智慧水务丨再生水厂数字化转型的赋智方案

2022-10-21作者：捷码浏览：次

　　污水处理厂是人类社会得以正常运转的重要环节之一，随着污水处理行业在运营管理、工艺设计等方面已经达到瓶颈，运行人员对厂内动态的透彻感知和精细化管控提出了全面需求。而厂内运行产生的大量数据作为污水处理厂的重要数字资产可有效辅助运行人员优化及完善水厂的精细化生产运行策略。因此受到了运行人员前所未有的重视。在技术方面，信息技术如物联网技术、云计算、大数据等智慧技术的不断发展，为满足水厂自动化、信息化、智慧化管控提供了硬件条件。在政策方面，《“十四五”城镇污水处理及资源化利用发展规划》中对市政设施建设智慧化提出了更明确的要求，即实现污水设施信息化、账册化、推行污水体系中数据智能化联动和动态更新。

　　相较于我国，欧美国家的在污水处理行业及其自动化、智能化方面起步相对较早，目前已在水厂自动化及智能化领域积累了大量实践经验。以美国芝加哥Stickney厂为例，其监控系统高度自动化，控制系统通过计算对设备状态及工艺进行优化，形成自动采集、自动判断、自动调整和自动控制四位一体的运行模式。荷兰Amsterdam West厂则在智能化基础上进行了智慧化的探索，形成了厂内数据库及决策支持平台，通过预设的数据采集及分析系统，不仅可任意调取数据，还可对数据进行导出、对比分析，基本实现无人值守。

　　实践证明，智慧水务平台的形成可消除现在水厂中信息孤岛的困境。通过建立设备仪表离线填报的一体化平台，运营人员可对所获厂内数据进行分析，定位成本损失，控制服务成本，有针对性优化运营管理手段，挖掘新的获益增长点；同时，运行人员可通过该平台及时发现工艺问题并处理，保障高效运营，提高业务安全稳定性；对于工艺优化人员,可通过该平台达到对水厂的透彻感知，从常规经验判断的运行模式转变为经验理论相结合的运行模式。

　　本文以北京市朝阳区某水厂为例，详细阐述以污水处理厂最终赋智为导向，设计智慧水务平台并实施建设的过程，并从业务组成、组织构建和实施重点等角度提出了智慧水务建设要点,强调信息技术在业务场景中应用，推动我国再生水厂数字化智慧水务的落地实践。

　　智慧水务的发展概况

　　1.1智慧化基本要素及发展瓶颈

　　根据高德纳公司对世界范围内40家位于行业前沿水务公司的调查，发现绝大部分公司对智慧水务的部署均停留在仅发展物联网或数采网络的基础阶段，或刚引入自控或数据分析工具的机会阶段。Dodge数据公司分析了智慧水务相关技术在美国水务公司中的应用程度，发现资产信息和移动化技术已被广泛应用至美国水务公司，大部分水务公司尝试工艺方面的数字孪生技术，但暂无任何一家公司能完成基于数字技术的运营决策支持及自如使用数字资产。BLACK等认为这可能是数据量大，且无效数据多、数据清洗方法不确定、数据挖掘技术不成熟等原因造成的。

　　目前对水厂实现智慧化的各个过程划分方法并不统一，中国城镇供水排水协会根据水厂实施成果进程，将智慧水务分为四个阶段：智能感知、智能控制、智能管理和智慧决策；IWA则根据水务智慧设计的复杂程度，将智慧水厂分为交易型、过渡型和动态流动型三个阶段。还可根据引进的技术的顺序，将智慧水务分为自动化、信息化、数字化、智能化及智能体五个阶段。尽管不同机构对智慧水务建设的各个阶段划分方法不同，但通过对建设阶段定义进行按序合并或拆分，均可归入数字化、智能化及智慧化三个阶段（如表1所示）。根据对部分在建智慧项目的水厂进行了解，发现智慧化程度不同的各项目所面临的瓶颈差异较大。

