多參數云傳感器系統在水質監測中的應用

汪衍輝 杜寶禎 姜浩 何劍海

摘要：針對飲用水管道中水質傳感器表面污垢導致無線傳感網絡檢測數據不準確的問題，設計了一種內置微型污垢監測器的多參數傳感器系統。通過測量管道中的薄層沉積物，估算污垢的厚度和類型，利用算法分析實現了預警、預測性維護和更高效的管理流程，并在供水網絡中實施為期兩個月的實驗驗證。實證結果表明，此方案魯棒性高、成本低，具有實用性。

關鍵詞：無線傳感網；污垢監測器；多參數傳感器；生物膜；交錯微電極；水資源管理

中圖分類號：

TP212；X853

文獻標志碼：A

水是地球上最常見的物質之一，水質標志著水體的物理、化學和生物的特性及其組成狀況。常規水質檢測方法有容量分析法、重量分析法、氣相色譜法和分光光度法等，因為需要定期采樣及受到實驗條件，操作技術等因素影響，檢測頻率低，導致監測數據缺少實時性和典型性。隨著科技發展，出現了多種先進的水質檢測方法。如熒光數據與神經網絡相結合，通過熒光光譜降維處理，預測飲用水消毒副產物[1]；利用離子色譜的電導率檢測自來水中的草甘膦、AMPA和其他目標離子[2]；固相萃取—自動進樣口硅化，氣相色譜/串聯質譜（IPS-GC-MS/MS）系統適用于環境樣品中藥物殘留的測定[3]。某些特定的情況下，地表水水體顏色通常會出現比較明顯的變化，綜合運用遙感檢測技術，可以實現對地表水水質的規范化和標準化檢測和管理[4]。城市飲用水分配基礎設施的日益老化帶來了嚴重的安全和維護問題。例如，寧波自2012—2020年，到達家庭用戶的水的比例從62.6%下降到58.6%，即水網的平均泄漏損失超過40%，造成極大的浪費。因此，管道泄漏檢測及定位是一項具有重大經濟、社會和環境效益的工作。管道泄漏檢測有多種方法[5-9]，間接測漏法因其成本低且檢測有效性高而得到廣泛應用。基于磁通等技術的探測法[10-11]，或在管外利用漏磁技術或超聲技術[11]等檢測方法，雖精度較高，但造價較昂貴。瞬變流動法檢測準確性、可靠性均較高，但對傳感器等配套軟件要求也較高[12-13]。基于負壓波的泄漏檢測定位方法[14-15]適用于突發的較大規模泄漏。由于供水管道復雜、檢測方法的經濟成本高或者算法本身存在局限性，供水管道的泄漏檢測主要采用低成本的管外間接式軟硬件結合的測漏方法，即基于泄漏聲信號處理的方法[16-18]。為滿足經濟快速發展的要求，對水質和泄漏檢測技術的實時性、精確性要求越來越高，物聯網技術的快速發展為研發實現水質參數實時快速檢測的傳感器提供了技術支持，目前常用的水質傳感器有氨氮傳感器和pH計等[5-6]。多參數水質檢測系統通過測量多種參數，可以準確實施對水質的綜合評價。但這些檢測方式主要依靠傳統水質傳感器的組合，價格高，結構復雜，尺寸大，難以廣泛應用。綜上，研制低成本、高靈敏度、準確、可靠、易于使用和集成的多參數電化學水質傳感成為新的發展趨勢。因此，本文設計了一種內置微型污垢監測器的多參數傳感器系統，將傳統的化學物理傳感器與新型阻抗傳感器相結合，監測管道內表面沉積物的厚度，將沉積物的相關數據上傳至云端，利用AI模型判斷沉積物類型，根據傳感器所在位置判斷污染源，利用系統能量收集單元實現傳感結點的自供能，使傳感結點能夠脫離電網安裝在遠程站點。

