周圣文，郭順生,2，杜百崗,2+，郭 鈞,2，李益兵,2，王 磊,2，查大虎，張富江，于 磊

(1.武漢理工大學(xué) 機(jī)電工程學(xué)院，湖北 武漢 430070；2.數(shù)字制造湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430070；3.沈陽(yáng)尚源智慧科技有限公司，遼寧 沈陽(yáng) 110000)

0 引言

水是生命之源、健康之本，隨著生活水平的提升，人們?cè)絹?lái)越關(guān)注與身體健康息息相關(guān)的飲用水安全問(wèn)題[1]。水利部在“十三五”、“十四五”規(guī)劃中也將水質(zhì)安全提升至國(guó)家戰(zhàn)略高度，不斷加強(qiáng)水安全保障。作為保障飲用水安全的關(guān)鍵環(huán)節(jié)，凈水廠的運(yùn)維管控效果對(duì)促進(jìn)人民生活和經(jīng)濟(jì)社會(huì)健康發(fā)展至關(guān)重要[2]。目前，凈水廠的運(yùn)維管控總體存在如下問(wèn)題：①對(duì)人的依賴程度高，現(xiàn)凈水廠生產(chǎn)工藝雖然實(shí)現(xiàn)了自動(dòng)化，但是運(yùn)維管控主要以人工經(jīng)驗(yàn)(如泵組的開(kāi)停、投藥、排泥、反沖洗、過(guò)濾、消毒等)為主，效率低且操作精度不高，易受人為因素影響；②科技進(jìn)步帶來(lái)的壓力，隨著社會(huì)及經(jīng)濟(jì)的發(fā)展，人們對(duì)水質(zhì)的要求不斷提升，職工對(duì)工作的態(tài)度在發(fā)生變化(愿干臟、重、累的活的人，愿上夜班的人越來(lái)越少)；③業(yè)務(wù)部門協(xié)同度不夠，現(xiàn)有各業(yè)務(wù)應(yīng)用系統(tǒng)僅限于各部門(生產(chǎn)運(yùn)營(yíng)部、管網(wǎng)運(yùn)行部、客戶營(yíng)銷部等)內(nèi)部使用，生產(chǎn)管理環(huán)節(jié)孤島效應(yīng)明顯，各管理單元的協(xié)作流轉(zhuǎn)等主要以跑腿和紙質(zhì)聯(lián)系單為主，沒(méi)有形成有效的互聯(lián)互通，不能做到及時(shí)的信息共享；④數(shù)據(jù)管理缺少積累，凈水廠的資產(chǎn)管理不夠完整，目前主要以灰色有形資產(chǎn)為主，且主要以圖紙文檔的形式保存，查閱繁瑣，而對(duì)一些歷史數(shù)據(jù)和經(jīng)驗(yàn)數(shù)據(jù)缺少積累，缺乏對(duì)綠色數(shù)字資產(chǎn)的管理；⑤決策指揮缺乏支持，由于缺乏有效的數(shù)據(jù)管理，分析決策主要以數(shù)據(jù)手工填報(bào)和人工分析為主，有時(shí)不夠及時(shí)、全面和精準(zhǔn)，決策指揮缺乏更科學(xué)的數(shù)據(jù)支持；⑥應(yīng)急處理不夠系統(tǒng)，缺乏對(duì)一些安全和突發(fā)事件應(yīng)急處理和處置的系統(tǒng)性，從預(yù)防、處理、處置到評(píng)估未形成體系，也未形成有效的可供參考和借鑒的專家?guī)?。因此，提升凈水廠運(yùn)維管控水平對(duì)保證供水安全具有重要的意義。

