11月25日下午，由未来新水务研究中心主办，北控水务集团有限公司承办的“智慧水务与科技创新（西湖）高峰论坛”在浙江宾馆召开。会议以“智慧·水务·创新”为主题，探讨水务行业发展中智慧转型路径与创新发展范式。会上，未来新水务专家组专家、清华大学环境学院教授施汉昌作“智慧水务——感知、分析与思维”主题报告。

未来新水务专家组专家、清华大学环境学院教授施汉昌

　　（本文根据嘉宾发言内容整理）

　　国家推动与行业需求

　　近年来，信息化、数字化、智能化技术迅速发展，成为推动社会进步的重要因素。国家对此高度重视，发布《数字中国建设整体布局规划》、《“十四五”数字经济发展规划》等系列文件，各部委也出台相关规划安排。随着智慧城市的建设，智慧水务也得到了快速发展。

　　横向来看，水务涉及水源水体 、供水、污水处理、管网、受纳水体等多个细分领域；纵向来看，智慧水务分为感知层、传输层、数据层、应用层等多个层级。在应用层面，主要涵盖自动监测+数据处理+分析预警+三维展示+辅助决策+指挥调度+排口监督+绩效评估+协同治理共九大功能。

　　可以说，智慧水务是一个很年轻的领域。在上世纪90年代，工艺优化与自动化开始起步；2000年后，网络建设和信息联通开始具备条件；2010年后，随着物联网的发展，有了更好的信息数据手段，智慧水务系统平台开始建设，智慧水务进入到试点应用阶段；根据规划，智慧水务将在未来十年快速推进，基本实现水务智能化。

　　区分行业来看，在供水行业，智慧水务的重点是漏损监测、收费系统、报装系统；在排水行业，重点是自动化系统、水质在线监测预警系统、中控系统。近期，智慧水务的发展方向是加强智慧水务顶层设计、提高运行管理能力、大数据中心建设；未来5-10年，方向是水厂调控无人化、管网调度智能化、工艺运行最优化、节能降耗低碳化。低碳将来是水务行业发展的新目标和新动力。

　　市场方面，全国范围内，能够成为智慧水务相关技术载体公司或项目至少有几万家。但在2020年，住建部开展的“智慧水务典型案例收集”仅收集到134项，跟潜在用户相比不到1%；应用案例大多集中在一些东部发达城市。一些水务集团也做了一些有益探索，如北控水务集团的“云链端”系统，深圳环水集团的“深水云脑”等。可以说，相关技术条件趋于成熟，日趋增长的智慧水务市场正在逐步形成。

北控水务“云链端”系统

　　成果固然显著，但智慧水务的发展也存在一些短板。一是在感知层，水务自动化底子薄、改造难度大。涉及智能设备、智能仪表的研发，单元控制的加强等。二是在传输层，数据信息不完整，缺乏数据化标准，还有一些行政障碍影响数据融会贯通。未来要加强已知数据收集统计、实时数据整理，以及数据标准建设。三是在平台层，缺乏顶层方案深化设计与专业化模型。总体来看，智慧水务的发展不仅是建设和技术问题，更多的影响因素是对智慧水务的认知深度、理解能力和管理思维模式。

　　智慧水务中的感知技术

　　感知技术是智慧水务最前端的技术，包括物理量、化学量、生物量的感知等，需要用到电化学、光谱法、图像法等多种技术。应用到水质监测方面，我们希望：第一，要快、要实时，这也是现在信息化的需求。第二，要运行廉价。在这一标准下，如果采用化学手段就需要用到试剂，维护和费用相对较高；如果能用光解决，可以实现速度快、减少试剂消耗，维护量也相对小。

　　目前，光谱传感器相关的一些标准已经进入到征求意见阶段。光谱检测具有快速、免试剂、信息量大的有点，但也存在谱图解析复杂、非标准法等障碍。常用的全（多）光谱分析仪有的用“光源+光栅扫描光谱”，有的用“光源+量子点光谱”，有的用“ LED+光电二极管”。其中，第一种得到的信息最全，“光源+量子点光谱”依赖于材料，“LED+光电二极管”相对便宜，但只能在比较好的光线下获得数据。

　　也有一些更新的传感技术，如基于MEMS技术的新型微纳传感器。它是采用微机电系统（MEMS）加工技术，经过溅射Cu/Ni薄膜、光刻以及剥离等工艺，刻制成一定构型的传感器。该结构不仅有利于气敏薄膜沉积时的均匀可控，而且有助于靶标物质的有效吸附，因而灵敏度很高，且体积小、功耗低、易装载。

　　针对“运行廉价”的市场需求，可以在传感器上附加一些绿色能源装置。在大家熟知的太阳能、风能等绿色能源之外，环境中还存在大量的微能量，如设备震动、水的波动、人类运动、低频环境风能等都会产生能量。这类微能量的收集难度较大，但仍可探索一些新手段。

　　当前有一些前沿研究，如摩擦纳米发电机(TENGs)新能源技术，将导电性强的材料放在非常薄的薄膜上，由于薄膜很轻，会由于环境的一点微小震动而震动。通过震动刺激磁力线，从而产生电流。目前，该装置已在一些实验装置里得到应用，能够产生约10毫安的电流。

