多参数云传感器系统在水质监测中的应用

汪衍辉 杜宝祯 姜浩 何剑海

摘要：针对饮用水管道中水质传感器表面污垢导致无线传感网络检测数据不准确的问题，设计了一种内置微型污垢监测器的多参数传感器系统。通过测量管道中的薄层沉积物，估算污垢的厚度和类型，利用算法分析实现了预警、预测性维护和更高效的管理流程，并在供水网络中实施为期两个月的实验验证。实证结果表明，此方案鲁棒性高、成本低，具有实用性。

关键词：无线传感网；污垢监测器；多参数传感器；生物膜；交错微电极；水资源管理

中图分类号：

TP212；X853

文献标志码：A

水是地球上最常见的物质之一，水质标志着水体的物理、化学和生物的特性及其组成状况。常规水质检测方法有容量分析法、重量分析法、气相色谱法和分光光度法等，因为需要定期采样及受到实验条件，操作技术等因素影响，检测频率低，导致监测数据缺少实时性和典型性。随着科技发展，出现了多种先进的水质检测方法。如荧光数据与神经网络相结合，通过荧光光谱降维处理，预测饮用水消毒副产物[1]；利用离子色谱的电导率检测自来水中的草甘膦、AMPA和其他目标离子[2]；固相萃取—自动进样口硅化，气相色谱/串联质谱（IPS-GC-MS/MS）系统适用于环境样品中药物残留的测定[3]。某些特定的情况下，地表水水体颜色通常会出现比较明显的变化，综合运用遥感检测技术，可以实现对地表水水质的规范化和标准化检测和管理[4]。城市饮用水分配基础设施的日益老化带来了严重的安全和维护问题。例如，宁波自2012—2020年，到达家庭用户的水的比例从62.6%下降到58.6%，即水网的平均泄漏损失超过40%，造成极大的浪费。因此，管道泄漏检测及定位是一项具有重大经济、社会和环境效益的工作。管道泄漏检测有多种方法[5-9]，间接测漏法因其成本低且检测有效性高而得到广泛应用。基于磁通等技术的探测法[10-11]，或在管外利用漏磁技术或超声技术[11]等检测方法，虽精度较高，但造价较昂贵。瞬变流动法检测准确性、可靠性均较高，但对传感器等配套软件要求也较高[12-13]。基于负压波的泄漏检测定位方法[14-15]适用于突发的较大规模泄漏。由于供水管道复杂、检测方法的经济成本高或者算法本身存在局限性，供水管道的泄漏检测主要采用低成本的管外间接式软硬件结合的测漏方法，即基于泄漏声信号处理的方法[16-18]。为满足经济快速发展的要求，对水质和泄漏检测技术的实时性、精确性要求越来越高，物联网技术的快速发展为研发实现水质参数实时快速检测的传感器提供了技术支持，目前常用的水质传感器有氨氮传感器和pH计等[5-6]。多参数水质检测系统通过测量多种参数，可以准确实施对水质的综合评价。但这些检测方式主要依靠传统水质传感器的组合，价格高，结构复杂，尺寸大，难以广泛应用。综上，研制低成本、高灵敏度、准确、可靠、易于使用和集成的多参数电化学水质传感成为新的发展趋势。因此，本文设计了一种内置微型污垢监测器的多参数传感器系统，将传统的化学物理传感器与新型阻抗传感器相结合，监测管道内表面沉积物的厚度，将沉积物的相关数据上传至云端，利用AI模型判断沉积物类型，根据传感器所在位置判断污染源，利用系统能量收集单元实现传感结点的自供能，使传感结点能够脱离电网安装在远程站点。

1 系统架构

无线传感网络架构中每个传感结点实时测量水管内的6个参数：温度、电导率、pH、压力、流速和内表面的粘液厚度（图1）。传感结点具有多个模拟输入和输出接口，可以添加其他传感器，如测量透过率、浊度、溶解氧、重金属或余氯的光学和电化学传感器。微控制器管理传感结点，执行基本的传感器校准和故障检测。数据通过无线连接到云服务器，系统采用GSM/GPRS蜂窝网络，能实现全域覆盖，且数据传输安全。

云服务器使用阿里物联网云，可以在网站或通过app在手机上显示数据。服务器数据既可以发送给用户用于监测，又可以传输到自动控制器用以激活执行器，如在管道退化或污染事件导致水质参数突然波动时自动关闭阀门，同时将该数据发送到数据分析单元。数据可以通过多种方式和多个级别的统计工具进行处理，并与其他补充来源提供的异构数据（如其它系统提供的数据）合并、关联和比较，用于初始化和拟合描述细菌生长等模型，或者用于训练机器学习模型，以实现管道的预测性维护，并优化涉及注入化学物质（如含氯化合物的消毒剂）的各种处理过程。

