突破供水计量,科学探索水务大数据应用
发布时间:2022-11-28 09:51:13 来源:本站原创 作者:本站编辑 浏览次数:

摘要:在国内新基建大潮的推动下,智慧水务也迎来了前所未有的发展机遇,5G、物联网等通信技术设施,AI、云计算、区块链等技术基础设施,数据中心等算力基础设施,在推动水务行业提升服务体验、降低运营成本、降低产销差等管理方面出现了许多的创新和突破。

图片

导  读

本文首先对水务行业的管理现状进行了梳理,总结了相关的问题,并对水务行业的大数据应用趋势进行了分析。

    之后根据水务大数据产业链的成熟度,划分成2个阶段分别进行阐述:其一是水务大数据的采集和传输阶段,其二是水务大数据的智能处理和应用阶段。

    基于上述阐述和分析,论文在第3部分探索了典型的水务大数据使用场景和建设建议。最后指出了大数据智能处理和应用阶段进一步深入研究的方向。


在国内新基建大潮的推动下,智慧水务也迎来了前所未有的发展机遇,5G、物联网等通信技术设施,AI、云计算、区块链等技术基础设施,数据中心等算力基础设施,在推动水务行业提升服务体验、降低运营成本、降低产销差等管理方面出现了许多的创新和突破。

笔者自2019年以来,陆续在北京、江西、浙江等省市地区考察和调研了水务产业链在大数据方面的应用,发现其在资源科学调度和管理科学决策方面有一些值得研究的新机制。为研究这些新的机制,本文将对水务行业的管理现状和水务大数据的使用场景和效果进行梳理和探索。



水务管理现状梳理
调研中,发现水务管理仍存在若干问题,总结如下,

漏损率高、产销差大形势严峻
虽然近年来国家发布了多项节水、漏损率相关的文案政策,但供水管网规模太大、管线动辄上千公里,管网资源不高效、检测终端不够量、检测数据不准确、漏点定位不精确等现状使得漏损率和产销差控制仍是一大难题。供水公司期盼突破单一的水表计量性能升级领域,对产销差管理推进更深入更全面的研究工作并产生显著的成效。

信息孤岛问题影响管网运营效
信息不连通使管理手段落后,与水务行业快速发展的需求形成巨大反差,特别是缺乏详实数据支撑,导致运营管理缺乏科学化,导致盲目管网改扩建、不合理生产调度、过高能源和资源消耗、供排水成本高昂等问题,为城镇供排水的生产和输送过程埋下安全隐患。

设备维护、管理困难
供水公司往往表具设备种类繁多,如何兼容共同管理成为难题,即使使用了智能表,由于使用环境的特殊性,还存在数据传输安全、功耗、网络覆盖、大量水表接入、升级维护难等一系列问题。

水质安全监测需求紧迫
城市水务管网主要问题之一是管道腐蚀问题。管道腐蚀不仅会堵塞管网,还会对居民生活用水产生极大的安全问题。供水管道内部腐蚀,内壁会形成沉积污垢,减小过水断面、妨碍正常输水,甚至会堵塞计量水表,使设备不能准确提供数据,增加了维护困难。此外,腐蚀问题形成的局部结垢问题会使管内压力变大,水流方向改变或水流速加快时,污垢会随水流入各居民用水区域,导致用水浑浊、发黄,甚至漂浮污垢,严重威胁着居民的生命健康。

为解决水务管理中存在的上述问题,水务行业开始逐渐出现使用大数据技术来提升管理效率、提高绩效的趋势。水务行业在应用大数据时,基本上可以分为大数据采集与传输、数据智能处理与应用2个阶段,下面分别进行阐述。



大数据采集与传输瓶颈率先突破

我国近年来积极推进基于800MHz频段的NB-IoT网络部署,近百万个基站在线运行,支撑近8000万NB-IoT终端的网络连接。从调研情况看3】,目前天津水务集团、福州水务、上海浦东威立雅、北京自来水集团、深圳水务集团等已经有了多个NB-IoT智能水表标杆项目落地,行业获得规模发展,终端规模已突破2000万。数据采集和传输的产业链规模也在不断发展。


超声波水表迅速普及
在下游供水公司降低管网漏损率水平、提高供水运营效益、加强智慧水务建设的等需求因素驱动下,超声波水表正在被应用到供水计量中。超声波水表是通过检测超声波声束在水中顺流逆流传播时因速度发生变化而产生的时差,分析处理得出水的流速从而进一步计算出水的流量的一种水表。相较传统水表,超声波水表内部无活动部件无阻流元件、不受水中杂质的影响、使用寿命长;计量准确度高、具有优秀的小流量检测能力、能解决众多传统水表的问题;输出通讯功能齐全、可以满足各类通讯和无线组网要求、更适合水费梯度收费和水资源的节约。
然而,由于超声波流体测量技术近年来才应用于户用水表,因此在智能水表市场中,目前仍以智能机械水表为主,超声波水表占比相对较低。相对于整体水表市场,超声波水表的市场渗透率仍很低,但随着超声水表的市场接受度越来越高,预计未来超声水表的市场容量及市场渗透率有望显著提升。
(从《汇中仪表股份有?限公司2020年半年度报告》中可以看到汇中超声水表及系统的营业收入比上年同期增加97.64%,势头强劲。)