近年來(lái)，數(shù)字孿生技術(shù)得到了全球業(yè)界及學(xué)術(shù)界的高度關(guān)注。美國(guó)Gartner[3]公司自2016年起連續(xù)四年將“數(shù)字孿生”列為未來(lái)十大戰(zhàn)略技術(shù)之一；PTC推出了ThingWorx物聯(lián)網(wǎng)平臺(tái)，可以將獲取的傳感數(shù)據(jù)連接至ANSYS仿真軟件，并通過(guò)建立泵的數(shù)字孿生體展示了該平臺(tái)的價(jià)值[4-5]；通用電氣研究院推出了Predix云計(jì)算平臺(tái)，基于工業(yè)大數(shù)據(jù)的管理、加工與分析，實(shí)現(xiàn)了對(duì)設(shè)備的掌控和預(yù)測(cè)[5]；陶飛等[6]針對(duì)制造車間中物理世界和信息世界之間的交互融合，從系統(tǒng)組成、運(yùn)行機(jī)制、特點(diǎn)、關(guān)鍵技術(shù)等方面闡述了數(shù)字孿生車間概念；趙浩然等[7]提出一種基于實(shí)時(shí)信息的生產(chǎn)車間三維可視化監(jiān)控方法解決數(shù)字孿生車間的實(shí)時(shí)可視化監(jiān)控問(wèn)題；劉蔚然等[8]緊密結(jié)合衛(wèi)星工程的關(guān)鍵環(huán)節(jié)、場(chǎng)景和對(duì)象，提出數(shù)字孿生衛(wèi)星的概念；李浩等[9]針對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)和制造信息物理融合，提出基于數(shù)字孿生的一體化開(kāi)發(fā)框架；陶飛等[10]提出數(shù)字孿生五維模型，并針對(duì)衛(wèi)星、船舶、車輛、發(fā)電廠等10個(gè)領(lǐng)域提出建設(shè)思路和方案；Tao等[11]提出一種基于數(shù)字孿生驅(qū)動(dòng)的產(chǎn)品設(shè)計(jì)、制造和服務(wù)的新方法，研究了數(shù)字化雙驅(qū)動(dòng)產(chǎn)品設(shè)計(jì)、制造和服務(wù)的具體應(yīng)用方法和框架，并以3個(gè)案例分別說(shuō)明數(shù)字孿生在產(chǎn)品3個(gè)階段的應(yīng)用前景；Lu等[12]提出一種基于數(shù)字孿生的資產(chǎn)監(jiān)控異常檢測(cè)系統(tǒng)，并構(gòu)建了基于擴(kuò)展工業(yè)基礎(chǔ)類((Industry Foundation Class, IFC)的數(shù)據(jù)集成方法，以暖通空調(diào)系統(tǒng)中的離心泵為例進(jìn)行了實(shí)例驗(yàn)證；Greif等[13]提出基于數(shù)字孿生的建筑工地物流控制模型，并設(shè)計(jì)了支持建筑工地物流調(diào)度決策支持系統(tǒng)；Luo等[14]針對(duì)數(shù)控機(jī)床在生命周期中的狀態(tài)變化和一致性考慮較少的問(wèn)題，研究了一種基于數(shù)字孿生模型和數(shù)據(jù)雙機(jī)混合驅(qū)動(dòng)的預(yù)測(cè)維修方法；Ding等[15]研究了基于數(shù)字孿生的網(wǎng)絡(luò)物理生產(chǎn)系統(tǒng)(Digital Twin-based Cyber-Physical Production System, DT-CPPS)，詳細(xì)討論了DT-CPPS的配置機(jī)制、運(yùn)行機(jī)制和實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的操作控制，實(shí)現(xiàn)了制造過(guò)程的實(shí)時(shí)監(jiān)控、仿真和預(yù)測(cè)；Liu等[16]提出一種基于數(shù)字孿生的自動(dòng)化流水車間制造系統(tǒng)快速個(gè)性化設(shè)計(jì)方法，解決了大規(guī)模個(gè)性化制造模式下面臨的個(gè)性化設(shè)計(jì)問(wèn)題；Angjeliu等[17]利用數(shù)字孿生技術(shù)評(píng)估建筑結(jié)構(gòu)體系的完整性，通過(guò)建立精確的三維幾何模型，并結(jié)合材料性能的選擇和施工階段的仿真分析實(shí)現(xiàn)預(yù)防性維護(hù)，以復(fù)雜建筑驗(yàn)證了數(shù)字孿生技術(shù)的適用性和優(yōu)勢(shì)；Liu等[18]針對(duì)預(yù)應(yīng)力鋼結(jié)構(gòu)服役安全問(wèn)題，構(gòu)建了基于數(shù)字孿生的預(yù)應(yīng)力鋼結(jié)構(gòu)多維數(shù)字模型，利用鋼結(jié)構(gòu)歷史數(shù)據(jù)對(duì)支持向量機(jī)和預(yù)測(cè)模型進(jìn)行訓(xùn)練，根據(jù)實(shí)測(cè)數(shù)據(jù)預(yù)測(cè)結(jié)構(gòu)的安全風(fēng)險(xiǎn)水平。

綜上所述，數(shù)字孿生應(yīng)用范圍廣，但在與水務(wù)行業(yè)的融合研究和實(shí)踐方面還存在不足，隨著智慧城市的深入推進(jìn)，作為保障城市供水安全的凈水廠智慧化程度需要不斷提升，實(shí)現(xiàn)從數(shù)字化向智慧化的邁進(jìn)?；诖?，本文將數(shù)字孿生技術(shù)應(yīng)用到凈水廠，構(gòu)建基于數(shù)字孿生的凈水廠運(yùn)維管控體系，建立物理水廠與虛擬水廠的空間和事物的精準(zhǔn)映射關(guān)系，實(shí)時(shí)采集物理世界中的傳感器數(shù)據(jù)，并利用“機(jī)理+智能”雙模型驅(qū)動(dòng)，使虛擬環(huán)境中的仿真與現(xiàn)實(shí)中的生產(chǎn)無(wú)縫融合，從而提升凈水廠運(yùn)維管控的智能化水平和可靠程度，輔助提升物理水廠的高效、科學(xué)決策，進(jìn)一步達(dá)到節(jié)約高效、安全穩(wěn)定供水的目的，最后進(jìn)行了凈水廠的實(shí)際應(yīng)用驗(yàn)證。