图2中，传感结点可安装在主管道或分支管道（由于该产品原型测试时还未获得安全许可，因此安装在分支管道），用于控制外部电动阀的数字信号可实时开、关以保证水损失最小化和水安全，此处使用标准的1/2英寸管道电动球阀（SEV 3000，+5 V DC，在完全开启—关闭周期中消耗25 mWh）。传感结点可以通过电池供电，也可以通过能量收集系统从安装在同一管道上的涡轮提取电能，实现结点的能量自主。涡轮安装在传感器下游，能最小化测量站点的水动力学扰动。

采样周期的选择与能量消耗密切相关，最小采样周期为15 s，如果不需要实时反应，例行监测时采样周期可以增加到几个小时，因为传感结点在不获取数据时会切换到睡眠模式，从而显著降低平均能量消耗。为了快速验证，采样周期为1 min。

2 系统采用的传感器

2.1 粘液传感器

本文设计的粘液传感器基于密集排列的微电极（图3（a）），通过测量交错微电极的两个梳形结构之间的阻抗来测量粘液厚度，相应参数见表1。微电极的指槽（宽度为W，厚度为te）之间的间距为D，为了最大化灵敏度，D应与待监测的沉积物的厚度H匹配。等效的小信号阻抗模型（图3（b））由电化学双层电容CDL和离子电阻Rion组成，按液体体积电导率进行缩放（饮用水通常具有500到1000 μS/cm的电导率）。由于施加在界面上的电压（50 mV）不会激活任何氧化还原反应，因此没有法拉第成分。CDL值随电极面积而变化，D参数设置为Rion与垂直灵敏度匹配的值。鉴于共面几何形状，使用有限层的共形映射表达式估计Rion，将测量得到的Rion与共形映射和有限元模拟提供的值进行比较，结果一致。

当粘液沉积在阻抗传感器时，由于电极上存在绝缘体而引起的离子位移通常导致CDL减小和Rion增加。鉴于界面CDL对表面事件非常敏感，可以在亚纳米级别上检测，但CDL随时间变化非常不稳定，因此选择监测Rion。通过在大于角频率1/（π·Rion·CDL）的频率fs处测量阻抗，可以将CDL分流并直接探测Rion。

传感器的补偿校准时，首先将电导率与测量的Rion相关联，由于受到几何误差的影响，在制造每个传感器后提取一次Rion值，使用3种已知电导率的盐水溶液进行简单线性校准。为了从Rion获得粘液厚度H，可以利用实验室中在受控条件下获得的校准响应曲线。由于Rion是水盐度和温度的函数，且于25°C下绘制校准曲线，针对特定电导率（750 μS/cm），需要同时测量温度和电导率以校正阻抗值。

2.2 其他化学物理传感器

以粘液传感器为基础，添加5个标准传感器，创建多参数传感结点。通过Sensorex S272CD探头测量温度和pH，pH探头采用适用于流动测量的平板玻璃膜，并嵌入热敏电阻，精度在（0～50）°C和pH 0至pH 14之间分别小于0.1°C和pH 0.1。

为测量电导率，同时降低成本，使用金属涂覆连接器引脚，并通过物理冗余（如插入多个相同的电导率传感器）或基于自诊断算法实现传感器的故障检测。为使fs低于100 kHz，选择了不同的电极几何形状，并允许使用单芯片阻抗检测器（AD5933，Analog Devices）。电极间距为几毫米，对毫米级杂质和微气泡的通过敏感。流量由霍尔流量传感器测量，测量信号使用霍尔效应传感器调制频率时，流量在（2.5～80） L/s之间精度小于0.1 L/s，压力由商业压力变送器设备（CYYZ11A，星仪）测量，量程（0～1.2） MP。

2.3 组装后的传感器结点

图4中印刷电路板被粘贴在塑料支架上并用树脂密封，4个探头插入水流中，并固定在11/4英寸管的支架上。流量传感器（也用作电能涡轮机）放置在末端（以免因水流动力扰动而干扰其它传感器的结果）。屏蔽电缆将传感器连接到防水塑料盒中的电子单元，GSM天线（地平面类型）通过同轴电缆连接，并用磁性支架安装在地面上。

3 电子单元设计

本文设计的电子单元构成中主模块执行来自所有传感器的信号调理、采集、处理和传输，单独的电源管理模块负责能量收集，两个模块均基于Arduino开发环境中编程的8位微控制器（图5）。

