首页 > 论文范文 > 工程工业论文 > 水利工程论文 > 水利规划论文 > 城市河道水质面向智慧水务的实时监测系统

城市河道水质面向智慧水务的实时监测系统

2020-11-13 244 上传者：管理员

摘要：针对城市河道水质监测技术现状，建立了一种面向智慧水务的城市河道水质实时监测系统，以自主研发的SFM600WS浮标水质分析仪自动、连续、准确地监测所研究河道水体水质多参数，以专门的无线数据传输模块实现所采集数据的稳定、远程自动传输，在所建立的流式大数据平台上实现高效率的水质数据查询和特征提取。同时，构建了通用的水动力水质耦合模型接口，用来模拟所研究河道整体的污染物分布状况。实际应用结果表明，该系统可达到实时、全面监测整个河道水质的目的，实现了智慧水务中水务事件的智慧感知。

关键词：
SFM600WS浮标水质分析仪
智慧水务
水动力水质耦合模型
水质实时监测
流式大数据
加入收藏

1、引言

目前，国内城市智慧水务的技术发展应用并不乐观，其中很重要的一个原因为智慧感知技术的欠缺。在城市内河湖水污染治理中，对水质信息的监测还存在很大的问题：(1)监测手段有一定的滞后性，不能完全在线、动态监测间隔时间长，在发生水污染事件时无法实现第一时间预警；多个参数同时监测时，存在传感器检测精度有限和检测管路二次污染问题，特别是检测滞后问题，若在污染彻底爆发时才得到最终数据，则整个过程也就失去了预防监测的意义。(2)由于监测站成本较高，监测点严重不足，无法对河湖水质实现全方位的监测，就不可能做到将污染控制在最小范围。对此，当前国内相关领域已经实现了多种不同的智慧实时监测系统[1,2,3,4,5,6]，但仍存在以下问题：(1)对于水质的测量指标较少，未做到多参数精准监测，无法准确评价河道水质；(2)现有智慧监测系统均是基于成本较高的监测站，监测范围有限，无法覆盖几千米甚至几十千米的河道等更大区域，就无法做到对河湖全方位的水质监测；(3)当监测站长时间连续监测时，每天近几十万条水质数据的存储会使系统的数据库运行逐渐变得缓慢，系统的查询、展示功能变得卡顿、迟缓，智慧决策、智慧闭环的实现就更加不可能。为此，本文提出了基于智慧水务的河道水质实时监测系统，在智慧水务的技术思想下，通过在城市河湖布设低成本的SFM600WS浮标水质分析仪，做到实时、自动监测水质的多个参数，应用流式大数据平台，有效地解决大量的水质数据对系统功能的影响，在实时监测的同时实现对水质数据实时的、高效率的提取、查询和分析，为智慧水务的实现提供了数据基础保障。

2、系统设计

2.1 系统总体架构

系统架构设计囊括了水质信息采集体系、信息传输体系、信息存储体系和数据分析体系的集成系统架构[7]。水质信息采集体系的感知层为SFM600WS浮标水质分析仪，实时监测水质；信息传输体系采用5G通信网络进行实时、连续传输；信息存储体系分别采用关系型数据库MySQL存储基础性静态数据、非关系型数据库MongoDB存储实时采集传输的动态数据；数据分析体系采用Spark大数据计算框架实时计算采集数据，系统整体架构见图1。

图1系统整体架构图

2.2 系统功能设计

2.2.1 水质信息采集体系

水质信息采集体系应用SFM600WS浮标水质分析仪进行实时采集水质数据。SFM600WS浮标水质分析仪是一套以在线自动分析仪器为核心，运用现代传感器技术，结合浮标体、太阳能供电系统、GPRS全球定位系统、锚泊系统组成的放置于水域内的小型水质监测设备。该设备采用全光谱扫描和电化学方法，实现了对温度、pH值、溶解氧、电导率、浊度、总氮和总磷等多参数数据的实时快速采集。

设备包括实时数据采集模块、防护模块、监控模块及实时多参数水质监测传感器等部分组成。浮标体、太阳能供电系统、锚泊定位系统和GPS全球定位系统组成了设备的基础保障模块。太阳能供电系统提供电能，GPS全球定位系统确定数据采集的位置信息，由浮标平台搭载的实时多参数水质监测传感器完成对数据的采集，通过定位监控模块实现数据采集环境及采集状态的监控，并对工作浮标下达相关指令完成整个系统的工作流程。

2.2.2 信息传输体系

信息传输体系采用5G网络传输。5G移动通信网络在数据传输上具有高效率和高容量的优势[8]。对于水质监测站大量的多参数实时采集数据，5G网络完全可满足智慧感知所要求的时效性。5G通信网络同样具有高度的安全性和可靠性，保证采集的水质数据不会发生泄露、丢失、损坏。另外在某一城市或地区的所有河湖同时应用本文设计监测系统时，5G网络覆盖面大、连接数多的特点可使系统应用十分便利、可靠。

2.2.3 信息存储体系

本文系统在数据存取效率上具有很高的要求，同时要满足海量水质监测数据的存储性能。根据系统在处理数据上存在高并发和海量数据的情形，使用MongoDB数据库存储实时传输的动态海量监测数据，数据的存储格式使用BSON数据格式，BSON可提高数据存取的效率，在面临系统高并发、高吞吐量时效果更好。MongoDB数据库支持多种查询语言，并提供了API，同时MongoDB数据库采用分片技术将数据库划分为多个分片，在读取数据时仅需连接数据库中一个分片即可，可有效提高读取速率[9]。另外，对于河湖信息、监测站位置、用户信息等静态数据，由于这部分数据的数据量较小，不管是存储或读取均不会存在高并发的现象，因此本文系统使用关系型数据库MySQL存储该部分静态数据，间接提高动态实时数据的存取效率。