　　可以看到，一方面，传感器的功耗在不断变小，另一方面，一些新的能源收集技术正逐渐成熟。将二者结合起来，或将形成一种全新的、自赋能的传感器。它可以放在人员工作装上、戴在帽子上，也可以布置在自然环境里，去收集数据和信息。

　　智慧水务中的专业模型

　　传感器收集数据后，需要进行分析。分析的基础是挖掘大数据的内在联系，找出规律，实现其数学表达，模型是智能化的核心。

　　在过去几十年里，模型从最开始的经典模型（Eckenfelder模型），发展出机理模型（ASM1-2-3 模型），再迭代至数据模型(BP-ANN 模型)、工程模型(STEM 模型)，以及近年来的大模型（Open AI 模型）。各种模型，可以用于水务行业的预测、预判。

　　我们曾经基于江苏省某地的降雨、晴天的数据，采用5种不同的模型，来推测流入污水处理厂水流流量的变化。用神经网络人工智能的算法，可以提前4、5个小时预测流量。但该过程的模型训练比较复杂，原始数据500多条，迭代200轮数， 250个训练集样本数。最后，经过优化的ConV LSTM是较为适用的模型，能够很好地模拟流量和降水的曲线关系，训练好的模型模拟结果R2=0.9977。

　　在长期的模型模拟中，我们也做了一些探索——提出污水处理的STEM模型，目标是建立一种基于污水处理原理与工程规范参数相结合的污水处理工艺单元水质水量计算方法及模型。尽量采用污水处理厂常规的检测参数和采用简单易测比较快速的指标，在数据趋势正确的前提下，允许适当的误差，以降低计算量，提高计算速度，满足污水处理厂优化运行和自动控制的工程应用需求。

　　这个模型有两个核心点：一是要以进水各参数的污泥负荷为核心参数，与动力学参数及处理效果相关联；二是以多级串联的CSTR反应器建立概化模型，模拟全工艺流程的过程参数。

　　从COD沿程变化图可以看到，在每一个小段中几乎都线性变化。

　　上表是7个污水处理最常用的供应单元及相应供水原理。涉及6种反应器，包括初沉池、厌氧、缺氧、好氧、二沉池、过滤等六道工序；有7个水质参数、6个运行参数、6个动力学参数、8个校准系数，还有19个计算方程。表中最右边一列是计算方程的原理描述。

　　目前，STEM模型在污水处理厂开展了测试实验，并已用于实际工程。如串联CSTR工艺概化模型用于工艺优化，能够节能10%；STEM模型+AI参数调整用于智能加药，可以减少药耗，节省20%的成本。

　　我相信随着智能化和深入，我们会有更多、更结合实际的模型出现，产生更好的效果。

　　大模型及其潜在应用

　　在人工智能方面，近年来热度最高的大模型，将来也有望用于水务行业。

　　人类的智慧是智能的源泉，计算机的智能（即通用智能）可以看作人类智能的赋能。通用智能代表计算机解决具有广泛外延的复杂问题的能力，以硅基设施为载体，由个体和群体计算设备产生。生物智能可以在四个层次上移植到计算机上：数据智能、感知智能、认知智能和自主智能。

　　随着智能的升级，智能计算面临大场景、大数据、大问题、泛在需求的挑战。算法模型变得越来越复杂，需要超级计算能力来支持越来越大的模型训练。模型变大、变复杂时就会产生过拟合问题。因此，人们对于“大模型”的认识，曾有过失望、放弃的过程。直到2018年，学术界和工业界观察到“double descent”（双下降）的现象，才使得机器学习领域认识到模型“大就是好”。大模型真正提出是在2020年，从此研究人员逐步转移研究重心至大语言模型基座，并开展了大量相关研究形成了现今的“大模型”。

　　大模型大到什么程度呢？如大家所熟悉的ChatGPT，有1750亿的参数，由96层TF模型（Transformer）堆叠而成，形成了非常复杂的模型，在各种自然语言处理任务上取得了突破性的成果。

　　不同的大模型可以组合起来，可以模拟人类语言和思维能力。具有规模性（参数量大）、涌现性（产生预料外的新能力）和通用性（不局限于特定领域）等特性。在处理复杂任务时展现出惊人的语言理解、意图识别、推理、上下文建模、语言生成等各种和自然语言相关的处理能力，同时具有通用问题求解能力。

　　大模型能不能用于水务行业？我想将来会用到。大模型可以应用于水务领域将需要水务、水利、水生态、物流、经济和社会等多方面的信息数据支撑；可以进行模拟分析各要素之间的相互作用及其机制以及产生的综合效应；帮助我们更好地识别和协调水务及水生系统中存在的问题和矛盾，为水务行业科学运营和水生态环境保护提供依据。

　　目前，国际上一些平台（如：Hugging Face）已将预训练好的一些开源模型在网站上分享使用。可以选用这些预训练好的大模型，加入水务和水环境领域的特定信息数据，进行水务行业或水生态环境大模型的定制，用于培训或分析等。

　　展望未来，AI技术的发展速度之快会超出人们想象，将渗入各个领域。当这种类似于人类思维语言的、高水平的人工智能用到水务行业中，才能真正称得上“智慧水务”。我认为，全面智慧化的未来水务是必然会出现的，也更有利于人类社会和水生态环境的健康发展。让我们一起为之努力。