技术解析 | 新科技时代水务的“智与慧”（下篇）

近年来，我国相关部门积极出台的一系列政策对智慧城市建设与智慧水务体系发展提供了相当力度的政策性支持。2012年5月住建部、发改委联合印发的《全国城镇供水设施改造与建设“十二五”规划及2020年远景目标》提出“应增强科技创新能力，依靠科技提升水务生产、业务信息管理水平”；2014年3月国务院印发《国家新型城镇化规划(2014-2020年)》，指出将发展智能水务、构建覆盖供水全过程、保障供水质量安全的智能供排水和污水处理系统纳入国家城镇化建设发展方向；2014年8月国家发改委、住建部等八部委联合印发《关于促进智慧城市健康发展的指导意见》，明确提出须将大幅提升水务等公用基础设施的智能化水平和实现运行管理精准化、协同化、一体化作为未来发展目标，同时加快建设全过程智能水务管理系统和饮用水安全电子监控系统。

政策红利的不断释放与发酵得到了水务行业的积极反馈。北控、首创等龙头水务公司均已在数字化水厂、水务管理信息化等业务板块积极布局。具备研发实力的环保技术公司通过团队扩充或者外部合作，积极为自己的产品和解决方案增添智能化元素，以智能水质监测仪器、智能水表为代表的智能化设备不断涌现。与此同时，信息技术巨头们也纷纷布局中国水务市场，整个产业格局在悄无声息地酝酿着深刻的变化。华为、阿里、腾讯积极布局组建智慧水务团队，旨在通过物联网、人工智能等新兴技术驱动水务行业数字化转型。通讯互联网巨头的跨界进军给智慧水务行业注入了新鲜血液与活力，传统水务公司不但可以更高效的完成技术转型升级，同时与其他产业的交叉碰撞也不断拓展着传统水务行业的外延，为水务行业提供了全新的商业可能与业务增长点。

总体而言，我国智慧水务行业正处于整体布局和技术爬坡阶段。技术发展阶段属于水务信息数据化阶段，现阶段的发展重点在于完善底层数据采集 (如水质、资产等数据) 与数据监控存储系统 (如地理信息系统及SCADA等系统) 。精准高效的底层数据收集系统是水务系统智能化的必要条件，是数据分析以及决策流程准确性的根本保障。目前国内水务信息化底层建设的开展速度不断加快，各水务服务商与相关企业在技术发展水准上参差不齐，行业整体仍有很大的上升空间。

水务企业在建立了基础数据收集与存储模块后，仍可能存在数据孤岛问题，数据孤岛是限制智慧水务发展的关键问题之一。造成数据孤岛的原因在于：一是各模块所使用的软件系统存在兼容性问题，导致数据无法流通共享；二是数据共享平台设施搭建仍不完善。只有突破数据互联共享这一瓶颈才能让水务系统充分利用多维度信息，实现更高层次的智慧应用。

此外，在水务信息数据化阶段，需要各参与单位对智慧水务体系有统一认知，对智慧水务整体系统的构建保持足够的大局观，对水务分析智能化与决策智慧化架构进行顶层设计，在基础软硬件设施的方案设计与搭建过程中，保证系统发展的可持续性以及系统的延展性，减少后期系统构建与升级过程中的无效与重复投入。

放眼海外，各国水务从业人士提出了各类智能水务系统概念和架构，诸如数字化水务 (Digital Water)、水务4.0 (Water 4.0)、智慧水务 (Smart Water)。智慧水务体系构建工作在欧美发达国家能全面迅速地推进，得益于水务领域扎实的软硬件基础建设及丰富的数字化水务管理经验。国外的智慧水务技术起步较早，发展也相对系统，从ICA到水信息学，整个技术路线保持了延续性，同时非常注意与传统水务需求兼容。随着石墨烯、高分子等新型材料领域的技术突破与应用，传感器的种类得到了极大扩充，传感器的性能得到普遍提升，各类传感器的应用领域也得到了有效拓展，为智慧水务底层“感官”硬件构建打下了坚实基础并收集了大量高质量数据。与此同时，随着大数据智能算法的不断革新，海外水务服务商对所获取数据的智能化利用已经进入到实际项目应用层面。

挪威的德拉门市于2014年推出基于智能监测、模拟和控制手段的智能水务管理系统。该系统充分挖掘排水系统的潜力，对污水处理厂、排水管网和河道等进行统筹优化，从而有效节省下新建大管径管网及蓄洪池等基础设施所需的巨额投资。在监测方面，工程师们搭建了基于物联网技术的监测系统，可对降雨、下水道水位、流量、流速等进行实时监测。在模型和控制方面，该项目提出了一系列有益的建议，如在降雨时，将尚未充满的管网关闭，形成暂时的滞洪装置，减缓污水处理厂负担；或者将有溢流危险的集水区污水向尚有余力的集水区分流，以均衡排水系统的负荷。值得一提的是，除了使用排水管网模型和污水处理厂模型外，该项目还使用了深度学习技术进行水文时间序列预测，有效强化了排水系统控制及集水区管理。

在欧盟FP7项目支持的智慧水务SW4EU (Smart Water for Europe) 科研项目中，英国著名的泰晤士水务公司在英国雷丁市试点使用了智能测量手段和机器学习算法，对供水管网中的水压进行监测及分类。该项目研究发现，利用测量数据和机器学习算法，可以有效地监测异常水压状况，进而对泄露、爆管等异常情况进行预警并定位，方便水务系统的运维人员及时调整供水策略并修复故障。此外，该研究还涉及到K近邻法 (K nearest neighbor) 的使用。K近邻法是一种机器学习算法，既可以对用水需求进行预测，也能够结合供水管网模型，对供水过程的能量进行优化，减少泵站等设施的能量消耗。

在美国Ann Arbor市，密歇根大学的研究人员正在开发使用无线传感器的控制系统，以减少城市洪水并改善水质。研究人员首先部署了用于雨洪控制的传感器和控制器，传感器节点将提供雨洪条件的实时信息，而控制器可以连接到现有的站点，如滞洪池塘、绿色屋顶等，以控制强降雨事件的流量。为了汇总、存储和处理来自传感器节点的数据，研究人员还开发了用于数据存储和可视化的云端架构和Web服务，以及后端安全强大的可扩展工具。在有效监控和数据收集的基础上，该大学的研究人员正在研究新的系统级控制算法，这些算法涵盖了动态系统以及强化学习等方面。