蔡朝陽(yáng)

(天津正達(dá)科技有限責(zé)任公司，天津 300308)

人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。隨著近些年計(jì)算機(jī)科學(xué)的飛速發(fā)展，計(jì)算機(jī)算力的提升，以及數(shù)據(jù)量的爆炸式增長(zhǎng)，人工智能(artificial intelligence，AI)的發(fā)展突飛猛進(jìn)，越來(lái)越多的行業(yè)開(kāi)始重視并應(yīng)用人工智能技術(shù)。

AI依托于大量的基礎(chǔ)數(shù)據(jù)，通過(guò)歷史數(shù)據(jù)AI可進(jìn)行自我學(xué)習(xí)，根據(jù)數(shù)據(jù)建立數(shù)學(xué)模型，通過(guò)數(shù)學(xué)模型對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)和判斷。隨著數(shù)據(jù)量的不斷提升，模型也會(huì)越來(lái)越完善。最終AI可以在各種復(fù)雜的問(wèn)題中找到最優(yōu)解。還可以根據(jù)某領(lǐng)域一個(gè)或多個(gè)專(zhuān)家提供的經(jīng)驗(yàn)，進(jìn)行推理判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以解決那些需要人類(lèi)專(zhuān)家處理的復(fù)雜問(wèn)題。

對(duì)于水行業(yè)而言，AI的作用主要在于優(yōu)化給排水系統(tǒng)、優(yōu)化水資源利用，水質(zhì)控制優(yōu)化和預(yù)測(cè)，成本分析及預(yù)測(cè)，故障預(yù)測(cè)分析等。本文將主要對(duì)AI在工業(yè)水務(wù)中的應(yīng)用前景進(jìn)行分析探討。

1 人工智能在工業(yè)水務(wù)應(yīng)用的基本框架和原理

1.1 人工智能在工業(yè)水務(wù)應(yīng)用的基本框架

如圖1所示，人工智能在工業(yè)水務(wù)應(yīng)用的主要框架可分為四層：數(shù)據(jù)采集層，數(shù)據(jù)傳輸層，數(shù)據(jù)分析層，人工智能算法層。

圖1 人工智能在工業(yè)水務(wù)應(yīng)用基本框架圖

數(shù)據(jù)采集層：如果將人工智能比作發(fā)動(dòng)機(jī)，而數(shù)據(jù)就是燃料。沒(méi)有了燃料，再好的發(fā)動(dòng)機(jī)也無(wú)法運(yùn)轉(zhuǎn)。同樣只有好的人工智能算法，沒(méi)有大量的基礎(chǔ)數(shù)據(jù)做支持，人工智能也無(wú)法運(yùn)轉(zhuǎn)。數(shù)據(jù)采集層通過(guò)在工業(yè)水系統(tǒng)中安裝各類(lèi)智能量表、在線監(jiān)測(cè)設(shè)備、智能水泵計(jì)量泵、高清攝像頭等設(shè)備，采集水系統(tǒng)水質(zhì)、水溫、壓力、補(bǔ)排水水量、圖像等基礎(chǔ)數(shù)據(jù)。

數(shù)據(jù)傳輸層：數(shù)據(jù)傳輸層像燃油管道，負(fù)責(zé)數(shù)據(jù)的運(yùn)輸工作，將采集到的數(shù)據(jù)運(yùn)送至數(shù)據(jù)分析層，再將人工智能算法發(fā)布的警示、命令等傳送至工廠控制系統(tǒng)。

數(shù)據(jù)分析層：數(shù)據(jù)分析層就像燃油的過(guò)濾器，通過(guò)數(shù)據(jù)分析進(jìn)行數(shù)據(jù)篩選、數(shù)據(jù)變量轉(zhuǎn)換、缺失值處理、壞數(shù)據(jù)處理等操作，最終將數(shù)據(jù)處理成張量形式，供人工智能算法使用。

人工智能算法層：人工智能算法較為常用的算法有人工神經(jīng)網(wǎng)絡(luò)算法、隨機(jī)森林算法、樸素貝葉斯算法等。在工業(yè)水務(wù)中，需根據(jù)不同的情況選用不同的學(xué)習(xí)算法。如系統(tǒng)水質(zhì)的控制可選用深度學(xué)習(xí)中人工神經(jīng)網(wǎng)絡(luò)算法，通過(guò)大量的水質(zhì)、水量、水溫等數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，通過(guò)神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)，形成數(shù)學(xué)模型，當(dāng)采集到數(shù)據(jù)偏離數(shù)學(xué)模型后，進(jìn)行自我調(diào)整，最終使數(shù)據(jù)回到數(shù)學(xué)模型當(dāng)中。

