人工智能与数据科学如何守护悉尼水源
试想一下,你每天用水洗漱、烹饪、饮用、清洁的场景——打开水龙头就能获得洁净水源,这一特权支撑了我们日常生活的基础。
对于悉尼这样的城市,需要庞大的管道网络和配套基础设施,才能将清洁水输送到千家万户,并将废水输送至处理厂。公用事业公司竭力保障供水稳定,但防止管道泄漏和设备故障始终是一场不容差错的持久战。
管网规模庞大,人工频繁巡检几乎不可能完成。更严峻的是,悉尼水务基础设施日益老化,而人口增长导致用水需求持续攀升,进一步加剧了管网压力。
面对传统维护方式的高成本与低效率,悉尼水务公司(Sydney Water)与悉尼科技大学(University of Technology Sydney, UTS)研究者合作,探索维护这一关键资源输送系统的更佳方案。其成果完美展示了机器人技术、人工智能、数据科学与物联网的结合,不仅能更快应对泄漏和故障,更能在故障发生前预测风险。
悉尼大部分水务基础设施埋于地下,从常规巡检到关键设施更换都需耗费高昂成本与时间。平均而言,水务运营商每年仅能检查1%的管网资产。
除了材料和维护成本,管道爆裂或泄漏还存在隐性代价:服务中断影响公众生活质量,泄漏导致维持水压需消耗更多能源,而环境代价尤为沉重——作为全球最干旱的有人居住大陆,澳大利亚容不得管道裂缝或爆裂浪费一滴水。
“这是一个需要从多维度思考的复杂系统。”悉尼科技大学数据科学研究所执行主任陈芳特聘教授指出。
悉尼水管平均使用年限:85年
水务公司年维护成本:4000万澳元
被动维护成本是主动维护的10倍,因此主动维护在环境和经济上都是更优选择。
——陈芳特聘教授
陈芳教授的职业生涯专注于数据科学与人工智能的实际应用,曾任职于英特尔、摩托罗拉等企业,并在联邦科学与工业研究组织(CSIRO)下属的Data61机构工作,凭借数据科学与分析工具预测水务基础设施故障的成果,于2018年斩获尤里卡奖(Eureka Prize)。
可以这么说,没有人比她更适合应对将尖端数据科学和机器学习应用于预测性基础设施维护的挑战。
她说:“我总是以使用数据为中心,理解数据背后的见解、模式和行为,然后我们能做些什么。”
悉尼科技大学与悉尼水务自2013年起开展多项合作。2018年陈芳加入悉尼科技大学后,双方进一步探索数据科学与预测分析在供水管网维护中的应用。
在此基础上,他们使用人工智能和机器学习算法进行风险分析,以确定网络中最容易发生故障的区域,并确定管道故障的原因和方式等共同主题。
通过对这些数据的分析,我们从四类信息中得出了20多个预测因素:
管道属性(铺设时间、材料构成)
周边环境(土壤类型等地质因素)
运行参数(水压、化学药剂使用)
历史记录(故障事件及原因)
这些因子帮助团队锁定高风险管道,缩小排查范围。
陈芳说,一旦研究小组确定了高风险的管道和位置,重要的是要收集更多的数据,以了解网络中特定区域发生故障的原因、时间和方式。
“这就像当你生病去看医生时,他们会了解你的病史,并提供初步诊断。”陈芳比喻道。
“但根据出现的症状,他们会让你去做血液检查或x光检查。”
陈说,为了建立一个更强大的预测模型,研究小组需要通过精确监测有风险的管道来收集实时数据,这将使他们能够不断地将信息输入到预测算法中,以更好地训练它。
不管信不信,发现漏水的最好方法之一就是倾听。悉尼水务局和悉尼科技大学合作,使用由悉尼科技大学机器人研究所开发的专用机器人在部分网络周围放置声学传感器。这些传感器也是由悉尼科技大学的机器人专家开发的,经过精细调整,可以探测到漏水管道产生的细微振动。
其中一个挑战是找到合适的位置来部署传感器,以获得最大的分辨率和效率。
陈说:“有些水管可能长达4公里,因此确定传感器的确切位置和数量至关重要。”
一旦部署,传感器帮助陈和团队的其他成员微调他们的数据分析模型,以更好地预测故障。她说,这项研究的一大成就是建立了一种强有力的收集数据的方法,并提高了所收集数据的质量和准确性。
成果是世界上第一个管道故障预测工具,旨在更好地了解管道故障发生的地点和时间。
研究分析数据记录量:100万条
该预测工具在全面部署前经过严格测试,现已成为悉尼水务的常规业务工具,并显著降低成本:部署首年即节省近3000万澳元。悉尼科技大学团队还与全球30多家水务公司合作优化该工具。
陈芳估计,其系统预测管道故障的能力是传统方法的4-5倍,若推广至纽约、伦敦等基础设施老化的大城市,可将维护成本降低一半,节省的时间、资金和水资源不可估量。
两年试验期节水成果:100亿升(相当于4000个标准游泳池蓄水量)
引入数据科学家与技术专家,推动公用事业从“被动维修”向“主动维护”转型,标志着基础设施行业的重大变革。
“行业对资产维护的理念正在发生根本转变,因为过去绝大多数资产都是被动维护的。”陈芳表示,“将预测分析用于预防性维护并使其成为常规业务,是一项巨大成就,未来发展潜力无限。”
*内容来源悉尼科技大学官网
关闭