基于信息化系统的水厂智慧化建设研究

王先红

关键词 信息化系统 水务项目 供水管网 智慧水厂

智慧水厂属于智慧水务，而智慧水务属于智慧城市，智慧城市的建设已经有10 多年的历史。智慧水厂响应国家相关政策，致力于精细化运营，以减少人员投入、促进节能降耗、帮助提高产能，从而提高水处理效率和水资源利用率，为人与自然的和谐共处做出贡献。

智慧水厂涉及污水处理、净水处理、数据采集、设备监控、模型预测、智能调度等工作，而这必须依赖一套强大且功能完善的信息化系统。信息化系统是水厂的数字化基础设施，从水厂的业务出发，致力于支撑和优化水厂运行。同时，构建水厂健康状态评价体系，并通过对工艺和设施的控制、管理来提升水厂绩效，借助数字化技术使运维更加精细化。

1信息化面向的对象

1.1污水厂或自来水厂

污水厂或自来水厂及泵站是信息化系统的直接客户，将从精细化运营、降低成本和提高效能中受益[1] 。

1.2水务集团

信息化系统面向水务集团，为多个水厂提供统一管理服务。

2对水厂智慧化的解读

2.1自动化采集与监控

传统供水企业在城市用水压力较小的情况下勉强可以运行，但如今面临城市化进程加快、城市人口增多等情况，城市供水企业为适应城市发展进程，不得不提升出口流量、加大管网建设力度，对其运营管理来说无疑是一个巨大的挑战。

水厂设备数据的自动采集与监控就是对自来水厂、供水管网、废水和污水管网以及污水处理等现场运行设备进行监视和控制，以实现数据采集、设备控制、测量、参数调节以及各类信号报警等功能，从而减低了生产人员面临恶劣工作环境的可能性，减少不必要的人工浪费，提高水厂的竞争力和预测突发事件的能力，减少生命和财产损失。

2.2智能预测与模拟

供水管网或压力输水管涵最常见的故障是漏损，由此带来的管网跑、冒、滴、漏一直是全球供水行业的热点问题。世界银行对世界范围的城市饮用水供水系统的漏损状况统计表明，在约3000 亿m3 年供水量中，城镇供水管网漏损水量占近500 亿m3，各国管道漏损率差别较大，漏损率最低的是德国（9%） ，最高的是马来西亚（43%），美国相对新的城市管网漏损率为25%，英国为30%左右。随着我国城镇化率从2000年的36.22%增加到2014 年的54.77%，供水管网漏损问题日益突出。城镇供水协会调查表明，近年来我国城市供水管网平均产销差率达到18%左右，部分城市甚至超过25% ，一些供水管网水量净漏损率达14%，因供水管网漏损导致的年损失水量超过60 亿m3，相当于上海、北京、天津、广州、深圳五个特大型城市的年供水总量之和。而我国农村由于管道漏损监测和防控的意识薄弱、技术和资金投入少，致使漏损率远高于城市，多数乡镇的漏损率达40% ～ 50%。2015年，相关部门颁发了《水十条》，要求到2017 年，全国供水管网漏损率控制在12%以内，到2020 年，控制在10%以内。

水资源的节约保护、综合节水一直是我国建设节水型社会的一项重要工作，综合节水需要从农牧业灌溉、工业用水、城镇用水、农村用水四大方面实施“节水优先”的治水方针，其中城镇节水则需要通过攻克输水管道、供水管网的漏损控制来实现。

管网模型智能预测与模拟就是要根据水厂泵站历史、实时数据来识别漏损和定位;预测用户未来一天、一月、一年的用水变化曲线;实时模拟告警;模拟污染物溯源;爆管的识别与定位;智能推送关阀方案，并分析和评价关阀带来的影响，分析水质、压力、流速、流量是否正常，影响的用户名单，做到停水范围最小，关阀数量最少。

2.3智能运维

智能化巡检，自动生成巡检任务，实现无人值守，机器人巡检;针对运维人员的日常维护，自动生成维护计划、任务自动下达、相关人员领到任务并执行、自动产生台账;灵活的值班排班、人员人组、交接班、调班管理。

2.4智能故障诊断

设计自动诊断流程，当收到诊断请求时，自动获取相关监控数据，针对各类数据分别建立单项分析模型，最后综合多种监控数据进行综合诊断，并处理监控数据中的模糊信息，快速定位故障原因，提出解决方案。