1 數(shù)字孿生凈水廠運(yùn)維管控體系架構(gòu)

傳統(tǒng)凈水廠主要經(jīng)歷了機(jī)械化、自動(dòng)化、數(shù)字化3個(gè)發(fā)展階段，而且正在向智慧化方向轉(zhuǎn)型，通過(guò)3個(gè)階段的發(fā)展，水廠的生產(chǎn)工藝和管理效率有了較高提升，各階段的主要特點(diǎn)如下：

(1)機(jī)械化水廠階段 該階段為單獨(dú)控制，操作控制比較簡(jiǎn)單，大多采用就地人工控制與人工記錄相結(jié)合的管理方式，供水能力僅能滿足經(jīng)濟(jì)和社會(huì)發(fā)展的基本需要。

(2)自動(dòng)化水廠階段 以水廠數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(Supervisory Control and Data Acquisition, SCADA)系統(tǒng)為主，大部分實(shí)現(xiàn)了分散控制、集中管理、聯(lián)動(dòng)，水廠實(shí)時(shí)采集、遠(yuǎn)程控制、預(yù)警報(bào)警等能力，但存在監(jiān)測(cè)不夠全面、信息不能共享、孤島現(xiàn)象嚴(yán)重等問(wèn)題。

(3)數(shù)字化水廠階段 建立統(tǒng)一的綜合管理信息平臺(tái)，包括巡檢管理、運(yùn)行管理、水質(zhì)管理、設(shè)備管理等模塊，信息共享并能較好地解決信息孤島問(wèn)題，但由于算法理論和算力制約，仍存在數(shù)據(jù)沒(méi)有挖掘、決策支持不夠科學(xué)的問(wèn)題。

總體來(lái)說(shuō)，我國(guó)大多數(shù)凈水廠的建設(shè)均停留在自動(dòng)化階段，部分地區(qū)(江浙滬、珠三角)正在從自動(dòng)化水廠階段向數(shù)字化水廠階段邁進(jìn)，雖然取得了一些成果，但是離智慧水廠還有很大的差距。本文認(rèn)為未來(lái)智慧水廠的建設(shè)主要從可控、可感知、可視、可預(yù)測(cè)4個(gè)層面開(kāi)展，具體如下：

(1)可控 利用人臉識(shí)別、車輛識(shí)別、人員闖入視頻識(shí)別、故障診斷等人工智能技術(shù)，結(jié)合廠區(qū)進(jìn)出管理、周界人員入侵檢測(cè)、限制區(qū)域檢測(cè)、在崗檢測(cè)等綜合安防，減少90%的人工工作量，保證水廠生產(chǎn)安全。

(2)可感知 利用物聯(lián)感知設(shè)備、光纖、4G/5G、WIFI通信技術(shù)將分布在水廠各工藝單體的設(shè)備、設(shè)施等互聯(lián)互通，構(gòu)建凈水廠監(jiān)測(cè)感知網(wǎng)絡(luò)，形成物聯(lián)網(wǎng)(Internet of Things, IoT)大數(shù)據(jù)平臺(tái)。

(3)可視 利用建筑信息模型(Building Information Modeling, BIM)建模和仿真技術(shù)，建立凈水廠三維虛擬系統(tǒng)，通過(guò)虛擬系統(tǒng)的逼真三維可視化效果增加用戶的沉浸感和交互感。

(4)可預(yù)測(cè) 利用數(shù)字孿生技術(shù)將機(jī)理模型與人工智能模型相結(jié)合，將專家知識(shí)、分析算法、預(yù)測(cè)算法和自動(dòng)化技術(shù)相結(jié)合，對(duì)供需水量調(diào)度、設(shè)備維護(hù)、加藥、水力停留、應(yīng)急管理等環(huán)節(jié)進(jìn)行動(dòng)態(tài)預(yù)測(cè)和優(yōu)化，實(shí)現(xiàn)智能決策分析、動(dòng)態(tài)預(yù)警預(yù)報(bào)。

本文在數(shù)字孿生五維模型[9]的基礎(chǔ)上，考慮凈水廠運(yùn)維的技術(shù)特點(diǎn)和流程要求，提出數(shù)字孿生凈水廠運(yùn)維管控體系架構(gòu)，如圖1所示。該架構(gòu)以物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、BIM技術(shù)、邊緣計(jì)算、人工智能等新一代信息技術(shù)為手段，建立物理水廠與虛擬水廠的空間和事物的精準(zhǔn)映射關(guān)系，通過(guò)傳感器實(shí)時(shí)采集物理水廠的數(shù)據(jù)，使虛擬環(huán)境中的生產(chǎn)仿真與現(xiàn)實(shí)中的生產(chǎn)雙向融合，實(shí)現(xiàn)生產(chǎn)、運(yùn)行、維護(hù)、調(diào)度和服務(wù)全方位、全過(guò)程各環(huán)節(jié)的高度信息互通、反應(yīng)快捷、管理有序和高效節(jié)能。