2.2.4 数据分析体系

数据分析体系是对实时监测数据进行分析和计算，实现对河湖全方位的监测。为了提高数据分析效率，满足河湖监测数据的实时性，本文系统应用了大数据技术，使用Spark大数据分析框架对实时采集的水质数据进行分析计算。Spark是一种开源的用于大规模数据的分布式计算框架。

系统在Spark框架下搭建了河道水动力水质耦合模型，输入数据包括河道的基本信息及存储在MongoDB数据库中的实时水质数据，计算结果会存储到MongoDB数据库中，系统可以通过相应的功能模块调用查询实时水质数据。其中河道水动力水质耦合模型主要是由水动力、水质模型耦合搭建而成[10]。

水动力水质耦合模型的应用需要将河道进行概化，通过距离定值或实际情况得出河道的断面，所有的断面水力水质要素可描述整个河道的水动力水质情况。在水动力模拟中，每一个断面的水力要素需作为模型计算的边界条件对下一断面进行求解，根据递推关系，采用追赶法对模型进行求解，可得出所有断面的水力要素；在水质模拟中，基于概化后的河道进行建模，根据水动力模型计算的所有断面的水力要素，对每一小节河道进行污染物扩散的模拟，得出每一个断面的污染物浓度分布，从而实现对河道整体的水动力水质模拟，得到整个河道的污染物分布情况，河道概化图见图2。

(1）水动力模型控制方程。采用圣维南方程组，由以质量守恒定律和动量守恒定律为基础的连续性方程和动量方程组成，简化后的方程为：

图2河道概化图

式中，x为空间步长；t为时间步长；B为断面宽度；Z为水位；Q为流量；q为旁侧入流流量；A为过水断面面积；Sf为水力坡度。

(2）水质模型的控制方程。采用对流扩散方程，方程为：

式中，h为水深；C为污染物浓度；u、v、w分别为水体流速在x、y、z三个方向的分量；Ex、Ey、Ez分别为x、y、z三个方向的离散系数；S为源汇项。

3、系统实现及应用

以一般河道范围内水质事件为例，围绕某城市河道智慧水务的实施进行了应用性开发。系统采用Web网页的形式进行应用，可随时随地的实时控制。系统开发的主要功能包括河道所有断面实时水质数据的查询、导出表格、绘制散点图及在地图上实时查看数据的功能，同时系统对实时数据进行分析提供了水质预警功能，当实时水质数据异常时，系统可通过通信网络向水质采集仪发送指令，控制仪器在同一位置连续采集数据，通过再次采集的数据可判断数据的异常是否是偶然因素所致。

(1）实时地图查询。在系统地图中，可点击河道任一断面展示所选断面的统计信息，包括河道断面的水位，流量、流速、温度、pH值、溶解氧、电导率、浊度、氨氮和COD。图3为实时数据地图展示。

(2）统计图表。系统通过图表的形式将河道的实时水质数据进行展示，就更为直观。通过图表查看历史任一时间段的水质数据，可把握水质的变化趋势和用于相关人员的决策或接入智慧决策模块进行决策分析。图4为数据散点图，图5为监测数据查询，图6为数据导出表格。

(3）水质预警。系统通过对实时数据进行分析，根据设定的水质标准，判断水质是否超标，当有水质参数发生超标时，系统发出预警信息。图7为水质实时预警。

图3实时数据地图展示

图4数据散点图

图5监测数据查询

图6数据导出表格

图7水质实时预警

综上可知，该系统有效提高了河道水质监测的实时性，实现了对水质信息的智慧感知。

4、结论

基于智慧水务的河道水质监测系统，以SFM600WS浮标水质分析仪实时采集水质数据；通过5G移动通信网络使多个仪器和系统控制中心连接，实时传输数据；使用MongoDB非关系型数据库解决系统在存储和读取数据时的高并发和高吞吐量的问题；在Spark大数据分布式计算框架下对实时水质数据进行分析处理，有效提高了河道水质监测的实时性。同时系统的通用性为大范围的应用提供了可能，为进一步实现智慧感知提供了支撑。

参考文献：

[1]许阳,祝建平.杭州管网水质实时监测系统[J].给水排水,2002,28(2):91-93.

[2]张新,陈兰生,钱周铭.城市水质实时监测系统设计与应用[J].环境工程学报,2015,9(6):3051-3057.

[3]孟永东,张永瑞,许真,等.水电工程边坡安全监测实时在线预警系统研究[J].水电能源科学,2015,33(12):165-168.

[7]朱炯名.基于智慧水务的供水大数据采集架构分析研究[J].软件工程,2018,21(9):5-7.

[8]谷碧玲.5G关键技术及其对物联网的影响[J].无线互联科技,2019,16(7):30-31.

[9]冯磊,杨昭颖,李文吉,等.基于MongoDB的航磁测量大数据存储模式研究[J].地质学刊,2019,43(3):421-427.

[10]黄琳煜,聂秋月,周全,等.基于MIKE11的白莲泾区域水量水质模型研究[J].水电能源科学,2011,29(8):21-24.

黎育红,史岩,黄求洪,熊骥,李丹,徐玲,刘棋成.面向智慧水务的城市河道水质实时监测系统[J].水电能源科学,2020,38(11):50-53+49.

基金:国家自然科学基金项目(61841302).