基于大数据的智慧水务平台构建研究

周迅，周伏虎，张曾，陈镜先

（中国水利水电第七工程局有限公司，四川 成都 610213）

1 引言

1.1 基于大数据的智慧水务研究意义

基于大数据的智慧水务利用物联网、5G、云、AI、大数据等新一代信息技术与水务运维相结合。通过对感知数据的抓取，利用5G 网络及时传输对所有数据进行规整建立数据仓，深度挖掘其隐形价值，按照行业维度进行数据分析，对业务状况进行评估。实现水务业务系统的资源数据化、控制智能化、服务精准化、决策科学化，使水务运营智能高效、管理科学合理、服务优质、环保低碳，提升水质、降本增效、保障供水安全。

1.2 智慧水务实践应用介绍

夹江青衣水厂由中国水电第七工程局承建，在充分调研国外国内的供水公司使用先进技术的基础上，决定采用大数据、云计算、物联网等新兴技术贯穿智慧水务的规划、建设、管理、运营、应急等各个环节。该水厂主要为夹江县城供水，一期设计供制水能力为5 万m3/d，水源取自夹江青衣江地面水，生产仍采用“沉砂—絮凝沉淀—过滤—消毒”制水工艺，但建立了自控环形网络，采用液位监测仪、水质监测仪、流量监测仪、压力计等物联感知设备，对取水、制水、供水进行全面感知，对数据进行集中管理、分析，实现对全流程在线监测、数据异常告警、智能决策，从而实现智慧供水一体化平台。生产数据的管理是生产运营管理信息平台的核心，智慧化主要表现在物联网设备对现场数据的采集整理、大量数据存储和分析、通过工艺的仿真模拟、建立算法模型实现一定程度的自我学习等。

2 基于大数据的智慧水务平台研究

2.1 智慧水务平台架构

基于大数据的智慧水务平台主要由四层架构，框架如图1所示。形成以新兴技术为支撑的集成化平台。

图1 基于大数据的智慧水务平台框架图

2.2 智慧水务平台功能

智慧水务平台的主要功能包括：构建水务云、智慧生产运营管控、智慧水务大数据决策系统和智慧水务用户服务。

构建水务云：利用先进的物联网技术，对平台所需的水源、供水、排水、节水等各类数据进行采集。利用网络爬虫或其他手段对智慧水务需要的各种数据进行收集。对采集到的原始数据进行ETL处理后统一标准储存到水务云。

智慧生产运营管控：系统集成PLC自控系统、SCADA在线监测系统、水质安全管理系统、大数据经营决策分析系统、GIS地理信息系统、管网优化调度、用户在线报装系统、用户营收管理系统等。

智慧水务大数据决策系统：该系统是智慧水务平台的核心和关键，其目的是通过统计分析将用户的信息与收集的数据进行关联，为用户进行决策提供有力支撑，促使他们做出的决策智慧化，如通过人工蜂群算法的智能泵组优化调度系统，基于LSTM神经网络的水厂智能加药控制系统减少了人工误差，提高了水厂整体效率。

智慧水务用户服务：该平台以用户为中心，将所有的企业用户和个人用户信息进行关联处理、数据分析和管理，针对不同的用户提供高效和个性化服务，以提升用户的满意度。

2.3 智慧水务平台特色

提供IT基础架构云平台，统一进行数据采集、共享、存储；统一标准，信息分类及编码规定；系统集成规范、数据上报接口规范；数据采集自动化，从总体上建立完整的水务数据采集、数据实时传输、数据集中处理，保证数据采集的自动化；决策调度智慧化，以GIS 地图为基础，实现对智慧水务平台海量数据进行提取和挖掘，为水务运维工作提供专家决策服务；公众服务智能化，通过数据关联分析，与用户形成良性互动，为用户提供便利高效的服务；通过大数据算法和模型等先进手段，提高效率，降低运营过程中的损失，从而达到降低成本的目的。

