随着数字化浪潮的来临，智慧水厂是未来供水发展的必然趋势。而多数水厂对于智慧化理解程度不足，目前仅实现生产数据的集中显示和操作的远程化等常规的自动化控制上。通过阐述基于感知层采集、物联网技术，人工智能技术，结合水厂运行规律，建设智慧生产管理平台，介绍在线系统、智能模型以及未来的设想。通过建设智慧水厂管理系统，旨在提升水厂的精细化管理水平，确保水质安全的同时达到节能降耗的目的。

随着数字化进程的不断发展，智慧化进程是大势所趋，而智慧水厂是在供水管理工作中，以新一代信息技术为基础，通过传感器、无线网络和在线水质监测，在设备数据采集、存储的基础上进行分析、建立模型算法、自我学习，实现生产、运行、维护、调度等全过程的水厂管理工作。如何通过智慧化管理更好地促进水厂发展，在集团的引领下水厂进行了不断的探索和实践。

水厂智慧化建设前存在的问题

相对于物联网，大数据行业快速发展，相关技术应用于供水行业以及对水厂管理提升相对滞后，主要体现以下三方面：

（1）缺乏有效数据：缺少数据种类，以及数据的精准度、及时度和同步性问题，会影响系统对数据分析以及分析结果，可能导致决策产生偏差。如果处于系统建设初期阶段，若要实现智慧水厂，至少需要完善设备资产数据库，建立工控系统，只有具备以上系统，才能为智慧模型提供数据来源，从而向智能化、智慧化方向发展。没有有效的数据作为基础，想要实现水厂智慧化如同空中楼阁。2008年水厂进行水工艺信息化基础建设，包括水质指标监测网络的构建，工控系统建设；2017年水厂在持续完善水质在线监测的同时着手开发设备资产管理系统。

（2）数据孤岛问题：水厂多种信息化系统相对孤立，独立运行，各系统之间的数据缺乏共享和深度挖掘，信息化难以发挥应有的效应，限制、阻碍了更高层次的智慧应用。即使搭建了数据库，通常只是将不同种类的数据移植到其他系统之中，如果没有对数据进行筛选，则又会产生很多无用数据，久而久之就会导致数据丢失，系统运行缓慢等问题。因此首先应对数据进行整理，做好数据的统一、分类和分层。

（3）智慧水厂认知：实现业务驱动下的管理模式与管理架构的调整是智慧水厂得以应用的目标之一。系统平台所表现出的“智慧”效果，并不仅仅通过传感器进行实时监测，以及整合了不同种类的系统平台。而是在建立统一数据中心的基础上，通过对大数据信息进行及时有效的分析与处理，从而获得解决水厂实际问题如加药预测、水量预测的数学模型，通过集成这些模型算法，对各项指标进行预警、预测，真正让系统起到“大脑”的作用，使水厂生产、管理流程更加精细化和动态化。

智慧水厂系统的搭建

在水厂智慧化试点项目中，应用基于BIM技术进行数字化及平台原型开发工作。涵盖了水厂主要基础设施，实现功能原型落地，对设备运维系统，控制系统数据联通试点，实现数据的价值共享，以及设备管理、水质管理、电能管理等功能。

设备管理

设备管理模块是智慧水厂管理平台的基础，结合集团相关设备管理规章制度，对设备按照专业进行划分建档。包括设备的数据管理、检修记录、档案资料等，建立科学、规范的设备运行维护流程和信息化管理基础数据体系，完善设备台帐，构架合理的设备层次结构，对设备使用过程中的维护、维修、运行、更新改造，直到设备的最终报废进行全生命周期的电子化闭环管理。使管理人员能够随时了解设备的静态和动态信息，掌握设备的运行状态。

通过手持终端获取设备相关信息，结合设备巡检，实现二维码资产查询、设备巡检、设备润滑、库存备件查询等应用。根据设备维护计划进行现场维护维修，通过电子工单记录设备维护情况，查询维护历史和档案资料等，也为管理人员分析和管理决策提供了有力的信息支持。

水质管理

水质管理是水厂工艺运行的重要参考，根据每个工艺段的工艺参数和水质指标控制标准，以水质化验数据为基础，建立水质管理系统模块，将各工艺段水质数据转换为自动化和数字化的处理，以此提高工艺分析管理水平。包括在线仪表自动监测和人工化验水质化验结果的信息，历史数据查询与浏览。通过在线分析系统查询与浏览水质化验批次、日期、检验结果和混凝实验等数据。对于水质化验报表，具备统计分析每批次水质化验结果的功能，水厂相关人员还可根据某段时间内的报表数据，对某段时间内对水质处理效果进行查询，并可将其与相关标准进行类比分析，对于达到或接近预警值和控制值的数据进行单独标注，以此来从根本上保障对工艺的指导作用。

智慧化进程

水厂智慧化是水厂由自动化、信息化向更高阶段发展的必然结果，通过打通不同平台获取水质参数，运行参数等数据进行智慧化模型的开发，如水质投药模型、设备健康模型，实现智慧水厂的精细化管理的能力。

智慧投药

基于水源水质特征及其随时间变化规律，水厂联合自来水集团技术研究院开展节能降耗的混凝模型动态调整研究。

水厂具有较为完善的在线数据，通过与工控系统间数据共享，筛选进水、机加池、炭池和出厂的水质数据，以及氯投加量、臭氧投加量及混凝剂投加数据，共计363 684条，时间区间为2015年1月1日至2018年12月31日，验证数据集共计85 992条，时间区间为2019年1月1日至2019年10月31日；评估标准以MAPE和MAE为指标，计算公式见式（1）和式（2），建模的目标是MAPE、MAE值越小越好。

