大数据下超声测流技术在供水企业的应用

发布:zlsgs发布时间:2017-06-23 09:42:00

近年来,在供水行业,以“智慧水务”为代表的大数据潮流正迅速席卷而来。大数据时代中,水务相关企业能够分别扮演哪些角色?6月21日,在2017(第二届)供水高峰论坛中,汇中仪表股份有限公司总经理董建国向与会观众详细介绍了超声测流技术在供水企业的应用情况及在大数据潮流下的重要作用。

各位领导和各位嘉宾,今天我的分享内容是大数据下的超声测流技术在供水企业的应用。主要有两个题目:

1、超声测流技术与供水大数据中的关系

大数据和超声测流存在什么样的关系?

首先,我想谈谈供水大数据。毋庸置疑,供水大数据是我们供水企业的重要资源。供水大数据主要分为两类:一类是过程水量数据(含制水、输配),另一类是用户用水数据。过程水量数据的价值非常清晰,被供水企业充分用于制水调度、供水调度等业务领域。但是用户大数据除了用于终端结算之外,还有其他未被发掘的利用价值。

业内部分供水企业已经在利用甚至运营用户供水数据。如利用远程集抄得到的用户用水信息,进行房屋入住率分析、用户分类分析、民用水/商用水区分等等;供水企业要抓住用户思维,不断完善和提升客户服务,离开用户大数据是不可能的。

那供水行业的用户大数据是什么样的?从何而来?有哪些特征呢?

简单分享一个大数据实验:

当取得一户家庭每天一个用水数据时,我们仅仅能够将水量与比较明显的因素(如当天气温、特殊事件等)相关联,做出日用水量排序原因的分析。

而当将数据粒度压缩至每小时一个数据时,结合各个用水器具的常用流量,我们发现分析结论突然明朗起来:

(1) 此住户可能是白领上班族家庭(用水时间只有早、晚两个)

(2) 此住户上班时间是早上8点以后,下班时间为下午5点之前,睡觉时间为晚上10点以后

(3) 此住户在24日未进行洗澡和用洗衣机洗衣服等行为

这是住户一天的起居粗画像。

当相同一天的用水数据进一步压缩,会出现什么呢?

(1) 住户早起时间为6点27之前

(2) 住户晚餐时段(做饭—吃饭—洗餐具)为晚间18:14~18:50

(3) 住户睡前洗漱时间为21:51,且睡前未用马桶(马桶冲水量一般大于0.5m3/h)

这几乎是这一天用户起居的精准画像,相当于监控的作用。

这些大数据,都是从流量仪表给出的最基础最全面的供水数据。因此数据的精确性、实时性是运行这些数据分析的基础。而汇中的超声测流技术能够在根本上保证数据的精准、实时,为大数据分析提供坚实基础。

供水大数据向其他行业大数据一样,同样具有 多样性、时效性、有效性、大容量四个特征。

多样性指的是数据类别多样(用水量、瞬时量、压力、温度等)和数据粒度多样(日用水、小时用水、分钟用水等),由上面介绍的实验可以看到,数据多样性是支撑大数据的重要前提之一;

时效性和有效性是相互关联的。例如,分区计量项目中一般会利用密集的数据采集来取得最小流量或最大流量等管理数据。但限于采集设备电源和网络限制,很难做到1S一次的数据时效,最多能实现分钟以上的数据上报。如何在这种时效状态下又做到数据有效,唯一的途径是将管理数据的筛选计算功能做到表端,利用仪表的智能化解决。再比如,供水企业迫于停水压力,致使很多损坏的在线仪表很难及时得到维修,损坏的仪表长时期使用,破坏了数据的有效性。汇中的产品能够做到损坏后短时间带水带压维护,保障了数据的有效性和时效性。

我们认为,很多供水企业的智慧供水系统之所以达不到预期的效果,很大的原因是因为数据的时效性和有效性出了问题。

至于数据的大容量,指的是一个长期持续的数据记录过程,在此不再过多阐述。

其次,探讨一下超声测流技术对大数据分析的关系。2015年,汇中开始融合NB-IoT技术打造新一代物联网水表。不仅在数据传输方面相比之前GPRS网络有较大改进,在仪表计量功能方面也进行了智能化提升。新一代物联网水表不仅增加了压力、温度等计量功能,还以丰富的报警的方式大大增强了仪表管理的便捷性和及时性。凭借这两方面的改进和提升,汇中超声测流技术充分保障了供水大数据的多样性、有效性和时效性等特征,为后续的大数据分析提供了坚实基础。


2、如何做好大数据下的产品服务

另一个题目,在大数据时代背景下仪表企业如何做好数据服务,是下一步汇中要和我们的供水企业客户进行深入探讨的。大数据环境下,计量产品的服务,支撑了整个供水系统的运行。智能终端产品稳定与否直接关系到供水企业的收费运营、生产安全、客户服务等基础业务。因此,做好计量产品的维护服务至关重要。

客户的智慧是无穷的。在沟通中,一些客户已经有这样的思考:应该从向计量仪表厂家购买产品转为向计量仪表厂家购买数据。这样的观点,给我们计量仪表企业指出了一个方向。汇中需要在这个数据服务的目的下,首先要做好产品维护服务,在保证多样性数据的前提下首先保障数据的时效和有效。之前在供热计量领域,我们已经做了一些成功的尝试,针对数据服务的方向提出三个量化考核指标:设备故障率、处理及时率、数据准确率,这3项数据既是对计量仪表厂家的考核,同时也是考量计量仪表厂家能否提供数据服务的标尺。