基于大數據的智慧水務平臺構建研究

周迅，周伏虎，張曾，陳鏡先

（中國水利水電第七工程局有限公司，四川 成都 610213）

1 引言

1.1 基于大數據的智慧水務研究意義

基于大數據的智慧水務利用物聯網、5G、云、AI、大數據等新一代信息技術與水務運維相結合。通過對感知數據的抓取，利用5G 網絡及時傳輸對所有數據進行規整建立數據倉，深度挖掘其隱形價值，按照行業維度進行數據分析，對業務狀況進行評估。實現水務業務系統的資源數據化、控制智能化、服務精準化、決策科學化，使水務運營智能高效、管理科學合理、服務優質、環保低碳，提升水質、降本增效、保障供水安全。

1.2 智慧水務實踐應用介紹

夾江青衣水廠由中國水電第七工程局承建，在充分調研國外國內的供水公司使用先進技術的基礎上，決定采用大數據、云計算、物聯網等新興技術貫穿智慧水務的規劃、建設、管理、運營、應急等各個環節。該水廠主要為夾江縣城供水，一期設計供制水能力為5 萬m3/d，水源取自夾江青衣江地面水，生產仍采用“沉砂—絮凝沉淀—過濾—消毒”制水工藝，但建立了自控環形網絡，采用液位監測儀、水質監測儀、流量監測儀、壓力計等物聯感知設備，對取水、制水、供水進行全面感知，對數據進行集中管理、分析，實現對全流程在線監測、數據異常告警、智能決策，從而實現智慧供水一體化平臺。生產數據的管理是生產運營管理信息平臺的核心，智慧化主要表現在物聯網設備對現場數據的采集整理、大量數據存儲和分析、通過工藝的仿真模擬、建立算法模型實現一定程度的自我學習等。

2 基于大數據的智慧水務平臺研究

2.1 智慧水務平臺架構

基于大數據的智慧水務平臺主要由四層架構，框架如圖1所示。形成以新興技術為支撐的集成化平臺。

圖1 基于大數據的智慧水務平臺框架圖

2.2 智慧水務平臺功能

智慧水務平臺的主要功能包括：構建水務云、智慧生產運營管控、智慧水務大數據決策系統和智慧水務用戶服務。

構建水務云：利用先進的物聯網技術，對平臺所需的水源、供水、排水、節水等各類數據進行采集。利用網絡爬蟲或其他手段對智慧水務需要的各種數據進行收集。對采集到的原始數據進行ETL處理后統一標準儲存到水務云。

智慧生產運營管控：系統集成PLC自控系統、SCADA在線監測系統、水質安全管理系統、大數據經營決策分析系統、GIS地理信息系統、管網優化調度、用戶在線報裝系統、用戶營收管理系統等。

智慧水務大數據決策系統：該系統是智慧水務平臺的核心和關鍵，其目的是通過統計分析將用戶的信息與收集的數據進行關聯，為用戶進行決策提供有力支撐，促使他們做出的決策智慧化，如通過人工蜂群算法的智能泵組優化調度系統，基于LSTM神經網絡的水廠智能加藥控制系統減少了人工誤差，提高了水廠整體效率。

智慧水務用戶服務：該平臺以用戶為中心，將所有的企業用戶和個人用戶信息進行關聯處理、數據分析和管理，針對不同的用戶提供高效和個性化服務，以提升用戶的滿意度。

2.3 智慧水務平臺特色

提供IT基礎架構云平臺，統一進行數據采集、共享、存儲；統一標準，信息分類及編碼規定；系統集成規范、數據上報接口規范；數據采集自動化，從總體上建立完整的水務數據采集、數據實時傳輸、數據集中處理，保證數據采集的自動化；決策調度智慧化，以GIS 地圖為基礎，實現對智慧水務平臺海量數據進行提取和挖掘，為水務運維工作提供專家決策服務；公眾服務智能化，通過數據關聯分析，與用戶形成良性互動，為用戶提供便利高效的服務；通過大數據算法和模型等先進手段，提高效率，降低運營過程中的損失，從而達到降低成本的目的。

