大數(shù)據(jù)平臺在水務行業(yè)的探索與應用

張軍 白帆 重慶遠通電子技術(shù)開發(fā)有限公司

1. 前言

隨著全球云計算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等新一輪信息技術(shù)迅速發(fā)展和深入應用，城市信息化發(fā)展正醞釀著重大變革和新的突破，由對象、過程數(shù)字化為主要特征的數(shù)字化城市向智慧化發(fā)展已成為必然趨勢。

現(xiàn)各個水務行業(yè)在建設(shè)模式上，目前基于傳統(tǒng)架構(gòu)的分散建設(shè)模式，存在基礎(chǔ)設(shè)施建設(shè)冗余、重復投資、利用效率低、整合共享難等問題。在業(yè)務支撐上，沒有形成強大統(tǒng)一的數(shù)據(jù)計算能力，在遇到業(yè)務高峰、復雜運算，響應速度慢甚至無響應，制約了智慧化業(yè)務的應用。在數(shù)據(jù)管理上，對于音視頻、圖像，物聯(lián)網(wǎng)等新型數(shù)據(jù)以及日常業(yè)務產(chǎn)生的零散信息、碎片數(shù)據(jù)，現(xiàn)有架構(gòu)無法高效匯集存儲，且擴展性差、擴容成本高，無法滿足業(yè)務需求。

為解決上述問題，建設(shè)基于云計算技術(shù)的大數(shù)據(jù)平臺已勢在必行。從國家戰(zhàn)略層面看，國家和各省先后出臺了大數(shù)據(jù)發(fā)展綱要及行動計劃，大數(shù)據(jù)已經(jīng)滲透到社會各領(lǐng)域、政府各部門，水務集團需要搭建大數(shù)據(jù)平臺主動對接融入，切實提高智能化水平。從技術(shù)發(fā)展層面看，大數(shù)據(jù)收集存儲、分析處理等技術(shù)快速發(fā)展，正在變革著傳統(tǒng)的信息化建設(shè)途徑，也催生了更為強大、更為智能的信息化應用新模式，充分利用云計算、大數(shù)據(jù)等新技術(shù)為水務服務是緊跟社會信息化發(fā)展的必然選擇。

2. 建設(shè)目的

在生產(chǎn)管理上，通過大數(shù)據(jù)平臺，進一步優(yōu)化管理。一是根據(jù)自來水廠、加壓站、調(diào)節(jié)池水位、管網(wǎng)壓力等基礎(chǔ)數(shù)據(jù)信息，進行數(shù)據(jù)分析與挖掘，建立模型深度學習，精準預測，科學調(diào)度，從而降低漏損率和實現(xiàn)優(yōu)質(zhì)供水。二是對污水處理廠各個關(guān)鍵設(shè)備的振動、速度、溫度等指標的監(jiān)測和海量數(shù)據(jù)進行分析，對工藝和設(shè)備故障進行診斷，對出水水質(zhì)進行預測分析，加強應急處理，從而保障水質(zhì)達標排放，實現(xiàn)節(jié)能降耗的目的。運用大數(shù)據(jù)平臺，實現(xiàn)生產(chǎn)管理精細化，實現(xiàn)降本增效，防范安全風險，進一步提升管理水平。

在為民服務方面，運用大數(shù)據(jù)分析，實現(xiàn)為民精準服務。建立數(shù)據(jù)交換中心，對管網(wǎng)地理系統(tǒng)（GIS）、客戶服務系統(tǒng)、便民服務系統(tǒng)、供水營銷系統(tǒng)等數(shù)據(jù)抓取，進行數(shù)據(jù)清洗，針對用戶需求，實現(xiàn)精準服務，提升用戶滿意度。

在公司治理方面，以水廠為基本單元，建立包括但不限于水質(zhì)、水量、電耗、藥耗、漏損率、客服滿意率等指標的KPI考核體系。同時，對生產(chǎn)管理中重難點，在大數(shù)據(jù)基礎(chǔ)上，建立數(shù)據(jù)模型，充分利用人工智能，為生產(chǎn)運營作指導，為領(lǐng)導決策服務，實現(xiàn)公司治理現(xiàn)代化。

