目前，針對智慧水廠的全運維周期能耗管理還停留在信息集成階段，仍未形成健全的智能化管理體系，尤其是在廠區(qū)節(jié)能潛力挖掘與異常用能診斷方面。數(shù)據(jù)驅(qū)動算法以歷史數(shù)據(jù)為依據(jù)，描述運行能耗與污水特征之間的關(guān)系，將能耗預測問題轉(zhuǎn)化為非線性回歸問題，提供準確高效的預測結(jié)果作為廠區(qū)需求側(cè)的響應基礎(chǔ)。通過促進數(shù)智化技術(shù)與運維系統(tǒng)融合發(fā)展，健全污水處理廠全產(chǎn)業(yè)鏈能耗綜合監(jiān)測預警體系，為廠區(qū)削峰填谷、調(diào)整負載等技改措施提供決策支撐，為企業(yè)綠色低碳轉(zhuǎn)型發(fā)展提供源動力。

本文建立的能耗監(jiān)測管理平臺依托污水處理廠三維可視化BIM模型底座，天然集成了污水處理廠建筑屬性與設計細節(jié)，通過機器學習算法實現(xiàn)水廠各水處理單元、各設備運行參數(shù)實時監(jiān)測，并將設備位置信息以坐標數(shù)據(jù)形式，實時反饋到平臺BIM底圖中，為管理人員提供異常預警提示與能耗監(jiān)測管理服務。基于BIM和EMS的能耗管理平臺設計架構(gòu)如圖1所示。

圖1 污水處理廠能耗管理平臺框架

2.1 數(shù)據(jù)采集與預處理

污水處理廠運行能耗相關(guān)數(shù)據(jù)集可分為3類：①重點耗能設備屬性；②廢水特征數(shù)據(jù)；③運行參數(shù)數(shù)據(jù)。研究采用的數(shù)據(jù)預處理主要包括異常值識別、特征轉(zhuǎn)換和數(shù)據(jù)標準化等，預處理可以為后續(xù)算法研究提供標準可靠的數(shù)據(jù)，保障算法實施的可行性。

2.2 預測算法研究

污水處理廠能耗數(shù)據(jù)集具有非線性、不穩(wěn)定的特點，并且特征因子眾多、關(guān)聯(lián)度復雜。高維數(shù)據(jù)會為機器學習模型引入更多擾動因素，降低預測準確度。因此，在對比多種算法性能后，選用輕量級梯度提升樹（LightGBM）算法進行特征因子篩選。算法特有的單側(cè)梯度采樣（Gradient-based One-Side Sampling，GOSS）和互斥特征壓縮（Exclusive Feature Bundling，EFB）等技術(shù)，實現(xiàn)數(shù)據(jù)降維的同時又能篩選出與污水處理廠能耗具有高度相關(guān)性的特征子集。

ANN在構(gòu)建非線性復雜關(guān)系模型時具有強大的穩(wěn)定性，但也存在著概括能力差、運算過程不透明、回歸效率低等困境。LightGBM算法運用GOSS技術(shù)，可以僅關(guān)注高梯度數(shù)據(jù)來計算回歸貢獻增益，無需遍歷所有特征。保證準確性的同時大大提升了運行效率，可以滿足“實時”的監(jiān)測需求。將上述兩種算法進行堆疊集成，以期通過博采眾長來彌補單一學習器可能存在的局限性。研究構(gòu)建的算法模型如圖2所示。

圖2 污水廠能耗預測模塊開發(fā)路徑

2.3 異常用能診斷模塊

異常用能識別的關(guān)鍵在于設定合理的運行能耗閾值?，F(xiàn)階段，異常能耗判定仍以管理人員經(jīng)驗為主，人為界定異常閾值常常忽略污水處理廠各項水處理設備的運行規(guī)律及電網(wǎng)負載等實際情況，缺乏決策可信度。平臺異常用能診斷框架以能耗預測模型為基礎(chǔ)，通過采集預測值與監(jiān)測值的殘差，生成新的異常能耗數(shù)據(jù)集，再利用Grubbs檢測針對數(shù)據(jù)集中的異常值進行識別。依據(jù)實際情況，對污水處理廠異常能耗閾值進行劃分，并構(gòu)建異常分級預警體系，完善異常狀況下協(xié)同管控應對機制。