2 數(shù)字孿生凈水廠三維可視化實(shí)時(shí)監(jiān)控

2.1 數(shù)字孿生凈水廠多源異構(gòu)數(shù)據(jù)實(shí)時(shí)采集架構(gòu)

2.1.1 基于3IM的凈水廠語(yǔ)義信息模型

針對(duì)當(dāng)前凈水廠物理實(shí)體的數(shù)字化建模主要集中在對(duì)幾何和物理維度上的構(gòu)建，缺少對(duì)能同時(shí)反映物理實(shí)體對(duì)象的幾何、物理、行為、規(guī)則、約束的多維動(dòng)態(tài)模型構(gòu)建的研究。本文根據(jù)凈水廠的工藝和運(yùn)維現(xiàn)狀，提出基于工業(yè)互聯(lián)網(wǎng)信息模型(Industrial Internet Information Model, 3IM)的凈水廠語(yǔ)義信息模型，構(gòu)建了設(shè)備與應(yīng)用系統(tǒng)之間的信息協(xié)同化傳輸和讀取方案，以降低異構(gòu)信息交互的成本，達(dá)到設(shè)備與應(yīng)用系統(tǒng)間解耦的效果，實(shí)現(xiàn)物理水廠與虛擬水廠的互聯(lián)互通。

基于3IM的凈水廠語(yǔ)義信息模型由標(biāo)識(shí)、屬性、服務(wù)、類組成，類可以包含標(biāo)識(shí)、屬性、服務(wù)、子類，子類還可以有標(biāo)識(shí)、屬性、服務(wù)、子類，依次類推。其中：標(biāo)識(shí)主要實(shí)現(xiàn)信息模型的標(biāo)記和表達(dá)，作為唯一標(biāo)記，貫穿信息模型的整個(gè)生命周期；屬性涵蓋各類設(shè)備對(duì)象的屬性描述，包括幾何尺寸、供應(yīng)商信息、運(yùn)行狀態(tài)等，體現(xiàn)對(duì)對(duì)象知識(shí)的專業(yè)描述；服務(wù)描述設(shè)備具備的行為和規(guī)則，以水泵為例，如開(kāi)停的條件(前置、后置)、開(kāi)停動(dòng)作、報(bào)警等數(shù)據(jù)；子類是對(duì)信息模型所表達(dá)或代表的具有共同特征的信息的抽象。如圖2所示為基于3IM的語(yǔ)義信息模型，其以Json文件形式存儲(chǔ)，包括identity(標(biāo)識(shí))，property(屬性)，service(服務(wù))，class(類)4部分信息，其中class(類)包含children(子類)。

2.1.2 面向多源異構(gòu)數(shù)據(jù)的3IM實(shí)時(shí)采集架構(gòu)

凈水廠存在大量異構(gòu)設(shè)備或系統(tǒng)的數(shù)據(jù)源，這些異構(gòu)數(shù)據(jù)源都有各自私有的數(shù)據(jù)采集協(xié)議。通過(guò)利用3IM的凈水廠語(yǔ)義信息模型對(duì)異構(gòu)設(shè)備的數(shù)據(jù)進(jìn)行采集并封裝，形成統(tǒng)一的凈水廠運(yùn)行數(shù)據(jù)格式，對(duì)上層應(yīng)用提供統(tǒng)一的數(shù)據(jù)服務(wù)，從而實(shí)現(xiàn)凈水廠的設(shè)備監(jiān)控、設(shè)備管理、數(shù)據(jù)采集與分析，進(jìn)而使數(shù)據(jù)共享更加便捷。

基于此，本文提出基于3IM的凈水廠語(yǔ)義信息模型的數(shù)據(jù)采集框架，如圖3所示。采集平臺(tái)首先根據(jù)各設(shè)備的私有協(xié)議解析成標(biāo)準(zhǔn)的3IM語(yǔ)義信息模型，并將其存儲(chǔ)在內(nèi)存數(shù)據(jù)庫(kù)；然后，基于分布式文件系統(tǒng)、NoSQL數(shù)據(jù)庫(kù)、關(guān)系數(shù)據(jù)庫(kù)、時(shí)序數(shù)據(jù)庫(kù)等不同數(shù)據(jù)管理引擎實(shí)現(xiàn)數(shù)據(jù)的分區(qū)、選擇、存儲(chǔ)、編目與索引；最后，基于REST FUL架構(gòu)以Json格式進(jìn)行數(shù)據(jù)傳輸，實(shí)現(xiàn)上層應(yīng)用與多源異構(gòu)數(shù)據(jù)源之間的數(shù)據(jù)交換。

