北京市政总院 微信公众号 行业动态

发布：2021-03-01 · 事件：2021-03-01

点击蓝字 关注我们 为指导市政管理部门及水务公用事业单位有效应对雨天引发的合流制溢流、城市内涝、管网高水位运行、入流入渗等排水系统突出问题，美国环境保护署（EPA）于2021年3月编制发布了《Smart Data Infrastructure for Wet Weather Control and Decision Support》（《智能数据基础设施——降雨工况管控与决策支持》）。

数据施工安全质量检测环保燃气输配

点击蓝字 关注我们 为指导市政管理部门及水务公用事业单位有效应对雨天引发的合流制溢流、城市内涝、管网高水位运行、入流入渗等排水系统突出问题，美国环境保护署（EPA）于2021年3月编制发布了《Smart Data Infrastructure for Wet Weather Control and Decision Support》（《智能数据基础设施——降雨工况管控与决策支持》）。该指南汇聚多家技术机构与多地城市水务实践成果，依托典型工程案例，系统构建雨天智慧管控智能数据基础设施体系，全面阐释监测技术、实时控制、数据管理、分析决策及工程应用等核心内容，是支撑水务行业雨天精细化、智能化管控的权威技术指南。 一 背景 城市排水系统在雨天面临溢流频发、洪涝风险高、管网负荷大、处理设施冲击明显等问题。传统以灰色 、绿色基础设施为主的管控模式响应滞后、效率有限、成本较高。随着物联网、低功耗传感、无线通信、大数据分析等技术成熟，数据驱动、实时监测、智能调控已成为提升雨天水务系统韧性与运行效率的核心方向。基于行业普遍需求与技术发展趋势，EPA 编制本指南，为雨天智慧化管控提供统一技术框架。 二 目的 本指南旨在帮助市政部门、水务公用事业单位及相关组织了解如何利用先进技术和监测数据，在雨天条件下实现实时或近实时的系统控制与决策支持。指南重点介绍了当前可用的技术，并通过案例研究描述了市政部门和水务企业实施这些技术的可能方式。 指南内容涵盖智慧数据基础设施的硬件、通信与管理三层架构，连续监测、液位监测、流量监测、雨量监测等技术的选型与运维要点，基于CMOM框架的收集系统优化及入流/入渗控制，实时控制系统的组件、层级、实施路径与风险管控，数据管理、数据共享、网络安全及公众实时通知，数据验证与过滤方法，关键绩效指标的建立，以及数据可视化与决策支持系统的设计。指南同时明确指出，智慧数据基础设施具有可扩展性，市政部门和水务企业可从试点起步，在验证效果后逐步推进。 三 作者与机构 本指南由美国环境保护署（U.S. Environmental Protection Agency, EPA）下属污水管理办公室（Office of Wastewater Management）主持编制，联合多家水务技术企业、工程咨询机构及地方水务部门专家共同完成。2018年8月初版，2021年3月更新。EPA将其定义为一份“活的文档”，将随技术与案例的发展持续修订。EPA 作为美国国家级环境管理与技术指导机构，长期在水环境治理、排水系统优化、溢流控制、智慧水务技术推广等方面提供权威标准与实践指引。需要特别说明的是，EPA声明本指南仅供信息参考，不构成对任何产品、服务或企业的背书，案例研究结果具有场地特异性，不宜简单照搬。 四 各章节主要内容 指南共分为九章，各章节内容如下： 第一章为引言部分 。开篇点明雨天给污水处理设施带来的严峻挑战，深入剖析传统灰色和绿色基础设施在应对此类问题时存在的局限。与此同时，着重强调近年来技术的快速发展为市政与水务机构带来全新契机，借助智能数据基础设施，其在雨天控制及决策支持方面的能力有望实现质的飞跃。最后，本章简要概述文档各章节核心要点，为读者提供清晰的阅读指引。 第二章围绕智能数据基础设施展开系统阐述。 本章明确了智能数据基础设施的完整定义与三层架构，指出其由硬件感知设备、通信传输网络、管理软件与分析平台三大部分构成，是实现雨天科学管控、智能调度与数据决策的核心支撑体系。同时，本章重点总结了该体系的核心价值，包括最大化现有基础设施效能、优化系统运行与响应策略、节约工程投资与运维成本、完善资产绩效管理、支撑长期溢流控制规划落地、满足监管要求并提升公共服务能力。此外，本章还提出了一套标准化实施路线图，从愿景规划、实施进度安排、技术验证、详细设计，到分阶段落地与持续优化升级，为市政及水务机构推进智慧化建设提供了清晰、可落地的实施路径。 