探索智慧水务的概念、挑战与发展路径
发布日期:2024-05-14 浏览次数:作者:小编
智慧水务系统平台一直备受水务领域的关注,尽管其概念模糊,但却指引着未来的发展方向。近年来,智慧水务相关产业规模不断扩大,各种示范案例层出不穷,各界专家对其方向和研究成果进行了频繁讨论。然而,尽管讨论热度不减,行业内却仍缺乏统一的共识基础。本文基于最近举办的“智慧水务与科技创新(西湖)高峰论坛”,对智慧水务的概念内涵和基础背景进行了梳理,旨在统一行业的基线,凝聚共识。
一、智慧水务究竟是指什么?
在中国,智慧水务有多个前身,如水务物联网、自动化控制、智能水务等。随着智慧城市目标的确立,智慧水务被纳入智慧城市建设指标体系,成为行业统一用语,并迅速发展。在国际讨论中,智慧水务更多以“数字水务”为代表,关注水务行业的数字化、模型搭建、物理资产和数字资产的整合等议题。据国际水协会(IWA)战略和发展总监李涛介绍:“国际上将水务智慧化分为数据、信息、知识和智慧四个阶段。目前水务行业处于信息与知识阶段,被称为‘数字水务’,尚未达到智慧阶段。”
对于智慧水务概念的不同解释、发展顺序的差异、关注重点的变化,给行业带来了分歧。行业通常谈论的智慧水务是水务智慧化的最终目标,是最理想的结果。然而,我国水务行业仍处于数字化阶段。我国将目光和定位放在智慧化的终极目标上,讨论也多集中在此。这种超前讨论可能导致行业处于“研究中了解”的状态。
未来新水务专家组专家、清华大学环境学院教授施汉昌表示:“我在做模型和智控方面已有25年经验。长时间以来,我对‘智慧水务’这个名词一直感到困惑。直到三年前,高级人工智能模型ChatGPT问世,我才有所触动。只有当这种类似于人类思维语言的高水平人工智能应用到水务行业时,才能真正称之为‘智慧水务’。这是一个高远目标,道路漫长。”北控水务集团副总裁刘伟岩也表示:“智慧水务的定义会随着时代发展不断变化。即便有普遍认可的定义,它实际描述的是智慧水务系统平台和传统水务的差异,是一个永远在发展中的概念。”
二、其他行业经验对水务行业的应用
在水务行业推动智能化之前,其他行业如传感技术和智能控制已经有了相当长时间的发展历程。有人认为,这些成果可以直接应用于水务行业,并将其视为一个小问题。然而,实际情况是,水务行业具有其独特性,与一些应用广泛、运行良好的行业有所不同。例如,化工行业拥有高纯度和大量可检测的产品,而水质监测涉及的体系更加复杂,可检测的量也较低。此外,水务行业需要多维度的传感器,包括声音、物理、化学和生物等信息,将所有这些信息收集起来是一项复杂的任务。因此,化工行业可以在已知的体系中进行监测,而水务行业则需要在未知的体系中进行监测。
在这种情况下,现有的传感器市场显然无法满足需求。尽管许多国际品牌的仪器质量过硬,但在水务行业仍然存在许多需求得不到满足的情况。可以说,水务领域的传感市场存在许多需要克服的障碍,但同时也有很大的发展潜力。施汉昌指出:“我们需要快速、准确且相对廉价的技术。一方面,需要研究基于最新光学微纳传感技术的可能性。另一方面,需要结合图像识别来扩展传感的边界。这需要一个强大的识别分析软件,也是需要解决的难题。”
由于基础传感能力的不足,我国水处理行业在自动化方面暴露出许多明显的不足。浙江大学环境与资源学院教授、长三角智慧绿洲创新中心副主任朱亮表示:“数据采集仍然主要依赖人工离线采集,很少实现自动实时采集。由于水处理行业本身数据种类繁多,包括水质指标、温室气体、臭气等的在线监测困难,传感器时间分辨率低,数据噪声干扰大,可用信息极为有限,数据质量较差。”
三、弥补跳级导致的不足的方法
复杂多样的数据是后续表达、分析和应用的基础,而数据采集和质量不达标导致数据系统主要集中于采集、传输、查询和显示,而增值、优化和决策控制相对较少。系统运维和系统控制更是无从谈起。数字化转型需要广泛部署传感器、先进的信息和通信技术(ICT)基础设施,以及带有智能执行器的自动化系统控制。在全球范围内,水务系统中这种设备的应用速度相对较慢,与电网相比,大多数水务基础设施中的传感器覆盖率和数据可用性明显较低。
因此,在全球范围内,水务智能化的程度仍然非常有限。依靠数学模型,也只能实现一些规模较大、控制因素相对简单的环节,比如曝气和回流的控制。未来新水务专家组专家、北京建筑大学教授郝晓地介绍说:“即使在荷兰,所谓的自动化控制最多也是将数学模型与两个传感探头结合起来 — 一个是溶解氧,一个是氧化还原电位,将其融入运行中,非常简单且有效。”
在我国,对“智慧水务”的过早关注带来了一定程度的“跳级感”,包括行业过多关注全局规划讨论,对实际监测关注不足等问题。施汉昌解释道:“就好比我们想要在一个地方建房子,有图纸但缺少砖。因此,我们需要弥补自动化的不足。”未来新水务多位专家呼吁,水务行业应该回归本质,在讨论智慧水务系统平台之前,首先关注监测,强调数字化。行业当前的紧急任务是加速建立业务数据挖掘能力,而不是专注于信息化软件技术的开发能力。