| 首页 | 关于水协 | 文件通知 | 水协动态 | 政策法规 | 标准规范 | 新闻资讯 | 新产品推广 | 给水排水 | 城市排涝 | 城市节水 | 海绵城市 |
| 高层声音 | 污泥处理处置 | 设计&施工 | 学术之窗 | 行业专家 | 供水排水专刊 | 水协大数据 | 黑臭水体处理 | 会员单位 | 邕之水 |
| 发布时间：2024-03-01 11:07:31 | 来源：未来新水务 | 作者：本站编辑 | 浏览次数： |
周朔：数字化技术如何接通水务行业？
阿里云水务环境与行业总监周朔
在2013年的时候，阿里巴巴集团提出“降成本、高效率、高质量”的目标，与如今水务行业的“提质增效”目标类似。在此过程中强调两个核心能力，一是网络协同，二是数据智能。其中数据智能更为重要。解决数据智能问题，需要形成一套数据机制。用水务行业的视角，可以理解成一个数据构成的水厂，水厂要持续性保证数据质量，来确保自动化体系和安全体系的运行，最后形成一种资产。用互联网的视角，我们一般称之为“数据中台”。对此，阿里云有一些经验可以分享。
数据中台
数据中台的结构包含One Data、One Service、One ID三个部分。其中，One Data的目标是用一套标准统一数据建设 ，把过往数据的框架边界打破，形成数据资产化管理能力。One ID目标是统一实体（如客户、企业、商品、设备等），使数据融通而非以孤岛形式存在，形成连接识别与标签画像、高效生产能力。如在阿里体系中，一个用户ID可以把该用户在各个应用系统中的信息串起来。One Service的目标是统一数据服务能力，通过一套体系来保证这些优质数据能够统一向上提供服务。
基于数据中台理论，就可以较好地理解如何去建设一个数据工厂。阿里提出“汇、通、管、用、评”的一套建设理论。汇，是将各种各样的数据汇集到一起；通，是将数据用统一的标准打通；管，是将数据按业务类型分门别类地管理好，打上标签；用，是通过各种模型对数据进行加工使用；评，是对上述各个环节进行评价评估，以形成更好的数据资产，完成数据闭环。
在水务的应用构想
当前，水务行业正大力推动数字化转型，致力于打好数据基础、形成数据资产，以数据去支撑下一步的智慧化。将互联网数据化的模式放到水务行业中，对照“汇、通、管、用”四个步骤，也可以用较快的速度形成数据资产。首先，将业务系统数据、物联网的实时数据、手工填报的表单数据、空间信息及外部数据等都涵盖进来，统一进入数据工厂；在数据工厂进行萃取，将有用的数据抽取出来，分门别类进行管理，如区分供水、排水、原水、污水等种类，打上标签；再通过模型开展分析应用，如针对节能降耗、内涝防控等主题，形成智慧管控决策平台、智慧生产调度平台、智慧服务平台等功能界面。
以供水领域为例，底层是生产（调度监控、泵站远程监控、运营报表、二供监管、管网综合管理、GIS系统等）、服务（营销系统、客服热线）、外部对接（海绵城市、城运中心）、管控（财务系统、组织人力）等数据信息，将这些数据汇聚分类后，根据客户、营销、生产等各个主题的需要，去抽取数据、进行分析，再在各个场景中加以应用（如决策场景、客服场景、监管场景、调度场景、应急指挥场景等）。
在整个过程中，要遵循实现定义好的各个方面的数据标准，推动一整套业务指标的形成，包括指标定义、设立依据、计算公式、数据来源、统计精度等各个维度。据此，通过将两种不同口径的指标进行对照，还可以使业务人员了解该指标在不同使用场景下的差异，提升数据统计的准确性。这种好的反馈机制能够进一步提升数据质量，形成良性循环，从而建立优质的数据资产，在智能管控、智能调度、智能水厂、智能服务等应用场景中发挥价值。基于数据资产，未来或许还可以探索城市水务数字孪生体及其应用。这些设想还涉及数据模型和机理模型的融合问题，有待下一步解决。
刘伟岩：水务行业如何接通数字化
北控水务集团副总裁刘伟岩
对照IWA划分出的数字水务五个发展阶段，可以发现我国目前处于第三阶段——机会阶段，最典型的特点是：重新设计大多数运营流程，以便实现数字化和自动化控制；以及使用分析工具进行流程优化。
从产业的角度，依据成熟度，还可以将智慧水务的进程划分为数字化、智能化、智慧化三个阶段；区分细分领域来看，供水领域目前聚焦物在线、人在线、管理在线，在数字化方面的工作较为深入，处于信息化、数字化阶段，这与供水行业服务广大百姓、致力于让用户喝到放心水、获得便捷服务等的定位有很大关系。污水处理行业，开展了不少智能化的探索，尤其是面向节能降耗的先进控制等，但目前来看更多是基于工艺单元的智能化，涵盖厂网等整个系统的、全流程的智能化仍然在路上。
水务行业智慧化发展特点
在当前发展阶段下，面对工业4.0浪潮带来的智能发展驱动力，以及Open-AI横空出世带来的加速度，水务行业的智慧化进程呈现如下特点：
