欢迎进入湖北思源水务工程技术有限公司官网!
  • 24小时客服热线:187 0728 4097

在今天的故事正式开篇之前,我们先一起来看一个名词解释,什么是人工智能?

人工智能,英文全称Artificial Intelligence,简称为AI。若以简单的语句给出解释,即将人类的智慧附加到机器人的芯片中,使其完成一些困难的任务。

AI 的水务足迹

而如今,AI也开始逐渐展示出它在水务行业上的使用优势,正在帮助市政和工业终端用户更简单便捷地模拟和预测管网状态以及过程。除了水务行业巨头外,一些技术初创公司也正在寻求这一市场机遇。

根据英国埃克塞特大学水利系统工程教授Zoran Kapelan的说法,在水处理工程中,AI 通常指代那些通过模仿人类思维的认知功能来解决问题的技术。

那么,机器学习又是什么呢?我们在下图中简单地类比了一下机器学习和人脑学习。

可以发现,AI技术其实和人类大脑的工作原理非常相似。我们知道,当我们的大脑从外界获取信息时,会通过大脑中的多个神经元对信息进行传递和加工,最后输出结果。AI便是仿造了人类大脑的计算模型,加入了大量的类似神经元的“节点”,对数据进行学习并输出预测结果。这也就是我们通常所说的“人工神经网络”(Artificial Neural Networks,ANN)。而基于强大的机器学习能力,随着所获取和处理的数据量逐渐增多,最终的预测结果也将更加准确。

据不完全统计,现阶段AI在水处理领域中的应用程序主要有:资产管理、漏损监测以及基于图像识别功能的管网健康检测等。

近年来,随着计算能力的进步和微型芯片成本的下降,“人工神经网络”的应用也逐渐普及。进入20世纪90年代后,这一模型开始应用于水资源管理,如预测地表径流和河流流量等。然而,直到十年前,这一模型才逐步应用到公用事业的相关部门中。而相较于在油气、采矿和发电等其他工业部门中的广泛应用,AI在水务部门的应用案例却较少受到关注。

尽管在过去十年中的表现略显平淡,近两年AI在水务市场的发展却相当活跃。去年至少有三家水务AI技术的初创公司进入市场(其中包括下文中介绍的Pluto AI和EMAGIN Clean Technologies Inc.)。除此之外,还有以色列的水资源管理公司TaKaDu、以及2017年全球水奖技术突破大奖得主Water Planet。Water Planet的专利技术Intelliflux是一种基于机器学习算法的膜控制超滤系统,它可以通过感应系统中进水水质的不同,来制定膜反冲洗的最佳周期和压力参数,从而降低运营成本。

不仅如此,科技巨头IBM也开始将其在AI领域主推的核心技术Watson平台应用于水资源管理(Watson是一个通过自然语言处理和机器学习,从非结构化数据中揭示洞察的技术平台。2011年,Watson在一档名为《危险边缘》的电视智力竞赛节目中赢了人类冠军对手,从此名声大噪。)

这些用于优化水务运营系统的软件产品,通过建立水资源管理的分析平台,已经被许多公司成功使用在管网监测和优化中,并帮助地方水司根据需求对泵和阀门的调度进行智能化监控。

数字化水务模型是现在许多智能化水厂使用较多的一种数据收集和分析软件,同时也应用于许多工业企业。然而,由于这些产业通常是资源密集型的,当需要对大量的数据进行实时分析时,普通数字模型的计算效率便有些不尽如人意。举个例子来说,某个水司安装了近一万个传感器,类比至我们前面所提到的“人工神经网络”中,这一万个传感器就相当于一万个数据传输节点,它们需要在极短的时间间隔内向控制中心输送信息。要完成这样的实时数据分析可并不容易,但AI却能轻松应对。凭借其丰富的经验和强大的计算能力,AI可以将这些数据加工并压缩成有效的信息,使水司能够在各种突发的状况下获得主动权。