3. 建設(shè)內(nèi)容

3.1 大數(shù)據(jù)標準體系建設(shè)

建立水務大數(shù)據(jù)數(shù)據(jù)標準、流程、技術(shù)架構(gòu)。對公司數(shù)據(jù)資源進行梳理和分析，用于指引和指導數(shù)據(jù)資源的生產(chǎn)和加工、數(shù)據(jù)倉庫的建設(shè)、數(shù)據(jù)的分析挖掘和利用等，為KPI指標體系和決策支持體系提供服務。

3.2 大數(shù)據(jù)基礎(chǔ)平臺建設(shè)

大數(shù)據(jù)平臺搭建包括集群的搭建和大數(shù)據(jù)管理及應用軟件的搭建。集群搭建需根據(jù)自身業(yè)務數(shù)據(jù)的增長需求及大數(shù)據(jù)平臺構(gòu)建數(shù)據(jù)集群的基本需要，對大數(shù)據(jù)平臺進行設(shè)備選型及采購，以實現(xiàn)大數(shù)據(jù)平臺的硬件要求。

3.3 數(shù)據(jù)來源及采集

大數(shù)據(jù)平臺最重要的就是數(shù)據(jù)來源，水務大數(shù)據(jù)平臺數(shù)據(jù)來源及數(shù)據(jù)采集類型主要包括結(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)三大類，包括但不限于：生產(chǎn)類數(shù)據(jù)、管網(wǎng)類數(shù)據(jù)、營銷類數(shù)據(jù)、安全類數(shù)據(jù)、水質(zhì)類數(shù)據(jù)、客服服務類數(shù)據(jù)。數(shù)據(jù)采集將建立統(tǒng)一采集平臺，依托大數(shù)據(jù)數(shù)據(jù)處理工具對數(shù)據(jù)進行采集、存儲等工作。

3.4 數(shù)據(jù)處理與治理

集成集團下屬給排水廠生產(chǎn)運營監(jiān)控數(shù)據(jù)，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)行等方法對數(shù)據(jù)庫的負荷較大，嚴重影響平臺的展示效果，需使用專業(yè)的ETL和Quartz工具對元數(shù)據(jù)進行提取、轉(zhuǎn)換、清洗和加載、完全集成的關(guān)系和維度建模、數(shù)據(jù)質(zhì)量、數(shù)據(jù)審計，以及數(shù)據(jù)和元數(shù)據(jù)的整個生命周期的管理。

3.5 算法與模型分析

基于水務大數(shù)據(jù)平臺，優(yōu)化供水管網(wǎng)監(jiān)測預警，建立水質(zhì)預測模型、建立污水處理故障診斷模型、設(shè)備健康管理、管網(wǎng)漏損預測模型、供水用水需求預測優(yōu)化模型。

水質(zhì)預測模型：對給水、排水兩個部分檢測數(shù)據(jù)、歷史數(shù)據(jù)、過程數(shù)據(jù)等進行分析挖掘，構(gòu)建給水水質(zhì)預測分析模型、排水水質(zhì)預測分析模型。對給水、排水水質(zhì)進行精準預測，為自來水水廠運營提供參考。具體步驟：根據(jù)歷史數(shù)據(jù)搭建深度神經(jīng)網(wǎng)絡模型；采集實時數(shù)據(jù)，包含給水數(shù)據(jù)、排水數(shù)據(jù)以及環(huán)境數(shù)據(jù)。對該類數(shù)據(jù)進行數(shù)據(jù)治理，數(shù)據(jù)清洗，將數(shù)據(jù)治理后的實時數(shù)據(jù)分別輸入至給水水質(zhì)預測模型、排水水質(zhì)預測模型，模型分別輸出給水水質(zhì)預測與排水水質(zhì)預測。在工藝流程不變的情況下，算法模型能夠?qū)崟r預測給水、排水水質(zhì)情況等關(guān)鍵參數(shù)，進而提供給水廠運營決策，指導給排水策略制定。。

