城市供水安全事关人民群众的切身福祉，事关城市的健康安全运行。“十三五”水专项课题“城市供水全过程监管平台整合及业务化运行示范”，在前期关键技术研究的基础上，探索综合运用物联网、云计算、大数据、移动互联网等先进信息化技术手段，整合形成了城市供水系统监管业务平台，并在山东、河北、江苏等省推广应用，支撑了国家供水应急救援基地的监控管理和应急调度，实现了“由单一水质管理到供水全过程综合监管”的功能扩展和“由技术平台到业务平台”的技术提升。下一步，课题将着力加强成果验证与应用扩散，按照功能完善、结构稳定、运行高效、总体安全的总体要求，不断完善城市供水系统监管平台构建的各项技术，为提升我国城市供水全过程的信息化监管能力提供全面技术支撑。
1、 城市供水监管信息化的发展现状
改革开放以来，我国城市供水能力和供水质量不断提高，现已建成规模庞大的供水设施，根据《中国城市建设统计年鉴（2017年）》数据显示，全国已建成城市公共供水厂约2 880个。近年来，我国各地按照相关政策法规的要求，开展了城市供水水量、水质、水压等监测能力的建设，具备了一定的供水安全监管能力。伴随着在线监测手段和信息处理技术的发展，我国地方政府和城市供水单位对于革新供水行业的传统监管方式、提高供水监管的自动化和智能化水平，表现出了浓厚兴趣，“智慧水务”建设在各地蓬勃开展。
“十一五”和“十二五”期间，通过水专项课题的开展，初步建立了国家、省、市三级的城市供水水质监测预警系统技术平台。但一方面当前供水监管中存在实测指标不全面、监测频率不达标、风险预警不及时等问题，另一方面仍有部分地区的供水运营管理相关业务是以现场经验判断、手动操作、人工报数等传统手段为主，大中城市供水单位每日积累的海量供水数据所包含的信息几乎尚未被挖掘利用。据初步统计，我国直辖市、计划单列市、省会城市等36个重点城市的130多个公共供水厂，每年积累的水质信息就多达1350万余条。当前供水大数据所蕴藏的信息利用潜能已越来越为业内所共识，部分城市供水单位开始利用供水大数据开展了漏损控制、管网健康度评价管理等工作。国外一些供水单位对供水数据的应用也进行了一些探索，例如英国联合水务用供水数据预测未来用水量，从而提前做好生产预案；荷兰的Vitens公司针对管网建立了预警系统可以在2 min内识别爆管事件；欧盟资助的智慧水务项目也在研究根据用户用水习惯预测未来用水量和消费趋势等。
当前我国各地的供水监管信息化水平虽有差异，但信息化建设进程正在提速发展。“十三五”期间，依托“城市供水全过程监管平台整合及业务化运行”课题，多家供水单位在建成了业务应用系统模块基础上，正在探索进一步提高信息应用效率、提高监管水平。
2、城市供水大数据的获取来源
2.1 内部来源
2.1.1 统计报表数据
一是可从城市供水单位、水质检测机构等单位获取水质数据，包括水源水、水厂各工艺段进出水、出厂水、管网水、二次供水、龙头水等环节的水质检测数据；二是可从城市供水单位获取生产数据，包括设施资产、设备工况、材料库存、售水情况、供水用户信息、供水管网信息、设备维护检修记录、服务投诉信息等。
2.1.2 设备自动监测数据
一是可从城市供水主管部门和城市供水单位收集获取设备自动监测数据，包括在线采集的水量、水位、水质等实时数据；二是可从城市供水单位获取现场作业数据，包括员工通过移动设备人为实时远传的地理位置、供水用户水量、事故特征、现场照片、视频等数据。
2.2 外部来源
除了获取城市供水系统内各部门数据，还可从环保、水利、气象、卫生健康等相关部门获取与城市供水相关的水质、水文、气象等数据。
