基于大數據平臺下的表務管理

翁正科 陳志靈

(1.深圳市東深電子股份有限公司，廣東 深圳 518057； 2.寧夏水投科技有限公司，寧夏 銀川 750002)

1 關于大數據

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》定義大數據是指不用隨機分析法(抽樣調查)這樣捷徑，而采用所有數據進行分析處理。IBM提出大數據的5V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(低價值密度)、Veracity(真實性)。

2 大數據對水務企業作用

大數據的低價值密度這一重要屬性決定了大數據的處理分析必須依托在巨量的數據采集和高頻的數據計算處理，與此同時，物聯網、云計算這兩項現代技術的快速發展及應用為建設大數據平臺創造了絕佳條件，也為當今水務企業表務管理奠定了良好的技術基礎，讓水務大數據平臺建設成為可能。水務企業很早以前提出的感知內容全覆蓋、采集信息全掌握、傳輸時間全天候、應用貫穿全過程的設想成為可能，指導水務企業以更加精準和動態的方式對表務管理工作進行規劃、設計和管理，改善了企業與用戶的關系，提高了企業對水量管理和利用的明確性、高效性、靈活性和有效性。促進水務企業由經驗管理到決策管理、由粗放管理到精細管理、由被動管理向主動管理、由靜態管理向動態管理、由條塊管理向協同管理、由傳統管理向現代管理的轉變提供全方位的科技支撐。

3 當前水務公司表務管理現狀

水務行業水表按公稱口徑通常分為小口徑水表和大口徑水表。公稱口徑40 mm及以下的水表通常稱為小口徑水表，一般占比為98%～99%，供水量占比35%以下，公稱口徑50 mm及以上的水表稱為大口徑水表。占比1%～2%，供水量占比65%以上。以筆者工作過的某中型水務企業為例，企業供水服務人口約100萬，包含各類型企業，平均日供水量45萬t，當前使用中的大口徑水表有1 610塊，水量占比在70%左右，小口徑水表125 000塊，水量占比在30%左右，詳細情況如表1所示。

以當前該城市發展速度，預計接下來10年中，大量高層住宅用戶會接入戶表，每年會有超過15 000塊新表納入表務管理。而根據國家質量技術監督局JJG 162—2009(冷水水表檢定規程)，水表檢定更換周期表如表2所示。

表1 各口徑水表數量統計

表2 水表檢定更換周期表

數量龐大的表務資產需要統籌管理，除每月正常抄表工作之外，還要對水表的檢定更換，同時為了減少因水表計量問題造成的水量計量偏差，還要求水業公司各營業中心對計量水量波動情況進行統計，尤其是對大口徑水表，根據統計數據制定相應的措施。為此制定了水量及幅度波動預警如表3所示。

表3 水量及幅度波動預警

按企業正常的表務管理流程，各營業中心按月查抄各個水表數據，進行統計分析，同時處理水量及幅度波動數據，對異常的數據進行分析，及時發現因水表問題造成計量問題。水表檢定中心按歷史臺賬及各營業中心的數據對相關的水表進行檢定和更換。

但是數量如此之大的表務數據，每個月都有新表納入表務管理，除了新建的住宅小區是使用的普通遠傳水表外，大部分還是采用人工抄表模式，每個月十幾萬條抄表數據，同時處理水量及幅度波動數據，大量水表檢定更換數據。逐漸出現這樣的現象：所有的工作都是人在干，要干的活沒有減少；所有的事情都是人在想，要想的事情越來越復雜；所有的事情都是人在做，決策越來越難做；所有的數據還是人在看，數據已經看不過來。依靠原始的人工處理方式，難以對如此數量的低價值密度進行有效的分析處理，企業生產經營統計分析所需要的數據不能及時準確的獲取，也對企業戰略制定形成制約。

4 大數據平臺在水務企業的應用

針對當前水務公司表務管理現狀，水務企業通過建設水務大數據平臺，可完成表務大數據采集，采集到的數據種類多樣、數據量大、變化快；大數據挖掘專用技術專業化，通過對技術進行封裝，對業務分析人員提供更容易使用的WEB頁面，提供友好的圖形交互操作，輕松完成挖掘任務的創建與運行。針對不同的挖掘結果，提供一目了然的圖形呈現方式；大數據分析，從數據整合、打通、檢索、實時查詢、數據分析到可視化展示，大數據平臺可以完成和實現所有的數據處理環節，大數據分析針對水務企業的困擾給出大數據分析解決方案，真正挖掘企業中的沉淀數據資產，凸顯并激發數據最大的價值；大數據調度，分解數據處理計算任務，任務執行之間能夠互相依賴,前置任務失敗,后續依賴任務不執行，并行執行任務,縮短執行時間，定時觸發計算任務；并提供有詳細的、清晰的調度日志記錄。

