人工智能技术在工业水务中应用前景探讨

2021-06-15蔡朝阳

云南化工 2021年4期

蔡朝阳

(天津正达科技有限责任公司，天津 300308)

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。随着近些年计算机科学的飞速发展，计算机算力的提升，以及数据量的爆炸式增长，人工智能(artificial intelligence，AI)的发展突飞猛进，越来越多的行业开始重视并应用人工智能技术。

AI依托于大量的基础数据，通过历史数据AI可进行自我学习，根据数据建立数学模型，通过数学模型对数据进行预测和判断。随着数据量的不断提升，模型也会越来越完善。最终AI可以在各种复杂的问题中找到最优解。还可以根据某领域一个或多个专家提供的经验，进行推理判断，模拟人类专家的决策过程，以解决那些需要人类专家处理的复杂问题。

对于水行业而言，AI的作用主要在于优化给排水系统、优化水资源利用，水质控制优化和预测，成本分析及预测，故障预测分析等。本文将主要对AI在工业水务中的应用前景进行分析探讨。

1 人工智能在工业水务应用的基本框架和原理

1.1 人工智能在工业水务应用的基本框架

如图1所示，人工智能在工业水务应用的主要框架可分为四层：数据采集层，数据传输层，数据分析层，人工智能算法层。

图1 人工智能在工业水务应用基本框架图

数据采集层：如果将人工智能比作发动机，而数据就是燃料。没有了燃料，再好的发动机也无法运转。同样只有好的人工智能算法，没有大量的基础数据做支持，人工智能也无法运转。数据采集层通过在工业水系统中安装各类智能量表、在线监测设备、智能水泵计量泵、高清摄像头等设备，采集水系统水质、水温、压力、补排水水量、图像等基础数据。

数据传输层：数据传输层像燃油管道，负责数据的运输工作，将采集到的数据运送至数据分析层，再将人工智能算法发布的警示、命令等传送至工厂控制系统。

数据分析层：数据分析层就像燃油的过滤器，通过数据分析进行数据筛选、数据变量转换、缺失值处理、坏数据处理等操作，最终将数据处理成张量形式，供人工智能算法使用。

人工智能算法层：人工智能算法较为常用的算法有人工神经网络算法、随机森林算法、朴素贝叶斯算法等。在工业水务中，需根据不同的情况选用不同的学习算法。如系统水质的控制可选用深度学习中人工神经网络算法，通过大量的水质、水量、水温等数据作为基础数据，通过神经网络的自我学习，形成数学模型，当采集到数据偏离数学模型后，进行自我调整，最终使数据回到数学模型当中。

1.2 神经网络在工业水务应用算法的基本原理(逻辑回归)

1)x,y均为输入参数。x为基础数据中，某一时间水系统所有相关参数，如水质各项指标、水温、流量等，参数总个数为n。y为该时间水系统运行正常情况，正常为1，不正常为0。

x∈n，y∈{0,1}

w∈n，b∈

5)为了找到J(w,b)最优解，我们使用反向传播算法，通过链式求导法，反向推进，逐步求出该函数对于未知数w，b的偏导数：

7) 找到最优解后，该水系统数学模型就已经建立完成，将新采集的数据x带入方程：

2 人工智能在工业水务中的应用现状

目前，人工智能在市政水务中已经取得了长足的发展，通过互联网、大数据以及人工智能的配合，可以低成本，高效率的管理城市给排水、污水处理、再生水重复利用等过程。很多城市已经推广开来，但工业水务与城市水务相比结构更加复杂，所需的数据也更加庞大，使人工智能在工业水务中的应用更加困难。

目前人工智能在工业水务中的应用处于起步阶段，已经有部分企业开始与高校或科技企业进行合作，在水泄露精确查找和优化水处理化学品投加量等方面引入了人工智能技术，并取得了一定成果。

如辽宁科技大学的徐少川等[1 ]在混凝剂投加中引用了神经网络算法，通过混凝剂投加量、浊度、pH、水温等作为输入数据，训练神经网络，再结合PLC控制系统实现了混凝剂的智慧投加。

加拿大滑铁卢大学[2]与企业合作开发使用水听传感器和人工智能技术，通过信号处理技术，记录水声信号，将漏水信号与其他声源区分，以识别漏水信号。通过该技术，人工智能可精确发现小的渗漏，确定其位置并快速处置，以防发生破坏性水管爆裂的情况。

3 人工智能在工业水务中的应用前景

人工智能在工业水务中的应用前景较为广泛，主要有水质优化控制、水系统状态动态评估、水资源智能调节、成本优化控制及故障预测与预警等方面。

3.1 水质优化控制

水质控制一直都是工业水务中的重中之重，因水质问题而影响生产的案例数不胜数，各个工厂也对循环水、污水水质越来越重视。加之近年来水质在线检测技术的发展，可在线检测的项目也越来越丰富，水质数据已经从单纯表示对目前水系统的表征逐渐变为一种潜在的、可共享的、可长期使用的数据资源[3]。