2.5全面工作协同

通过对某些业务环节按某种预定规则自动传递信息或者任务，实现水厂不同角色、不同部门的多个成员之间高效协同工作，从而实现业务目标。

2.6工单管理流程化

工单是水厂计划执行的凭证，工单描述了什么时间、什么地点、什么人、针对什么对象、做什么事情、达到什么目标、消耗什么资源，工单整合了计划、执行和验收三个主要环节，是水廠设施设备管理的重要载体。其中，包括维修工单、维保工单、重置工单、临时通用工单、预警工单、防腐工单、巡检工单、超时工单、安全工单等。

2.7大数据专家知识库

建立水厂三种设备类型库，包括设施、设备、管道;各种应急预案类型文档库;设备台账库、备品备件库、缺陷库、工具库、巡检库、防腐库、维保库等。

3解决方案

3.1SCADA 系统

水厂需要监控哪些物理量？ 怎样获取厂泵的实时数据、水泵曲线？ 如何合理（最省） 布设监测点？DMA 分区计量如何布模糊聚类压力点优化布置监测点？ 如何接入现有的设备或系统？

随着以物联网为基础的智慧水厂的发展建设，SCADA 系统以其独特的优势在各地智慧水厂的建设中被广泛应用。SCADA 是英文Supervisory ConrolAnd Data Acquisition 的缩写，即数据采集与监视控制系统。通过操作信号连接信道通信，为用户提供既定系统中任何设备的远程控制，可以实现对现场运行设备的遥测、遥信、遥控、遥调。SCADA 系统帮助供水企业实现智慧供水，包括：实时数据监控，即对供水各工艺流程实时监控，从水源到用户的水龙头，包括传输管道、处理厂、水槽和供水管网;远程集中控制，即不用相关人员亲自到现场，就可以对现场设备进行监测、控制;多渠道预警，即当达到预警条件时，利用短信、邮件等向相关人员发送预警信息。

3.2管网水力模型

管网水力模型是用数学的形式来模拟实际水流在管网的运行情况。在智慧管网建设中，可以利用水力模型进行压力分区、DMA 规划、风险评估、爆管分析、改造方案比选、预测预警、能耗管理、应急管理、维护措施等。在管网漏损控制系统中，水力模型主要用来评估DMA 分区是否合理、管网的流量和压力分布监测、爆管评估与预警、压力管理的优化调度、爆管和渗漏的应急措施等[2] 。

3.2.1管网水力模拟软件

目前，市面上常用的供水模拟软件可以分为两大类，即免费软件和商用软件。免费软件主要是美国环保署发布的EPANET，商用软件有Innovyze 软件公司发布的Infoworks WS，Bently 公司发布的WaterGEMS和DHI 软件公司发布的MikeUrban，它们之间的详细对比如表1 所列。

3.2.2管网水力模型建模

对于不同的管网项目，我们需要建立不同的管网模型，完整、准确地将实际管网用数字模拟出来。

（1）根据管网分区与漏失分析的要求，采用压力驱动节点流量原理（PDD）进行水力建模，基于实测参数及实验室模拟求解压力指数，所建立的压力驱动模型更匹配实际管网。

（2）根据调压设备的压力控制算法，远程下发调控策略，利用自适应优化能力。一般可将单个压力分区降低物理漏失3%～5%。

（3）提取GIS 管网空间拓扑数据及SCADA 实时监测数据，基于遗传算法和贝叶斯决策理论定位漏失区域，并采用盲源分离算法计算漏失水量。

3.3用水量预测模型

利用时间序列法，即ARIMA 模型（AutoregressiveIntegrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型，利用历史数据、特征工程，最终得到一套相对准确的用水量预测模型[3] 。

3.3.1ARIMA 建模

ARIMA 模型建模的基本步骤可以分为四步。

（1）序列的平稳性：使原序列满足ARIMA 模型平稳可逆的要求。对变量进行差分，使其平稳化，最终参数d 取平稳次数。进行检验，判断时间序列是否已经平稳化。由于日用水量基本处于平稳波动状态，所以在模型预测中取d =0。

（2） 模型识别：主要是通过读ACF（自回归系数）、PACF（偏回归系数）和CCF（互相关系数）把握模型的大致方向，为目标序列定阶，提供几个粗模型以便进一步分析完善。首先利用ACF 和PACF 表对参数进行预判断（表2），观察回归系数的变化趋势，选择p，q 参数的可能数值。