在終端數據采集采用基于LoRa或者NB-IoT技術的智能水表，實現對表務數據的實時采集，水表狀態的實時感知。終端采集的所有數據和水表的屬性數據通過大數據平臺進行實時的分析處理，做出相應的處理結果與輔助決策建議，對水量信息異常做出相應的提醒預警，制定相應的措施計劃，對水表狀態進行實時感知，制定水表檢定更換計劃，實現水務企業表務管理由被動向主動轉變，更具有科學性和針對性，通過大數據平臺實現問題溯源，智慧決策。

通過大數據平臺，可以更直觀、及時、便捷的監控所有戶表狀態，針對戶表狀態做出預防性的維護和保養，設備管理無紙化，合理優化庫存，水表檢定更換任務零遺漏，更準確的掌握數據資產，以實現表務資產的全生命周期管理。

通過建立動態數學模型，利用數據挖掘等技術，實現表務大數據分析和可視化。基于各類結構化數據和非結構化數據的分析，實現用戶用水量變化圖、區域用水量變化圖等多維角度的展示，提供從數據源到挖掘模型的圖形化創建及維護流程，只需理解SQL就能完成專業化的挖掘業務，大大降低了使用門檻。且通過分布式系統，使數據的處理能力超出了單機的范圍。

通過數學模型的建立可以達到包括但不限于以下目標：

1)漏損計算。

通過數學模型可以基于實時和歷史數據分析進行包括輸水管網和配水管網的漏損計算，尤其實時漏水分析將基于水表、壓力計、閥門等的實時數據、管網地圖，實時計算漏水情況，尤其對于爆管等應急情況，根據管網特性和流量進行漏損初步定位，并計算出漏水量。

DMA(分區裝表計量)是配水管網的組成部分，其邊界既可以是流量儀監控或由關閉閥門進行隔離。對于已建立了DMA的配水管網，WMS通過配水管網漏損計算模塊進行計算，既可以實時計算配水管網漏損量，也可以分析配水管網的產銷差。

2)主動漏損控制。

利用GIS地圖、水表等計量漏水監測數據、模型仿真數據等，以直觀的方式展現漏水情況，地圖顯示漏水區域，計算并顯示每小時漏水量曲線，漏水發生時間，漏點數量等信息。

通過對完善的漏水分析計算方法，對可疑的漏水區域進行定位和漏水量計算，按照重要等級設置優先級，并提供工具編制檢漏計劃，安排相關檢漏人員對現場進行勘察和維護，并對檢漏之后的效果進行評估，反饋到漏水管理系統中，對檢漏效果進行績效評價。

集成人工檢漏數據，在系統提示的漏水區域基礎上，管理人工確認漏點數量、維修后的漏點數量、節水量估算、人工檢漏方法等，并對每次檢漏、漏水區域維護后的漏水情況進行評估，使漏水管理從漏水監測、漏水分析、漏水維修、維修績效評估、基礎設施改造計劃和投資管理，形成漏水管理的閉環控制。

3)區域用水量分析。

掌握用水量數據有助于了解漏損異常情況，便于計算漏損率，分析漏損與用水量直接的關系。漏損管理系統可以計算任意一個管理層級的用水量數據，并在曲線圖中展現，包括全水務公司用水量、管網所、一級分區、二級分區、DMA等。如果導入氣溫數據，還可以比對氣溫和用水量之間的關系。

5 結語

水務企業作為與城市中每個人的生活息息相關的重要民生企業，應抓住和利用好新一輪科技革命，在互聯網經濟發展大潮中適應新常態、建設新水務，推行問題導向，通過物聯網、云計算、大數據技術解決企業運營中出現的問題，從根本上推進水務企業信息化水平，全面提升服務水平和企業效益，積極改善企業與用戶的關系。當前水務企業在表務管理方面，可結合適應企業實際情況，建設基于大數據的表務管理平臺。通過大數據平臺，將能很好的解決當前水務企業表務管理的問題。