“之前我们通常是通过控制室中的某个软件对数据进行收集以用于管网监控,但所能做的也仅仅是这些。如果你希望对数据量有更大的扩展,这些基于物理计算的模型就不再适用。” Kapelan告诉GWI,“这也是人们开始开发AI应用程序的原因之一,因为越来越多的企业需要从大量的数据中实时提取真正有用的信息。不仅如此,AI的应用程序还能节省大量的人力和软件搭建的成本。”

EMAGIN Clean Technologies Inc.,作为加拿大安大略省的一家初创公司,其联合创始人兼首席执行官Thouheed Abdul Gaffoor,已经开始在水司中试用其基于AI技术的智能决策支持系统。这一系统可以有效帮助水司实现泵、压力阀和储存系统综合控制的成本效益和效率最大化。同时,它的实时虚拟智能自适应控制系统(Hybrid Adaptive Real-Time Virtual Intelligence,HARVI),通过对输入和输出的数据关系进行学习,能够提供提前24小时的卓越预测技术。

“一旦我们连接到水司的监测控制和数据采集系统(SCADA),我们就可以直接从数据中了解该系统的域关系,无需再聘请专业顾问来构建和校准数字物理模型,可以节省大量的时间和资源。” Abdul Gaffoor说。

AI vs 数字模型/ 不评优劣,各取所长

机器学习技术还能够处理各种形式的非结构化数据。Pluto AI是一家从事智能化水资源管理的初创公司。它开发了一种分析引擎,通过深度学习的方式,量化水厂的所有资产状况,帮助水司和工业终端用户更好地管理水务资产,降低运营成本。

Pluto AI CEO兼公司创始人Prateek Joshi告诉GWI,“从大量的数据中提取真正有意义及洞察力的信息是一项非常重要的任务,这也是Pluto AI诞生的原因。” Pluto AI利用各种机器学习技术,包括时间序列建模,预测分析,自动数据解析和自然语言处理等,搭建起监控解决方案。

然而,尽管AI拥有卓越的数据处理能力,但专家们并不期望AI技术能够完全超越数字模型。

“我认为企业所真正希望的,是合理利用AI和数字模型各自的优点,并应用到适合的地方,各取所长。” Servelec Technologies网络管理技术总监Alan Cunningham表示,Servelec Technologies 同时开发基于数值分析的管网优化软件和基于人工神经网络的管网流量预测工具。Cunningham 提到:“比起研究原因和结果,机器学习技术更多研究的是事物之间的关系。”

而且,AI与数字模型相比,也并不总是常胜将军。

“虽然机器学习可以用于做出决定,但如果所获得的数据不够完善,可能会做出错误的推断。” Cunningham警告说。

这两种方法的关键区别在于,数字模型软件的操作过程更为透明,而AI则存在“黑匣子”的问题。

“对于人工神经网络和随机森林(Random Forest,另一种机器学习技术),很难让人清晰地看到他的工作原理和过程是什么。因为这两种方法从本质上来说,只是包含大量的数据处理,非线性函数和普通的数学计算,但并没有涉及质量平衡或能量平衡方程,也没有可以用于描述事物的物理性计算背景。” Cunningham说。

对于这一问题,Joshi强调说,Pluto AI正在点亮这个“黑匣子”,并努力让过程“尽可能透明化”。

但尽管存在这些问题,AI技术的应用依然会增加,因为它已经渗透到人类活动的每一个方面。其中,水司的在运营管理上的变革可能是需要克服的一个比较大的障碍。

Kapelan提到,“现在许多水司还没有足够的人力资源能力来完全吸收这些新技术,并真正了解他们的工作原理。所以,对于想要采用AI技术的水司,作出相应的变革非常重要。”

“他们可能将完全改变控制室运营和计划人员的工作方式,因为AI技术与之前的数据分析方式完全不同。区别在于,有的企业可以很快对新技术作出调适,有的则需要很长时间。”

mg???????? bbin??_?? ??????app_?? ?????????? AG????_?? ???????_??