11月25日下午，由未來新水務研究中心主辦，北控水務集團有限公司承辦的“智慧水務與科技創新（西湖）高峰論壇”在浙江賓館召開。會議以“智慧·水務·創新”為主題，探討水務行業發展中智慧轉型路徑與創新發展范式。會上，未來新水務專家組專家、清華大學環境學院教授施漢昌作“智慧水務——感知、分析與思維”主題報告。

未來新水務專家組專家、清華大學環境學院教授施漢昌

　　（本文根據嘉賓發言內容整理）

　　國家推動與行業需求

　　近年來，信息化、數字化、智能化技術迅速發展，成為推動社會進步的重要因素。國家對此高度重視，發布《數字中國建設整體布局規劃》、《“十四五”數字經濟發展規劃》等系列文件，各部委也出臺相關規劃安排。隨著智慧城市的建設，智慧水務也得到了快速發展。

　　橫向來看，水務涉及水源水體 、供水、污水處理、管網、受納水體等多個細分領域；縱向來看，智慧水務分為感知層、傳輸層、數據層、應用層等多個層級。在應用層面，主要涵蓋自動監測+數據處理+分析預警+三維展示+輔助決策+指揮調度+排口監督+績效評估+協同治理共九大功能。

　　可以說，智慧水務是一個很年輕的領域。在上世紀90年代，工藝優化與自動化開始起步；2000年后，網絡建設和信息聯通開始具備條件；2010年后，隨著物聯網的發展，有了更好的信息數據手段，智慧水務系統平臺開始建設，智慧水務進入到試點應用階段；根據規劃，智慧水務將在未來十年快速推進，基本實現水務智能化。

　　區分行業來看，在供水行業，智慧水務的重點是漏損監測、收費系統、報裝系統；在排水行業，重點是自動化系統、水質在線監測預警系統、中控系統。近期，智慧水務的發展方向是加強智慧水務頂層設計、提高運行管理能力、大數據中心建設；未來5-10年，方向是水廠調控無人化、管網調度智能化、工藝運行最優化、節能降耗低碳化。低碳將來是水務行業發展的新目標和新動力。

　　市場方面，全國范圍內，能夠成為智慧水務相關技術載體公司或項目至少有幾萬家。但在2020年，住建部開展的“智慧水務典型案例收集”僅收集到134項，跟潛在用戶相比不到1%；應用案例大多集中在一些東部發達城市。一些水務集團也做了一些有益探索，如北控水務集團的“云鏈端”系統，深圳環水集團的“深水云腦”等。可以說，相關技術條件趨于成熟，日趨增長的智慧水務市場正在逐步形成。

北控水務“云鏈端”系統

　　成果固然顯著，但智慧水務的發展也存在一些短板。一是在感知層，水務自動化底子薄、改造難度大。涉及智能設備、智能儀表的研發，單元控制的加強等。二是在傳輸層，數據信息不完整，缺乏數據化標準，還有一些行政障礙影響數據融會貫通。未來要加強已知數據收集統計、實時數據整理，以及數據標準建設。三是在平臺層，缺乏頂層方案深化設計與專業化模型。總體來看，智慧水務的發展不僅是建設和技術問題，更多的影響因素是對智慧水務的認知深度、理解能力和管理思維模式。

　　智慧水務中的感知技術

　　感知技術是智慧水務最前端的技術，包括物理量、化學量、生物量的感知等，需要用到電化學、光譜法、圖像法等多種技術。應用到水質監測方面，我們希望：第一，要快、要實時，這也是現在信息化的需求。第二，要運行廉價。在這一標準下，如果采用化學手段就需要用到試劑，維護和費用相對較高；如果能用光解決，可以實現速度快、減少試劑消耗，維護量也相對小。

　　目前，光譜傳感器相關的一些標準已經進入到征求意見階段。光譜檢測具有快速、免試劑、信息量大的有點，但也存在譜圖解析復雜、非標準法等障礙。常用的全（多）光譜分析儀有的用“光源+光柵掃描光譜”，有的用“光源+量子點光譜”，有的用“ LED+光電二極管”。其中，第一種得到的信息最全，“光源+量子點光譜”依賴于材料，“LED+光電二極管”相對便宜，但只能在比較好的光線下獲得數據。

　　也有一些更新的傳感技術，如基于MEMS技術的新型微納傳感器。它是采用微機電系統（MEMS）加工技術，經過濺射Cu/Ni薄膜、光刻以及剝離等工藝，刻制成一定構型的傳感器。該結構不僅有利于氣敏薄膜沉積時的均勻可控，而且有助于靶標物質的有效吸附，因而靈敏度很高，且體積小、功耗低、易裝載。

　　針對“運行廉價”的市場需求，可以在傳感器上附加一些綠色能源裝置。在大家熟知的太陽能、風能等綠色能源之外，環境中還存在大量的微能量，如設備震動、水的波動、人類運動、低頻環境風能等都會產生能量。這類微能量的收集難度較大，但仍可探索一些新手段。

　　當前有一些前沿研究，如摩擦納米發電機(TENGs)新能源技術，將導電性強的材料放在非常薄的薄膜上，由于薄膜很輕，會由于環境的一點微小震動而震動。通過震動刺激磁力線，從而產生電流。目前，該裝置已在一些實驗裝置里得到應用，能夠產生約10毫安的電流。