水务物联网应用建设成本逐步下降
随着市场规模的不断扩大,在行业客户需求拉动、运营商集采、多方竞争等多因素的推动下5】,物联网通信芯片、模组的价格逐步下降。一方面,NB-IoT模组价格已降至可与2G竞争的水平,甚至目前已经出现比2G价格低的NB-IoT模组产品。另一方面,随着移远、广和通等Cat.1模组厂商接连发布了不同特性的模组,多方竞争市场驱动 Cat.1 模组价格更低更合理。
因此,无论从技术演进还是网络投资来看,现有水表和系统的技术和业务投资,均能获得持续的服务保障。


水务大数据智能处理正快速发展

水务企业利用物联网技术获得大数据后,由于数据多样、复杂,产生智能处理和分析的需求。提高这些水务综合数据的智能处理能力,可为水务现代化管理提供信息来源与决策依据,是解决水务真正智慧化需求和问题的关键点和突破点。

具体产生了二方面的机制问题待研究:

  • 如何利用数据来取得业务和管理上的最大成效和最小成本问题,即共享资源的科学调度问题;

  • 在业务和管理发展过程中,一方面大数据的应用减少了人工、运维、滴漏等资源投入,对管理的效率提升带来了巨大的收益,另一方面由于信息化建设、通讯、维护等成本消耗,出现收益和消耗之间的平衡需求,即不同维度需求的管理决策问题。




水务大数据应用场景探索

水务大数据管理应用的一种场景是通过具有全程可视化的资源配置和运维管理能力、以及提升的实时性能,从而可以对业务实现白盒化管理能力。

图片

 图1:水务大数据管理视图

从上图可以看出,水务业务系统包括城市管网系统、营销抄收系统、及其管理系统。大数据管理应用包括:


建设基于物联网的管控一体化平台
在上述技术和数据的支撑下,水务企业正在建设统一的平台规范,统一终端的接入协议,各类终端通过统一的协议接入到平台。基于此,水务行业正在逐步建立统一的管控一体化平台,将企业内的各个分子公司的信息系统、终端接入,形成大数据视图下的资源科学调度和科学的管理决策。管控一体化平台正在成为水务企业运营管理的核心,目前这种建立管控一体化平台的趋势正在逐步扩大。

数据融合和精准服务
随着近几年智能水表的不断规模应用,水务数据量的积累可从表计数据的采集起步,逐步渗透到水务全产业信息状态的感知。
NB-IoT水表为例,当前行业内普遍的物联网水表业务模型按照每半个小时采集一次用水量数据,每天发送一次的设计,数据量大约200字节左右,通过NB-IoT网络传输。基于网络效率,NB-IoT模组允许的传输数据包一般小于512byte,对更大的包自动拆成多个分包进行传输,单表每天发送数据量大约10k左右。如果对用户用水行为进行分析,户表采集的数据量会成倍增加。
基于统一平台的多源数据融合,结合大数据分析、人工智能等技术,为水务行业的数据整合、综合管理、决策支持提供解决方案。对海量数据进行人工智能处理,统计用户行为,跟踪管网运营状态,使得管理和决策有了更多的依据,给用户更好的感知。
用户可以在每一个时间点都能看到独享资源视图、运行的KPI情况,真正实现管网和压力站的可视化运维和管理。新技术与水务业务加速融合,物联网采集数据与业务系统结合后开始助力水务行业智慧化运营,助力水务行业更加详细了解用户的用水行为从而提供更加精准、更加多样化的服务。

资源科学调度和管理决策
当前水务行业在持续做好水表计量性能提升、以NB-IoT及5G技术等为代表的无线数据远传业务拓展、DMA分区计量漏损监测、水务信息化应用等工作基础上,水表产品已从原先独立使用的水计量产品发展成为水务信息物理系统(CPS)中的感知终端和水务应用系统中的重要环节。在智慧供水领域,CPS主要包含管网供水压力(水量)的科学调度及能耗优化、管网末梢在线水质监测及预报警、管网漏渗监测及准确定位等业务系统。目前最亟需的是通过提供水务全面综合大数据,使现有水力、水质 、漏损等水务管网的算法模型的效果得到显著地提升,从而实现水务行业真正的智慧化运行。
基于CPS的水务解决方案和产品化研制步伐正在完善和成熟起来,为保障满足生产与管理的不同需求,可以参考两个阶段分步进行:第一阶段,优选城市管网系统毫秒级控制场景,以及压力站所智能监控场景。第二阶段,逐步增加管理系统和营销抄收系统等广覆盖、大连接、低功耗场景;
在上述业务控制中,比如关阀动作,需要比较实时,如何寻找更快的收敛速度是关键问题。面对新的技术应用和同步带来的新问题,如何设计适合水务管理的最优化模型,以及模型参数的更新是关键问题。


展望

将数据处理中应用的人工智能模型引入到水务行业中,并对公司资源调度的过程建立深度强化学习模型,并求解模型,同时从科学的方法角度提升水务行业管理的决策科学性。

在大数据的应用过程中,基于大数据的方法来提升水务管理的资源调度和管理决策的科学性时,往往需要对出现的新事物或未知状态进行探索,这种探索可能偏离理想状态,因此需要进行补偿,从而更加快速收敛到理想状态。这将体现管理的科学探索和自我优化特征。因此使用深度强化学习模型对水务企业大数据调度进行建模后,针对水务企业的特征,对深度强化学习模型进行优化,分别对负收益、搜索空间巨大、未知探索误差等场景进行补偿机制研究,并设计出更加符合水务企业资源调度模型。可以逐步探索和积累更好的决策和举措,使得水务企业资源调度在面对未知情况时、复杂情况时能快速高效调度和科学决策。


分享到:

热门评论