主模块由ATMega2560微控制器控制，有8个探头接口：pH、温度、流量、压力、两对电导率用的针电极、两对粘液用的交错平面微电极。pH探头（测量温度和pH）的信号由24位sigma-delta模数转换器（AD7793，Analog Devices）采集，设置温度补偿参考并读取传感器数值，并经过合适的高阻缓冲输出。流量计输出时，由霍尔传感器将水流速度调制成频率，以数字信号的形式读取。压力输出是模拟电压（0 V～5 V），由嵌入在微控制器中的ADC直接转换，性能（精度、线性、采样率）满足精度需求。电导率和粘液沉积均使用阻抗测量，通过模数转换器（AD5933，Analog Devices）采样，同时用正弦波（100 kHz）刺激电极，并在芯片上进行12位FFT分析，时间精度为1 ms。利用低寄生电容的复用器，微控制器选择正确的通道并提取阻抗值，该值与电极的物理尺寸相关。设计时将电导率和粘液沉积电路统一，大大简化了系统。为增加扩展性，还预留了一个电化学探头的接口，与12位SPI DAC（AD5721，Analog Devices）及12位单通道ADC（AD7091，Analog Devices）配对使用。

通过电路板上的看门狗（MAX6746，Maxim）实现了固件故障（特别是由GSM通信问题引起的）的鲁棒性，SD存储卡作为时间戳和实时时钟的内存缓冲区，记录数据和通信延迟情况下的数据缓冲。

电子单元利用双重无线通信技术，用于远程与服务器通信。除了GSM模块（M10，Quectel，用于网络连接），还包括了一个低功耗的LoRaWAN模块（mDot，Multitech，需要有LoRa基站的存在才能启用）。主板和调制解调器之间的接口是标准的串行数字总线，附加其他类型的协议，如Sigfox。通信大多数从结点传向云服务器，利用阿里物联网云的“回话”功能，可以远程设置主板的一些参数及发送控制电磁阀的指令，并实现固件升级。

主板使用密封铅酸电池（6 V、1 200 mAh，由RS Components提供），这种电池具有低成本和大量充电循环等优点，特别适合远程安装和长期运行，并采用模块化（传感器模块和能量收集模块）以适应不同的涡轮机和电池。能量收集模块单独实现，由专用微控制器管理。电池管理电子设备基于DC/DC转换器，因为来自涡轮机的输入电压为（5～12） V，充电阶段，充电电压从2.4 V/单元（电子单元标准电压7.2 V）变为2.13 V/模块（即6.4 V），当电池几乎充满时，进入浮充充电阶段，这里使用buck-boost DC/DC转换器（频率180 kHz，可调输出（5.5～30） V和LCD显示屏）。感应电阻器与感应电流放大器（MAX4373，Maxim）耦合在一起，允许测量电池输入的电流值，该单元自适应地在4个电流配置文件（约30、45、70和90 mA）之间设置正确的充电电压值，使用流量探头数据作为输入。

该电路MCU具有更多的接口，使得外设具备强扩展性，可以根据需求变化接入更多的传感器；看门狗和缓存设计增强了电路安全性；双重无线通信使得与云端连接更加灵活；电源模块支持多电压输入和输出，具有更强的适应性。

4 实验结果与分析

4.1 粘液监视器的实验室特性

为使粘液传感器适应野外工作，首先保证其鲁棒性。实验室中，通过不同温度（高达50°C）、压力（高达5 bar）和传感器表面流速（高达1.5 m/s）条件下的长期测量和应力测试，以评估其鲁棒性。为期6个月的连续监测中，使用低压力和高压力两个水力回路。前者仅用于表征粘液传感器，后者为装备有所有探针的结点，用于结点的全功能验证。在低压力回路的每个通道中，设置不同且独立的操作条件，如流速分别为1、3和5 cm/s，压力范围（0～4） bar，调整水温，在反应器中加入试剂用于促进粘液的形成或清除。每个通道最多可以容纳4个传感器支架，插入聚合物或金属元素，模拟不同材料的管道内表面，同时对24个样品进行数据采样。以CaCO3为例，粘液传感器对无机结垢的响应曲线见图6。CaCO3厚度（H）范围从几微米到300 μm，H<8 μm时，使用原子力显微镜测量，而对于较大的厚度，采用重量法（结合光学显微镜估算覆盖面积的比例）进行测量。