2.2 數(shù)字孿生凈水廠多層次三維可視化監(jiān)控

2.2.1 數(shù)字孿生凈水廠的幾何建模方法

數(shù)字孿生凈水廠幾何建模相比城市幾何建模體量較小，一般以手工建模為主。在實(shí)際建模過(guò)程，一般先使用無(wú)人機(jī)航拍快速獲取建筑物外部?jī)A斜三維影像和正射影像，再通過(guò)360全景圖獲取建筑物內(nèi)部的紋理數(shù)據(jù)，然后通過(guò)三維激光掃描獲取建筑物內(nèi)部的點(diǎn)云數(shù)據(jù)，最后利用Revit或3Dmax等三維軟件基于CAD圖紙、傾斜三維影像、360全景圖和激光點(diǎn)云數(shù)據(jù)等矢量數(shù)據(jù)重建三維幾何模型。如圖4所示為凈水廠幾何模型要素樹(shù)，主要包括水廠環(huán)境模型、人員模型、設(shè)備模型、取水單元模型、制水單元模型和送水單元模型等。

2.2.2 數(shù)字孿生凈水廠多層次三維可視化監(jiān)控模型

數(shù)字孿生凈水廠多層次三維可視化監(jiān)控建立在虛擬水廠同步運(yùn)行模式的基礎(chǔ)上，基于凈水廠幾何模型和實(shí)時(shí)數(shù)據(jù)支撐對(duì)數(shù)字孿生凈水廠制水過(guò)程的可視化展示，實(shí)現(xiàn)凈水廠從進(jìn)廠水到出廠水的全流程監(jiān)控。三維可視化監(jiān)控采用制水工藝層、節(jié)點(diǎn)監(jiān)測(cè)層、巡檢作業(yè)層和可視化監(jiān)控層4個(gè)層次，實(shí)現(xiàn)物理水廠與虛擬水廠的模型映射、數(shù)據(jù)映射和可視化交互，在此基礎(chǔ)上實(shí)現(xiàn)凈水廠整體的運(yùn)行狀態(tài)三維直觀監(jiān)控，如圖5所示。

(1)制水工藝層 以凈水廠制水工藝為基礎(chǔ)，根據(jù)凈水廠幾何模型，包括水廠環(huán)境模型、人員模型、設(shè)備模型、取水單元模型、制水單元模型和供水單元模型，實(shí)現(xiàn)物理水廠和虛擬水廠的模型映射。

(2)節(jié)點(diǎn)監(jiān)測(cè)層 主要實(shí)現(xiàn)對(duì)凈水廠制水工藝節(jié)點(diǎn)通信設(shè)備或傳感器的工作頻率、傳輸速率、運(yùn)行狀態(tài)等的監(jiān)視、管理和數(shù)據(jù)收集，同時(shí)在節(jié)點(diǎn)狀態(tài)異常時(shí)能主動(dòng)進(jìn)行提示和告警，并對(duì)問(wèn)題進(jìn)行定位和數(shù)據(jù)統(tǒng)計(jì)。

(3)巡檢作業(yè)層 主要依據(jù)日常維護(hù)計(jì)劃，針對(duì)凈水廠的重點(diǎn)區(qū)域、設(shè)備、儀表等進(jìn)行定期和不定期巡查，采用人工巡檢、虛擬現(xiàn)實(shí)(Virtual Reality，VR)巡檢和虛擬巡檢相結(jié)合的巡檢方法，實(shí)現(xiàn)巡檢過(guò)程的智能化。

(4)可視化監(jiān)控層 主要針對(duì)節(jié)點(diǎn)的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行大數(shù)據(jù)挖掘和分析，實(shí)現(xiàn)對(duì)故障的診斷、預(yù)測(cè)和維護(hù)，打造智能化的可視化監(jiān)控決策，保證凈水廠的穩(wěn)定運(yùn)行和供水安全。

3 數(shù)字孿生凈水廠工藝控制策略與仿真優(yōu)化

3.1 數(shù)字孿生凈水廠工藝控制策略

3.1.1 基于云邊協(xié)同的數(shù)字孿生凈水廠控制架構(gòu)

凈水廠的SCADA系統(tǒng)以“分散控制、集中監(jiān)控”為原則，一般設(shè)置1個(gè)中心控制室和7個(gè)現(xiàn)場(chǎng)可編程邏輯控制器(Programmable Logic Controller, PLC)控制分站(即取水、混凝加藥、加氯、濾池、送水、配電、污泥脫水分站)，其中自動(dòng)投藥、濾池、取/送水泵組等的自動(dòng)控制算法傳統(tǒng)上采用單片機(jī)、PLC，或在組態(tài)軟件中采用比例—積分—微分控制器(PID, Proportional Integral Derivative)完成，但在SCADA系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性有待進(jìn)一步提高。