污水處理故障診斷模型：利用現(xiàn)有的一些污水處理方面的數(shù)學模型或模擬軟件對污水處理廠的運行工況進行診斷并提出優(yōu)化方案的方法。該方法通過模擬能同時實現(xiàn)診斷與優(yōu)化。這類方法對操作人員專業(yè)水平要求較高，過程較復雜，但是診斷和優(yōu)化方案比較精確高效。

設(shè)備健康管理：分析采集的設(shè)備數(shù)據(jù)與常規(guī)數(shù)據(jù)，實時獲取設(shè)備運行狀態(tài)，設(shè)備關(guān)鍵參數(shù)等信息，通過提供一系列分析預測工具，進行動態(tài)監(jiān)測、早期異常預警與故障預測，提高設(shè)備整體健康狀況的可見性。

管網(wǎng)漏損預測模型：在保證原有供水流程的前提下，降低管網(wǎng)漏損率。根據(jù)實際供水數(shù)據(jù)、有效供水數(shù)據(jù)、管網(wǎng)狀態(tài)數(shù)據(jù)以及檢驗數(shù)據(jù)，通過多種機器學習方法深入挖掘數(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)對應的漏損影響，結(jié)合專家經(jīng)驗，通過神經(jīng)網(wǎng)絡算法，建立管網(wǎng)漏損預測模型，實現(xiàn)預測管網(wǎng)漏損時間，為保養(yǎng)維護提供依據(jù)，達到降低管網(wǎng)漏損率目標。

供水與用水需求預測優(yōu)化模型：在保證原有調(diào)度系統(tǒng)的前提下，提供供水預測、用水需求預測，提供調(diào)度優(yōu)化建議降低能耗，提升用戶體驗。根據(jù)歷史供水數(shù)據(jù)、歷史用水數(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)，通過多種機器學習方法深入挖掘數(shù)據(jù)相關(guān)性，找出供水用水規(guī)律，結(jié)合專家經(jīng)驗，建立供水用水預測模型，實現(xiàn)預測供水、用水需求，為調(diào)度優(yōu)化提供依據(jù)，達到降低能耗，提供用戶滿意度。

3.6 大數(shù)據(jù)決策支持平臺

建立大數(shù)據(jù)決策支持平臺，整合集團下屬的所有給排水單位的生產(chǎn)運營數(shù)據(jù)為一體進行統(tǒng)一展示和分析。形成對供水企業(yè)從水源、制水、出廠、管網(wǎng)到用戶的安全生產(chǎn)、水質(zhì)安全、運營情況以及排水企業(yè)的管網(wǎng)、進水、出水等生產(chǎn)運營的全面監(jiān)控，提供預警報警、應急調(diào)度預案、決策分析、報表等功能，對模型進行調(diào)用，并考慮大屏顯示和操作的方便，實現(xiàn)平臺直觀、美觀、全面的監(jiān)控和便捷的操作展示。對展示的決策平臺進行全方面的運行監(jiān)控和實現(xiàn)模塊化修改配置以及報警設(shè)置、信息推送、定時任務等基礎(chǔ)配置功能。

4. 結(jié)語

就目前國內(nèi)大數(shù)據(jù)應用而言，大數(shù)據(jù)作為一種新技術(shù)主要應用于金融行業(yè)、互聯(lián)網(wǎng)行業(yè)、制造業(yè)等行業(yè)，水務行業(yè)大數(shù)據(jù)的應用示例還較少，目前各水務的大數(shù)據(jù)應用也處于探索與逐步應用階段。但通過對大數(shù)據(jù)平臺的不斷應用與深度學習，以及對算法模型的不斷優(yōu)化，定能對生產(chǎn)管理提供預測性指標意見，逐步輔助和優(yōu)化改善生產(chǎn)工藝，精準預測，科學調(diào)度，從而降低漏損率和實現(xiàn)優(yōu)質(zhì)供水；通過對污水工藝和設(shè)備故障進行診斷，對出水水質(zhì)進行預測分析，加強應急處理，從而保障水質(zhì)達標排放，實現(xiàn)節(jié)能降耗的目的。