智慧水務生產運營大數據平臺新構想

熊建功 沈秀紅

摘 要：針對傳統水務行業生產運營數據深度挖掘分析能力不足，存在信息孤島的問題，提出基于智慧水務生產運營大數據平臺新構想。以生存運營系統的海量業務數據為依據，充分分析業務數據背后的價值信息，實現及時應對工藝故障、設備故障、水質問題等突發情況，為用戶、政府部門主動服務，為領導提供科學決策。在此基礎上實現企業保證水質安全，提供優質服務的社會效益及降低電耗、藥耗的經濟效益。

關鍵詞：智慧水務;大數據平臺;運營系統;工藝故障;設備故障;效益

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

0 引 言

隨著大數據、物聯網新一代技術日新月異，建設水務大數據平臺的新構思日趨成熟。目前，我國部分省市水務企業已采用數字化管理模式，建立了專用網絡，實現了水質全過程監測。企業內部通過OA系統、SCDA系統等實現了數字化辦公，提高了辦事效率，但系統間相對獨立，不能共享信息，無法深度挖掘與分析數據[1]。數據的統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，造成了企業現有信息資源的浪費，決策者缺少有效的數據支持，導致決策缺乏科學依據[2]，因此水務行業建立智慧水務大數據平臺勢在必行。

1 國內外智慧水務建設

國外大部分水務公司信息化從早期無紙化辦公發展到運營管理信息化，經歷了建立水務系統信息化基礎、完善信息化數據、實現信息化應用模塊、融合數據一體化調度平臺的發展過程[3]。國內水務公司也積極發展智慧水務。例如，重慶水務集團2017年制定、啟動了信息化規劃，計劃在未來5～10年，運用云計算、大數據、物聯網、人工智能等新技術，與供排水行業進行深度融合，打造真正的智慧型水務;深圳水務集團以NB-IoT智慧抄表為突破口，積極推動智慧水務變革[4]。

國外水務公司一直重視生產運營數據的分析與應用，水力模型、水質模型的應用較早、較普遍[5]，目前已延伸到預測用戶水量，主動服務用戶。例如，Vitens公司通過智慧水務系統能夠在2 min內識別爆管事件;英國聯合水務能夠預測第二天的用水量。

2 水務生產運營大數據平臺實施路徑

智慧水務生產運營大數據平臺實施路徑分為全面感知、主動服務、科學決策、自動控制、及時應對，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、視頻設備等實現對取水、制水、送水、排水等過程的全面感知，系統通過信息識別、信息感知、位置定位、通信技術進行處理[6]，實現常規監測與應急監測[7]。

主動服務：向水務公司提供生產、運維的主動服務;向政府主動推送與發布停水等重要信息;向管網維護人員等主動推送通知;向熱線人員主動發送停水、爆管、管網檢修等信息，以解決用戶投訴;向用戶推送水務賬單，以引導用戶需求。

科學決策：對原水、取水與送水、水廠制水、水廠配水、加壓泵站、排水、污水處理等業務的全生命周期環節提供仿真、診斷、預報、調度、控制等方面的科學決策。

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進行優化處理，集中控制。

及時應對：及早發現工藝故障、設備故障、水質問題、爆管等突發情況，做好應對與處理。

3 大數據平臺內容

通過大數據平臺匯集整個生產經營過程，以實現數據的高效化與準確化[8]。大數據平臺為供排水企業的生產運營提供全面監控，提供預警報警、應急調度、決策分析功能。智慧水務大數據平臺主要包括基礎層、數據層、支撐層、主動決策支持與主動服務層。建設內容包括大數據標準體系、數據采集、數據處理與治理、算法模型，其框架如圖2所示。

3.1 大數據標準體系建設

大數據平臺標準針對大數據存儲、處理、分析系統，從技術架構、建設方案、平臺接口等方面進行規范，規范針對大數據產品和平臺給出測試方法與要求[9]，建立水務大數據標準、流程，對公司數據資源進行梳理與分析，用于指導數據資源的生產與加工、數據倉庫的建設、數據的分析挖掘與利用等，為KPI指標體系和決策支持體系提供服務。