响应曲线中，确定3个不同区域为A、B、C。A区，H＜te=35 μm时，粘液仅填充电极之间的间隙，即电场最高的区域；B区，H≥35 μm时，粘液层覆盖了电极，灵敏度降低到+0.12 Ω/μm，这时可以与在玻璃上使用微电极实现相同的CaCO3沉积获得的+1.4 Ω/μm进行比较，由于D=10 μm，灵敏度大了一个数量级。然而，针对超过10 μm的薄层，该灵敏度会饱和。C区中，当H＞D=250 μm时，因为大部分的电场线延伸到等于D的厚度，使得可测电流过小，灵敏度降低。因此，推荐的操作区域是A区和B区，并确认D与H相匹配的最佳尺寸。在饮用水管道中，结垢的典型H值在几百微米的数量级，假设测量精度优于1 Ω，则粘液厚度估计的精度和准确度优于10 μm。这种分段线性和压缩响应曲线可以用于适应大动态范围：对于非常薄的H，A区提供了更大的“增益”，而对于较厚的H，B区中的增益会降低，即该监测器通常在B区中运行，但对于非常薄的层，当H在A区时，可以“放大”。

4.2 能量收集验证

相比于已有电子单元，本文设计的电子单元功耗显著降低。图7显示了数字万用表测量的操作周期约1 min的电流消耗。睡眠阶段中，平均电流消耗约为3 mA；当结点唤醒时，传感器信号的采集需要10 s，消耗120 mA；启动GSM调制解调器（这是主要的功耗来源）时，连接到网络并将数据传输到阿里物联网云服务器（需要15 s，消耗电流250 mA）；然后再断开连接（耗时10 s，消耗电流120 mA）。如果传输间隔为100 min，那么结点的平均功耗为42 mWh（睡眠模式下为12 mWh，在活动时间内为30 mWh）。紧凑型电池（97×24×51.5 mm3）容量为7 200 mWh，结点可以运行7 d（171.4 h）。

该电子单元也可以从水流中获取电力，以连续或定期为电池充电，使用Gaoxing Tech F-50涡轮发电机（12 V，10 W）收集能量。在实验室中对涡轮进行初步特性测试：在20 L/min的流量下，提供的最大电流110 mA。实测时，结点中两个水流速度不同的情况下，电源管理板将输出电压设置为6 V，并自动选择适当的充电电流，DC-DC转换器的效率为90％，涡轮从动能到电能的转换效率为50％。在100 min内，电池放电约1％，在10 L/min以下的流速中，1 min内即可恢复电能，证明了传感结点可以完全在自供电模式下工作。

4.3 试点网络实验

现场验证在宁波北仑区的饮用水分配系统中进行，系统通过604 km的水分配网络为110万市民供水。实测时，3个结点组成一个试验网络，位置如图8所示。结点1安装在从北仑某工厂运输水管道上，该工厂处理来自新杨水库的水；结点2安装在从小港区某工厂运输水管道，该工厂处理连接到中河地表渠道的水；结点3安装在两个管道的交汇处，水在此处混合并输送到分配网络。由于管道具有一定的流量和高压（达12 bar），因此插入了压力调节器，在每个结点中设置2 bar的压力和5 L/min的流量。结点均安装在易于访问的站点（用于检查和监测）内，由电源供电，并在结点3上增加能量收集测试。

验证时，采用2022年7月7日到8月26日连续记录50天的数据。由图9（a）可知，3个点的平均温度差异很大：结点1为10℃，结点2为28℃，结点3约为22℃，图9（b）显示出结点2的温度每日周期性变化显著。由于结点3监测的是来自其他两个管道的混合水，因此温度随着混合流量的比例而改变。如，夜间增加了来自北仑工厂的水流量以保证新杨水库的水位，在白天电力需求增加时，有时会采用地下水来保证水力发电用水，证实了交汇处输入结点1和输出结点3之间的温度之间存在强烈的相关性。

为验证结点在物理冗余情况下的自诊断功能，在结点3中安装了3个相同的电导率探头，并对3个探针的初始值归一化处理（图10）。在前30天，3对引脚呈现出强一致性，平均值略高于原始数据，这是由于温度校正所致，用以弥补特征在时间趋势下的衰减。30天后，电导率值具有明显的漂移，由人为设置的故障所致，即使用非镀金的引脚对以引起表面改性。自诊断算法能自动排除发散的信号，并应用噪声降低功能，直至信号稳定，使用正确的测量结果以自动重新校准程序。现场验证期间，由Rion变化情况可知3个结点的沉积物的形成关系，即下游沉积物与上游沉积物规模成正比（图11）。

5 结论

本文设计了一种多参数无线智能传感系统，用于实时监测水的运量和质量。系统采用物理冗余和基于模型的故障检测算法，以及定量粘液测量装置，具备自诊断和强适应性；系统采用的水流能量收集装置具有自供能特性，从而使系统的安装因省去外接电源而避免受地理环境的限制。实证结果表明，多参数传感系统的性能（导电率、pH、沉积物厚度估计等参数）良好，在电子板的信号水平上没有观察到明显的干扰信号，获得数据精度高，健壮性好，经济实用。在后期的升级中，可以利用机器学习模型对参数之间的相关性进行训练，以快速自动地识别参数变化，并形成故障诊断及污染源的追溯等决策信息。

参考文献

[1]PELEATO N M， LEGGE Y L， ANDREWS R C. Neural networks for dimensionality reduction of fluorescence spectra and prediction of drinking water disinfection by-products[J]. Water Research， 2018， 136： 84-94.