第三章重点围绕智能数据体系的信息输入与监测技术展开详细说明。 作为雨天管控的数据源头，本章系统介绍了支撑决策的关键监测类型，包括连续监测、液位监测、流量监测和降雨监测四大核心技术，并分别阐述各类技术的工作原理、适用场景、选型要点、安装规范与运维要求，确保数据采集的准确性与可靠性。本章进一步建立了从信息采集、分析与预测研判到形成决策、执行操作、对外通知的完整业务链路，使前端监测数据能够真正转化为可执行、可预判、可量化的调度依据，为后续系统优化、实时控制与科学决策奠定坚实的数据基础。 第四章为收集系统优化。 收集系统优化是智能数据基础设施的核心应用场景，通过数据采集与专业分析，可充分盘活现有设施潜能、最大化运行效能，有效减少后续新增基建投资。系统优化主要分为离线优化与在线优化两种方式：离线优化包含抬高堰坝、绘制最佳效率曲线、优化局部雨水管理及绿色基础设施布局等措施；在线优化则依托 RTC 实时控制系统，实现管网及配套设施的动态调度与智能管理。 依托智能数据基础设施的实时监测功能与长期趋势分析能力，能够精准排查系统运行短板、科学评估溢流风险，进而制定经济高效的优化解决方案。多个实际案例印证，该项技术可有效削减 CSO、SSO 溢流问题，提升系统运行韧性，同时降低整体运营成本。费城、路易斯维尔、南本德市的落地实践，充分彰显了智能数据基础设施在提升收集系统运行性能、保障长效可持续运行方面的重要价值。 第五章着重介绍RTC系统 。RTC系统，即实时控制系统（Real - Time Control System），其定义为能够依据现场在线测量数据，动态且灵活地对设施操作进行调整的系统。在城市运营场景中，无论是干燥天气下维持系统高效运转，还是雨天里应对污水回流、街道洪水、合流制溢流（CSO）、分流制污水溢流（SSO）等复杂问题，同时兼顾能源消耗的合理管控，RTC系统都凭借其独特的运行机制展现出强大的能力，有力地推动城市运营朝着可持续方向发展。 该系统由传感器、控制元件（如泵、闸门）和数据通信系统构成。其中，SCADA系统负责数据收集管理，是核心支撑；RTDSS系统通过深度挖掘数据，为系统操作提供决策依据。 图3：RTC系统的组成部分 图3展示了 RTC 系统的典型布局，清晰呈现了从传感器实时采集数据，到通过数据通信传递信息，再到控制元件根据指令调整过程的完整链路。 RTC系统的控制级别分为本地控制、区域控制和全局控制。本地控制主要针对无需与其他远程站点交换信息的特定问题独立解决，具有响应速度快的优势；区域控制借助遥测系统与其他远程站点进行数据交换，实现区域内协同运作；全局控制则在系统范围内协调众多远程站点的控制动作，从宏观层面优化运行，达成整体效益的最大化。表2进一步细化了不同控制模式对系统组件的配置要求，为规划设计提供参考。 表2：不同控制模式的技术配置要求 图4：污水处理设施的控制策略 图4阐述了不同控制层面所运用的多种控制策略，从基于反馈的本地算法到启发式和基于优化的全局控制算法，为实际项目中根据具体需求选择合适的控制策略提供了参考。 应用RTC前需先评估可行性和潜在效益，再进行详细规划，包括设计控制基础设施、开发算法等。最后强调，RTC系统运行时要注重可靠性、通信的稳定性、操作的灵活性和安全性。同时，制定应急预案，应对设备和传感器故障、紧急情况等突发状况，确保系统稳定运行。 第六章聚焦于数据管理和共享 。本章重点阐述智能数据基础设施在数据管理与共享方面的核心内容，主要包括大数据管理、数据共享以及实时公众通知与信息透明三个方面。通过构建系统化的数据管理体系，实现对海量监测数据的高效存储、处理与安全运用；依托规范的数据共享机制，推动跨部门、跨系统的数据互通与协同应用；同时借助实时信息发布与透明化管理，及时向公众告知合流制溢流、雨天运行等关键状态，满足监管要求并提升服务透明度，为雨天控制与决策支持提供可靠的数据保障。本章同时强调了网络安全的重要性，指出随着云端存储与物联网的普及，数据安全防护已成为智慧水务建设中的关键考量。 第七章为数据分析。 本章重点探讨数据分析在智能数据基础设施中的重要意义与实际应用。数据验证与过滤是保障数据质量的核心环节，通过范围验证、缺失值填补、变化率校验等标准化处理手段，可有效确保各类监测数据的准确性与可靠性，为后续分析工作奠定坚实基础。 