因此，本文在原有SCADA系統(tǒng)控制的基礎(chǔ)上，提出增加邊緣網(wǎng)關(guān)+云平臺(tái)的云邊協(xié)同控制架構(gòu)，通過(guò)基于大數(shù)據(jù)分析的知識(shí)建模、知識(shí)提煉和知識(shí)優(yōu)化方法，以及基于增強(qiáng)學(xué)習(xí)、深度學(xué)習(xí)、自主學(xué)習(xí)等方法完成機(jī)器學(xué)習(xí)模型訓(xùn)練后，將智能模型下載到邊緣網(wǎng)關(guān)，由邊緣網(wǎng)關(guān)和凈水廠的現(xiàn)場(chǎng)PLC控制子站進(jìn)行通訊控制，一方面能精準(zhǔn)調(diào)控工藝和動(dòng)態(tài)優(yōu)化工藝，另一方面也能極大地節(jié)約SCADA系統(tǒng)的資源，保證系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性，基本控制架構(gòu)如圖6所示。本文采用智能網(wǎng)關(guān)管理邊緣設(shè)備，對(duì)凈水廠的設(shè)備數(shù)據(jù)進(jìn)行接入和控制，同時(shí)利用智能模型在云端進(jìn)行訓(xùn)練，并將智能模型下發(fā)到邊緣側(cè)用于控制設(shè)備，發(fā)揮邊緣側(cè)和云端各自的優(yōu)勢(shì)，實(shí)現(xiàn)邊緣硬件、邊緣服務(wù)和云平臺(tái)的協(xié)同。

3.1.2 基于“機(jī)理+智能”雙模型驅(qū)動(dòng)的凈水廠工藝優(yōu)化決策框架

在凈水廠運(yùn)維管控過(guò)程中，供水全流程的工藝優(yōu)化是以“保障水質(zhì)安全、實(shí)現(xiàn)節(jié)能降耗”為核心。目前，凈水廠一方面需要借助機(jī)理模型對(duì)凈水廠運(yùn)維進(jìn)行管控，另一方面，隨著水廠運(yùn)行數(shù)據(jù)的積累，需要基于大數(shù)據(jù)分析，采用智能模型對(duì)凈水廠的運(yùn)維管控進(jìn)行優(yōu)化決策。考慮到機(jī)理模型在凈水廠加藥等工藝環(huán)節(jié)中不完備，無(wú)法有效指導(dǎo)實(shí)際生產(chǎn)，同時(shí)考慮人工智能模型的脆弱性和不穩(wěn)定性，提出基于“機(jī)理+智能”雙模型驅(qū)動(dòng)的工藝優(yōu)化決策框架。通過(guò)選擇實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)中相關(guān)變量的特征，構(gòu)建機(jī)理模型和智能模型的雙模驅(qū)動(dòng)機(jī)制，實(shí)現(xiàn)監(jiān)測(cè)、診斷、預(yù)測(cè)和決策全過(guò)程控制，形成決策方案，用于指導(dǎo)實(shí)際決策，實(shí)現(xiàn)“以虛控實(shí)”的目的，從而提升服務(wù)質(zhì)量，基本流程如圖7所示。

3.2 數(shù)字孿生凈水廠工藝仿真優(yōu)化模型

凈水廠工藝處理流程主要經(jīng)歷了“原水→取水→沉淀→過(guò)濾→消毒→配水”等工藝環(huán)節(jié)，如圖8所示。數(shù)字孿生驅(qū)動(dòng)需要從機(jī)理和數(shù)據(jù)兩個(gè)層面反應(yīng)虛擬和現(xiàn)實(shí)之間的關(guān)聯(lián)，因此本文從機(jī)理/經(jīng)驗(yàn)不確定度和計(jì)算復(fù)雜度兩個(gè)維度對(duì)凈水廠工藝優(yōu)化問(wèn)題進(jìn)行分類，如圖9所示。不同的問(wèn)題類型可采用不同的建模方法，主要有基于知識(shí)的建模、基于機(jī)理的建模和基于數(shù)據(jù)的建模3大類，具體如表1所示。

表1 數(shù)字孿生凈水廠優(yōu)化模型構(gòu)建方法

圖9中的4大類工藝優(yōu)化問(wèn)題，可以通過(guò)專家系統(tǒng)、機(jī)器學(xué)習(xí)、知識(shí)圖譜和深度學(xué)習(xí)等技術(shù)手段解決。例如，備品備件庫(kù)存管理、生產(chǎn)成本管理、濾池恒液位控制、濾池反沖洗控制、配電管理等問(wèn)題，由于其流程或機(jī)理清晰明確且計(jì)算復(fù)雜度較低，可將該類任務(wù)的執(zhí)行過(guò)程固化并建立專家決策系統(tǒng)；自動(dòng)加氯、多水源調(diào)度、取水泵房調(diào)度、送水泵房調(diào)度等問(wèn)題的機(jī)理往往相對(duì)復(fù)雜，但并不需要大量數(shù)據(jù)和復(fù)雜的計(jì)算，可以通過(guò)用智能算法(如遺傳算法、蟻群算法、粒子群算法等)尋找最優(yōu)解；水齡預(yù)測(cè)、風(fēng)險(xiǎn)預(yù)測(cè)等問(wèn)題，需要大量數(shù)據(jù)的推理作為決策支持，計(jì)算復(fù)雜度相對(duì)于前兩種體系要高，但其問(wèn)題原理或不同對(duì)象間的關(guān)系相對(duì)清晰，可以采用知識(shí)圖譜技術(shù)來(lái)解決；需水量預(yù)測(cè)、水質(zhì)預(yù)測(cè)、自動(dòng)加礬、設(shè)備預(yù)發(fā)性維護(hù)等問(wèn)題的機(jī)理不明且計(jì)算極其復(fù)雜，可以采用深度學(xué)習(xí)算法，如反向傳播(Back Propagation, BP)神經(jīng)網(wǎng)絡(luò)、 循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network, RNN)、長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)等來(lái)解決。

