0 引 言

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)新一代技術日新月異，建設水務大數(shù)據(jù)平臺的新構思日趨成熟。目前，我國部分省市水務企業(yè)已采用數(shù)字化管理模式，建立了專用網(wǎng)絡，實現(xiàn)了水質全過程監(jiān)測。企業(yè)內部通過 OA 系統(tǒng)、SCDA 系統(tǒng)等實現(xiàn)了數(shù)字化辦公，提高了辦事效率，但系統(tǒng)間相對獨立，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，決策者缺少有效的數(shù)據(jù)支持，導致決策缺乏科學依據(jù) [2]，因此水務行業(yè)建立智慧水務大數(shù)據(jù)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(fā)展到運營管理信息化，經(jīng)歷了建立水務系統(tǒng)信息化基礎、完善信息化數(shù)據(jù)、實現(xiàn)信息化應用模塊、融合數(shù)據(jù)一體化調度平臺的發(fā)展過程 [3]。國內水務公司也積極發(fā)展智慧水務。例如，重慶水務集團 2017 年制定、啟動了信息化規(guī)劃，計劃在未來5 ～ 10 年，運用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新技術，與供排水行業(yè)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(shù)據(jù)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(tǒng)能夠在 2 min 內識別爆管事件 ；英國聯(lián)合水務能夠預測第二天的用水量。

2 水務生產運營大數(shù)據(jù)平臺實施路徑

智慧水務生產運營大數(shù)據(jù)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(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、通信技術進行處理 [6]，實現(xiàn)常規(guī)監(jiān)測與應急監(jiān)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(fā)布停水等重要信息 ；向管網(wǎng)維護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(yè)務的全生命周期環(huán)節(jié)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(tǒng)進行優(yōu)化處理，集中控制。

及時應對 ：及早發(fā)現(xiàn)工藝故障、設備故障、水質問題、爆管等突發(fā)情況，做好應對與處理。

3 大數(shù)據(jù)平臺內容

通過大數(shù)據(jù)平臺匯集整個生產經(jīng)營過程，以實現(xiàn)數(shù)據(jù)的高效化與準確化 [8]。大數(shù)據(jù)平臺為供排水企業(yè)的生產運營提供全面監(jiān)控，提供預警報警、應急調度、決策分析功能。智慧水務大數(shù)據(jù)平臺主要包括基礎層、數(shù)據(jù)層、支撐層、主動決策支持與主動服務層。建設內容包括大數(shù)據(jù)標準體系、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)標準體系建設

大數(shù)據(jù)平臺標準針對大數(shù)據(jù)存儲、處理、分析系統(tǒng)，從技術架構、建設方案、平臺接口等方面進行規(guī)范，規(guī)范針對大數(shù)據(jù)產品和平臺給出測試方法與要求 [9]，建立水務大數(shù)據(jù)標準、流程，對公司數(shù)據(jù)資源進行梳理與分析，用于指導數(shù)據(jù)資源的生產與加工、數(shù)據(jù)倉庫的建設、數(shù)據(jù)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(shù)據(jù)采集

水務大數(shù)據(jù)平臺數(shù)據(jù)采集系統(tǒng)主要采集結構化數(shù)據(jù)、非結構化數(shù)據(jù)、半結構化數(shù)據(jù)，主要來源于生產運營數(shù)據(jù)（如生產數(shù)據(jù)采集平臺數(shù)據(jù)）、內部業(yè)務系統(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（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。

3.3 數(shù)據(jù)治理

數(shù)據(jù)治理既是技術難題，也是管理難題 [10]。在數(shù)據(jù)治理體系中，數(shù)據(jù)質量是最關鍵的工作，應以相應的規(guī)范與流程解決數(shù)據(jù)治理 [11]，同時要以績效為導向，識別業(yè)務指標 [12]，提高數(shù)據(jù)治理水平。另外，水務企業(yè)生產元數(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)庫負荷較大，嚴重影響平臺的展示效果，需用專業(yè)的 ETL 及 Quartz 工具對元數(shù)據(jù)進行提取、轉換及加載，完全集成的關系與維度建模、數(shù)據(jù)質量、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

實現(xiàn)水務智慧管理決策需利用數(shù)據(jù)模型 [13]?；谒畡沾髷?shù)據(jù)平臺，優(yōu)化供水管網(wǎng)監(jiān)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(wǎng)漏損預測模型、供水用水需求預測優(yōu)化模型。

水質預測模型 ：水質預測是在多元監(jiān)測數(shù)據(jù)與水質參數(shù)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(shù)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(jīng)網(wǎng)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(huán)境工程領域中 [15-16]。水務行業(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(jù)歷史數(shù)據(jù)搭建深度神經(jīng)網(wǎng)絡模型 ；

（2）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)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(xiàn)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(shù)，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(fā)生故障容易引起出水水質不達標、運行費用增高和環(huán)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(lián)，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(tǒng)是一個可行的研究方向 [18]。

設備健康管理 ：采集設備數(shù)據(jù)，實時獲取設備運行狀態(tài)、設備關鍵參數(shù)等信息，通過提供分析預測工具，進行動態(tài)監(jiān)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(tǒng)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(wǎng)漏損預測模型 ：管網(wǎng)漏損嚴重影響企業(yè)經(jīng)濟效益，預測模型可將管網(wǎng)的漏損問題由被動發(fā)現(xiàn)轉化為主動預防，為解決供水管網(wǎng)漏損研究提供新的思路 [20]。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)相關性，找出管網(wǎng)漏損規(guī)律，深入分析各個關鍵環(huán)節(jié)對應的漏損影響，結合專家經(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)管網(wǎng)漏損時間預測，為保養(yǎng)維護提供依據(jù)，達到降低管網(wǎng)漏損率的目標。

供水與用水需求預測優(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性 [21]。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)相關性，找出供水用水規(guī)律，結合專家經(jīng)驗，建立供水用水預測模型，實現(xiàn)預測供水，為調度優(yōu)化提供依據(jù)，從而降低能耗，提高用戶滿意度。

4 智慧水務平臺發(fā)展戰(zhàn)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(fā)事件應急響應以及科學決策支持角度，充分發(fā)揮智慧水務的優(yōu)勢，由被動服務變?yōu)橹鲃臃?[22]。

通過智慧水務平臺實現(xiàn)海量數(shù)據(jù)的匯聚、存儲、整合與共享，實現(xiàn) TB 級別的數(shù)據(jù)挖掘分析。通過構造的水務數(shù)據(jù)模型，驅動生產過程由自動化向智能化轉變，實現(xiàn)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(shù)據(jù)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(yōu)質服務，提升客戶滿意度水平。

5.2 經(jīng)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(jīng)過對水務信息資源的梳理形成本地水務數(shù)據(jù)標準規(guī)范，形成水務數(shù)據(jù)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(tài)，采集水務信息，并進行實時分析與挖掘，以更加精細、動態(tài)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(shù)據(jù)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。