北控水务集团副总裁刘伟岩

　　对照IWA划分出的数字水务五个发展阶段，可以发现我国目前处于第三阶段——机会阶段，最典型的特点是：重新设计大多数运营流程，以便实现数字化和自动化控制；以及使用分析工具进行流程优化。

　　从产业的角度，依据成熟度，还可以将智慧水务的进程划分为数字化、智能化、智慧化三个阶段；区分细分领域来看，供水领域目前聚焦物在线、人在线、管理在线，在数字化方面的工作较为深入，处于信息化、数字化阶段，这与供水行业服务广大百姓、致力于让用户喝到放心水、获得便捷服务等的定位有很大关系。污水处理行业，开展了不少智能化的探索，尤其是面向节能降耗的先进控制等，但目前来看更多是基于工艺单元的智能化，涵盖厂网等整个系统的、全流程的智能化仍然在路上。

　　水务行业智慧化发展特点

　　在当前发展阶段下，面对工业4.0浪潮带来的智能发展驱动力，以及Open-AI横空出世带来的加速度，水务行业的智慧化进程呈现如下特点：

　　1、更加关注数字化透明监管。虽然当前政府部门大都仍旧沿用取样监测等方式进行监管，但伴随着监管的强化升级和数据公开的要求，利用信息技术进行透明化监管、政府与市民共同全过程监督将成为趋势。

　　2、更加注重顶层规划。由于水务企业在资源禀赋、技术能力上存在差异，智慧水务建设方式不一，且路径曲折，存在重复投入，甚至系统推倒重来的情况。越来越多的企业意识到需更加关注顶层设计。这方面也亟需从国家的角度、行业的角度出台更多顶层指导文件，建立科学的顶层规划和规范的行业标准。

　　3、更加关注资产高效运营。包括供水、污水等各个领域，都需要利用大数据技术，推动企业维护策略向预测性、可靠性转变，提升资产全生命周期运营效率。

　　4、更加关注系统性。一方面，水务产业逐渐从单个处理单元的智能化，走向关注水务运行全过程的智慧化；另一方面，着眼整个城市水系统，越来越多的人意识到，城市水系统是由多个单元、多维空间、多极对象构成的极其复杂的系统，水务行业是作为其中一个分系统为其提供助力。

　　5、更加注重数据的治理。很多公司也在开展相关工作，建立数据治理体系、数据标准、大数据平台，致力于让数据真正成为生产要素，为下一步数据的充分分析、挖掘打下基础。

　　6、更重视数据价值的应用。随着数据要素的不断积累和质量提升，数据在运行控制/经营管理/用户服务等各条线中将产生极大价值。当前，分管水务的各个部门、局口也更加看重数据的收集工作，可以预见未来数据价值的应用会更加丰富。

　　7、更加专注以人为本。当前我国水务行业自动化水平普遍较低，仍然存在大量员工频繁手动操作、夜间巡视操作的运维工作，优化改善一线员工工作强度和工作环境仍是行业迫切需求。

　　8、更加注重公众体验。公众愈发关注水质、水量、水压和用水服务体验，提供全过程的用水安全保障，提升公众用水体验是必由之路。

　　9、更加重视产业链的协同。行业逐渐从各家产品、系统就有自己专有协议的情况，逐渐发展到越来越多的主体开始融合协议、统一标准。随着智慧水务产业链的不断成熟发展，拉齐行业标准，开放数据接口，构建技术生态圈将成为未来主题之一。

　　10、更多的水务企业正在进行智慧化转型。在技术发展、需求升级、竞争环境加剧的当下，众多嗅觉灵敏的企业不断尝试突破旧有模式，加速实现创新转型。包括推出智能设备、构建信息化运维系统、与互联网平台共同探索创新模式等。

　　关于“黑灯工厂”

　　随着行业对智慧水务理解的不断深入及相关信息化技术的发展成熟，借鉴智能制造等先进行业“黑灯工厂”概念，“黑灯水厂”作为水务智慧化进程中的一个阶段性目标被提出。

　　一些国外水厂因其自动化和设备设施基础良好，利用自动化控制和异常报警应对等手段，早已在20年前即二十世纪九十年代已实现了“无人化”（夜间和周末、节假日无人值守），目前正向着更高阶的资源回收和创新驱动方向发展迈进。为什么我国的水厂尚未实现？对此，北控水务也做了相关探索性尝试，事实上，国内相当一部分水厂已具备实现“少人/无人值守”的基础条件，尽管做不到全流程智能化和全面智慧化，但依靠当前的自动化水平完全可以实现少人化甚至无人化。

　　这些能力具备后，中国就会广泛出现黑灯水厂吗？黑灯水厂能否在未来得到大范围实现？关于这一点，行业还存在诸多争议。反方认为，水务行业相对落后，存在大量不确定因素，很多时候人的经验比机器更可靠；此外，黑灯水厂还将带来技术替代成本及稳定就业的社会责任等问题。正方则认为，无人化各项现实条件已然成熟，且智能化的手段能够提供更丰富和精准的运维效果；另一方面，帮助员工转型同样是社会责任，智慧化手段能够使员工脱离重复性基础工作，而转型做创新型工作。

　　实际上，黑灯与否不关键，重点在于：降低基础工作强度，发挥个体真正价值。

　　机理模型还是数据模型？

　　机理模型与数据模型之争的相关讨论，是智慧行业热度较高的话题之一。在水务行业智慧化发展到一定阶段，也不得不面对判断和选择。

　　机理模型重点解释因果关系，这是事物本身的规律，比如污水活性污泥模型、水力模型等是反映行业生产运行过程的内在特征。数据模型重点是描述相关性，随着数据量的不断增加和各种新的算法的应用，数据模型日益受到重视。但数据模型是基于已发生的事件去预测未知，依赖大量历史训练数据。

　　基于水务行业基础去看待数字化技术，可以发现，当前数据模型并不能完全替代机理模型，表达因果关系。如在北控水务所承接的某课题中对“污水处理厂全系统运行最优工况研究”中，对于污水处理曝气量、加药量、污泥产量等生化系统全过程控制参数而言，单独用数据模型寻找最优解并进行实时控制，其效率和精准程度明显低于机理模型与数据模型耦合的策略。当然，随着数据模型的不断研究演进以及大模型的日益成熟，未来模型应用的价值会更加凸显。