核心功能
设计和运营水和污水处理厂。改善污水管线网路的腐蚀、安全和气味管理。
EVS Water提供Plant Designer，用于更高效地设计水和污水处理管理，Plant optimizer用于水处理厂的预测管理，Sewex用于主动管理下水道管路中的腐蚀，气味和安全。
节省水处理的时间
容易使用的流程设计工具，用于快速设计水质处理和场景分析，提供实时协作和自动优化流程。
每日提供运营建议emails
会预测潜在的环境事故，以避免巨额罚款，同时以较低的成本保持符合法规要求。
视觉化的安全、气味和腐蚀风险管理
安全管理下水道管线网，同时避免和减轻代价高昂的损失。
产品简介
水务资产管理解决方案旨在设计高效的流程，实现合规性并最大化的提高效率。
我们提供创新的解决方案，以应对水和污水处理行业的挑战。
为水厂操作员提供日常建议
基于机器学习的预测转化为推荐的控制设定值，以满足运营和环境目标。
实时监测下水道网路的安全、腐蚀和气味风险
可使污水管网路运营商可以快速识别与硫化物和甲烷相关的腐蚀、气味和安全风险，并了解不同的运营和设计方案的影响。
缩短水厂流程设计阶段
工程师和顾问可以轻松地使用本工具进行快速优化和校准，实时协作和快速导出关键工程成果。
水和污水处理行业推荐产品
EVS Water水务管理软件解决方案
设计水厂或运营现有水务资产的软件
想更多了解关于我们的水处理解决方案吗？
了解环境智慧化如何帮助您化解环境合规性之外的价值，并使您能够做出自信的运营决策。
请联系我们，了解更多关于如何更快行动、更好执行和充分发挥潜力的资讯。
常见问题
以下是关于我们水处理解决方案的常见问题解答。如果您没有找到想要的答案，请立即联系我们的团队。
目前，EVS Water仅在亚马逊网络服务(AWS)基础设施中运行，因为它与AWS的机器学习和数据科学功能紧密相连。在本地托管某些数据有一些可能性，但这高度依赖于特定的项目需求，需要考虑并与我们的数据管理团队讨论。
我们计划在1-2个月内启动并运行该系统。校准的确定性模型确保了机器学习预测的稳定基线。这比仅使用机器学习的方法具有更大的优势，因为机器学习方法需要多年的数据才能正确训练。
EVS Water使用由TensorFlow和Keras提供支持的循环神经网络(RNN)来围绕确定性基线校准模型。选择这些工具是因为它们是广泛接受的框架，可将RNN应用于需要识别复杂数据集中模式的挑战。这些框架以生产为中心，并集成到源代码中，以实现EVS Water应用程序的准确预测，并允许相对快速的实施和处理时间。RNN的输入要素可能包括进料/混凝pH、DOC、UV254、温度、进料/薄层溢流浊度和混凝剂剂量，使用现有的和供应商安装的仪器。
确定性模型中使用的吸附容量也通过该RNN模型进一步校准，以适应现场的特定条件。RNN模型的详细设计是与客户和现场人员密切合作的结果，并取决于工厂的设计和可用的监测数据。
我们使用一个程序来预测基于加法模型的时间序列数据，其中非线性趋势符合每年、每周和每天的季节性，加上假日效应。它最适用于具有强烈季节效应的时间序列和几个季节的历史数据。它对缺失数据和趋势变化也很稳健，通常能很好地处理异常值。
尽管与DCS/SCADA系统连接在技术上是可行的，但建议从历史数据库而不是DCS/SCADA系统获取Plant Optimiser的数据。在这种类型的应用中，DCS/SCADA系统之间的延迟通常通常不受关注，因为这种应用需要大约每小时解析一次数据。
此外，与DCS/SCADA连接的应用通常与更长的时间框架相关联，该时间框架与访问存储在那里的数据相关的许可和策略相关联。数据历史记录（如PI)旨在与包括第三方供应商在内的各种利益相关方进行互动，我们相信我们三种首选数据管理方法（Envirosuite API代码、ftp传输至WSD站点或ftp传输至enviro site站点）中的一种将被接受。此设计的替代方案将需要更改此提案中的工作范围。
PID、PDF、监测点、代表性监测数据、加药位置、设备数据表在项目开始时需要共享。指定监测点的数据需要在项目的业务阶段至少每天共享一次，并在项目开始时达成协议。
为了便于对财务效益进行评估，在项目开始时将要求提供工厂的化学品、电力消耗、固体废物处理和劳动力成本的平均单位成本。