基于大数据平台下的表务管理

翁正科 陈志灵

(1.深圳市东深电子股份有限公司，广东 深圳 518057； 2.宁夏水投科技有限公司，宁夏 银川 750002)

1 关于大数据

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》定义大数据是指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。IBM提出大数据的5V特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。

2 大数据对水务企业作用

大数据的低价值密度这一重要属性决定了大数据的处理分析必须依托在巨量的数据采集和高频的数据计算处理，与此同时，物联网、云计算这两项现代技术的快速发展及应用为建设大数据平台创造了绝佳条件，也为当今水务企业表务管理奠定了良好的技术基础，让水务大数据平台建设成为可能。水务企业很早以前提出的感知内容全覆盖、采集信息全掌握、传输时间全天候、应用贯穿全过程的设想成为可能，指导水务企业以更加精准和动态的方式对表务管理工作进行规划、设计和管理，改善了企业与用户的关系，提高了企业对水量管理和利用的明确性、高效性、灵活性和有效性。促进水务企业由经验管理到决策管理、由粗放管理到精细管理、由被动管理向主动管理、由静态管理向动态管理、由条块管理向协同管理、由传统管理向现代管理的转变提供全方位的科技支撑。

3 当前水务公司表务管理现状

水务行业水表按公称口径通常分为小口径水表和大口径水表。公称口径40 mm及以下的水表通常称为小口径水表，一般占比为98%～99%，供水量占比35%以下，公称口径50 mm及以上的水表称为大口径水表。占比1%～2%，供水量占比65%以上。以笔者工作过的某中型水务企业为例，企业供水服务人口约100万，包含各类型企业，平均日供水量45万t，当前使用中的大口径水表有1 610块，水量占比在70%左右，小口径水表125 000块，水量占比在30%左右，详细情况如表1所示。

以当前该城市发展速度，预计接下来10年中，大量高层住宅用户会接入户表，每年会有超过15 000块新表纳入表务管理。而根据国家质量技术监督局JJG 162—2009(冷水水表检定规程)，水表检定更换周期表如表2所示。

表1 各口径水表数量统计

表2 水表检定更换周期表

数量庞大的表务资产需要统筹管理，除每月正常抄表工作之外，还要对水表的检定更换，同时为了减少因水表计量问题造成的水量计量偏差，还要求水业公司各营业中心对计量水量波动情况进行统计，尤其是对大口径水表，根据统计数据制定相应的措施。为此制定了水量及幅度波动预警如表3所示。

表3 水量及幅度波动预警

按企业正常的表务管理流程，各营业中心按月查抄各个水表数据，进行统计分析，同时处理水量及幅度波动数据，对异常的数据进行分析，及时发现因水表问题造成计量问题。水表检定中心按历史台账及各营业中心的数据对相关的水表进行检定和更换。

但是数量如此之大的表务数据，每个月都有新表纳入表务管理，除了新建的住宅小区是使用的普通远传水表外，大部分还是采用人工抄表模式，每个月十几万条抄表数据，同时处理水量及幅度波动数据，大量水表检定更换数据。逐渐出现这样的现象：所有的工作都是人在干，要干的活没有减少；所有的事情都是人在想，要想的事情越来越复杂；所有的事情都是人在做，决策越来越难做；所有的数据还是人在看，数据已经看不过来。依靠原始的人工处理方式，难以对如此数量的低价值密度进行有效的分析处理，企业生产经营统计分析所需要的数据不能及时准确的获取，也对企业战略制定形成制约。

4 大数据平台在水务企业的应用

针对当前水务公司表务管理现状，水务企业通过建设水务大数据平台，可完成表务大数据采集，采集到的数据种类多样、数据量大、变化快；大数据挖掘专用技术专业化，通过对技术进行封装，对业务分析人员提供更容易使用的WEB页面，提供友好的图形交互操作，轻松完成挖掘任务的创建与运行。针对不同的挖掘结果，提供一目了然的图形呈现方式；大数据分析，从数据整合、打通、检索、实时查询、数据分析到可视化展示，大数据平台可以完成和实现所有的数据处理环节，大数据分析针对水务企业的困扰给出大数据分析解决方案，真正挖掘企业中的沉淀数据资产，凸显并激发数据最大的价值；大数据调度，分解数据处理计算任务，任务执行之间能够互相依赖,前置任务失败,后续依赖任务不执行，并行执行任务,缩短执行时间，定时触发计算任务；并提供有详细的、清晰的调度日志记录。