3 關鍵技術實現

3.1 基于機器學習的水廠短期供水量預測

由于城市供水是一個持續不斷的過程，過往一段時間的供水量會對當前的供水量產生一定影響。建立時供水量預測模型，根據預測結果指導供水調度。將水廠運營的2020 年7 月25日到2021年6月30日的歷史數據作為訓練集，2021年7月1日到2021 年8 月21 日作為測試集，對數據進行清洗、集成、變換、審核等加工處理后，結合影響水量供給的多種因子，對因子進行擇優篩選。供水量預測建模采用特征工程、相關性分析和模型訓練三大步驟。通過多種算法對夾江城區供水量進行一個小時的短期預測。使用XGboost 算法的精度在數據集上是最高的。將天氣、日期等數據傳入模型后，模型可以將數據進行特征擴充并快速、準確推斷未來一小時的供水量，依據模型預測的結果，再配合大數據分析技術對城區的供水量進行合理調度，達到節能、精準供水的效果。

3.2 基于神經網絡的水廠水質預測

針對取水口的實際情況，采用不同的神經網絡模型和不同的特征選擇方法對水質數據進行預測，并進行對比分析。經分析發現，對于該廠取水口水質預測問題，采用單層LSTM 網絡預測效果更好，對于同一網絡模型不對數據進行特征降維而用盡可能多的特征進行預測效果更好。

3.3 基于神經網絡的PAC智能加藥控制系統

如圖2所示，完整的模型由Net1和Net2兩部分組成。Net1為投藥量預測網絡，Net2為出廠水水質預測網絡，訓練階段兩個網絡首先進行獨立訓練，然后進行聯合訓練。最終運行階段只使用Ne1 進行投藥量預測。將2020 年7 月24 日到2021 年6月30 日為訓練集，2021 年7 月1 日到2021 年8 月22 日為測試集。對于訓練模型使用的三類特征，進廠水水質特征數據InW中選取PH、溶解氧、高錳酸鹽指數、氨氮、總磷、生物毒性、進廠水流量共7 個，出廠水水質特征數據OutW 中選取出廠水PH、出廠水濁度、出廠水余氯共3個，M為PAC投加量。

圖2 二階段投藥量預測模型圖

經過聯合訓練，共同調參，使用實際出廠水質需求對投藥量預測網絡調優，使投藥量預測網絡在運行階段預測結果更可靠。結合全自動一體化加藥裝置，根據預測結果值進行藥量計算，通過加藥泵投加，加藥流程，青衣水廠PAC智能加藥，性能穩定、能耗低、PLC控制、全自動運行，能實行遠程控制。

3.4 智慧供水管網管理平臺

智慧供水管網管理基于“互聯網+”模式構建，實現供水從取水口到用戶的全網管理。平臺主要包括供水運行系統、管網綜合管理平臺、管網智能巡檢系統。

3.5 基于人工蜂群算法的智能泵組優化調度系統

青衣水廠泵站供水規模50 000 m3/d，泵站配有5臺水泵，其中3臺工頻泵、2臺變頻泵，水泵型號均為SFWP100-300，性能參數：流量834 m3/h，揚程48 m，配套功率160 kW。對泵站2020年07 月25 日至2021 年08 月21 日共10 160 條時數據分析，擬合水泵的性能曲線，建立優化模型，結合水廠供水量日變化時段劃分，利用改進的人工蜂群算法求解，可得優化結果。

通過建立自適應調整步長策略，改進偵察蜂搜索策略，平衡人工蜂群算法探索和收斂精度的能力，實現對人工蜂群算法的改進。最后利用改進的人工蜂群算法對泵組優化模型求解，得到泵組運行的優化方案。實時調節水泵的工作組合，會生成具體的水泵工作指令。

4 結語

夾江縣青衣水廠的生產運維管理利用新興技術提高管理效率、降低成本、保障供水安全、提高社會服務效益，實現水務生產、運營、管理的新目標。新興技術在智慧水務的初次使用，還有很多不足，如何提高數據質量；感知設備的不穩定性如何解決，數據挖掘算法需要不斷的優化等都將影響平臺的作用。