模塊采用分位數(shù)回歸（Quantile regression）方法劃分污水處理廠運行過程中的異常表現(xiàn)。結(jié)合樣本實際情況，本文將顯著性水平設置為0.05，置信區(qū)間為95%，并依據(jù)預測模型與真實值的擬合程度為污水處理廠能耗狀況賦予評價指數(shù)。QR模型中，每條分位數(shù)曲線表示有對應比例的數(shù)據(jù)落在此范圍內(nèi)。模型選取95%～99%的分位數(shù)曲線劃分為5個區(qū)間，并與異常嚴重程度建立映射關(guān)系。指數(shù)評價與等級劃分情況見表1所示。等級越高，監(jiān)測值與預測值的偏差越大，異常程度越嚴重。具體運行狀態(tài)下采取的維護措施如表2所示。

表1 污水處理廠運行狀態(tài)指數(shù)評價與異常等級劃分

表2 污水處理廠能耗運行狀態(tài)與維護措施

天津市某污水處理項目建設面積約19 hm2，污水處理規(guī)模達10萬m3/d。廠區(qū)包含提升泵房、AO生化反應池、污泥泵房等多種高耗能水處理設備，日均運行能耗2×104 kW·h以上，約占廠區(qū)總運營總成本的60%。研究將以污水處理廠能耗監(jiān)測管理平臺為例，驗證所開發(fā)的能耗監(jiān)測預警平臺的各項功能模塊。污水處理廠能耗監(jiān)測平臺駕駛艙界面如圖3。

圖3 污水處理廠能耗監(jiān)測平臺駕駛艙界面

3.1 能耗監(jiān)測功能模塊

能耗智能監(jiān)測模塊可將電流和水質(zhì)傳感器采集的實時數(shù)據(jù)，傳輸并儲存于在線數(shù)據(jù)庫，依托BIM底座，以數(shù)表、折線圖等更加直觀的形式在平臺呈現(xiàn)，實現(xiàn)各水處理單元歷史能耗趨勢可視化監(jiān)測。此外，針對歷史運行能耗趨勢圖、設備維保記錄等，每周將生成污水處理廠運維分析報告，便于管理人員全面直觀的了解污水處理廠運行情況及設備健康狀況。

3.2 狀況評價功能模塊

以污水處理廠實測數(shù)據(jù)為例進行能耗狀態(tài)評價。選取污水處理廠2020年4月至2022年4月的能耗時間序列數(shù)據(jù)對算法模型進行訓練。部分樣本數(shù)據(jù)如表2所示。利用特征選擇算法分析各項特征在模型回歸過程中的貢獻度，并按照重要性對因子進行打分排序。最終篩選出總氮、氨氮、化學需氧量、干球溫度、日進水量5項因子作為特征變量，能耗預測值作為模型輸出，狀況指數(shù)作為標簽。

通過ANN-LightGBM集成學習算法對污水處理廠部分樣本數(shù)據(jù)進行能耗狀態(tài)評價。將采集的數(shù)據(jù)以7∶3的比例劃分為訓練集與測試集，用于訓練預測模型，輸出設備狀態(tài)指數(shù)與異常級別。并以均方根誤差（RMSE）、平均絕對百分比誤差（MAPE）和擬合優(yōu)度（R2）作為模型的評價指標。經(jīng)檢驗，模型預測結(jié)果RMSE為4.4、MAPE為5.43%、R2達96%，各方面性能均優(yōu)于單一算法，且訓練時間縮短至集成前的60%。樣本訓練結(jié)果顯示，樣本a、b、c狀態(tài)指數(shù)均大于60分，說明此時運行狀態(tài)良好，數(shù)據(jù)信息將直接上傳至平臺EMS模型，用于作為系統(tǒng)節(jié)能優(yōu)化范本；樣本d、e、f均存在不同程度的異常，平臺將回傳預警信息，輔助運維管理人員進行異常處置決策。