在终端数据采集采用基于LoRa或者NB-IoT技术的智能水表，实现对表务数据的实时采集，水表状态的实时感知。终端采集的所有数据和水表的属性数据通过大数据平台进行实时的分析处理，做出相应的处理结果与辅助决策建议，对水量信息异常做出相应的提醒预警，制定相应的措施计划，对水表状态进行实时感知，制定水表检定更换计划，实现水务企业表务管理由被动向主动转变，更具有科学性和针对性，通过大数据平台实现问题溯源，智慧决策。

通过大数据平台，可以更直观、及时、便捷的监控所有户表状态，针对户表状态做出预防性的维护和保养，设备管理无纸化，合理优化库存，水表检定更换任务零遗漏，更准确的掌握数据资产，以实现表务资产的全生命周期管理。

通过建立动态数学模型，利用数据挖掘等技术，实现表务大数据分析和可视化。基于各类结构化数据和非结构化数据的分析，实现用户用水量变化图、区域用水量变化图等多维角度的展示，提供从数据源到挖掘模型的图形化创建及维护流程，只需理解SQL就能完成专业化的挖掘业务，大大降低了使用门槛。且通过分布式系统，使数据的处理能力超出了单机的范围。

通过数学模型的建立可以达到包括但不限于以下目标：

1)漏损计算。

通过数学模型可以基于实时和历史数据分析进行包括输水管网和配水管网的漏损计算，尤其实时漏水分析将基于水表、压力计、阀门等的实时数据、管网地图，实时计算漏水情况，尤其对于爆管等应急情况，根据管网特性和流量进行漏损初步定位，并计算出漏水量。

DMA(分区装表计量)是配水管网的组成部分，其边界既可以是流量仪监控或由关闭阀门进行隔离。对于已建立了DMA的配水管网，WMS通过配水管网漏损计算模块进行计算，既可以实时计算配水管网漏损量，也可以分析配水管网的产销差。

2)主动漏损控制。

利用GIS地图、水表等计量漏水监测数据、模型仿真数据等，以直观的方式展现漏水情况，地图显示漏水区域，计算并显示每小时漏水量曲线，漏水发生时间，漏点数量等信息。

通过对完善的漏水分析计算方法，对可疑的漏水区域进行定位和漏水量计算，按照重要等级设置优先级，并提供工具编制检漏计划，安排相关检漏人员对现场进行勘察和维护，并对检漏之后的效果进行评估，反馈到漏水管理系统中，对检漏效果进行绩效评价。

集成人工检漏数据，在系统提示的漏水区域基础上，管理人工确认漏点数量、维修后的漏点数量、节水量估算、人工检漏方法等，并对每次检漏、漏水区域维护后的漏水情况进行评估，使漏水管理从漏水监测、漏水分析、漏水维修、维修绩效评估、基础设施改造计划和投资管理，形成漏水管理的闭环控制。

3)区域用水量分析。

掌握用水量数据有助于了解漏损异常情况，便于计算漏损率，分析漏损与用水量直接的关系。漏损管理系统可以计算任意一个管理层级的用水量数据，并在曲线图中展现，包括全水务公司用水量、管网所、一级分区、二级分区、DMA等。如果导入气温数据，还可以比对气温和用水量之间的关系。

5 结语

水务企业作为与城市中每个人的生活息息相关的重要民生企业，应抓住和利用好新一轮科技革命，在互联网经济发展大潮中适应新常态、建设新水务，推行问题导向，通过物联网、云计算、大数据技术解决企业运营中出现的问题，从根本上推进水务企业信息化水平，全面提升服务水平和企业效益，积极改善企业与用户的关系。当前水务企业在表务管理方面，可结合适应企业实际情况，建设基于大数据的表务管理平台。通过大数据平台，将能很好的解决当前水务企业表务管理的问题。