綜上所述，本文主要給出了供取水量預(yù)測(cè)、加藥優(yōu)化、泵組優(yōu)化、設(shè)備預(yù)防性維護(hù)等問(wèn)題的解決方案，并進(jìn)行了實(shí)際案例應(yīng)用。

3.2.1 供取水量預(yù)測(cè)模型

3.2.2 泵組優(yōu)化模型

凈水廠現(xiàn)有的基于人工經(jīng)驗(yàn)的泵組調(diào)度模式缺乏前期數(shù)據(jù)支持，因此在調(diào)度過(guò)程中存在供水冗余量過(guò)大、能源消耗偏高、應(yīng)對(duì)突發(fā)狀況的適應(yīng)性差等問(wèn)題，而且人工調(diào)度很難在管理控制上與其他控制環(huán)節(jié)協(xié)調(diào)，導(dǎo)致生產(chǎn)各環(huán)節(jié)脫節(jié)。本文結(jié)合水量需求預(yù)測(cè)和泵組狀態(tài)監(jiān)測(cè)，利用深度學(xué)習(xí)預(yù)測(cè)模型獲得水量預(yù)測(cè)值，并利用智能算法對(duì)生產(chǎn)環(huán)節(jié)進(jìn)行調(diào)度，以滿足生產(chǎn)能耗指標(biāo)，從而將生產(chǎn)調(diào)度環(huán)節(jié)從原本孤立的人工控制狀態(tài)整合到整個(gè)管理控制系統(tǒng)中，實(shí)現(xiàn)生產(chǎn)管理一體化和智能化，具體控制流程如圖11所示。

3.2.3 加藥優(yōu)化模型

在凈水廠加藥工藝環(huán)節(jié)，控制加藥量對(duì)降低藥耗、保證水質(zhì)安全具有重要意義。絮凝沉淀過(guò)程是一個(gè)大慣性、大時(shí)滯、非線性和時(shí)變的難控過(guò)程，加藥量與水流量、天氣、水質(zhì)等多種因素有關(guān)，目前主要基于人工經(jīng)驗(yàn)，缺乏有效的機(jī)理模型對(duì)加藥量進(jìn)行準(zhǔn)確控制。考慮到影響加藥的多因素之間的非線性、季節(jié)性等特點(diǎn)，本文將深度學(xué)習(xí)模型應(yīng)用到加藥量控制中，通過(guò)實(shí)時(shí)感知的進(jìn)水流量、原水濁度、PH值預(yù)測(cè)加藥量，然后利用邊緣設(shè)備控制加藥變頻泵，對(duì)加藥量進(jìn)行優(yōu)化，基本流程如圖12所示。

3.2.4 設(shè)備預(yù)防性維護(hù)模型

以凈水廠泵房水泵等關(guān)鍵設(shè)備的故障預(yù)測(cè)為核心，利用傳感器智能感知設(shè)備溫度、振動(dòng)、電流等數(shù)據(jù)，并結(jié)合使用維護(hù)記錄，采用人工智能、機(jī)理模型等識(shí)別凈水廠關(guān)鍵設(shè)備的早期故障，并預(yù)測(cè)設(shè)備的性能衰退趨勢(shì)和剩余使用壽命，在此基礎(chǔ)上根據(jù)維修資源和使用要求進(jìn)行智能維修決策，提高凈水廠供水的安全性，減少維修保障費(fèi)用。設(shè)備預(yù)防性維護(hù)模型基本流程主要包括多源數(shù)據(jù)集成、在線監(jiān)測(cè)與報(bào)警、專家決策分析、故障診斷與預(yù)測(cè)、大數(shù)據(jù)分析和智能維修決策等，如圖13所示。

4 實(shí)例驗(yàn)證

根據(jù)凈水廠生產(chǎn)工藝流程和實(shí)際運(yùn)行需求，數(shù)字孿生凈水廠的應(yīng)用框架為“一平臺(tái)、兩中心、一網(wǎng)絡(luò)、一朵云、一張圖”和“五橫二縱”的開(kāi)放式體系結(jié)構(gòu)，如圖14所示。

