污水廠內的數據難題

摘自微信公眾號：原創 治污者說  2021-09-19 20:49

      污水廠每天不斷的從生產的各個環節產生大量的數據，這些數據形成對每一時刻的污水廠生產的描述，這些數據以各種不同的方式產生出來，包括在各個環節安裝的在線傳感器儀表和分析儀表、污水廠化驗室的化驗數據、設備的統計數據和一些手動收集的數據等等。污水廠每天可以說在每時每刻產生得大量數據中運行，這些數據沒有得到有效的組織和歸納，只能作為無用的數據流失。

工業自動化在污水廠內的深度應用，越來越多的儀器儀表的現場安裝使用，使污水在流動過程中的數據化描述成為現實，但是這些數據流大量堆積之后，污水廠很快面臨到了數據難題，那就是如何面對這么多的海量運行數據，這些數據究竟起到了什么作用。

污水廠通過中控計算機收集了大量的在線儀表所產生的實時數據，這些數據存儲在計算機中，部分數據通過整合在控制軟件的報表系統形成日報表輸出，部分數據以軟件的數據表形式存儲起來，通過數據曲線反應出來。污水廠的生產部門在編制運行報表的過程中，會收集和總結生產的統計數據，這些數據可以包括污水廠化驗室、設備運行數據、產量統計數據等，編制成一定時間段內的生產統計報表，生產報表體系使污水廠的部分數據得到了有效的整理和統計。除去這兩個比較的數據收集系統以外，污水廠還可以從環境中收集數據，比如氣溫、水溫、降雨量等等。

可以很粗略的羅列污水廠收集的數據有：進出水流量、污水廠進出水水質（pH、 BOD、COD、 SS、TN、TP、NH_３-N、SOUR）等；生物池的過程參數（SV、MLSS、MLVSS、DO、ORP、微生物）等；污泥運行數據、藥劑使用量、設備運行時間等等，具體可以參照下表所示對比廠內是否收集到足夠的運行統計數據。

這些大量的生產運行統計數據，結合污水廠自控系統收集的大量數據，成為海量的運行數據，污水廠成功穩定運營取決于這些收集數據的可靠性和完整性，以及從這些數據中提取信息的質量和方便的調閱方式等。作為許多水廠和污水廠數字化轉型的副產品，過多的數據可能會給中小企業帶來麻煩。他們有時不知道從哪里開始，而且往往缺乏在海量數據中導航所需的時間，但是許多污水廠都會面臨一個尷尬的局面，那就是污水廠的生產數據豐富但所提供出來的信息卻十分匱乏。更為糟糕的問題是，這些中控系統的工藝過程的數據通常被收集在中控軟件的歷史數據庫、SQL 數據庫或 (CSV) 文件中，整合這些來自不同來源的記錄需要時間和精力，同時也需要計算機數據處理知識，污水廠的技術人員偏重于工藝運行，因此很難將數據拼湊在一起，更不用說對其進行分析了。

污水廠的這些數據本身不會顯現出精準的工藝決策，因為它必須首先經過仔細清理和分析才能產生對工藝未來的判斷和對復雜工況的洞察。這些經過分析判斷后的數據，使污水廠的工藝管理人員能做出更貼合實際的決策以提高出水的保障，而真實的情況是，污水廠內的工藝決策往往是基于運行人員的主觀判斷做出的。整個工業化進程所帶來的現場的自動化控制和檢測儀表，越來越方便地生成和收集大量過程數據，因此單憑直覺做出決策的傾向對于其他人來說似乎有些落后，但是對于污水廠的運管人員來說，這種情況還將在一定時期內存在的。

對于一些中小型的污水廠運營來說，運行人員在沒有足夠的技術支持下經常就工廠運營做出直覺決定。他們沒有時間整理做出判斷所需要的工藝運行數據然后對其進行分析。因為要維持一個污水廠的正常運行往往有大量的現場工作要去關注和完成，很難有時間進行長時間深入的數據技術分析，且具備足夠的對大量數據中所產生的趨勢變化引起注意。因此，在現實的運行中，中小型的污水廠是無法從已有的這些大量的數據獲得效能的，工藝流程問題也得不到具有數據支撐的解決方案。在污水廠中，效率的想法和預期得不到有效的探索，污水廠的預期收益更難以量化實施。

數據困境的問題已經隨著工業自動化不斷地發展，而深入進入到污水廠的運維管理中，污水廠需要采取積極的應對措施，扭轉海量數據（也包含了大量的無效和錯誤數據）對生產管理的淹沒，整理和利用這些數據，獲取有效的信息資源，提升污水廠的管理。污水廠的運維管理人員必須扭轉傳統的工藝管理思想，依靠經驗的積累和感官的判斷來進行粗放的管理是與工業自動化的進程背離的，大量的數據將改變污水廠工藝運行管理的模式，工藝管理人員應對污水廠所產生的數據架構管理網絡來實現數據的收集的工作。