　　（1）水厂信息化。在该阶段，水厂须完善厂内信息化的基础建设，我国大部分水厂的智慧化建设也暂处于该阶段。水厂信息化建设的瓶颈为耗资较大，大量资金用于购买硬件设备、配置物联网系统，及维持信息化服务的运行。此外，仅停留在信息化建设的污水处理厂，其收益回报周期长且回报率低，因此对于规模较小或营收能力较差的水厂，资金门槛过高成为限制其实现信息化的主要瓶颈。

　　（2）水厂智能化。水厂智能化是指厂内实现部分或者全部设备的智能控制、运行工单的自动派发、简单报警的提示等，用机器替代部分运行人员功能。

　　在该阶段，水厂可根据信息基础建设所获的数据进行简单的智能控制应用。但这一阶段的应用瓶颈主要在于水厂协同能力欠缺，使得可智能化应用的业务深度与广度拓展严重不足。

　　（3）水厂智慧化。在水厂信息化相对完善的基础上，通过人工智能决策智慧的植入可以实现水厂的智慧化。具体方法为，在水厂智慧化阶段可采集到大量运行数据。在对数据进行标准化处理和有效信息提取之后，并通过引入大数据、人工智能学习及工艺水质模型等技术手段，建立信息间的关联关系，将所获得的智慧辅助决策关系及智慧结论加以表达与展示。但水厂智慧化因其在数据采集、处理、应用的方法不明确以及在水务行业的应用场景不够具体，目前存在较大应用瓶颈。

　　1.2智慧水务技术现状

　　为逐步实施上述阶段，智慧水务平台的搭建依赖于计算机辅助技术（IT）和业务技术（OT）这两方面的技术。计算机辅助技术包括：数据的采集、通讯、储存、调用与搜索；数据库的建立与备份；数据结构标准化处理，数据关系分析技术，异常值清洗技术、缺省值插入技术及数据展示技术等。业务技术主要包括相关事件监测与统计、事件间关联分析、事件预防预警、事件诊断与响应、策略优化等。

　　由于国外在智慧水务方向起步较早，目前已有国外公司可提供该领域的成熟计算机辅助技术，但较少有针对污水处理厂内部运行的服务架构软件，在实际实施中，信息技术人员常用开源程序进行二次编写以完成使用目的。业务技术则可分为机理理论推导和大数据分析两部分。其中，基于机理理论推导的技术包括出水水质预测技术，数字孪生技术，精确加药或曝气技术，基于生物模型的过程参数控制技术、基于k-ε湍流模型等流态模型的二沉池出水SS值预测技术等。对于理论模型无法涉及或理论模型偏差较大的业务场景，则采用大数据分析方法，开发基于模拟量特征值识别的稳定出水水质的运行策略及根据图形特征或声波特征识别的运营故障甄别技术等。

　　在智慧水务的需求下，我国部分基础条件较好的污水处理水厂已着手开展智慧水务的试点建设并取得一定进展。其中，广州沥滘污水处理厂可在智慧系统完成巡检管理功能；北京市青龙河污水处理厂建设了提供智慧加药及精确曝气功能的智慧运行平台；上海竹园污水处理厂的智慧水务系统的建设目前已在规划中，该厂将引入图像识别及声音识别技术，用于设备故障的检测。

　　智慧水务的设计与建设实践

　　以北京市某再生水厂的智慧水务平台搭建为例，阐述智慧水务平台建设的步骤、技术难点及所获成果。

　　2.1搭建方法

　　由于各厂的差异性，智慧水务平台的搭建需结合再生水厂自身需求，仅靠通过向软件公司、硬件设备公司及网络通讯服务商购买服务甚至直接向全套产品供应商购买整个系统，无法实现该厂搭建智慧水务系统的目的，故软件与硬件的连结及业务技术与计算机辅助技术的配合均需在再生水厂的切实需求下定制完成。

