北控水務集團副總裁劉偉巖

　　對照IWA劃分出的數字水務五個發展階段，可以發現我國目前處于第三階段——機會階段，最典型的特點是：重新設計大多數運營流程，以便實現數字化和自動化控制；以及使用分析工具進行流程優化。

　　從產業的角度，依據成熟度，還可以將智慧水務的進程劃分為數字化、智能化、智慧化三個階段；區分細分領域來看，供水領域目前聚焦物在線、人在線、管理在線，在數字化方面的工作較為深入，處于信息化、數字化階段，這與供水行業服務廣大百姓、致力于讓用戶喝到放心水、獲得便捷服務等的定位有很大關系。污水處理行業，開展了不少智能化的探索，尤其是面向節能降耗的先進控制等，但目前來看更多是基于工藝單元的智能化，涵蓋廠網等整個系統的、全流程的智能化仍然在路上。

　　水務行業智慧化發展特點

　　在當前發展階段下，面對工業4.0浪潮帶來的智能發展驅動力，以及Open-AI橫空出世帶來的加速度，水務行業的智慧化進程呈現如下特點：

　　1、更加關注數字化透明監管。雖然當前政府部門大都仍舊沿用取樣監測等方式進行監管，但伴隨著監管的強化升級和數據公開的要求，利用信息技術進行透明化監管、政府與市民共同全過程監督將成為趨勢。

　　2、更加注重頂層規劃。由于水務企業在資源稟賦、技術能力上存在差異，智慧水務建設方式不一，且路徑曲折，存在重復投入，甚至系統推倒重來的情況。越來越多的企業意識到需更加關注頂層設計。這方面也亟需從國家的角度、行業的角度出臺更多頂層指導文件，建立科學的頂層規劃和規范的行業標準。

　　3、更加關注資產高效運營。包括供水、污水等各個領域，都需要利用大數據技術，推動企業維護策略向預測性、可靠性轉變，提升資產全生命周期運營效率。

　　4、更加關注系統性。一方面，水務產業逐漸從單個處理單元的智能化，走向關注水務運行全過程的智慧化；另一方面，著眼整個城市水系統，越來越多的人意識到，城市水系統是由多個單元、多維空間、多極對象構成的極其復雜的系統，水務行業是作為其中一個分系統為其提供助力。

　　5、更加注重數據的治理。很多公司也在開展相關工作，建立數據治理體系、數據標準、大數據平臺，致力于讓數據真正成為生產要素，為下一步數據的充分分析、挖掘打下基礎。

　　6、更重視數據價值的應用。隨著數據要素的不斷積累和質量提升，數據在運行控制/經營管理/用戶服務等各條線中將產生極大價值。當前，分管水務的各個部門、局口也更加看重數據的收集工作，可以預見未來數據價值的應用會更加豐富。

　　7、更加專注以人為本。當前我國水務行業自動化水平普遍較低，仍然存在大量員工頻繁手動操作、夜間巡視操作的運維工作，優化改善一線員工工作強度和工作環境仍是行業迫切需求。

　　8、更加注重公眾體驗。公眾愈發關注水質、水量、水壓和用水服務體驗，提供全過程的用水安全保障，提升公眾用水體驗是必由之路。

　　9、更加重視產業鏈的協同。行業逐漸從各家產品、系統就有自己專有協議的情況，逐漸發展到越來越多的主體開始融合協議、統一標準。隨著智慧水務產業鏈的不斷成熟發展，拉齊行業標準，開放數據接口，構建技術生態圈將成為未來主題之一。

　　10、更多的水務企業正在進行智慧化轉型。在技術發展、需求升級、競爭環境加劇的當下，眾多嗅覺靈敏的企業不斷嘗試突破舊有模式，加速實現創新轉型。包括推出智能設備、構建信息化運維系統、與互聯網平臺共同探索創新模式等。

　　關于“黑燈工廠”

　　隨著行業對智慧水務理解的不斷深入及相關信息化技術的發展成熟，借鑒智能制造等先進行業“黑燈工廠”概念，“黑燈水廠”作為水務智慧化進程中的一個階段性目標被提出。

　　一些國外水廠因其自動化和設備設施基礎良好，利用自動化控制和異常報警應對等手段，早已在20年前即二十世紀九十年代已實現了“無人化”（夜間和周末、節假日無人值守），目前正向著更高階的資源回收和創新驅動方向發展邁進。為什么我國的水廠尚未實現？對此，北控水務也做了相關探索性嘗試，事實上，國內相當一部分水廠已具備實現“少人/無人值守”的基礎條件，盡管做不到全流程智能化和全面智慧化，但依靠當前的自動化水平完全可以實現少人化甚至無人化。

　　這些能力具備后，中國就會廣泛出現黑燈水廠嗎？黑燈水廠能否在未來得到大范圍實現？關于這一點，行業還存在諸多爭議。反方認為，水務行業相對落后，存在大量不確定因素，很多時候人的經驗比機器更可靠；此外，黑燈水廠還將帶來技術替代成本及穩定就業的社會責任等問題。正方則認為，無人化各項現實條件已然成熟，且智能化的手段能夠提供更豐富和精準的運維效果；另一方面，幫助員工轉型同樣是社會責任，智慧化手段能夠使員工脫離重復性基礎工作，而轉型做創新型工作。

　　實際上，黑燈與否不關鍵，重點在于：降低基礎工作強度，發揮個體真正價值。

　　機理模型還是數據模型？

　　機理模型與數據模型之爭的相關討論，是智慧行業熱度較高的話題之一。在水務行業智慧化發展到一定階段，也不得不面對判斷和選擇。

　　機理模型重點解釋因果關系，這是事物本身的規律，比如污水活性污泥模型、水力模型等是反映行業生產運行過程的內在特征。數據模型重點是描述相關性，隨著數據量的不斷增加和各種新的算法的應用，數據模型日益受到重視。但數據模型是基于已發生的事件去預測未知，依賴大量歷史訓練數據。

　　基于水務行業基礎去看待數字化技術，可以發現，當前數據模型并不能完全替代機理模型，表達因果關系。如在北控水務所承接的某課題中對“污水處理廠全系統運行最優工況研究”中，對于污水處理曝氣量、加藥量、污泥產量等生化系統全過程控制參數而言，單獨用數據模型尋找最優解并進行實時控制，其效率和精準程度明顯低于機理模型與數據模型耦合的策略。當然，隨著數據模型的不斷研究演進以及大模型的日益成熟，未來模型應用的價值會更加凸顯。