智能污水处理系统的最佳实践

作者：阿里云MVP 王俊杰

一、项目介绍

1.1 目前现状及存在问题

近年来，我国污水处理行业逐渐进入迅速发展的阶段，中国城市污水处理无论在数量还是质量上都得到了迅速的发展。现如今大部分的污水处理厂都处于自动化、人工化、半自动化等生产模式，很多在运行管理模式上仍存在很多弊端。

由于污水处理企业下属厂区分布零散，很多生产环节需要依靠人工来运营维护，无法远程对各水厂自动化设备进行管理，需要相关人员跑场操控，人工巡视成本高，工作效率低。同时污水处理厂相关的运行数据统计源头不一，导致多头统计，不仅造成资源浪费，相关管理人员也无法清晰掌控各厂区的水质、产量、能耗、设备维修等数据。

另外，污水处理过程中药品添加的剂量，以及设备启停的管控，都是依靠人工经验操作，缺乏科学的指导，很大程度上造成药品、电力能耗的资源的浪费，不仅增加污水处理厂的运行管理成本，还会因为人为判断失误导致出水水质超标，让企业承担巨额的罚款。

1.2 未来发展趋势

为了应对污水处理面临的挑战，水资源的控制和管理都应朝着更加智能化方向发展，这对污水处理系统的可持续发展的能力提出了更高要求，我们创博提出智能化污水处理系统。

智能化污水处理系统是依靠阿里云IOT云平台，借助大数据、GIS、移动互联网等新一代信息技术，打造智能污水处理综合运营管理平台，为污水运营企业安全管理、生产运行、水质化验、设备管理、日常办公等关键业务提供智能化统一业务信息管理操控平台，大屏端可对所有设备进行集中监控，GIS定位、运行工况一览无余，移动端推送告警信息、设备实时生产运营数据等，让污水处理企业全面掌握水厂运行状态。同时可对设备进行远程监控，实现无人值守，任何时间，任何地点，都可以通过智能终端对设备进行管理控制。为企业管控提供科学依据，实现精细化、程序化过程控制管理，辅助管理人员实时了解、分析、控制生产流程中任一环节，使生产过程不断完善、管理水平不断提高，保障安全运行，有效减少人工管理、运行维护等成本，最终达到“智能”的目标。为企业规范管理、节能降耗、减员增效和精细化管理提供强大的技术支持，从而形成完善的污水处理信息化综合管理解决方案。

fad28305a50192c2565f5dc60091aee49b47d4da

二、项目技术

通过物联网技术、依托阿里IOT平台、大数据云计算、人工智能等技术，对污水厂的工业流程（预处理-CSS生化池-接触池-加药间-鼓风机房-污泥房）进行实时监控、自动管理，从而建立无人值守监管的智能污水处理系统。

2.1 阿里云IoT平台

主要依托阿里云IoT平台结合第三方合作伙伴提供多行业多场景的整体解决方案，主要包含边缘计算平台和工业云平台两大能力主体。边缘计算平台主要实现复杂多样的工业现场设备的快速接入，数据优化，实时控制，数据安全以及消除信息孤岛等问题。工业云平台经过大数据运算生成模型，以实现生产过程中的预测性维护、良品率提升和能源节省等智能应用场景，并下发模型至边缘计算平台指导现场生产。

2.1.1 硬件生态

依托阿里云强大的paas平台和多种开发调试工具，帮助生产制造企业和开发者快速实现设备联网和智能化。提供多种设备维度的数据定义，故障展示，远程控制能力。使的设备从出厂到最终下线的一切状态，尽在掌握。

2.1.2 云端接入

具有亿级设备连接能力的阿里云IoT Hub能帮助消息进行路由转发，实现M2M、端到云、云到端等多样化消息互通场景；并且提供设备级的权限粒度，保证消息的安全性；提供规则引擎，与阿里云丰富的云产·品无缝衔接，帮助您方便快捷的构建自己的IoT应用

2.1.3 设备接入

提供多环境设备端SDK，方便客户快速连接阿里云IoT Hub；提供设备端安全的认证方法，确保设备在云端的安全以及合法性；支撑亿级设备全球低延时接入，从而方便我们水厂工业设备的接入

2.2 大数据云计算技术

（1）数据处理：ETL工具负责将分布的、异构水厂运行数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

（2）数据存储：关系数据库、NOSQL、SQL等将水厂运行中的开工状态、指标浓度等数据存储。

（3）基础架构：云存储、分布式文件存储等，快速规范存储相关数据。

（4）统计分析：水厂运行数据假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）等等，从而得到最优的污水处理指标。

（5）数据挖掘：通过数据分析，建模技术，将水厂各项数据分类、估计、预测、相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

（7）模型预测：多组数据虚拟分析，及数据标准分析从而构造预测模型、机器学习、建模仿真。

（8）结果呈现：云计算、标签云、关系图、可视化图形图标等，丰富呈现相关业务及数据结果。

2.3 物联网相关技术

（1）传感器技术

能感受规定的被测量，并按照一定的规律转换成可用输出信号的器件或装置，这也是计算机应用中的关键技术。到目前为止绝大部分计算机处理的都是数字信号，从而可将实时获取设备状态数据存储，并通过数据共享，多端同步实时更新。

（2）RFID标签

也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理有着广阔的应用前景。

（3）嵌入式系统技术

综合了计算机软硬件、传感器技术、集成电路技术、电子应用技术为一体的复杂技术。使操作系统和功能软件集成于计算机硬件系统之中。简单的说就是系统的应用软件与系统的硬件一体化。

2.4 人工智能技术

人工智能操作系统具有学习、推理等认知能力的特性，如：安装智能摄像头，可通过视频识别技术判断厂水厂运行情况、安全情况实时进行监控分析；自动采集、分析污水处理工艺运营数据，利用ET大脑、结合数据学习分析等，对监控工艺运行（预处理-CSS生化池-接触池-加药间-鼓风机房-污泥房）状态分析作出自动控制，如更换设备状态、调整加药浓度、生化池相关数据浓度控制及时预警超标、异常事件等，无需人工监控及操作，机器自动操作，从而代替人工。

2.5 开发环境

后台运行环境：Win 系列、Linux；

所依赖的数据库：Mysql；

开发工具：Java开发工具Eclipse；

APP开发技术：采用混合模式；

PC客户端：IE浏览器、360浏览器、Chrome浏览器。

2.6 结构设计

1) 数据支撑平台

数据支撑平台提供标准的数据交换与共享接口，包括了封装的数据访问服务，数据管理、数据交换和信息注册服务，同时包括了数据接口平台，即基于XML为基础的数据层交换管理，Web Service的应用接口及交换管理。特别地，数据支撑平台将与下属单位各种业务管理系统的业务数据库进行数据交换，进行业务信息自动采集汇总。总部数据交换中心起到汇总各个下属单位的文件、数据与信息的作用，同时向各下属单位分发总部的文件、数据与信息。

2) 应用支撑平台

应用服务支撑包括能够为业务流程、业务过程提供相关业务调度的服务；能够遍历数据、文档、多媒体信息等数据库的检索服务；能够自动生成各种数据信息统计报表的报表中心。能够支持统大屏界面管理的服务；实现各大业务管理系统单点登录；沉淀审批过程与业务过程中的各种内容信息库；为各种业务流程的一体化运转提供支持的工作流引擎。安全服务实现用户管理、权限管理、日志监控等安全保障。