1 系統架構

無線傳感網絡架構中每個傳感結點實時測量水管內的6個參數：溫度、電導率、pH、壓力、流速和內表面的粘液厚度（圖1）。傳感結點具有多個模擬輸入和輸出接口，可以添加其他傳感器，如測量透過率、濁度、溶解氧、重金屬或余氯的光學和電化學傳感器。微控制器管理傳感結點，執行基本的傳感器校準和故障檢測。數據通過無線連接到云服務器，系統采用GSM/GPRS蜂窩網絡，能實現全域覆蓋，且數據傳輸安全。

云服務器使用阿里物聯網云，可以在網站或通過app在手機上顯示數據。服務器數據既可以發送給用戶用于監測，又可以傳輸到自動控制器用以激活執行器，如在管道退化或污染事件導致水質參數突然波動時自動關閉閥門，同時將該數據發送到數據分析單元。數據可以通過多種方式和多個級別的統計工具進行處理，并與其他補充來源提供的異構數據（如其它系統提供的數據）合并、關聯和比較，用于初始化和擬合描述細菌生長等模型，或者用于訓練機器學習模型，以實現管道的預測性維護，并優化涉及注入化學物質（如含氯化合物的消毒劑）的各種處理過程。

圖2中，傳感結點可安裝在主管道或分支管道（由于該產品原型測試時還未獲得安全許可，因此安裝在分支管道），用于控制外部電動閥的數字信號可實時開、關以保證水損失最小化和水安全，此處使用標準的1/2英寸管道電動球閥（SEV 3000，+5 V DC，在完全開啟—關閉周期中消耗25 mWh）。傳感結點可以通過電池供電，也可以通過能量收集系統從安裝在同一管道上的渦輪提取電能，實現結點的能量自主。渦輪安裝在傳感器下游，能最小化測量站點的水動力學擾動。

采樣周期的選擇與能量消耗密切相關，最小采樣周期為15 s，如果不需要實時反應，例行監測時采樣周期可以增加到幾個小時，因為傳感結點在不獲取數據時會切換到睡眠模式，從而顯著降低平均能量消耗。為了快速驗證，采樣周期為1 min。

2 系統采用的傳感器

2.1 粘液傳感器

本文設計的粘液傳感器基于密集排列的微電極（圖3（a）），通過測量交錯微電極的兩個梳形結構之間的阻抗來測量粘液厚度，相應參數見表1。微電極的指槽（寬度為W，厚度為te）之間的間距為D，為了最大化靈敏度，D應與待監測的沉積物的厚度H匹配。等效的小信號阻抗模型（圖3（b））由電化學雙層電容CDL和離子電阻Rion組成，按液體體積電導率進行縮放（飲用水通常具有500到1000 μS/cm的電導率）。由于施加在界面上的電壓（50 mV）不會激活任何氧化還原反應，因此沒有法拉第成分。CDL值隨電極面積而變化，D參數設置為Rion與垂直靈敏度匹配的值。鑒于共面幾何形狀，使用有限層的共形映射表達式估計Rion，將測量得到的Rion與共形映射和有限元模擬提供的值進行比較，結果一致。

當粘液沉積在阻抗傳感器時，由于電極上存在絕緣體而引起的離子位移通常導致CDL減小和Rion增加。鑒于界面CDL對表面事件非常敏感，可以在亞納米級別上檢測，但CDL隨時間變化非常不穩定，因此選擇監測Rion。通過在大于角頻率1/（π·Rion·CDL）的頻率fs處測量阻抗，可以將CDL分流并直接探測Rion。

傳感器的補償校準時，首先將電導率與測量的Rion相關聯，由于受到幾何誤差的影響，在制造每個傳感器后提取一次Rion值，使用3種已知電導率的鹽水溶液進行簡單線性校準。為了從Rion獲得粘液厚度H，可以利用實驗室中在受控條件下獲得的校準響應曲線。由于Rion是水鹽度和溫度的函數，且于25°C下繪制校準曲線，針對特定電導率（750 μS/cm），需要同時測量溫度和電導率以校正阻抗值。