关键绩效指标（KPIs）依托校验合格的数据开展精准计算，能够帮助管理者直观掌握系统整体运行状态与性能表现，及时识别潜在运行问题并制定针对性改进措施。常用指标主要包括降雨频率、处理流量、未处理流量、部分处理流量、存储体积、存储时长，以及 CSO/SSO 溢流体积与持续时间等。其中，降雨频率可用于评估降雨工况特征，处理流量与污水处理厂处理能力的对比结果则能直观反映设施运行效率，上述指标共同为污水与雨水系统的持续优化及科学决策提供核心支撑。 在此基础上，大数据分析充分释放数据价值，在提升决策科学性、优化运行管理效能、降低系统运营成本等方面发挥显著作用，为智能水务系统的高效稳定运行提供有力保障。 图5：大数据分析支撑决策优化与运行提质降本 第八章聚焦于数据可视化和决策支持系统。 本章重点阐述数据可视化与决策支持系统（DSS）在智能数据基础设施中的核心作用与应用实践。数据可视化通过直观的图表、仪表盘、趋势曲线等形式，将复杂、海量的水务运行数据转化为清晰易懂的可视化信息，便于管理人员快速把握系统状态、识别异常工况与潜在风险。 决策支持系统以高质量数据与可视化界面为基础，整合在线模型、分析算法与实时监测信息，为雨天控制、设施调度与运行管理提供科学辅助。该系统能够实现数据查询、状态评估、情景模拟与方案比选等功能，有效支撑调度决策从经验驱动转向数据驱动。 其中，实时决策支持系统（RTDSS）可结合气象预报、在线监测与水力模型，实现对雨天流量、溢流风险、调蓄设施运行的动态研判与优化调控，显著提升决策的时效性与精准度。数据可视化与决策支持系统的有机结合，进一步打通了数据到决策的应用链路，为雨天控制系统的高效运行、优化管理与科学决策提供一体化支撑。 第九章主要阐述了数据采集技术在雨天控制和决策支持方面的未来展望。 本章展望雨天控制与决策支持领域数据采集技术的发展趋势。未来监测技术将向高精度、全覆盖、低功耗、智能化方向升级，实现合流制溢流、污水溢流的频次、体积、历时及污染负荷的精准量化，水质在线监测可实时识别悬浮物、营养盐、微生物及新型污染物，支撑风险预警与排放监管。 多源数据融合、边缘计算与人工智能技术将广泛应用，推动设施运维向预防性、预测性模式转型，提升系统调度前瞻性与韧性。数据采集将与实时控制、决策支持深度耦合，形成感知、分析、决策、调控、反馈闭环，持续提升排水系统效率、安全性与经济性，为城市水环境改善、内涝防治与智慧水务高质量发展提供核心驱动力。 附录A 部分提供了美国22个城市在智能数据基础设施应用于雨天控制方面的案例研究，这些案例详细展示了不同城市如何通过智能数据基础设施和RTC技术优化排水系统，减少CSO和SSO，并实现成本节约和环境效益。这些案例覆盖了美国和欧洲的多个城市，展示了从中小城市到大都市区在排水系统优化中的成功实践。这些成功实践为其他城市提供了宝贵的经验和参考，证明了该技术在提升城市排水系统可持续性方面的巨大潜力。 五 亮点与价值 一是权威性与系统性。 作为美国EPA官方发布的技术指南，本书整合了多家技术企业与数十个城市水务部门的实践经验，构建了从监测感知、数据传输、分析决策到实时控制的完整技术链条，为水务行业提供了统一、规范的技术框架。 二是实操性与可扩展性。指南明确提出智慧数据基础设施具有可扩展特征，水务企业可从试点起步，根据自身能力和需求逐步推进。同时，指南详细阐述了各类监测技术的适用工况、选型要点与运维要求，并提供了标准化实施路线图，具有很强的落地指导价值。 三是案例驱动与效益验证。 附录收录的22个真实案例，覆盖了从中小城市到大都市区的多种场景，每个案例均包含具体的技术方案、投资成本与量化效益。例如，南本德市减少CSO约70%（年均约10亿加仑），路易斯维尔节约资本投资约1.17亿美元，水牛城三个站点一年内减少CSO达4.5亿加仑。这些数据为国内同行评估技术投入产出比提供了重要参考。 对于国内排水行业而言，本指南在推进雨天精细化管控、溢流污染控制、内涝防治以及存量设施效能提升等方面，具有重要的借鉴价值。 转载：中国市政华北总院智慧水务分院，仅供分享交流不作商业用途，版权归原作者和原作者出处。 若有侵权，请联系删除。 微信号：CNWW1985 投稿咨询： 022-27835707 广告咨询： 022-27835639 发行咨询： 022-27835520 官方网站： www.cnww1985.com 联系邮箱： cnwater@vip.163.com 识别二维码 关注我们