　　2.1.1明确再生水厂建设需求

　　根据再生水厂对智慧化的程度、需求方面及工期预算安排协商出具体需求。该水厂的智慧水务服务对象包括厂内管理人员、厂内生产人员、持有该水厂的集团运营人员，集团工艺工程师，对智慧水务提出的需求包括角色认证、信息展示、智能控制、生产运维和决策支持五个方向。另外该水厂的建设周期较长,且工期要求较紧张，厂内智慧化建设需与和土建、设备等施工同步实施，并分步提交厂内的信息化、智能化和智慧化建设阶段性成果。基于此需求，该厂搭建的智慧平台由单厂感知平台、单厂智能平台、单厂工控平台、单厂移动平台、集团端管理平台与智慧决策服务平台共同组成

　　其中厂内的基本数字信息由单厂感知平台获取，并发送至单厂智能平台进行简单加工。部分数据向厂内管理人员和厂内生产人员展示，另一部分数据通过工控平台直接参与厂内自动化智能控制。厂内管理人员和厂内生产人员根据单厂智能平台所展示的信息，进行线下维修、巡检、填报等工作，而移动平台提供了更加便捷的端口，保障厂内人员可在4 G网络条件下接入平台。随后部分数据通过智能平台向集团端管理平台发送并备份，使得集团端运营人员及工艺工程师实时掌握水厂内的动态，同时选取合适的数据发送至智慧决策服务平台，完成数据诊断与建模计算。

　　该智慧化平台将常规的一体化信息展示与管理交互平台拆分为单厂智能平台和集团端管理平台，并以数据流动的方向将两个平台链接，实现数据的接入、汇集、共享、储存、分享、清洗、挖掘和展示。其中，单厂智能平台主要实现水厂内信息化和智能化运行，而集团端管理平台则实现水厂信息化和智慧化管理。这种拆分平台的构建方法可加快建设速度，方便不同角色在智慧水务中的权限划分，同时避免了在平台建设中不断对同一界面的迭代优化及调整，增加了用户对平台的信任感。

　　2.1.2搭建总体框架

　　在平台结构方面，由于数字资产是整个智慧水务平台运行的基础，故以数据为核心搭建再生水厂智慧水务结构。基于水厂内数据的流动方向，从数据获取层起自下而上搭建智慧水务平台，依次包括：数据采集层、数据交互层、数据处理层和数据应用层，包含智慧水务所有的数据行为。

　　数据采集层，即数据基础设施层的硬件部分,承担系统中的数据采集功能。该层的组成包括水质测定仪、流量计、压力计、PLC（Programmable Logic Controller）采集系统等，将处理过程中的信息转变为数字信号，对于部分难以在线自动采集的数据可采用人工补录的形式，将这部分信息汇入数据库，完成数据的采集。

　　数据交互层，为整个智慧水务的通用平台，其主要功能是提供数据中心、数据管理与数据服务，其组成包括系统服务器、储存硬盘、网络资源、通讯资源、防火墙以及植入的操作系统、和数据库管理调用系统等。

　　数据处理层，是所获数据在业务场景下处理的平台。主要包括将智慧技术与污水处理厂的业务场景进行结合，并在符合工艺逻辑和实际运行规律情况下，运行水质预测算法、设备报警逻辑、运营反馈工单、生产统计规则的配套算法。最终将人工智能技术对复杂事件决策、计算机学习和实时数据计算作为智慧决策支撑手段，甚至是自动决策的智慧手段，以减轻现有污水处理厂相关工作人员的决策负担，提高再生水厂生产运行稳定程度。

　　数据应用层直接对接该平台的用户端。由于数据来源多，覆盖业务广，某一数据可能在多个场景下重复应用，故根据应用目的对数据进行分流，使数据分别向决策支持系统、运行控制系统、运维管理系统、厂间横向对比分析系统流动。同时，在上述四项内容上，需分别对数据进行展示、反馈、交互、分析应用呈现。

