自来水与污水全厂AI协同控制
全厂 AIPC 控制平台界面示意项目概述
面向自来水厂与污水处理厂的连续生产过程，构建贯通“感知—预测—决策—控制—评价”的全厂AI闭环控制体系。平台以多源时序数据为基础，将时序大模型、软测量、多变量模型预测控制（MPC）、实时优化（RTO）与关键设备健康管理（PHM）统一到同一套工业控制架构中，实现跨工序、跨设备和跨时间尺度的协同优化。
平台与现有 PLC、SCADA、DCS、OPC UA 及工业数据平台对接，保留原有安全联锁和人工操作权限，在不改变基础控制层安全逻辑的前提下，实现AI控制策略的在线运行、效果评估和持续自学习。
核心技术架构
多源工业数据接入
整合流量、水质、压力、液位、能耗、设备振动、温度、电流及运行工况等多维数据，建立统一的全厂时序数据底座，并处理采样周期不一致、测点缺失、异常漂移和工况切换等现场问题。
时序大模型与工艺软测量
采用面向工业过程的时序基础大模型（Time-Series Foundation Model），学习多变量、强耦合、长时滞和非平稳工况下的动态关系，用于：
- 进水流量、水质和污染负荷的多时间尺度预测
- 出水浊度、余氯、氨氮、总氮等关键指标的软测量与趋势预测
- 泵站需水量、管网压力及全厂能耗预测
- 异常工况识别、运行模式迁移和模型在线更新
多工序复杂流程协同控制
针对自来水与污水处理过程中工序相互影响、控制目标相互制约的问题，将局部控制回路升级为全厂协同优化：
- 自来水：取水与泵组调度、混凝投加、沉淀过滤、消毒加氯、清水池液位与管网压力协同控制
- 污水：进水负荷预测、曝气与溶解氧控制、回流与排泥、碳源及药剂投加、深度处理和能耗协同优化
- 通过 MPC 与 RTO 统一处理水质约束、设备能力、生产负荷、能耗和药耗等多目标问题
- 形成“预测—优化—执行—反馈—再学习”的闭环控制机制
关键设备预测性维护
面向水泵、鼓风机、搅拌机、加药设备、阀门及其他关键机电设备，融合运行参数与状态监测数据，构建设备健康指数、异常检测和故障演化模型，实现：
- 性能退化与能效偏离识别
- 振动、温升、电流及压力异常的早期预警
- 故障风险预测与维护窗口建议
- 设备运行策略与工艺控制策略的协同优化
工程实现与软件界面
系统采用模块化软件与边缘控制器协同部署。模型配置、控制仿真、约束设置和运行评价可在工程软件中完成，实时控制策略则通过工业控制器接入现场。水厂项目会根据具体工艺流程、测点、控制权限及工业协议进行界面和功能配置。
上图展示实验室现有预测控制软件及控制器工程技术基础，不对应某一特定水厂的现场画面。
主要应用模块
| 模块 | 控制对象 | 主要能力 |
|---|---|---|
| 时序大模型预测 | 流量、水质、负荷、压力、能耗 | 长短期预测、软测量、异常识别、在线学习 |
| 智能加药控制 | 混凝剂、消毒剂、碳源及其他药剂 | 前馈与反馈融合、药耗优化、水质约束控制 |
| 曝气与生化过程优化 | 鼓风机、阀门、溶解氧及生化指标 | 多池协同、负荷跟踪、能耗与水质平衡 |
| 泵组群控与调度 | 取水泵、提升泵、送水泵及中途泵站 | 高效区运行、压力与液位协调、峰谷优化 |
| BD-PHM设备健康管理 | 水泵、鼓风机、阀门、加药及搅拌设备 | 状态监测、故障预测、维护决策 |
| 全厂多目标优化 | 水质、产量、药耗、能耗与设备寿命 | 约束优化、工序协同、运行绩效评价 |
工程合作
围绕水务数字化、泵组节能、全厂智能控制与关键设备健康管理，团队已与南方泵业、北控水务等行业核心企业建立长期合作关系，持续推进算法验证、工程实施、平台集成和规模化应用。
项目采用模块化架构，可按单一工序切入，并逐步扩展至全厂AI协同控制，适用于新建水厂的智能化建设，也适用于既有水厂在保留原控制系统基础上的分阶段升级。