人工智能技术在二次供水领域的应用前景浅析

近年新建的二次供水增压调蓄设施大都配备PLC系统进行该供水单元自身的自动化控制，建成年限长、欠缺PLC系统的旧设施则可以通过改造，增加配置该功能，但是，各小区供水单元的工艺参数各异，使用的设备品牌各异，无论是开发商的建设和采购标准，或是设备厂商的产品标准，均不可能从供水企业开展运行维护的角度进行设计，增压调蓄设备自动化控制系统的控制参数、控制逻辑、输出信号等，各色其色，并不能满足运行维护现场作业的决策需要。

例如：增压调蓄设备自动化控制系统输出的报警信号，往往不能直接采信，一是 除了实质性故障信号外，PLC系统往往反复出现大量提示性异常信号 ，这是因为PLC程序的控制逻辑所需的若干参数使用了计算值、虚拟值而并非实际监测值，应用在不同的小区实际环境中必然产生偏差，因而无可避免地反复提示，这类报警属于设备厂商内部工作，对现场运行维护作业只会造成干扰而没有实际意义，二是报警信号只能反映某一状态值发生偏差或缺失的结果，由于PLC系统本身不能对传感回路和通讯回路故障进行识别，因此还需要对该偏差或缺失是否属实、或是传感器故障、或是通讯故障进行进一步判断。

实践中，单凭增压调蓄设备自动化控制系统对现场运行维护作业的决策指引很不充分，难以实现完全标准化决策，一方面需要增加现场数据的实际监测，为作业决策提供更充足的依据，另一方面，需要运维人员的根据经验对故障信号加以过滤和分析，并且结合实际环境、设施建设和质量状态、运维历史数据等信息，才能够作出合理的判断和作业决策。

综上分析，人工智能技术在二次供水领域的应用具有现实意义，需要供水企业积极创造条件，开展实践探索。

事物发展总是需要由量变到质变的过程， 人工智能技术在二次供水领域的应用也需要随着相关条件的具备而逐步推进，由浅到深、由局部到整体逐步深化。

首先是“报警信号识别”： 成百上千个二次供水单元的增压调蓄泵房通过网络连接到供水企业的监控平台，监控平台每时每刻接受到来自增压调蓄泵房的报警信号，哪些属于设备PLC系统自身的提示性异常信号、运维人员可以不受干扰而忽略？哪些不属于干扰信号而是真实发生故障的信号？真实故障信号当中，哪些属于传感回路故障或通讯回路故障，哪些属于真正的供水异常状态？…… 实践中，运维团队基于具体小区具体设备具体特性的了解和经验，再结合数据采集传感器获得的数据信息，对监控平台接收到的每一个报警信号作出判断和相应的不同响应安排，经过一段时间的不同信号对应具体“场景”及其“判断和响应”的积累，利用人工智能技术进行“学习”，就可以形成“报警信号识别算法”，实现自动过滤干扰性信号、精准反映报警故障信息，并通过持续的自动修正和完善过程，将大幅度提高对故障报警的响应效率，提高运维团队工作效率和二次供水服务质量。

接着是“设施运行质量评价”： 某个二次供水单元发生供水故障需要维修时，应该对故障部件进行零件修复或是整个部件更换？企业经营预算能承受的更新改造资金有限，僧多粥少，应该安排哪个单元哪个设备实行更新改造？此时，在设施建设档案系统提供的材质、使用年限等信息基础上，加上运维工单系统的故障记录、维修方式等历史信息，以及监控系统提供的水质、能耗等维修前后的数据进行维修有效性分析，就可以构建“设施运行质量评价模型”，关键在于各数据信息项的权重分配，既是不同供水企业的个性化选择，也受不同的资金充裕程度影响而形成不同的倾向，结合这类非技术性因素，就能够形成“设施运行质量”的人工智能专家系统算法，产生具有指导意义的评价结果，不但为维修及更新改造提供明确依据，还可指导开展预防性维护，提升二次供水资产管理和投资运营管理水平。

进一步可开展“小区水箱水龄管理”： 小区入住率较低的阶段，开展水龄管理、避免水质问题需要精准的进水控制。某一时点的水箱液位、箱内水体停留时间、水质等数据均可明确量化并控制调节，但是，仅依据这些数据计算而成的进水时点，是否与外围管网的配水高峰期重合、加剧外围管网的水力负担？而且，入住率是难以量化且动态变化的，因此，在管网和水力模型逐步建设、管网信息化技术应用有待完善的过程中，“水龄管理”需要依赖人为的经验判断，面对数量众多、位置分散的二次供水单元，利用人工智能技术“学习”形成不同小区单元的水龄管理算法，是二次供水运营管理不断提升的有效途径。

 再进一步可开展“错峰蓄水管理”： 为避免多个小区同时进水的叠加效应对管网输配水的冲击，有必要对不同的二次供水单元尤其是密集区域的小区水箱实行错峰进水控制。即使管网水力模型建成投入使用，但管网水力状态受到自身的除二次供水之外的城市供水各种情况的影响，对单个乃至多个二次供水单元进水的承受能力往往需要实践检验，直接关系到城市供水安全。从测试到确认的过程，涉及跨系统、多维度的信息综合，既需要二次供水完整数据信息和管网水力模型信息等明确量化的技术指标，也有对安全风险和其他不确定因素的基于经验判断的取值，如何形成标准化决策，在技术上很有挑战性，正是人工智能技术的用武之地。