　　可以看到，一方面，傳感器的功耗在不斷變小，另一方面，一些新的能源收集技術正逐漸成熟。將二者結合起來，或將形成一種全新的、自賦能的傳感器。它可以放在人員工作裝上、戴在帽子上，也可以布置在自然環境里，去收集數據和信息。

　　智慧水務中的專業模型

　　傳感器收集數據后，需要進行分析。分析的基礎是挖掘大數據的內在聯系，找出規律，實現其數學表達，模型是智能化的核心。

　　在過去幾十年里，模型從最開始的經典模型（Eckenfelder模型），發展出機理模型（ASM1-2-3 模型），再迭代至數據模型(BP-ANN 模型)、工程模型(STEM 模型)，以及近年來的大模型（Open AI 模型）。各種模型，可以用于水務行業的預測、預判。

　　我們曾經基于江蘇省某地的降雨、晴天的數據，采用5種不同的模型，來推測流入污水處理廠水流流量的變化。用神經網絡人工智能的算法，可以提前4、5個小時預測流量。但該過程的模型訓練比較復雜，原始數據500多條，迭代200輪數， 250個訓練集樣本數。最后，經過優化的ConV LSTM是較為適用的模型，能夠很好地模擬流量和降水的曲線關系，訓練好的模型模擬結果R2=0.9977。

　　在長期的模型模擬中，我們也做了一些探索——提出污水處理的STEM模型，目標是建立一種基于污水處理原理與工程規范參數相結合的污水處理工藝單元水質水量計算方法及模型。盡量采用污水處理廠常規的檢測參數和采用簡單易測比較快速的指標，在數據趨勢正確的前提下，允許適當的誤差，以降低計算量，提高計算速度，滿足污水處理廠優化運行和自動控制的工程應用需求。

　　這個模型有兩個核心點：一是要以進水各參數的污泥負荷為核心參數，與動力學參數及處理效果相關聯；二是以多級串聯的CSTR反應器建立概化模型，模擬全工藝流程的過程參數。

　　從COD沿程變化圖可以看到，在每一個小段中幾乎都線性變化。

　　上表是7個污水處理最常用的供應單元及相應供水原理。涉及6種反應器，包括初沉池、厭氧、缺氧、好氧、二沉池、過濾等六道工序；有7個水質參數、6個運行參數、6個動力學參數、8個校準系數，還有19個計算方程。表中最右邊一列是計算方程的原理描述。

　　目前，STEM模型在污水處理廠開展了測試實驗，并已用于實際工程。如串聯CSTR工藝概化模型用于工藝優化，能夠節能10%；STEM模型+AI參數調整用于智能加藥，可以減少藥耗，節省20%的成本。

　　我相信隨著智能化和深入，我們會有更多、更結合實際的模型出現，產生更好的效果。

　　大模型及其潛在應用

　　在人工智能方面，近年來熱度最高的大模型，將來也有望用于水務行業。

　　人類的智慧是智能的源泉，計算機的智能（即通用智能）可以看作人類智能的賦能。通用智能代表計算機解決具有廣泛外延的復雜問題的能力，以硅基設施為載體，由個體和群體計算設備產生。生物智能可以在四個層次上移植到計算機上：數據智能、感知智能、認知智能和自主智能。

　　隨著智能的升級，智能計算面臨大場景、大數據、大問題、泛在需求的挑戰。算法模型變得越來越復雜，需要超級計算能力來支持越來越大的模型訓練。模型變大、變復雜時就會產生過擬合問題。因此，人們對于“大模型”的認識，曾有過失望、放棄的過程。直到2018年，學術界和工業界觀察到“double descent”（雙下降）的現象，才使得機器學習領域認識到模型“大就是好”。大模型真正提出是在2020年，從此研究人員逐步轉移研究重心至大語言模型基座，并開展了大量相關研究形成了現今的“大模型”。

　　大模型大到什么程度呢？如大家所熟悉的ChatGPT，有1750億的參數，由96層TF模型（Transformer）堆疊而成，形成了非常復雜的模型，在各種自然語言處理任務上取得了突破性的成果。

　　不同的大模型可以組合起來，可以模擬人類語言和思維能力。具有規模性（參數量大）、涌現性（產生預料外的新能力）和通用性（不局限于特定領域）等特性。在處理復雜任務時展現出驚人的語言理解、意圖識別、推理、上下文建模、語言生成等各種和自然語言相關的處理能力，同時具有通用問題求解能力。

　　大模型能不能用于水務行業？我想將來會用到。大模型可以應用于水務領域將需要水務、水利、水生態、物流、經濟和社會等多方面的信息數據支撐；可以進行模擬分析各要素之間的相互作用及其機制以及產生的綜合效應；幫助我們更好地識別和協調水務及水生系統中存在的問題和矛盾，為水務行業科學運營和水生態環境保護提供依據。

　　目前，國際上一些平臺（如：Hugging Face）已將預訓練好的一些開源模型在網站上分享使用。可以選用這些預訓練好的大模型，加入水務和水環境領域的特定信息數據，進行水務行業或水生態環境大模型的定制，用于培訓或分析等。

　　展望未來，AI技術的發展速度之快會超出人們想象，將滲入各個領域。當這種類似于人類思維語言的、高水平的人工智能用到水務行業中，才能真正稱得上“智慧水務”。我認為，全面智慧化的未來水務是必然會出現的，也更有利于人類社會和水生態環境的健康發展。讓我們一起為之努力。