3.2 數據采集

水務大數據平臺數據采集系統主要采集結構化數據、非結構化數據、半結構化數據，主要來源于生產運營數據（如生產數據采集平臺數據）、內部業務系統（如管網、SCADA、營銷系統、報裝系統、客服系統、視頻監控系統）、外部網站或第三方服務（如天氣網、水文網）。數據采集、存儲、整合是分析優化的前提和基礎。

3.3 數據治理

數據治理既是技術難題，也是管理難題[10]。在數據治理體系中，數據質量是最關鍵的工作，應以相應的規范與流程解決數據治理[11]，同時要以績效為導向，識別業務指標[12]，提高數據治理水平。另外，水務企業生產元數據多樣化且數據量較大，原始的公式計算、過程批量處理、定時器定時執行等致使數據庫負荷較大，嚴重影響平臺的展示效果，需使用專業的ETL及Quartz工具對元數據進行提取、轉換及加載，完全集成的關系與維度建模、數據質量、數據審計，以及主數據與元數據生命周期的管理。

3.4 算法與模型分析

實現水務智慧管理決策需利用數據模型[13]。基于水務大數據平臺，優化供水管網監測預警，建立水質預測模型，建立污水處理故障診斷模型、設備健康管理與管網漏損預測模型、供水用水需求預測優化模型。

水質預測模型：水質預測是在多元監測數據與水質參數間建立相應的映射關系[14]。一部分通過概率法、多元回歸法及指數法等方法建立線性模型進行預測，預測計算量較大、精度較差;另一部分以人工神經網絡預測模型為代表，具有較強的非線性映射能力、學習能力和容錯性，以應用于水資源與環境工程領域中[15-16]。水務行業主要對給水、排水兩個部分的檢測數據、歷史數據、過程數據等進行分析挖掘，構建給水水質預測分析模型、排水水質預測分析模型。對給水、排水水質進行精準預測，為水廠運營提供參考。具體步驟為：

（1）根據歷史數據搭建深度神經網絡模型;

（2）采集實時數據，包含給水數據、排水數據以及環境數據，對該類數據進行數據治理、數據清洗，將數據治理后的實時數據輸入至給水水質預測模型、排水水質預測模型，模型分別輸出給水水質預測與排水水質預測，輸出成果為基于現有給水、排水流程條件下給水、排水水質預測算法分析模型。

在工藝流程不變的情況下，該算法模型能夠實時預測給水、排水水質情況等關鍵參數，進而提供水廠運營決策。

污水處理故障診斷模型：污水處理過程是非常復雜的生化反應，一旦發生故障容易引起出水水質不達標、運行費用增高和環境二次污染等嚴重問題[17]，并且故障與故障間可能存在相互關聯，易產生鏈式反應，因此建立適應性更強、全污水廠逐級分布式故障診斷系統是一個可行的研究方向[18]。

設備健康管理：采集設備數據，實時獲取設備運行狀態、設備關鍵參數等信息，通過提供分析預測工具，進行動態監測、異常預警與故障預測，提高設備整體健康狀況的可見性。目前對機械設備的健康管理仍然存在故障診斷方法有限、智能診斷系統薄弱等問題，未來機械設備健康管理的智能化轉型必將由深度學習推動[19]。

管網漏損預測模型：管網漏損嚴重影響企業經濟效益，預測模型可將管網的漏損問題由被動發現轉化為主動預防，為解決供水管網漏損研究提供新的思路[20]。根據實際供水數據、有效供水數據、管網狀態數據以及檢驗數據，通過多種機器學習方法深入挖掘數據相關性，找出管網漏損規律，深入分析各個關鍵環節對應的漏損影響，結合專家經驗，通過神經網絡算法，建立管網漏損預測模型，實現管網漏損時間預測，為保養維護提供依據，達到降低管網漏損率的目標。