數(shù)字孿生凈水廠的建設(shè)，不僅需要解決生產(chǎn)過(guò)程控制并節(jié)省人力問(wèn)題，還要解決如何通過(guò)先進(jìn)的技術(shù)手段降低生產(chǎn)運(yùn)維成本、節(jié)能降耗、提高系統(tǒng)可靠性、提升管理層級(jí)和管理能力等問(wèn)題，給企業(yè)帶來(lái)顯而易見(jiàn)的收益。

中途更換班主任是學(xué)校的常事。新班主任迎接的將是一場(chǎng)巨大的挑戰(zhàn)，將應(yīng)對(duì)很多意料不到的情景，想要建立一個(gè)文明和諧、積極向上的班集體，僅僅靠一片愛(ài)心是遠(yuǎn)遠(yuǎn)不夠的，更多的是需要班主任的睿智與耐心。

某凈水廠日設(shè)計(jì)用水量15萬(wàn)m3，日實(shí)際產(chǎn)水量10萬(wàn)m3左右，采用常規(guī)處理工藝+深度處理工藝，結(jié)合本文提出的相關(guān)理論和方法建設(shè)數(shù)字孿生凈水廠，主要內(nèi)容包括4方面：

(1)對(duì)廠區(qū)內(nèi)地質(zhì)、基坑支護(hù)、建筑物、機(jī)電設(shè)備、總圖管線進(jìn)行人工建模，結(jié)合現(xiàn)狀實(shí)景傾斜模型進(jìn)行局部或整體拼裝，搭建了基于開(kāi)源WebGL技術(shù)的三維可視化平臺(tái)，如圖15所示。

(2)基于3IM語(yǔ)義信息模型的采集架構(gòu)接入水廠SCADA系統(tǒng)運(yùn)行參數(shù)，結(jié)合仿真模塊中的自動(dòng)化過(guò)程模型(需水量預(yù)測(cè)模型、泵站調(diào)度模型、水齡模型等)，搭建了水廠工藝段仿真環(huán)境，如圖16所示。

(3)從現(xiàn)場(chǎng)自動(dòng)化控制、工藝智能化運(yùn)行、生產(chǎn)過(guò)程實(shí)時(shí)監(jiān)控、設(shè)備巡檢及運(yùn)維管理、生產(chǎn)運(yùn)行指數(shù)分析、數(shù)據(jù)報(bào)表分析、安全生產(chǎn)管理、故障預(yù)警分析、移動(dòng)智能服務(wù)的角度打造管控一體化的數(shù)字孿生凈水廠，在高效的人機(jī)交互模式下減少對(duì)水廠內(nèi)人力資源的要求，實(shí)現(xiàn)了無(wú)人化管理，如圖17所示。

(4)通過(guò)在調(diào)度中心搭建管控一體化平臺(tái)、大屏可視化系統(tǒng)、VR系統(tǒng)，使參觀者獲得身歷其境的體驗(yàn)，調(diào)度員可以及時(shí)、沒(méi)有限制地觀察物理凈水廠的事物，達(dá)到“一人值守、總覽全局”的效果，如圖18所示。

5 結(jié)束語(yǔ)

針對(duì)凈水廠運(yùn)維管控過(guò)程中信息透明度低、實(shí)時(shí)性差、缺乏精細(xì)化管控等問(wèn)題，本文提出基于數(shù)字孿生的凈水廠運(yùn)維管理技術(shù)架構(gòu)體系，闡述了數(shù)字孿生凈水三維可視化監(jiān)控、工藝控制策略、工藝仿真優(yōu)化等關(guān)鍵技術(shù)。構(gòu)建了數(shù)字孿生凈水廠多層次三維可視化監(jiān)控模型，提出基于云邊協(xié)同的數(shù)字孿生凈水廠控制策略，采用基于“機(jī)理+智能”雙模型驅(qū)動(dòng)的凈水廠工藝優(yōu)化決策框架，結(jié)合供取水量預(yù)測(cè)、加藥優(yōu)化、泵組優(yōu)化、設(shè)備預(yù)防性維護(hù)等問(wèn)題進(jìn)行了探索。最后以實(shí)際凈水廠為例對(duì)數(shù)字孿生技術(shù)進(jìn)行應(yīng)用并開(kāi)發(fā)了運(yùn)維管控一體化平臺(tái)，驗(yàn)證了所提模型和方法的有效性。由于本文所采用的機(jī)理模型和智能模型比較單一，而且智能模型在應(yīng)用上存在一定的脆弱性和不穩(wěn)定性，未來(lái)將深入結(jié)合凈水廠處理工藝，研究機(jī)理模型和智能模型雙驅(qū)動(dòng)下的凈水廠運(yùn)維管控和優(yōu)化策略，以實(shí)現(xiàn)對(duì)凈水廠運(yùn)維管控的動(dòng)態(tài)優(yōu)化和實(shí)時(shí)控制。