2.2 其他化學物理傳感器

以粘液傳感器為基礎，添加5個標準傳感器，創建多參數傳感結點。通過Sensorex S272CD探頭測量溫度和pH，pH探頭采用適用于流動測量的平板玻璃膜，并嵌入熱敏電阻，精度在（0～50）°C和pH 0至pH 14之間分別小于0.1°C和pH 0.1。

為測量電導率，同時降低成本，使用金屬涂覆連接器引腳，并通過物理冗余（如插入多個相同的電導率傳感器）或基于自診斷算法實現傳感器的故障檢測。為使fs低于100 kHz，選擇了不同的電極幾何形狀，并允許使用單芯片阻抗檢測器（AD5933，Analog Devices）。電極間距為幾毫米，對毫米級雜質和微氣泡的通過敏感。流量由霍爾流量傳感器測量，測量信號使用霍爾效應傳感器調制頻率時，流量在（2.5～80） L/s之間精度小于0.1 L/s，壓力由商業壓力變送器設備（CYYZ11A，星儀）測量，量程（0～1.2） MP。

2.3 組裝后的傳感器結點

圖4中印刷電路板被粘貼在塑料支架上并用樹脂密封，4個探頭插入水流中，并固定在11/4英寸管的支架上。流量傳感器（也用作電能渦輪機）放置在末端（以免因水流動力擾動而干擾其它傳感器的結果）。屏蔽電纜將傳感器連接到防水塑料盒中的電子單元，GSM天線（地平面類型）通過同軸電纜連接，并用磁性支架安裝在地面上。

3 電子單元設計

本文設計的電子單元構成中主模塊執行來自所有傳感器的信號調理、采集、處理和傳輸，單獨的電源管理模塊負責能量收集，兩個模塊均基于Arduino開發環境中編程的8位微控制器（圖5）。

主模塊由ATMega2560微控制器控制，有8個探頭接口：pH、溫度、流量、壓力、兩對電導率用的針電極、兩對粘液用的交錯平面微電極。pH探頭（測量溫度和pH）的信號由24位sigma-delta模數轉換器（AD7793，Analog Devices）采集，設置溫度補償參考并讀取傳感器數值，并經過合適的高阻緩沖輸出。流量計輸出時，由霍爾傳感器將水流速度調制成頻率，以數字信號的形式讀取。壓力輸出是模擬電壓（0 V～5 V），由嵌入在微控制器中的ADC直接轉換，性能（精度、線性、采樣率）滿足精度需求。電導率和粘液沉積均使用阻抗測量，通過模數轉換器（AD5933，Analog Devices）采樣，同時用正弦波（100 kHz）刺激電極，并在芯片上進行12位FFT分析，時間精度為1 ms。利用低寄生電容的復用器，微控制器選擇正確的通道并提取阻抗值，該值與電極的物理尺寸相關。設計時將電導率和粘液沉積電路統一，大大簡化了系統。為增加擴展性，還預留了一個電化學探頭的接口，與12位SPI DAC（AD5721，Analog Devices）及12位單通道ADC（AD7091，Analog Devices）配對使用。

通過電路板上的看門狗（MAX6746，Maxim）實現了固件故障（特別是由GSM通信問題引起的）的魯棒性，SD存儲卡作為時間戳和實時時鐘的內存緩沖區，記錄數據和通信延遲情況下的數據緩沖。

電子單元利用雙重無線通信技術，用于遠程與服務器通信。除了GSM模塊（M10，Quectel，用于網絡連接），還包括了一個低功耗的LoRaWAN模塊（mDot，Multitech，需要有LoRa基站的存在才能啟用）。主板和調制解調器之間的接口是標準的串行數字總線，附加其他類型的協議，如Sigfox。通信大多數從結點傳向云服務器，利用阿里物聯網云的“回話”功能，可以遠程設置主板的一些參數及發送控制電磁閥的指令，并實現固件升級。

