更好的数据创造更好的水资源资产表现

新型的数据，新型的模型

水资源资产所有者正在探索获取数据和分析结果的新方法，以便在必要时采取早期干预措施。

英国数据采集公司8power最近与Anglian water公司合作，在一些大型抽水设备上使用传感器和分析服务，完成了远程状态监测试验。

覆盖英国最干旱地区之一的水务公司正在大力投资创新，以建立对干旱的抵御能力。

它的最新举措是部署一个基于云的传感器系统，以监控资产的健康状况。该系统监测能源使用情况和参数，如振动、温度和湿度的变化，并标记事件或变化模式，从而实现更主动的维护方法。

在第二阶段，该方案将推广到Anglian Water的多个站点，这些站点将使用8power最新一代的自供电远程传感器进行监控。

声称的好处包括帮助Anglian Water更好地了解资产运营，并优先考虑最关键的网络资产，从而减少停机时间和维修成本。

正如Anglian Water的水力运营工程师Rich Fielding在一份声明中指出的那样:“我们看到了一个机会，通过转向基于条件的维护制度来提高效率和我们为客户提供的服务。”

来自太空的数据

如今，远程数据采集和分析越来越重要，正在改变水行业。

例如，今年早些时候，Detection Services与英国牛津地理空间分析公司Rezatec合作，获得了一份合同，监测Hunter Water公司Grahamstown大坝的任何潜在结构和环境变化。

格雷厄姆斯敦大坝位于澳大利亚纽卡斯尔附近，是亨特公司最大的饮用水储存设施，可储存182亿升水。它提供了猎人水公司大约一半的饮用水。

远程资产监测方案提供了一种高度有针对性的方法，以确定地形移动、土壤饱和、植被生长、湿度水平和结构移动的热点。

Rezatec的产品经理Camilla Braithwaite告诉Aquatech Online:“对于大坝，我们使用的主要分析是地面运动，我们使用合成孔径雷达。”

Rezatec同时使用商业和开源卫星数据。

Braithwaite说:“自2016年左右以来，随着哨兵1号卫星的发射，能力有了很大的提高，分辨率更高。”他补充说:“他们必须重新检查6 - 12天的周期，雷达仍然可以在多云或夜间捕获数据。”

这不仅是一种高频率的评估，而且还可以对数据进行检查，从而有可能识别出只有几毫米的异常地面运动。

她补充说:“在考虑建造大坝时，你可能会让测量员每年来一两次，他们可以准确地测量，但总的来说，更典型的每月一次的访问更有可能是寻找大裂缝的人。”

“我们每月会测量几次以毫米为单位的移动，从中你可以看到趋势模式的出现。”

“我们一个月测量几毫米的移动，从中你可以看到趋势模式的出现。由于数据是远程且频繁地捕获的，因此减少了对地面工作的要求，从而能够更有效地利用资源，并通过早期发现故障来降低风险和故障成本。”

例如，通过对至少3年历史数据的初步调查，Rezatec可以建立油藏水位上升和下降时结构内部运动的基线。

随后，Rezatec查看数据，以确定异常在该模式之外的位置，并通过数据标记出潜在的问题。

任何异常读数都以图形方式表示，以便工程师检查数据，如果需要，可以派工程师到现场的特定位置进行物理检查和调查。

采取行动的门槛将取决于一系列条件，包括失败的可能性以及任何此类事件的后果。

越来越大的风险需要更好的解决方案

由于水资源资产所有者面临的新挑战，对更复杂的监测和分析的需求日益增长。

该产品经理表示:“资产所有者面临的潜在风险正在增加。”“这些建筑不仅是许多年前建造的，而且由于人口密度的增加，每个人现在都面临着越来越多的失败后果。

“每个大坝所有者都有注意义务，许多大坝已经老化，需要比大坝所有者更频繁地监测。”

“每个大坝所有者都有注意义务，许多大坝已经相当老化，需要更频繁地监测。”

虽然不是每一种故障模式都可以通过卫星观测来识别，但通过对这种结构进行毫米级的监测，可以在灾难性故障发生之前采取早期干预和行动。

正如布雷斯韦特所说:“你可以在灾难发生之前采取行动，因为你可以看到最小的异常运动。每个月收集数据意味着你对问题了如指掌。”

新的监控模式还可以识别在典型的视觉检查中可能不明显的问题。

例如，卫星数据还可以揭示与结构移动无关的潜在故障的其他迹象。例如，在干旱的环境中，可以通过植物的生长来识别渗水，而这种植物的生长可以通过卫星观测来观察。可以用红外线而不是雷达来捕捉植被。

“植被生长可以作为渗漏的代理，我们已经为澳大利亚的Hunter Water公司做到了这一点。我们发现了一些异常现象，后来发现是新播种的草，但能够捕捉到那种程度的细节，真是太棒了，”她说。

地面运动和植被的无线电和红外探测也可用于监测其他水资产，如地下管道，以确定泄漏。

评估失败的代价

随着气候变化、资产基础老化、故障后果的增加以及越来越严格的监管要求，水系统资产所有者必须更加积极主动地识别和预防泄漏和潜在故障。

事实上，任何全面的数据分析都经常考虑到故障的潜在后果和风险价值。这可能包括道路封闭成本、第三方责任和所有其他潜在成本等因素，不仅提供了失败的风险，而且还通过识别最高风险来实现以数据为导向的决策。

正如布雷斯韦特所言:“能够了解整个风险图景，包括后果和可能性，有助于资产所有者优先考虑维修和更换网络的预算分配。”

“能够了解整个风险情况，有助于资产所有者优先考虑维修和更换网络的预算分配。”

向更好的数据采集方法和更复杂的分析的转变正在包括新类型的数据。

Braithwaite说:“我们将这些数据与我们的卫星数据结合起来，建立了一个故障可能性模型，根据我们收集到的历史数据、各种属性和环境，在整个网络中确定哪些部分比其他部分更容易故障。”

她补充说:“当你派人去挖管道时，某个特定路段或某个地区的管道出现故障的可能性很大。”

事实上，通过将新的数据层纳入模型并向客户提供智能信息来帮助更智能的运营是这一趋势的重要组成部分。