环球视界--国际水务科技前沿（第1期）

管网优化智慧决策，消减CSO - 美国布法罗市的案例

20世纪初，布法罗（Buffalo）由于靠近尼亚加拉大瀑布，很早就实现了水力发电，借由其成为商业和制造业的门户，一跃成为美国第八大城市。预测到城市增长，布法罗市建立了（当时）最先进的雨污混流系统，雨水与污水最终一并排入布法罗河。一直待到20世纪中叶，布法罗市增建了一所大型污水处理厂来满足急剧增长的城市人口。受限于之前的下水道设计，布法罗市每年仍有近760立方米的下水道溢流（combined sewer overflow，CSO）直接排入受纳水体。

图片来源：© Xylem

2006年，美国联邦政府和州政府相关的监管机构要求对布法罗市对其雨污收集系统进行升级。布法罗污水管理局（Buffalo Sewer Authority, BAS）认识到他们现有的雨污混流系统不足以抵抗或缓冲暴雨天的大量雨水，于是开始寻求灰绿基础设施及智慧管网相结合的综合解决方案。经过多年协商，布法罗市及合作伙伴于2014年达成协议，并由污水管理局出台了一项“合流制排水系统污水溢流削减长期管控计划”(Long Term Control Plan for CSO Abatement, LTCP)。该项目预算计划为5.25亿美元，但由于该市纳税减少，财政支持出现缺口，布法罗污水管理局急需新的解决方案来缓解下水道溢流。

由于灰绿基础设施投资昂贵不可行，布法罗污水管理局与赛莱默（Xylem）展开合作，为整座城市设计和创建了一套实时决策支持系统（RT-DSS）。该系统利用新技术来优化已有的基础设施，构建和控制在线存储库，将全市范围内的大型重力排水系统转变为可管理的运输和存储系统，最大限度地减少或消除CSOs。

该策略利用新技术—— 赛莱默BLU-XTM污水管网优化平台来优化现有基础设施，建立和控制管线内部存储库，将布法罗的大型重力下水道系统转变为可管理的运输和存储系统，从而通过改建现有基础设施的运营行为来最大限度地减少和/或消除管网溢流。整个传感器网络由流量计和雨量计组成，从污水管道收集实时数据，随后采用智慧平台BLU-XTM进行分析，该平台通过仪表板收集、整理、分析和使用数据，让城市运营商以可视化方式了解和管理污水系统的运行。模型建好后，就会与现有的传感器数据进行比较，生成更高级别的系统智能，这种智能会随着每次雨天而不断改进——每次雨天事件都能够为系统提供更多的数据来不断“训练”RT-DSS系统，优化智慧决策，从而更好地预测在对现有基础设施进行低成本改进后的系统将如何运行。

BLU-X信息收集软件，通过实时数据库以及数据分析工具实现完整的SCADA系统集成  图片来源：© Xylem

截至今日，四个RT-DSS站点已经投入使用，布法罗污水管理局计划在今年（2020）年底之前完成剩余站点（总计16个站点）的建设和调试。但是真正令人兴奋的是，截至2019年6月30日，项目运行的一年里，仅前三个RT-DSS站点就减少了近170万立方米的溢流量，比之前假设的启动所有站点预期多了38万立方米。这意味着RT-DSS计划最终可以将溢流量减少到原计划的3-4倍。

布法罗污水管理局通过与赛莱默合作，实现了雨天污水的安全存储、输送、处理和排放。基于RT-DSS计划的实施，布法罗污水管理局修订了之前的“长期管控计划”（LTCP），节省了近1.45亿美元的预算。

“这就是智慧决策的力量。”

 IoT vs 农业灌溉 - 芬兰开发自动化高精灌溉系统

农业灌溉需要消耗大量淡水，再加上农作物生长所需的能量，农业对环境的影响清晰可见。为了避免灌溉不充分，通常灌溉用水超过实际所需水量，造成了不必要的浪费。因此，欧洲委员支持的H2020计划于2017年7月启动了SWAMP（Smart Water Management Project）项目，由芬兰VTT公司的技术研究中心（VTTTechnical Research Center of Finland）进行项目协调，项目投资近150万欧元，用于开发种植作物所需水量以及何时何地需要灌溉的传感技术。

图片来源：© Kari Kolehmainer

SWAMP项目将开发高精度智能灌溉系统，如图1所示，系统可以分为三个主要阶段：储水（W1）、配水（W2）和耗水（W3）。主要思路是对收集到的各种系统信息进行整体分析来优化灌溉，配水和消耗。该系统可以检测漏损，并在供水受限的情况下确保灌溉用水充足，节省资金和消耗。

基于SWAMP平台的精密灌溉

SWAMP平台从异构传感器获取数据，使用多种不同技术和算法进行决策，并向执行器发送命令来改变系统行为。针对耗水（W3），SWAMP平台提供实时响应，以适应不同环境条件下的灌溉需求。另一方面，由于配水变化是在不同时间范围内进行的，因此配水（W2）的管理循环将更长。此外，系统还集成了耗水和配水管理，主要是因为配水会根据耗水的多少来触发。项目的关键在于对土壤以及作物状况做出准确的的态势感知和预判，所以该项目运用了多种渠道来收集所需信息，其中包括：无人机和图像处理系统。

SWAMP项目的另一重要发展是通过水流模拟（water flow simulations）和机器学习算法（machine-learning algorithms）来实现农田用水需求数据与开放式运河供水网络管理系统的集成。SWAMP平台可以根据收集到的数据预测土壤湿度，再根据土壤湿度来制定不同区域的灌溉计划。除了对灌溉需水量进行预测，该平台还实现了另一创新功能，即基于IoT技术的自动化高精灌溉系统（例如何时实施灌溉）。农民可以使用移动设备和程序来实时“监视”农田情况（可视化），并调整灌溉计划。

SWAMP项目有四个试点，分别为：

• 精确滴灌试点（巴西Guaspari酒厂）

• 可变速灌溉试点（巴西MATOPIBA）

• 智能精密灌溉试点（西班牙Intercrop）

• 智能配水管理试点（意大利CBEC）

这些试点都有各自侧重的领域，可以满足特定领域下的不同需求；结合起来又涵盖了精密灌溉中水管理的主要问题。以意大利试点为例，SWAMP项目侧重于根据沿运河农场作物的需水量来优化基于开放式运河的配水管理网络。更多信息请访问http://swamp-project.org/post-422/。

IWA微信已开通了原创保护功能，其他公众号转载不得修改其中的任何文字、图片和排版