主板使用密封鉛酸電池（6 V、1 200 mAh，由RS Components提供），這種電池具有低成本和大量充電循環等優點，特別適合遠程安裝和長期運行，并采用模塊化（傳感器模塊和能量收集模塊）以適應不同的渦輪機和電池。能量收集模塊單獨實現，由專用微控制器管理。電池管理電子設備基于DC/DC轉換器，因為來自渦輪機的輸入電壓為（5～12） V，充電階段，充電電壓從2.4 V/單元（電子單元標準電壓7.2 V）變為2.13 V/模塊（即6.4 V），當電池幾乎充滿時，進入浮充充電階段，這里使用buck-boost DC/DC轉換器（頻率180 kHz，可調輸出（5.5～30） V和LCD顯示屏）。感應電阻器與感應電流放大器（MAX4373，Maxim）耦合在一起，允許測量電池輸入的電流值，該單元自適應地在4個電流配置文件（約30、45、70和90 mA）之間設置正確的充電電壓值，使用流量探頭數據作為輸入。

該電路MCU具有更多的接口，使得外設具備強擴展性，可以根據需求變化接入更多的傳感器；看門狗和緩存設計增強了電路安全性；雙重無線通信使得與云端連接更加靈活；電源模塊支持多電壓輸入和輸出，具有更強的適應性。

4 實驗結果與分析

4.1 粘液監視器的實驗室特性

為使粘液傳感器適應野外工作，首先保證其魯棒性。實驗室中，通過不同溫度（高達50°C）、壓力（高達5 bar）和傳感器表面流速（高達1.5 m/s）條件下的長期測量和應力測試，以評估其魯棒性。為期6個月的連續監測中，使用低壓力和高壓力兩個水力回路。前者僅用于表征粘液傳感器，后者為裝備有所有探針的結點，用于結點的全功能驗證。在低壓力回路的每個通道中，設置不同且獨立的操作條件，如流速分別為1、3和5 cm/s，壓力范圍（0～4） bar，調整水溫，在反應器中加入試劑用于促進粘液的形成或清除。每個通道最多可以容納4個傳感器支架，插入聚合物或金屬元素，模擬不同材料的管道內表面，同時對24個樣品進行數據采樣。以CaCO3為例，粘液傳感器對無機結垢的響應曲線見圖6。CaCO3厚度（H）范圍從幾微米到300 μm，H<8 μm時，使用原子力顯微鏡測量，而對于較大的厚度，采用重量法（結合光學顯微鏡估算覆蓋面積的比例）進行測量。

響應曲線中，確定3個不同區域為A、B、C。A區，H＜te=35 μm時，粘液僅填充電極之間的間隙，即電場最高的區域；B區，H≥35 μm時，粘液層覆蓋了電極，靈敏度降低到+0.12 Ω/μm，這時可以與在玻璃上使用微電極實現相同的CaCO3沉積獲得的+1.4 Ω/μm進行比較，由于D=10 μm，靈敏度大了一個數量級。然而，針對超過10 μm的薄層，該靈敏度會飽和。C區中，當H＞D=250 μm時，因為大部分的電場線延伸到等于D的厚度，使得可測電流過小，靈敏度降低。因此，推薦的操作區域是A區和B區，并確認D與H相匹配的最佳尺寸。在飲用水管道中，結垢的典型H值在幾百微米的數量級，假設測量精度優于1 Ω，則粘液厚度估計的精度和準確度優于10 μm。這種分段線性和壓縮響應曲線可以用于適應大動態范圍：對于非常薄的H，A區提供了更大的“增益”，而對于較厚的H，B區中的增益會降低，即該監測器通常在B區中運行，但對于非常薄的層，當H在A區時，可以“放大”。

4.2 能量收集驗證

相比于已有電子單元，本文設計的電子單元功耗顯著降低。圖7顯示了數字萬用表測量的操作周期約1 min的電流消耗。睡眠階段中，平均電流消耗約為3 mA；當結點喚醒時，傳感器信號的采集需要10 s，消耗120 mA；啟動GSM調制解調器（這是主要的功耗來源）時，連接到網絡并將數據傳輸到阿里物聯網云服務器（需要15 s，消耗電流250 mA）；然后再斷開連接（耗時10 s，消耗電流120 mA）。如果傳輸間隔為100 min，那么結點的平均功耗為42 mWh（睡眠模式下為12 mWh，在活動時間內為30 mWh）。緊湊型電池（97×24×51.5 mm3）容量為7 200 mWh，結點可以運行7 d（171.4 h）。