供水與用水需求預測優化模型：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性[21]。根據歷史供水數據、歷史用水數據、氣候數據、企業個人畫像數據、管線水壓等數據，通過多種機器學習方法深入挖掘數據相關性，找出供水用水規律，結合專家經驗，建立供水用水預測模型，實現預測供水，為調度優化提供依據，從而降低能耗，提高用戶滿意度。

4 智慧水務平臺發展戰略

隨著信息時代的到來，智慧水務的意義日益凸顯，要從被動支撐水務管理轉變成融入水務管理乃至主動引領水務管理，分別從水務機構設置、突發事件應急響應以及科學決策支持角度，充分發揮智慧水務的優勢，由被動服務變為主動服務[22]。

通過智慧水務平臺實現海量數據的匯聚、存儲、整合與共享，實現TB級別的數據挖掘分析。通過構造的水務數據模型，驅動生產過程由自動化向智能化轉變，實現智能化生產。

5 效益分析

5.1 社會效益分析

通過智慧水務大數據平臺，提升城市運營效率;參與建設城市安全與應急體系，完善水務應急體系，切實保證公共安全;服務民生，保證水質安全，提供優質服務，提升客戶滿意度水平。

5.2 經濟效益分析

信息化建設的基本作用是提高建設單位的工作效率，降低管理成本[23]。經過對水務信息資源的梳理形成本地水務數據標準規范，形成水務數據專題庫。借助相關模型算法，大幅提升資源利用率，降低漏損率、電耗及藥耗。

6 結 語

智慧水務是水務信息化的高級階段，其核心思想是運用新一代信息技術實時感知水務狀態，采集水務信息，并進行實時分析與挖掘，以更加精細、動態的方式管理水務生產、服務流程，以提升城市水務管理與服務水平。本文基于智慧水務生產運營大數據平臺實施工作，對平臺的實施路徑、功能、效益進行分析，為水務平臺建設提供參考。

參 考 文 獻

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

[2]張凱旋.淺析大數據平臺在水務行業中的應用[J].凈水技術，2018，37（（z1）：267-270.

[3]謝麗芳，邵煜，馬琦，等.國內外智慧水務信息化建設與發展[J].給水排水，2018，11（44）：135-139.

[4]劉江麗.深圳水務集團：NB-IoT加速智慧水務變革[J].中國建設信息化，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.智慧水務新構想[J].物聯網技術，2016，6（6）：91-92.

[7]胡傳廉.從“數字水務”奔向“智慧水網”[J].長江技術經濟，2018（3）：76-77.

[8]常亞林.智慧水務大數據平臺建設[J].科技風，2018（6）：82-85.

[9]張群.大數據標準化現狀及標準研制[J].信息技術與標準化，2015（7）：23-26.

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

[11]楊春紅.數據治理在數據質量管理中的影響分析[J].電腦編程與技術維護，2018（12）：92-93.

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

[13]胡翼笛.城市智慧水務發展戰略研究[J].城鎮供水，2017（z）：56-58.

[14]張穎，高倩倩.基于灰色模型和模糊神經網絡的綜合水質預測模型研究[J].環境工程學報，2015（2）：537-542.

[15]孫增圻，徐紅兵.基于 T-S 模型的模糊神經網絡[J].清華大學學報（自然科學版），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.城鎮污水處理廠運營現狀及自動化控制的應用[J].武漢理工大學學報，2002，11（24）：66-69.

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

[19]周奇才，沈鶴鴻，趙炯，等.基于深度學習的機械設備健康管理綜述與展望[J].現代機械，2018（4）：19-26.

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

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

[22]田雨，蔣云鐘，楊明祥.智慧水務建設的基礎及發展戰略研究[J].中國水利前研，2014（20）：14-17.

[23]張揚，郝介江，谷守剛，等.天津水務集團智慧水務建設構想[J].海河水利，2017（7）：143-145.