此外，在不影响被访问的网站正常运行的前提下，采用符合法律、法规的方式，例如网络爬虫等技术，可获取政府机构、企业等组织提供的与供水服务有关的免费开放数据，包括供水水质信息公开数据、供水事故信息、人口数据、建筑信息数据等。
3、大数据在城市供水监管中的典型应用场景及实践案例
3.1 水源和水厂大数据应用
3.1.1 水质风险关键指标筛选
在水质日常监测、风险预警和管控过程中，通过对水源、水厂，以及输配水过程中的水质指标及其环境类指标进行相关性分析，找出不同水质指标之间、水质指标与其它环境类指标之间的内在关联性，可筛选出水质风险关键指标。
以筛选可预测水源水体富营养化的水质预警指标为例，山东省城市供排水水质监测中心对某市水库近5年的原水水质月检数据进行了整理分析，包括溶解氧、总磷、总氮、氨氮、硝酸盐（以N计）、氮磷比、pH、浑浊度、叶绿素a等9项水质指标。皮尔森相关系数计算结果显示，原水中叶绿素a与硝酸盐、总氮、pH、总磷、氮磷比、氨氮浓度存在显著相关性。进一步分析发现，氨氮和磷元素是水源水中藻类增长最重要的限制因素。因此，初步筛选将pH、总磷和氨氮指标纳入预测水源水体富营养化趋势的预警指标。
3.1.2 水质风险预警模型建立
以历史水质数据、相关水文及环境类等数据为基础，通过应用各类数据特征挖掘与分析技术，构建时间序列、回归分析等风险评估模型，可对水质指标的未来数值和风险进行预测，通过单点阈值、多点联动等方式进行水质风险预警。
以预测原水高锰酸盐指数超标风险为例，山东省城市供排水水质监测中心为做好水质风险预警，根据2012年5月～2016年2月的高锰酸盐指数月检数据，预测未来一段时间的高锰酸盐指数月度平均值。根据数据波动特征，选择指数平滑法模型进行分析，预测结果显示2016年3～8月的高锰酸盐指数月均浓度不存在超标风险。
3.1.3 水厂运行工艺调整辅助决策
通过分析原水关键水质指标在工艺流程中的变化情况，并对工艺运行参数如药耗、滤池反冲洗周期、排泥周期等，以及出水水质情况同步分析，可基于不同进出水水质条件下的运行工况和水质预警结果构建工艺调整辅助决策模型。当面临水源地水质突变、水厂药耗增加等相关参数变化问题时，可将相关信息作为输入参数，利用辅助决策模型模拟出水情况，从而避免了人为判断的主观性。此外，辅助决策模型也可预测出水水质达标条件下对应的水源地水质预警值及工艺药耗最小值。
北京首创股份有限公司在经营华北某水厂时，为了提前准备工艺预案，基于2014～2017年实测的进出水水质数据和记录的运行工况数据，建立“水源地水质/水量-水厂药耗-出水水质”在不同区间下一一对应的关联性，并采用人工神经网络技术建立了工艺调整辅助决策模型。模型的输入值主要包括进水条件（温度、pH）、水源地水质（浑浊度、色度、高锰酸钾指数、细菌总数）、进水水量及药品投加量（聚合氯化铝投加量、加氯量），输出值为经净水工艺处理后的对应出厂水质。通过改变不同的工况条件，可准确快捷地预测得到对应的出水水质，并可同步计算所实现的污染物去除率，同时可反推在出水水质达标要求下，进水条件或各工况工艺参数的预警值。
3.2 供水管网大数据应用
在明确供水管网运行事故具体评价对象前提下，根据供水管网大数据，可建立模型对供水管网的运行事故评价指标发生概率进行定量预测。进一步结合管道级别、道路等级、人口密度等因素，可通过构建定量判别指标体系和评判标准，评估管道风险影响程度，从而明确管道修复/更新改造的优先级，科学划定供水管网修复/更新改造的范围。
信息来源：全国能源信息平台