該電子單元也可以從水流中獲取電力，以連續或定期為電池充電，使用Gaoxing Tech F-50渦輪發電機（12 V，10 W）收集能量。在實驗室中對渦輪進行初步特性測試：在20 L/min的流量下，提供的最大電流110 mA。實測時，結點中兩個水流速度不同的情況下，電源管理板將輸出電壓設置為6 V，并自動選擇適當的充電電流，DC-DC轉換器的效率為90％，渦輪從動能到電能的轉換效率為50％。在100 min內，電池放電約1％，在10 L/min以下的流速中，1 min內即可恢復電能，證明了傳感結點可以完全在自供電模式下工作。

4.3 試點網絡實驗

現場驗證在寧波北侖區的飲用水分配系統中進行，系統通過604 km的水分配網絡為110萬市民供水。實測時，3個結點組成一個試驗網絡，位置如圖8所示。結點1安裝在從北侖某工廠運輸水管道上，該工廠處理來自新楊水庫的水；結點2安裝在從小港區某工廠運輸水管道，該工廠處理連接到中河地表渠道的水；結點3安裝在兩個管道的交匯處，水在此處混合并輸送到分配網絡。由于管道具有一定的流量和高壓（達12 bar），因此插入了壓力調節器，在每個結點中設置2 bar的壓力和5 L/min的流量。結點均安裝在易于訪問的站點（用于檢查和監測）內，由電源供電，并在結點3上增加能量收集測試。

驗證時，采用2022年7月7日到8月26日連續記錄50天的數據。由圖9（a）可知，3個點的平均溫度差異很大：結點1為10℃，結點2為28℃，結點3約為22℃，圖9（b）顯示出結點2的溫度每日周期性變化顯著。由于結點3監測的是來自其他兩個管道的混合水，因此溫度隨著混合流量的比例而改變。如，夜間增加了來自北侖工廠的水流量以保證新楊水庫的水位，在白天電力需求增加時，有時會采用地下水來保證水力發電用水，證實了交匯處輸入結點1和輸出結點3之間的溫度之間存在強烈的相關性。

為驗證結點在物理冗余情況下的自診斷功能，在結點3中安裝了3個相同的電導率探頭，并對3個探針的初始值歸一化處理（圖10）。在前30天，3對引腳呈現出強一致性，平均值略高于原始數據，這是由于溫度校正所致，用以彌補特征在時間趨勢下的衰減。30天后，電導率值具有明顯的漂移，由人為設置的故障所致，即使用非鍍金的引腳對以引起表面改性。自診斷算法能自動排除發散的信號，并應用噪聲降低功能，直至信號穩定，使用正確的測量結果以自動重新校準程序。現場驗證期間，由Rion變化情況可知3個結點的沉積物的形成關系，即下游沉積物與上游沉積物規模成正比（圖11）。

5 結論

本文設計了一種多參數無線智能傳感系統，用于實時監測水的運量和質量。系統采用物理冗余和基于模型的故障檢測算法，以及定量粘液測量裝置，具備自診斷和強適應性；系統采用的水流能量收集裝置具有自供能特性，從而使系統的安裝因省去外接電源而避免受地理環境的限制。實證結果表明，多參數傳感系統的性能（導電率、pH、沉積物厚度估計等參數）良好，在電子板的信號水平上沒有觀察到明顯的干擾信號，獲得數據精度高，健壯性好，經濟實用。在后期的升級中，可以利用機器學習模型對參數之間的相關性進行訓練，以快速自動地識別參數變化，并形成故障診斷及污染源的追溯等決策信息。

參考文獻

[1]PELEATO N M， LEGGE Y L， ANDREWS R C. Neural networks for dimensionality reduction of fluorescence spectra and prediction of drinking water disinfection by-products[J]. Water Research， 2018， 136： 84-94.