表3 污水處理廠能耗預測的部分樣本數(shù)據(jù)集

3.3 異常診斷功能模塊

能耗異常診斷模塊以狀態(tài)評價指數(shù)為決策依據(jù)進行異常識別，并分析異常成因。依據(jù)故障診斷流程，針對樣本中的異常數(shù)據(jù)，并結(jié)合后驗性知識進行異常能耗分析，如表4所示。

表4 多個異常設備的異常成因和維護措施

針對分數(shù)較低的設備點進行歷史能耗分析與狀況排查。研究最終選取200組能耗實時采集樣本進行模型精度驗證，模型表現(xiàn)出的擬合優(yōu)度為95.87%。結(jié)果表明，異常診斷模塊以ANN-LightGBM能耗預測模型為基礎(chǔ)，能夠預測識別出96%的異常數(shù)據(jù)，具有較為可靠的預測精度。維護人員能夠根據(jù)異常識別結(jié)果采取應對措施，保障了識別診斷機制的及時性與準確性。

針對污水處理廠能耗管理智能化程度低下，異常診斷體系不完備等問題，設計了基于物聯(lián)網(wǎng)技術(shù)與機器學習算法的能耗監(jiān)測評價與異常診斷管理平臺，平臺解決了如下問題：

（1）高維信息集成，數(shù)據(jù)通過信息擴展的方式集成于平臺中，實現(xiàn)多源信息可視化交互，提高了管理部門內(nèi)部的溝通效率。

（2）能耗監(jiān)測評價模塊，通過算法實現(xiàn)污水廠能耗狀況評價，誤差率在4%左右。

（3）能耗異常診斷，平臺自動標記故障點位置信息、報送異常能耗預警，管理人員可結(jié)合能耗評分，生成運營維護預案，及時采取異常處置措施。通過天津市某智慧水廠案例，驗證了平臺各功能的可行性與實用性，為污水處理廠主管部門提供了一個智能化管理平臺，有效地提高了污水處理廠運維管理過程中的信息流動效率，降低跨部門之間的信息調(diào)取與溝通成本；基于機器學習算法的能耗監(jiān)測評價與統(tǒng)計分析方法的應用，有效保障了污水處理廠異常用能認定的合理性與可靠性，實現(xiàn)了由“經(jīng)驗驅(qū)動”到“數(shù)據(jù)驅(qū)動”模式的改變。

微信對原文有修改。原文標題：智慧水廠能耗監(jiān)測評價與異常診斷管理平臺研究；作者：李子怡、鐘煒；作者單位：天津理工大學管理學院?？窃凇督o水排水》2024年第2期。

.

近期熱文（點擊標題跳轉(zhuǎn)閱讀）

清華大學&給水排水 | 飲用水水質(zhì)指標及處理技術(shù)科普：濾池的優(yōu)化運行

給水排水 |北排經(jīng)驗：北京市核心區(qū)管道清淤怎么做

水業(yè)人物 |苑寶玲：行而不輟 履踐致遠

水業(yè)人物 |陳鴻：以水為筆 依水賦能 踐行新時代水務人的歷史使命

給水排水 |污水管網(wǎng)外水診斷工程實踐

給水排水 |你知道有多少科學實驗是拿娃哈哈做的嗎？

給水排水 |哈工大任南琪院士團隊賀詩欣課題組ES&T：無曝氣的原位類芬頓反應——氧氣在異相氧空位上的特異性吸附和活化

給水排水 |全國13527座污水廠，生態(tài)環(huán)境部的「官方排名」是......

近期活動（點擊圖片查看詳情）

《給水排水》雜志2024品牌活動預告