3 关键技术实现

3.1 基于机器学习的水厂短期供水量预测

由于城市供水是一个持续不断的过程，过往一段时间的供水量会对当前的供水量产生一定影响。建立时供水量预测模型，根据预测结果指导供水调度。将水厂运营的2020 年7 月25日到2021年6月30日的历史数据作为训练集，2021年7月1日到2021 年8 月21 日作为测试集，对数据进行清洗、集成、变换、审核等加工处理后，结合影响水量供给的多种因子，对因子进行择优筛选。供水量预测建模采用特征工程、相关性分析和模型训练三大步骤。通过多种算法对夹江城区供水量进行一个小时的短期预测。使用XGboost 算法的精度在数据集上是最高的。将天气、日期等数据传入模型后，模型可以将数据进行特征扩充并快速、准确推断未来一小时的供水量，依据模型预测的结果，再配合大数据分析技术对城区的供水量进行合理调度，达到节能、精准供水的效果。

3.2 基于神经网络的水厂水质预测

针对取水口的实际情况，采用不同的神经网络模型和不同的特征选择方法对水质数据进行预测，并进行对比分析。经分析发现，对于该厂取水口水质预测问题，采用单层LSTM 网络预测效果更好，对于同一网络模型不对数据进行特征降维而用尽可能多的特征进行预测效果更好。

3.3 基于神经网络的PAC智能加药控制系统

如图2所示，完整的模型由Net1和Net2两部分组成。Net1为投药量预测网络，Net2为出厂水水质预测网络，训练阶段两个网络首先进行独立训练，然后进行联合训练。最终运行阶段只使用Ne1 进行投药量预测。将2020 年7 月24 日到2021 年6月30 日为训练集，2021 年7 月1 日到2021 年8 月22 日为测试集。对于训练模型使用的三类特征，进厂水水质特征数据InW中选取PH、溶解氧、高锰酸盐指数、氨氮、总磷、生物毒性、进厂水流量共7 个，出厂水水质特征数据OutW 中选取出厂水PH、出厂水浊度、出厂水余氯共3个，M为PAC投加量。

图2 二阶段投药量预测模型图

经过联合训练，共同调参，使用实际出厂水质需求对投药量预测网络调优，使投药量预测网络在运行阶段预测结果更可靠。结合全自动一体化加药装置，根据预测结果值进行药量计算，通过加药泵投加，加药流程，青衣水厂PAC智能加药，性能稳定、能耗低、PLC控制、全自动运行，能实行远程控制。

3.4 智慧供水管网管理平台

智慧供水管网管理基于“互联网+”模式构建，实现供水从取水口到用户的全网管理。平台主要包括供水运行系统、管网综合管理平台、管网智能巡检系统。

3.5 基于人工蜂群算法的智能泵组优化调度系统

青衣水厂泵站供水规模50 000 m3/d，泵站配有5台水泵，其中3台工频泵、2台变频泵，水泵型号均为SFWP100-300，性能参数：流量834 m3/h，扬程48 m，配套功率160 kW。对泵站2020年07 月25 日至2021 年08 月21 日共10 160 条时数据分析，拟合水泵的性能曲线，建立优化模型，结合水厂供水量日变化时段划分，利用改进的人工蜂群算法求解，可得优化结果。

通过建立自适应调整步长策略，改进侦察蜂搜索策略，平衡人工蜂群算法探索和收敛精度的能力，实现对人工蜂群算法的改进。最后利用改进的人工蜂群算法对泵组优化模型求解，得到泵组运行的优化方案。实时调节水泵的工作组合，会生成具体的水泵工作指令。

4 结语

夹江县青衣水厂的生产运维管理利用新兴技术提高管理效率、降低成本、保障供水安全、提高社会服务效益，实现水务生产、运营、管理的新目标。新兴技术在智慧水务的初次使用，还有很多不足，如何提高数据质量；感知设备的不稳定性如何解决，数据挖掘算法需要不断的优化等都将影响平台的作用。