[2]DOVIDAUSKAS S， OKADA I A， SANTOS F R D， Validation of a simple ion chromatography method for simultaneous determination of glyphosate， aminomethylphosphonic acid and ions of Public Health concern in water intended for human consumption[J]. Journal of Chromatography A， 2020， 1632： 461603.

[3]SATYANARAYANA G N V， DU J， ASATI A， et al. Estimation of measurement uncertainty for the quantitative analysis of pharmaceutical residues in river water using solid-phase extraction coupled with injector port silylation-gas chromatography-tandem mass spectrometry[J]. Microchemical Journal， 2020， 159： 105560.

[4]李燕萍. 基于遙感技術的地表水水質檢測方法分析[J]. 粘接， 2022， 49（10）： 122-125.

[5]李羨清. 管道檢測技術現狀與動向（一）[J]. 管道技術與設備， 1994， （4）： 37-40.

[6]張連文. 管道泄漏檢測技術及評價[J]. 油氣田地面工程， 2003， 22（4）： 1-3.

[7]付道明， 孫軍， 賀志剛， 等. 國內外管道泄漏檢測技術研究進展[J]. 石油機械， 2004， 32（3）： 48-51.

[8]陳華敏， 師學明， 張云姝， 等. 管道泄漏檢測技術進展[J]. 安全與環境工程， 2003， 10（3）： 58-61.

[9]薛燕， 胡娜. 輸油管道泄漏檢測技術及應用探討[J]. 石油與天然氣化工， 2002， 31（2）： 106-108.

[10] 馮健， 張化光. 管道監控技術現狀與發展趨勢[J]. 信息技術， 2003， 27（12）： 41-43.

[11] 陳華敏， 師學明， 張云姝， 等. 管道泄漏檢測技術進展[J]. 安全與環境工程， 2003， 10（3）： 58-61.

[12] WADE， W R， RACHFORD H H. Detecting leaks in pipe lines using SCADA information[J]. Pipe Line Industry， 1988， 68（1）： 64-66.

[13] FERRANTE M， BRUNONE B. Harmonic analysis of pressure signal during transients for leak detection in pressurized pipes[C]// 4th International Conference on Water Pipeline Systems. York， 1999： 259-267.

[14] 靳世久， 王立寧， 李健. 瞬態負壓波結構模式識別法原油管道泄漏檢測技術[J]. 電子測量與儀器學報， 1998， 12（1）： 59-64.

[15] 鄧鴻英， 楊振坤， 王毅. 基于負壓波的管道泄漏檢測與定位技術研究[J]. 計算機測量與控制， 2003， 11（7）： 481-482+489.

[16] 崔建. 管道泄漏聲發射檢測方法及檢測系統的研究[D]. 北京： 清華大學， 2000.

[17] HUNAIDI O， CHU W T. Acoustical characteristics of leak signals in plastic water distribution pipes[J]. Applied Acoustics， 1999， 58（3）： 235-254.

[18] 郭亞軍， 聶榮偉， 朱繼南， 等. 基于3個傳感器的管道泄漏相關定位算法[J]. 南京理工大學學報（自然科學版）， 2003， 27（6）： 682-685.

Application of Multi-parameter Cloud Sensor System in

Water Quality Monitoring

WANG Yan-hui， DU Bao-zhen， JIANG Hao， HE Jian-hai

（School of Electronic Information Engineering， Ningbo Polytechnic， Ningbo 315800， China）

Abstract：

Aiming at the issue of inaccurate detection data in wireless sensor networks caused by surface dirt of water quality sensors in drinking water pipelines， a multi-parameter sensor system with a built-in micro-dirt monitor was designed. The thickness and type of dirt were estimate by measuring thin layers of sediment in the pipe. And algorithm analysis was utilized to achieve early warning， predictive maintenance， and more efficient management processes. It has been implemented in a water supply network for two months of experimental validation. The experimental results show that this scheme is high robustness， low cost and practicability.

Keywords：

wireless sensor networks; dirt monitor; multi-parameter sensor; biofilm; interdigitated microelectrodes; water resources management