.com/pi-system/case-studies-and-testimonials/all-case studies/ThamesWaterEMEA2016/.

[6]高維娜，楊旭升.智慧水務(wù)新構(gòu)想[J].物聯(lián)網(wǎng)技術(shù)，2016，6（6）：91-92.

[7]胡傳廉.從“數(shù)字水務(wù)”奔向“智慧水網(wǎng)”[J].長江技術(shù)經(jīng)濟(jì)，2018（3）：76-77.

[8]常亞林.智慧水務(wù)大數(shù)據(jù)平臺建設(shè)[J].科技風(fēng)，2018（6）：82-85.

[9]張群.大數(shù)據(jù)標(biāo)準(zhǔn)化現(xiàn)狀及標(biāo)準(zhǔn)研制[J].信息技術(shù)與標(biāo)準(zhǔn)化，2015（7）：23-26.

[10]劉葉婷，唐斯斯.大數(shù)據(jù)對政府治理的影響及挑戰(zhàn)[J].電子政務(wù)，2014（6）：20-29.

[11]楊春紅.數(shù)據(jù)治理在數(shù)據(jù)質(zhì)量管理中的影響分析[J].電腦編程與技術(shù)維護(hù)，2018（12）：92-93.

[12]王麗君，周海濱，韓麗，等.信息化和標(biāo)準(zhǔn)化管理對病案質(zhì)量及DRGs入組率的影響分析 [J].中國醫(yī)療管理科學(xué)，2018，28（5）：24-27.

[13]胡翼笛.城市智慧水務(wù)發(fā)展戰(zhàn)略研究[J].城鎮(zhèn)供水，2017（z）：56-58.

[14]張穎，高倩倩.基于灰色模型和模糊神經(jīng)網(wǎng)絡(luò)的綜合水質(zhì)預(yù)測模型研究[J].環(huán)境工程學(xué)報，2015（2）：537-542.

[15]孫增圻，徐紅兵.基于 T-S 模型的模糊神經(jīng)網(wǎng)絡(luò)[J].清華大學(xué)學(xué)報（自然科學(xué)版），1997，37（3）：76-82.

[16] XU L Q ，LIU S Y.Study of short-term water quality prediction model based on wavelet neural network[J].Mathematical and computer modelling，2013，58（3/4）：807-813.

[17]胡俊剛，胡雪梅.城鎮(zhèn)污水處理廠運(yùn)營現(xiàn)狀及自動化控制的應(yīng)用[J].武漢理工大學(xué)學(xué)報，2002，11（24）：66-69.

[18]李云，蔣進(jìn)元，何連生，等.污水處理故障診斷方法的研究現(xiàn)狀及展望[J].給水排水，2017，10（43）：130-135.

[19]周奇才，沈鶴鴻，趙炯，等.基于深度學(xué)習(xí)的機(jī)械設(shè)備健康管理綜述與展望[J].現(xiàn)代機(jī)械，2018（4）：19-26.

[20]張宏偉，牛志廣，陳超，等.供水管道漏損預(yù)測模型研究[J].中國給水排水，2001（6）：7-9.

[21]吳丹，王士東，馬超.基于需求導(dǎo)向的城市水資源優(yōu)化配置模型[J].干旱區(qū)資源與環(huán)境，2016，30（2）：31-37.

[22]田雨，蔣云鐘，楊明祥.智慧水務(wù)建設(shè)的基礎(chǔ)及發(fā)展戰(zhàn)略研究[J].中國水利前研，2014（20）：14-17.

[23]張揚(yáng)，郝介江，谷守剛，等.天津水務(wù)集團(tuán)智慧水務(wù)建設(shè)構(gòu)想[J].海河水利，2017（7）：143-145.