通过人工智能技术结合大数据，通过在线监测设备采集水系统给排水水量、进出口水质、水温、压力、水处理化学品投加量等基础数据，经过数据处理后，通过人工智能算法进行学习和分析，预测其未来的发展趋势，对可能导致出现水质异常情况的因素提前预警，并采取相应措施，使系统水质一直保持在最佳状态。

3.2 水系统状态动态评估

在未来，随着计算机视觉和微观摄像头的发展，可在水系统管道内安装微观摄像头，通过所拍摄的图像，通过计算机视觉技术实时观察水系统污染情况、微生物情况、管道腐蚀结垢情况等，并结合水质情况对水系统运行状态进行动态评估，如发现异常及时采取应对措施。

3.3 水资源智能调节

在水资源日益匮乏的今天，节约水资源、提高水资源重复利用率、减少排放是每个工厂都要面对的挑战。在人工控制下，水系统通常不会处于最佳的运行状态，不可避免的造成水资源浪费。

通过掌握的各个水系统的基础数据，如给排水水量、压力、水质、水温等，联合厂区储水设备、管网体系等数据，通过人工智能对全厂水资源进行统筹控制，建立全流程水资源管控。当拥有足够多的基础数据后，人工智能可对雨水、清循环排水、污水回用水、反渗透浓水等非常规水源进行判断，是否可用作其他水系统补水，提高水的重复利用率，减少排放。

3.4 故障预警

在工业水系统中，绝大多数都是24 h不间断运行，出现故障的概率很高，如物料泄露、串水、电气设备故障、加药设备故障等。有些故障出现时通常无法第一时间发现，造成了资源浪费等问题。

人工智能通过对大量电气设备数据、水质数据、水量数据等建立正常运行的数学模型，在刚刚出现异常时能及时发出警报，对故障进行诊断。人工智能也可通过记录异常数据自我学习，对已经发生的故障进行预防，降低故障率并提升设备检修的效率。

3.5 成本优化控制

通过安装智能电表、水量表、智能加药装置等智能量表收集基础数据，可实时计算水电、水处理药剂等成本，使人工智能在进行决策判断时，在保证水质与生产的情况下，做出最低成本的决策，使水系统保持在低成本运行，并进行瞬时成本和累计成本的测算。

4 人工智能在工业水务应用中面临的困难及应对措施

4.1 人工智能在工业水务应用中面临的困难

4.1.1 技术难度大

工业水系统类型较多，如根据水质可分为纯水密闭系统、清循环水系统、污循环水系统、脱盐水系统、中水系统、污水处理系统等，即使相同类型的水系统根据用户的不同，对水温、水质、水压等参数的要求也不同。工业水系统相较于市政水系统更加复杂，对基础数据量要求极高，算法架构和数学模型的建立也更加困难。

4.1.2 初期成本高

要实现人工智能在工业水务中的应用，必须需要大量的基础数据，而基础数据则需要大量的智能监测设备，如智能水表、智能电表、智能加药装置等。虽然收益很高，但前期投入也不少，很多工业企业可能会望而却步。

4.1.3 推行困难

在工业中，水务是为生产而服务的。在很多企业眼中，水务部门的重要性是远远不如生产部门的，如果要实施人工智能对水系统的控制，主体也通常是企业能环部、水处理分厂等辅助生产部门，加之成本很高，很多企业缺乏积极性[ 4]。

4.2 应对措施

4.2.1 先解决针对性问题

人工智能化初期可不必将输入参数设置过多，可对系统原有成本情况进行评估，以确定该水系统目前最需要解决的问题，然后针对该问题提出与其最相关的参数，对这些参数进行数学模型搭建。如水资源短缺地区补排水成本过高，节水问题是其首要问题，可根据其主要相关参数作为人工智能输入参数，搭建数学模型。待后期条件具备再逐步添加其他系统参数，进一步完善该系统数据模型。

4.2.2 由点及面逐步推广

面对水系统的人工智能技术改造，水务工作者们应循序渐进，先选择一个或几个水质不稳定、人工控制下系统情况较差的水系统进行试点，为之后的改造积累大量经验，然后再逐步由作业区向分厂、全厂进行推广。也可以由纯水密闭系统、反渗透脱盐水系统等工艺较为简单的水系统入手，逐步向清循环水系统、污循环水系统、污水处理系统推广。

4.2.3 经济效益推动技术改造

先进行试点，通过人工智能解决试点系统的针对性问题，在短期内实现盈利，为工厂创造经济效益，通过经济效益逐步推动对水系统人工智能控制的技术改造。