[2]DOVIDAUSKAS S， OKADA I A， SANTOS F R D， Validation of a simple ion chromatography method for simultaneous determination of glyphosate， aminomethylphosphonic acid and ions of Public Health concern in water intended for human consumption[J]. Journal of Chromatography A， 2020， 1632： 461603.

[3]SATYANARAYANA G N V， DU J， ASATI A， et al. Estimation of measurement uncertainty for the quantitative analysis of pharmaceutical residues in river water using solid-phase extraction coupled with injector port silylation-gas chromatography-tandem mass spectrometry[J]. Microchemical Journal， 2020， 159： 105560.

[4]李燕萍. 基于遥感技术的地表水水质检测方法分析[J]. 粘接， 2022， 49（10）： 122-125.

[5]李羡清. 管道检测技术现状与动向（一）[J]. 管道技术与设备， 1994， （4）： 37-40.

[6]张连文. 管道泄漏检测技术及评价[J]. 油气田地面工程， 2003， 22（4）： 1-3.

[7]付道明， 孙军， 贺志刚， 等. 国内外管道泄漏检测技术研究进展[J]. 石油机械， 2004， 32（3）： 48-51.

[8]陈华敏， 师学明， 张云姝， 等. 管道泄漏检测技术进展[J]. 安全与环境工程， 2003， 10（3）： 58-61.

[9]薛燕， 胡娜. 输油管道泄漏检测技术及应用探讨[J]. 石油与天然气化工， 2002， 31（2）： 106-108.

[10] 冯健， 张化光. 管道监控技术现状与发展趋势[J]. 信息技术， 2003， 27（12）： 41-43.

[11] 陈华敏， 师学明， 张云姝， 等. 管道泄漏检测技术进展[J]. 安全与环境工程， 2003， 10（3）： 58-61.

[12] WADE， W R， RACHFORD H H. Detecting leaks in pipe lines using SCADA information[J]. Pipe Line Industry， 1988， 68（1）： 64-66.

[13] FERRANTE M， BRUNONE B. Harmonic analysis of pressure signal during transients for leak detection in pressurized pipes[C]// 4th International Conference on Water Pipeline Systems. York， 1999： 259-267.

[14] 靳世久， 王立宁， 李健. 瞬态负压波结构模式识别法原油管道泄漏检测技术[J]. 电子测量与仪器学报， 1998， 12（1）： 59-64.

[15] 邓鸿英， 杨振坤， 王毅. 基于负压波的管道泄漏检测与定位技术研究[J]. 计算机测量与控制， 2003， 11（7）： 481-482+489.

[16] 崔建. 管道泄漏声发射检测方法及检测系统的研究[D]. 北京： 清华大学， 2000.

[17] HUNAIDI O， CHU W T. Acoustical characteristics of leak signals in plastic water distribution pipes[J]. Applied Acoustics， 1999， 58（3）： 235-254.

[18] 郭亚军， 聂荣伟， 朱继南， 等. 基于3个传感器的管道泄漏相关定位算法[J]. 南京理工大学学报（自然科学版）， 2003， 27（6）： 682-685.

Application of Multi-parameter Cloud Sensor System in

Water Quality Monitoring

WANG Yan-hui， DU Bao-zhen， JIANG Hao， HE Jian-hai

（School of Electronic Information Engineering， Ningbo Polytechnic， Ningbo 315800， China）

Abstract：

Aiming at the issue of inaccurate detection data in wireless sensor networks caused by surface dirt of water quality sensors in drinking water pipelines， a multi-parameter sensor system with a built-in micro-dirt monitor was designed. The thickness and type of dirt were estimate by measuring thin layers of sediment in the pipe. And algorithm analysis was utilized to achieve early warning， predictive maintenance， and more efficient management processes. It has been implemented in a water supply network for two months of experimental validation. The experimental results show that this scheme is high robustness， low cost and practicability.

Keywords：

wireless sensor networks; dirt monitor; multi-parameter sensor; biofilm; interdigitated microelectrodes; water resources management