1.2 神經(jīng)網(wǎng)絡(luò)在工業(yè)水務(wù)應(yīng)用算法的基本原理(邏輯回歸)

1)x,y均為輸入?yún)?shù)。x為基礎(chǔ)數(shù)據(jù)中，某一時(shí)間水系統(tǒng)所有相關(guān)參數(shù)，如水質(zhì)各項(xiàng)指標(biāo)、水溫、流量等，參數(shù)總個(gè)數(shù)為n。y為該時(shí)間水系統(tǒng)運(yùn)行正常情況，正常為1，不正常為0。

x∈n，y∈{0,1}

w∈n，b∈

5)為了找到J(w,b)最優(yōu)解，我們使用反向傳播算法，通過(guò)鏈?zhǔn)角髮?dǎo)法，反向推進(jìn)，逐步求出該函數(shù)對(duì)于未知數(shù)w，b的偏導(dǎo)數(shù)：

7) 找到最優(yōu)解后，該水系統(tǒng)數(shù)學(xué)模型就已經(jīng)建立完成，將新采集的數(shù)據(jù)x帶入方程：

2 人工智能在工業(yè)水務(wù)中的應(yīng)用現(xiàn)狀

目前，人工智能在市政水務(wù)中已經(jīng)取得了長(zhǎng)足的發(fā)展，通過(guò)互聯(lián)網(wǎng)、大數(shù)據(jù)以及人工智能的配合，可以低成本，高效率的管理城市給排水、污水處理、再生水重復(fù)利用等過(guò)程。很多城市已經(jīng)推廣開(kāi)來(lái)，但工業(yè)水務(wù)與城市水務(wù)相比結(jié)構(gòu)更加復(fù)雜，所需的數(shù)據(jù)也更加龐大，使人工智能在工業(yè)水務(wù)中的應(yīng)用更加困難。

目前人工智能在工業(yè)水務(wù)中的應(yīng)用處于起步階段，已經(jīng)有部分企業(yè)開(kāi)始與高?；蚩萍计髽I(yè)進(jìn)行合作，在水泄露精確查找和優(yōu)化水處理化學(xué)品投加量等方面引入了人工智能技術(shù)，并取得了一定成果。

如遼寧科技大學(xué)的徐少川等[1 ]在混凝劑投加中引用了神經(jīng)網(wǎng)絡(luò)算法，通過(guò)混凝劑投加量、濁度、pH、水溫等作為輸入數(shù)據(jù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，再結(jié)合PLC控制系統(tǒng)實(shí)現(xiàn)了混凝劑的智慧投加。

加拿大滑鐵盧大學(xué)[2]與企業(yè)合作開(kāi)發(fā)使用水聽(tīng)傳感器和人工智能技術(shù)，通過(guò)信號(hào)處理技術(shù)，記錄水聲信號(hào)，將漏水信號(hào)與其他聲源區(qū)分，以識(shí)別漏水信號(hào)。通過(guò)該技術(shù)，人工智能可精確發(fā)現(xiàn)小的滲漏，確定其位置并快速處置，以防發(fā)生破壞性水管爆裂的情況。

3 人工智能在工業(yè)水務(wù)中的應(yīng)用前景

人工智能在工業(yè)水務(wù)中的應(yīng)用前景較為廣泛，主要有水質(zhì)優(yōu)化控制、水系統(tǒng)狀態(tài)動(dòng)態(tài)評(píng)估、水資源智能調(diào)節(jié)、成本優(yōu)化控制及故障預(yù)測(cè)與預(yù)警等方面。

3.1 水質(zhì)優(yōu)化控制

水質(zhì)控制一直都是工業(yè)水務(wù)中的重中之重，因水質(zhì)問(wèn)題而影響生產(chǎn)的案例數(shù)不勝數(shù)，各個(gè)工廠也對(duì)循環(huán)水、污水水質(zhì)越來(lái)越重視。加之近年來(lái)水質(zhì)在線檢測(cè)技術(shù)的發(fā)展，可在線檢測(cè)的項(xiàng)目也越來(lái)越豐富，水質(zhì)數(shù)據(jù)已經(jīng)從單純表示對(duì)目前水系統(tǒng)的表征逐漸變?yōu)橐环N潛在的、可共享的、可長(zhǎng)期使用的數(shù)據(jù)資源[3]。

