当自来水调度用上大数据分析

简介:

自来水公司工作人员正在调度中心查看调度情况
自来水公司工作人员正在调度中心查看调度情况

今年入夏以来,武广、栗雨等区域的供水不足情况得到了明显改善。”21日,在株洲市自来水公司供水调度中心,调度员张云指着调度中心大屏幕上的相关数据向记者介绍。

过去,武广、栗雨等新开发城区因处在管网末梢,经常会出现水压不足。今年,市自来水公司的标准化调度运营库建设完成,技术人员参照标准,对武广、栗雨两大区域供水进行了调整:一是启用栗雨加压站对其整体加压,二是对城区供水区域进行了合理划分,在现有条件下有效调和了该区域的结构性用水矛盾。

标准化调度运营库是啥?市自来水公司新闻发言人罗奕介绍,2010年该公司建成现代化调度系统,5年运行时间里已经收集了大量的管网运行数据,在此基础上,技术人员结合历年的管网抢修数据和用户投诉数据,以及一大批老员工的管网调度经验,经过科学整理、汇总分析,形成了日常、高温高峰供水期以及各种应急突发情况下的标准化调度模式,为提高抢、维修效率,加强水厂、管网的联动以及管网规划建设提供了强有力的科学指导和供水保障。

同时,标准化调度运营库的建立,让株洲市自来水调度,从单一的管网调度过渡到水厂、管网联合调度。技术人员可根据管网水压运行特点和实时数据,对水厂迅速下达准确调度指令,有效提高了城市管网的稳定性和可靠性。

今年7月份,全市爆管率为7.69%,较去年同期下降了1.4个百分点。

一线工人几乎每天都有抢修任务,10多名抢修人员轮流通宵作业

“赶紧给调度中心打电话,可以开闸恢复供水了。”8月7日早上6点,石峰区响石四村DN300管道抢修任务提前完成,市自来水公司抢修队施工员周刚明,艰难地从自来水管道井内爬出来,朝边上的同事喊道。

从前一天下午4点设备开挖、人工清理,接着更换管道、焊接等,他和其他工作人员一起,已经通宵作业、持续抢修了14个小时,此时太阳已经晒透了地面,刚从黑暗里出来的他,被刺眼的光晃得眼晕。通宵作业让他疲惫不堪,他嘿嘿一笑,“已经习惯了,看到用户能正常用水,还能获得居民的理解与支持,很值得。”

市自来水公司新闻发言人罗奕说,7月起,株洲市进入高峰供水期,每日平均供水量相比平时大幅增长,达到50万吨/天。市自来水公司也开足了马力,供水调度中心、四个水厂、供水抢修队全面开启高峰供水工作模式。

数据显示,今年7月管网抢修累计233处,较去年同期下降13%,但DN300以上大型管道抢修有24处,这意味着几乎每天都有大型抢修任务。

周刚明说,DN300口径以上的管道抢修任务,一般都是晚上进行,因为停水影响面积较大,为了尽可能减少施工对用户生活造成的不便,往往在晚上八九点以后才开始作业。市自来水公司供水抢修部10多名抢修人员全部放弃了休假,轮流着通宵作业。


本文作者:佚名

来源:51CTO

相关文章
|
27天前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
51 4
|
26天前
|
SQL 消息中间件 分布式计算
大数据-124 - Flink State 01篇 状态原理和原理剖析:状态类型 执行分析
大数据-124 - Flink State 01篇 状态原理和原理剖析:状态类型 执行分析
60 5
|
2月前
|
存储 大数据 测试技术
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
在大数据环境中,数据存储格式直接影响查询性能和成本。本文探讨了 Parquet、Avro 和 ORC 三种格式在 Google Cloud Platform (GCP) 上的表现。Parquet 和 ORC 作为列式存储格式,在压缩和读取效率方面表现优异,尤其适合分析工作负载;Avro 则适用于需要快速写入和架构演化的场景。通过对不同查询类型(如 SELECT、过滤、聚合和联接)的基准测试,本文提供了在各种使用案例中选择最优存储格式的建议。研究结果显示,Parquet 和 ORC 在读取密集型任务中更高效,而 Avro 更适合写入密集型任务。正确选择存储格式有助于显著降低成本并提升查询性能。
366 1
用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
|
3月前
|
分布式计算 Hadoop 大数据
Jupyter 在大数据分析中的角色
【8月更文第29天】Jupyter Notebook 提供了一个交互式的开发环境,它不仅适用于 Python 编程语言,还能够支持其他语言,包括 Scala 和 R 等。这种多语言的支持使得 Jupyter 成为大数据分析领域中非常有价值的工具,特别是在与 Apache Spark 和 Hadoop 等大数据框架集成方面。本文将探讨 Jupyter 如何支持这些大数据框架进行高效的数据处理和分析,并提供具体的代码示例。
90 0
|
3天前
|
数据采集 机器学习/深度学习 搜索推荐
大数据与社交媒体:用户行为分析
【10月更文挑战第31天】在数字化时代,社交媒体成为人们生活的重要部分,大数据技术的发展使其用户行为分析成为企业理解用户需求、优化产品设计和提升用户体验的关键手段。本文探讨了大数据在社交媒体用户行为分析中的应用,包括用户画像构建、情感分析、行为路径分析和社交网络分析,以及面临的挑战与机遇。
|
2天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
20 1
|
3天前
|
机器学习/深度学习 搜索推荐 大数据
大数据与教育:学生表现分析的工具
【10月更文挑战第31天】在数字化时代,大数据成为改善教育质量的重要工具。本文探讨了大数据在学生表现分析中的应用,介绍学习管理系统、智能评估系统、情感分析技术和学习路径优化等工具,帮助教育者更好地理解学生需求,制定个性化教学策略,提升教学效果。尽管面临数据隐私等挑战,大数据仍为教育创新带来巨大机遇。
|
6天前
|
人工智能 供应链 搜索推荐
大数据分析:解锁商业智能的秘密武器
【10月更文挑战第31天】在信息爆炸时代,大数据分析成为企业解锁商业智能的关键工具。本文探讨了大数据分析在客户洞察、风险管理、供应链优化、产品开发和决策支持等方面的应用,强调了明确分析目标、选择合适工具、培养专业人才和持续优化的重要性,并展望了未来的发展趋势。
|
21天前
|
存储 SQL 分布式计算
湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
【10月更文挑战第7天】湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
37 1
|
27天前
|
存储 消息中间件 大数据
大数据-69 Kafka 高级特性 物理存储 实机查看分析 日志存储一篇详解
大数据-69 Kafka 高级特性 物理存储 实机查看分析 日志存储一篇详解
24 4