通过LSTM、XGBoost和随机森林三种算法对三氯化铁或PAC单独投加建模及进行比较发现，XGBoost算法的MAPE、MAE值最小，因而首选XGBoost算法对三氯化铁、PAC进行建模，联合投加建模方法首先采用PAC的预测效果做为三氯化铁的输入，三氯化铁模型特征值为 features = ［′进水pH′, ′进水温度′, ′进水流量′, ′出水温度′, ′出水浊度′, ′进水浊度′,′出水pH′值,′每日PAC投加量的均值′,′每3个小时PAC投加量的均值′，′PAC预测′,′月份′, ′日期′］，预测值为三氯化铁投加量。数据集预测结果如图7所示，MAPE值为3.70。

对双药投加的建模方法同时尝试采用三氯化铁的预测效果做为PAC的输入，PAC模型输入的特征值为 features = ［′进水pH′, ′进水温度′, ′进水流量′, ′出水温度′, ′出水浊度′, ′进水浊度′,′出水pH′值,′每日三氯化铁投加量的均值′,′每3个小时PAC投加量的均值′，′PAC预测′,′月份′, ′日期′］，预测值为PAC投加量。数据集预测结果如图8所示，MAPE值为3.39。

通过不断的训练和中试实验，采用XGBoost算法建立的混凝投药模型应用于水厂生产系统。该模型较传统的人工控制更能适应常态水源条件下实现依据实时水质数据动态调整净水投药参数，控制水质指标的要求 ，从而达到混凝剂精准投加和节能降耗的目的。

设备健康管理

开发设备健康智能化管理模块，由于水泵等旋转类机电设备其故障主要来源于轴承、电机等部位。因此，在驱动端和非驱动端上布置温度、振动传感器进行采集数据，通过智能化模型处理分析，进行故障诊断和识别。

其中振动数据的分析采用的原理是傅里叶变换，周期函数X(t)，周期为T，其傅里叶级数的形式见式（3）：

把旋转机械的连续的周期性通频信号转换成为半倍频、工频、二倍频、三倍频和多倍频的形式，从而对应不同振动频谱特征对旋转机械故障进行分析与诊断。

在振动故障中，由于轴承及其相关故障占比较大，通过振动速度谱分析，并根据滚动轴承内圈通过频率fI=N21+dbDcosβfr，外圈通过频率fo=N21-dbDcosβfr，滚动体通过频率fb=D2db1-dbDcosβ2fr，保持架通过频率fo=121-dbDcosβfr进行实时匹配。如果监测频谱与轴承其中任一频率相契合，那么即可以大概率确定故障所在位置。

在对某台水泵实际运行分析过程中，发现实时振动监测谱中125 Hz左侧附近出现异常峰值，通过该轴承型号参数可得出各部位的通过频率。

通过查阅我们可以看出水泵内圈通过频率为121.1 Hz，和监测频率极为接近，由此系统初步判断轴承内圈存在故障隐患，提示相关人员注意。

在温度管理过程中，我们采用轴承温升不应超过 35 ℃，同时轴承内极限温度不得超过 75 ℃的温升预警方式，数学表达式｛T2<t0+35 ℃｝∩{T2<70 ℃}为：

其中T0是环境温度，T2是实测温度，如果超过温度阈值，系统将会报警提醒相关人员进行检查，同时推送信息到设备管理模块。

通过上述两种模式从而实现设备全寿命周期的健康管理与预测，给运行型人员、技术人员和维修人员并给出最优的维护建议，实现设备的智能化健康管理。

展望

（1）预测水质态势。原水水质是一个动态的复杂系统，水质指标一直处于动态变化之中。针对水质的复杂性，为适应水质变化的动态特性，提高预测精度，结合人工智能算法在水质智能化建模，利用在线仪表的数据为基础，通过水质参数进行预测，强化数据的分析、对比。对水质是否步入异常趋势进行判断，并使相应人员及时获取到相应的水质信息，并提示相应的处理方法。

（2）推进智慧节能。推进碳中和，碳达峰进程，进行智慧节能模型的开发，通过不同性能机泵的分布及组成，对配水泵房不同性能机泵的供水方案进行优化组合，使机泵等重点耗能设备长期保持最佳的运行状态，同时达到节能降耗的目的。

（3）探索群智感知。在通过传感器、射频识别、二维码等技术，全方位采集和捕获水厂工艺、水质、设备的状态信息的基础上，进一步利用移动终端功能，充分发挥人的主观能动性，将异常情况通过拍照、视频等功能，与所处地理位置同时上传后台，通过监控对收到的信息进行鉴别、分类，并通知相关部门解决。

结语

智慧化进程在不断发展、完善，而智慧水厂的构建是一个系统工程，离不开先进技术的支撑。通过一系列改造，水厂虽已在设备管理、工艺运行、水质监测、节能降耗等初步成效，但离实现集团“十四五”智慧水厂整体规划目标还有差距。在日新月异的科技变革下，在推进数字化转型的过程中，继续探索与挖掘智慧化工作模式，做好各项分支工作模式智慧化，提升数据分析能力，是下一步工作中的重点内容，也是今后仍需思考的问题。