1、更加关注数字化透明监管。虽然当前政府部门大都仍旧沿用取样监测等方式进行监管，但伴随着监管的强化升级和数据公开的要求，利用信息技术进行透明化监管、政府与市民共同全过程监督将成为趋势。
2、更加注重顶层规划。由于水务企业在资源禀赋、技术能力上存在差异，智慧水务建设方式不一，且路径曲折，存在重复投入，甚至系统推倒重来的情况。越来越多的企业意识到需更加关注顶层设计。这方面也亟需从国家的角度、行业的角度出台更多顶层指导文件，建立科学的顶层规划和规范的行业标准。
3、更加关注资产高效运营。包括供水、污水等各个领域，都需要利用大数据技术，推动企业维护策略向预测性、可靠性转变，提升资产全生命周期运营效率。
4、更加关注系统性。一方面，水务产业逐渐从单个处理单元的智能化，走向关注水务运行全过程的智慧化；另一方面，着眼整个城市水系统，越来越多的人意识到，城市水系统是由多个单元、多维空间、多极对象构成的极其复杂的系统，水务行业是作为其中一个分系统为其提供助力。
5、更加注重数据的治理。很多公司也在开展相关工作，建立数据治理体系、数据标准、大数据平台，致力于让数据真正成为生产要素，为下一步数据的充分分析、挖掘打下基础。
6、更重视数据价值的应用。随着数据要素的不断积累和质量提升，数据在运行控制/经营管理/用户服务等各条线中将产生极大价值。当前，分管水务的各个部门、局口也更加看重数据的收集工作，可以预见未来数据价值的应用会更加丰富。
7、更加专注以人为本。当前我国水务行业自动化水平普遍较低，仍然存在大量员工频繁手动操作、夜间巡视操作的运维工作，优化改善一线员工工作强度和工作环境仍是行业迫切需求。
8、更加注重公众体验。公众愈发关注水质、水量、水压和用水服务体验，提供全过程的用水安全保障，提升公众用水体验是必由之路。
9、更加重视产业链的协同。行业逐渐从各家产品、系统就有自己专有协议的情况，逐渐发展到越来越多的主体开始融合协议、统一标准。随着智慧水务产业链的不断成熟发展，拉齐行业标准，开放数据接口，构建技术生态圈将成为未来主题之一。
10、更多的水务企业正在进行智慧化转型。在技术发展、需求升级、竞争环境加剧的当下，众多嗅觉灵敏的企业不断尝试突破旧有模式，加速实现创新转型。包括推出智能设备、构建信息化运维系统、与互联网平台共同探索创新模式等。
关于“黑灯工厂”
随着行业对智慧水务理解的不断深入及相关信息化技术的发展成熟，借鉴智能制造等先进行业“黑灯工厂”概念，“黑灯水厂”作为水务智慧化进程中的一个阶段性目标被提出。
一些国外水厂因其自动化和设备设施基础良好，利用自动化控制和异常报警应对等手段，早已在20年前即二十世纪九十年代已实现了“无人化”（夜间和周末、节假日无人值守），目前正向着更高阶的资源回收和创新驱动方向发展迈进。为什么我国的水厂尚未实现？对此，北控水务也做了相关探索性尝试，事实上，国内相当一部分水厂已具备实现“少人/无人值守”的基础条件，尽管做不到全流程智能化和全面智慧化，但依靠当前的自动化水平完全可以实现少人化甚至无人化。
这些能力具备后，中国就会广泛出现黑灯水厂吗？黑灯水厂能否在未来得到大范围实现？关于这一点，行业还存在诸多争议。反方认为，水务行业相对落后，存在大量不确定因素，很多时候人的经验比机器更可靠；此外，黑灯水厂还将带来技术替代成本及稳定就业的社会责任等问题。正方则认为，无人化各项现实条件已然成熟，且智能化的手段能够提供更丰富和精准的运维效果；另一方面，帮助员工转型同样是社会责任，智慧化手段能够使员工脱离重复性基础工作，而转型做创新型工作。
实际上，黑灯与否不关键，重点在于：降低基础工作强度，发挥个体真正价值。
机理模型还是数据模型？
机理模型与数据模型之争的相关讨论，是智慧行业热度较高的话题之一。在水务行业智慧化发展到一定阶段，也不得不面对判断和选择。
机理模型重点解释因果关系，这是事物本身的规律，比如污水活性污泥模型、水力模型等是反映行业生产运行过程的内在特征。数据模型重点是描述相关性，随着数据量的不断增加和各种新的算法的应用，数据模型日益受到重视。但数据模型是基于已发生的事件去预测未知，依赖大量历史训练数据。
基于水务行业基础去看待数字化技术，可以发现，当前数据模型并不能完全替代机理模型，表达因果关系。如在北控水务所承接的某课题中对“污水处理厂全系统运行最优工况研究”中，对于污水处理曝气量、加药量、污泥产量等生化系统全过程控制参数而言，单独用数据模型寻找最优解并进行实时控制，其效率和精准程度明显低于机理模型与数据模型耦合的策略。当然，随着数据模型的不断研究演进以及大模型的日益成熟，未来模型应用的价值会更加凸显。
（免责声明：整理此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。）