通過(guò)人工智能技術(shù)結(jié)合大數(shù)據(jù)，通過(guò)在線監(jiān)測(cè)設(shè)備采集水系統(tǒng)給排水水量、進(jìn)出口水質(zhì)、水溫、壓力、水處理化學(xué)品投加量等基礎(chǔ)數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)處理后，通過(guò)人工智能算法進(jìn)行學(xué)習(xí)和分析，預(yù)測(cè)其未來(lái)的發(fā)展趨勢(shì)，對(duì)可能導(dǎo)致出現(xiàn)水質(zhì)異常情況的因素提前預(yù)警，并采取相應(yīng)措施，使系統(tǒng)水質(zhì)一直保持在最佳狀態(tài)。

3.2 水系統(tǒng)狀態(tài)動(dòng)態(tài)評(píng)估

在未來(lái)，隨著計(jì)算機(jī)視覺(jué)和微觀攝像頭的發(fā)展，可在水系統(tǒng)管道內(nèi)安裝微觀攝像頭，通過(guò)所拍攝的圖像，通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)實(shí)時(shí)觀察水系統(tǒng)污染情況、微生物情況、管道腐蝕結(jié)垢情況等，并結(jié)合水質(zhì)情況對(duì)水系統(tǒng)運(yùn)行狀態(tài)進(jìn)行動(dòng)態(tài)評(píng)估，如發(fā)現(xiàn)異常及時(shí)采取應(yīng)對(duì)措施。

3.3 水資源智能調(diào)節(jié)

在水資源日益匱乏的今天，節(jié)約水資源、提高水資源重復(fù)利用率、減少排放是每個(gè)工廠都要面對(duì)的挑戰(zhàn)。在人工控制下，水系統(tǒng)通常不會(huì)處于最佳的運(yùn)行狀態(tài)，不可避免的造成水資源浪費(fèi)。

通過(guò)掌握的各個(gè)水系統(tǒng)的基礎(chǔ)數(shù)據(jù)，如給排水水量、壓力、水質(zhì)、水溫等，聯(lián)合廠區(qū)儲(chǔ)水設(shè)備、管網(wǎng)體系等數(shù)據(jù)，通過(guò)人工智能對(duì)全廠水資源進(jìn)行統(tǒng)籌控制，建立全流程水資源管控。當(dāng)擁有足夠多的基礎(chǔ)數(shù)據(jù)后，人工智能可對(duì)雨水、清循環(huán)排水、污水回用水、反滲透濃水等非常規(guī)水源進(jìn)行判斷，是否可用作其他水系統(tǒng)補(bǔ)水，提高水的重復(fù)利用率，減少排放。

3.4 故障預(yù)警

在工業(yè)水系統(tǒng)中，絕大多數(shù)都是24 h不間斷運(yùn)行，出現(xiàn)故障的概率很高，如物料泄露、串水、電氣設(shè)備故障、加藥設(shè)備故障等。有些故障出現(xiàn)時(shí)通常無(wú)法第一時(shí)間發(fā)現(xiàn)，造成了資源浪費(fèi)等問(wèn)題。

人工智能通過(guò)對(duì)大量電氣設(shè)備數(shù)據(jù)、水質(zhì)數(shù)據(jù)、水量數(shù)據(jù)等建立正常運(yùn)行的數(shù)學(xué)模型，在剛剛出現(xiàn)異常時(shí)能及時(shí)發(fā)出警報(bào)，對(duì)故障進(jìn)行診斷。人工智能也可通過(guò)記錄異常數(shù)據(jù)自我學(xué)習(xí)，對(duì)已經(jīng)發(fā)生的故障進(jìn)行預(yù)防，降低故障率并提升設(shè)備檢修的效率。

3.5 成本優(yōu)化控制

通過(guò)安裝智能電表、水量表、智能加藥裝置等智能量表收集基礎(chǔ)數(shù)據(jù)，可實(shí)時(shí)計(jì)算水電、水處理藥劑等成本，使人工智能在進(jìn)行決策判斷時(shí)，在保證水質(zhì)與生產(chǎn)的情況下，做出最低成本的決策，使水系統(tǒng)保持在低成本運(yùn)行，并進(jìn)行瞬時(shí)成本和累計(jì)成本的測(cè)算。