　　2.1.3实施流程

　　对于新建水厂项目，智慧水务的规划须在建设设计期提出。由于智慧水务的成功搭建及运行对用电、通讯、外部环境均有要求，故在土建建设阶段，就须对智慧水务中硬件设备预留相应设备位置及间隔距离、绝缘环境、不间断电源及网络接口。在设备选型阶段，为满足数据采集的时间间隔要求或设备变频智能控制要求等，须对预处理设备、取样设备、测定仪表、变频泵、变频风机及可自控阀门等进行对应选择。在本案例中，由于在水厂规划初期同步开展了智慧水务设计，厂内关键管路的阀门均选用电动阀，鼓风机、提升泵、加药泵等核心设备均选用变频规格，故后期实施智能加药和精确曝气技术时，无须重新更改设备，降低了智慧水务平台的建设成本。对于再生水厂改造项目，智慧水务运行平台的建设则受到更多约束。尤其某些老旧厂区，智慧水务的实施将意味着大量仪表的采购及安装。对于无法满足安装要求的水处理构筑物还须进行改建并重新对设备仪表布点等。

　　遵循设计在实施前、单独调试在互联调试前、独立工作多点开工的原则，可分步实施智慧水务的建设。各建设顺序依次为：进场条件建设，信息化主体建设、智能化主体建设、智能化零星工程建设、智慧化主体建设、智慧水务优化建设。

　　2.2实施重点

　　智慧水务平台成功运行的前提是服务对象须为数字化水厂，故水厂的完全数字化是成功实施智慧水务的重要基础。水厂数字化的工作内容包括对厂内数据进行梳理及提取，根据数据来源，可将水厂内数据分为静态数据与动态数据，动态数据中又可分为在线数据和离线数据。

　　在对水厂数字化的过程中，需根据不同的数据性质预留对应的数据源接口，同时为动态数据做出动态调配余量，合理预留系统的数据冗余度。此外在提取数据的同时，还需根据数据结构进行梳理，如数据的时间、空间位置、数据单位、数据来源特性等。数据的梳理将直接参与后续数据清洗、应用与挖掘过程。以即时COD去除率这一指标为例，由于再生水厂内的水力停留时间不可忽视，故在计算COD去除效率时，需根据实际水力停留时间推算出该出水时刻所对应的进水时刻，并通过在线仪表找出该进水时刻下的实际数据，此时对COD去除效率进行计算，才可保证计算指标的科学性与准确性，故COD浓度数据的时间属性将在计算过程中十分重要。

　　2.3实施标准及效果

　　根据本案例中智慧水务的建设及应用目的，对智慧水务平台的建设提出了评价体系作为该平台的优化方向，该评价体系应包括信息化水平及数据使用水平两组评价指标。

　　该评价体系有效地将对智慧水务的性能评价由定性评价精确为定量评价，且从智慧平台的基础建设到智慧服务都提出了具体要求。评价指标的提出，反向明确了智慧水务建设过程中构建体系框架、指标选择及建立算法的优化方向。

　　在集团端智慧平台与单厂信息平台的联动运维下，厂内生产记录工单线下填报转为线上记录，日常水质报表一键生成，历史数据可满足秒级、分钟级、小时级别的调取及搜索。在智慧算法的保障支撑下，水厂原设计日处理水量为20 000 m³/d，现已达到28 000 m³/d；该水厂吨水电耗降为0.41~0.48 kW·h；自智慧水务平台上线后稳定运行7个月，分钟级出水指标从未超标。

　　结语

　　智慧水务作为信息技术与传统水务融合的新兴领域，在实施过程中仍面临着方法缺乏理论指导、业务缺乏应用经验、技术缺乏模型介入等问题。通过对北京市朝阳区某再生水厂智慧水务平台建设的回顾，本文总结了智慧水务平台建设过程中的经验及方法，强调了信息技术在业务场景中应用，推动了数字化智慧水务的落地与发展。

（文章来源：搜狗微信）