（3）参数估计和模型诊断：参数估计是对识别阶段提供的粗模型参数进行估计并假设检验，据此诊断模型。尝试设定p，q 的多种配对方式，通过比较AlC（信息准则拟和优度），取AIC 较小的模型。模型预测的好坏最终看是否和实际的数据相符，是否在置信区间之中。

（4）预测：模型实际应用价值的体现。用0 确定的ARIMA 模型进行日用水量预测，得到预测值。进行还原差分之后，得到的数值结果才是日用水量值。

3.3.2 ARIMA 模型评估标准

（1） AIC： 赤池信息准则（ Akaike InformationCriterion，AIC）AIC=2k?2ln（L）

（2） BIC：贝叶斯信息准则（Bayesian InformationCriterion，BIC）BIC=k?ln（n）-2ln（L）

3.3.3预测结果

图1 为时间序列法预测结果，取某水厂三个月92天的实际用水量数据，蓝色曲线为实际用水量，红色曲线为预测用水量，从图中可以看出对于未来日用水量的预测，其相对误差不超过6%，在可以接受的范围内。

3.4知识图谱

当前，在故障诊断、预测与健康管理领域主要有两类产品，一是系统级，多以监控、统计、展示为主，缺乏智能化分析能力;二是针对单类设备或故障，如振动分析、变压器故障诊断等，具备一定的智能分析、预测能力。针对系统级的智能故障分析产品暂时空白[4] 。

3.4.1知识图谱管理工具开发

包括知识图谱Schema 管理、知识录入编辑、可视化展示与编辑、权限控制与审核、存储管理等。

3.4.2水厂设备知识图谱建设

水厂设备知识图谱设计：采用“Schema?概念图?实例图”三层架构设计，实现知识图谱在空间上快速拓展。包含以下部分：主设备，包括水轮机、调速器、励磁;辅助设备，包括油、气、水等辅助设备;电气设备，包括变压器、开关柜、保护及监控。

3.4.3智能故障诊断模型与算法

单故障分析模型：针对不同类别的故障，建立其与相应监控数据之间的关系，输出单个故障的置信度，为系统故障诊断提供输入。

系统故障诊断算法：基于知识图谱，综合利用图推理、贝叶斯网络、信息论、模糊理论等技术，对一个或多个输入的故障现象进行分析，得出可能的故障原因及排查建议。

强化学习算法：利用机器学习技术，对故障诊断的反馈信息进行学习，不断优化知识图谱中的定量数据，提高故障诊断的准确率。

3.5工作流管理系统

工作流管理系统将实际工作过程中反復、严格按照某个固定的步骤进行的业务过程，按照在计算机中预先定义好的工作流逻辑推进，并按工作流实例执行。包括我的工作台、工作流引擎、工作流与业务模块的接口三大板块。

3.6智能巡检系统

巡检是每个水厂的日常任务，系统规定了巡检的内容模板、巡检的工单模板，而具体巡检内容和执行方式允许水厂存在差异。因此，每个水厂将有自己的巡检配置、自己的巡检工单和工时数据。具体包括巡检库建立、巡检类型配置、巡检计划、巡检工单生成、巡检计划执行。

3.7设备全生命周期管理系统

设备分属大区、业务区、水厂三级管理;包括一般设备、设施、管道三种类型。其下包含七大库，分别是维修库、巡检库、防腐库、润滑库、维保库、大修库、重置库。

五大流程，分别是维修流程、巡检流程、维保流程、委外流程、出入库流程。

3.8统计分析

主要包括工单分析、员工分析、设备完好率统计、设备工作分析等。

3.9APP应用

APP 是工作人员重要的业务和运维支撑工具，便于随时随地获取数据支撑或者提交工作资料。主要包括我的工作台、工作协同、计划管理、工单管理、报修、设备等。

4结束语

为建设智慧水厂，实现整体管控水厂运营，可采用基于信息化系统的数字支撑和优化运营技术，从而最小化人员配置、最优化解决问题。建立智慧水厂运行标准，用以评判水厂运行状况，基于该标准指导开设更多水厂或者优化其他水厂运行，从而在生产监控、智能运管中心、工艺运行管理和设施设备管理等方面更快、更好地推动水厂的自动化、智慧化、智能化发展。