4 人工智能在工業(yè)水務(wù)應(yīng)用中面臨的困難及應(yīng)對(duì)措施

4.1 人工智能在工業(yè)水務(wù)應(yīng)用中面臨的困難

4.1.1 技術(shù)難度大

工業(yè)水系統(tǒng)類(lèi)型較多，如根據(jù)水質(zhì)可分為純水密閉系統(tǒng)、清循環(huán)水系統(tǒng)、污循環(huán)水系統(tǒng)、脫鹽水系統(tǒng)、中水系統(tǒng)、污水處理系統(tǒng)等，即使相同類(lèi)型的水系統(tǒng)根據(jù)用戶(hù)的不同，對(duì)水溫、水質(zhì)、水壓等參數(shù)的要求也不同。工業(yè)水系統(tǒng)相較于市政水系統(tǒng)更加復(fù)雜，對(duì)基礎(chǔ)數(shù)據(jù)量要求極高，算法架構(gòu)和數(shù)學(xué)模型的建立也更加困難。

4.1.2 初期成本高

要實(shí)現(xiàn)人工智能在工業(yè)水務(wù)中的應(yīng)用，必須需要大量的基礎(chǔ)數(shù)據(jù)，而基礎(chǔ)數(shù)據(jù)則需要大量的智能監(jiān)測(cè)設(shè)備，如智能水表、智能電表、智能加藥裝置等。雖然收益很高，但前期投入也不少，很多工業(yè)企業(yè)可能會(huì)望而卻步。

4.1.3 推行困難

在工業(yè)中，水務(wù)是為生產(chǎn)而服務(wù)的。在很多企業(yè)眼中，水務(wù)部門(mén)的重要性是遠(yuǎn)遠(yuǎn)不如生產(chǎn)部門(mén)的，如果要實(shí)施人工智能對(duì)水系統(tǒng)的控制，主體也通常是企業(yè)能環(huán)部、水處理分廠等輔助生產(chǎn)部門(mén)，加之成本很高，很多企業(yè)缺乏積極性[ 4]。

4.2 應(yīng)對(duì)措施

4.2.1 先解決針對(duì)性問(wèn)題

人工智能化初期可不必將輸入?yún)?shù)設(shè)置過(guò)多，可對(duì)系統(tǒng)原有成本情況進(jìn)行評(píng)估，以確定該水系統(tǒng)目前最需要解決的問(wèn)題，然后針對(duì)該問(wèn)題提出與其最相關(guān)的參數(shù)，對(duì)這些參數(shù)進(jìn)行數(shù)學(xué)模型搭建。如水資源短缺地區(qū)補(bǔ)排水成本過(guò)高，節(jié)水問(wèn)題是其首要問(wèn)題，可根據(jù)其主要相關(guān)參數(shù)作為人工智能輸入?yún)?shù)，搭建數(shù)學(xué)模型。待后期條件具備再逐步添加其他系統(tǒng)參數(shù)，進(jìn)一步完善該系統(tǒng)數(shù)據(jù)模型。

4.2.2 由點(diǎn)及面逐步推廣

面對(duì)水系統(tǒng)的人工智能技術(shù)改造，水務(wù)工作者們應(yīng)循序漸進(jìn)，先選擇一個(gè)或幾個(gè)水質(zhì)不穩(wěn)定、人工控制下系統(tǒng)情況較差的水系統(tǒng)進(jìn)行試點(diǎn)，為之后的改造積累大量經(jīng)驗(yàn)，然后再逐步由作業(yè)區(qū)向分廠、全廠進(jìn)行推廣。也可以由純水密閉系統(tǒng)、反滲透脫鹽水系統(tǒng)等工藝較為簡(jiǎn)單的水系統(tǒng)入手，逐步向清循環(huán)水系統(tǒng)、污循環(huán)水系統(tǒng)、污水處理系統(tǒng)推廣。

4.2.3 經(jīng)濟(jì)效益推動(dòng)技術(shù)改造

先進(jìn)行試點(diǎn)，通過(guò)人工智能解決試點(diǎn)系統(tǒng)的針對(duì)性問(wèn)題，在短期內(nèi)實(shí)現(xiàn)盈利，為工廠創(chuàng)造經(jīng)濟(jì)效益，通過(guò)經(jīng)濟(jì)效益逐步推動(dòng)對(duì)水系統(tǒng)人工智能控制的技術(shù)改造。

5 結(jié)語(yǔ)

隨著國(guó)家對(duì)節(jié)水減排的要求越來(lái)越高，企業(yè)對(duì)于資源的優(yōu)化利用也越來(lái)越重視。在此背景下，人工智能可通過(guò)優(yōu)化水質(zhì)控制、優(yōu)化水資源調(diào)節(jié)和故障預(yù)警等積極作用，推動(dòng)工業(yè)水務(wù)向動(dòng)態(tài)高效的新型智慧水務(wù)轉(zhuǎn)變。