0 引言

供水管网漏损分为物理漏损和表观漏损^[1]，表观漏损是指用户已使用但未交费的水量，由水表误差、数据处理误差和非法用水导致的漏损水量组成^[2]，由于数据处理误差和非法用水受人为因素影响较大且占比较小，因此水表误差导致的表观漏损被认为是表观漏损的主要表现形式。

表观漏损水量通常根据水表计量水量和水表误差得到用户实际用水量后与水表计量水量相减的方法计算得到^[3]，在实际应用中，为了简化计算，水表误差通常取经验值2%^[4,5]，但是水表误差会随着通过流量的不同而产生变化^[6]，在低流量时，水表误差通常更大且更加敏感^[7]，中高流量时，水表误差只会出现很小的变化，因此采用经验值2%会错估实际产生的表观漏损。考虑到用水模式可以描述用户在用水周期内用水流量的变化^[8]，并且不同区域内用户用水习惯和常用水表型号差异较大，因此基于区域内各类用户的用水模式估算表观漏损水量的结果会更加准确。

本文以苏州市某研究区域为例，通过构建该区域内各类型用户的用水模式，重建用户常用水表的误差曲线来估算该区域内的表观漏损水量，与经验值法相比，估算结果更加准确，且能掌握不同类型用户的表观漏损情况，为苏南地区城市管网的表观漏损水量估算和控制提供参考。

1 研究方法

基于用户用水模式的表观漏损估算的流程见图1，首先对区域内的用户类型进行划分，通过用户的用水量数据构建用水模式，并在确定各类型用户的常用水表表型后重建水表误差曲线，再基于用户用水模式确定用户水表修正误差，并根据各类型用户水表计量用水量估算区域内水表产生的表观漏损。

图1 技术路线   

Fig.1 Technology roadmap

1.1 各用户类型用水模式构建

用水模式是指通过计算总结后得到的用户用水流量的时序性规律，反映了用户的用水情况，主要受用户所在地区、季节、节假日和用水性质等因素的影响^[9,10]，其中用户的用水性质是决定性因素。要想获得用户用水模式，就需要根据用户的实际情况，使用电磁水表或流量计在特定周期内对用户用水数据进行全天监测，前后两个时刻的水表读数相减得到该时段的用水流量数据，将用水流量数据进行整理，对数据的完整性与合理性进行筛查。如果数据出现缺失，可以取前一天和后一天同一时间段数据的平均值；如果数据出现突变，应结合当天其他时间段的数据进行纵向对比，分析其合理性，保证数据的完整可靠^[11,12]，构建该用户的用水流量曲线，分析用户用水特征，确定用户的用水模式。

1.2 各类型用户水表误差确定

水表误差曲线用来表示水表误差随流量的变化情况，它的形状定义了水表计量用水量的能力^[13]，水表在经历长期服役后零件产生磨损导致计量准确度会发生较大变化^[14]，因此通过重建水表误差曲线确定水表当前的计量性能情况，具体步骤如下：

(1）选取最小流量Q₁、分界流量Q₂、常用流量Q₃和过载流量Q₄等四组流量参数对水表计量特性进行表征，同时为了使得结果更加符合各类用户水表在实际使用中的性能表现，再增加一个用户常用流量参数Q₅，即为用户在常用流量范围内的平均用水流量。

(2）让水表分别在5个特征流量点下运行，得到各特征流量下水表的计量水量和通过水表的实际水量，并计算得到水表示值误差，计算公式见式（1):

 

式中Δv_i———水表示值误差水量，L;

V_i———通过水表的实际水量，L;

v_i———水表的计量水量，L。

(3）根据各特征流量下的水表示值误差和通过水表的实际水量计算水表示值误差，计算公式见式（2):

 

式中E_i———水表误差率；

Δv_i———水表示值误差水量，L;

V_i———通过水表的实际水量，L。

(4）误差曲线重建。选用未经使用的水表进行检定，在得到各特征流量下的水表误差值后，以流量为横坐标，误差值为纵坐标，将各特征流量点的误差值相连，得到水表的初始误差曲线；随后选取各类型用户的样本水表并重复上述步骤进行检定，完成对水表误差曲线的重建。

(5）根据各类型用户的用水模式与常用水表重建后的误差曲线对该区域内各类用户的水表误差进行修正，计算公式见式（3):

 

式中E———各对应流量范围的水表误差，即采用线性差值法得到的各流量范围平均流量对应的水表误差。

1.3 表观漏损量估算

计算得到水表修正误差值后，根据2016年国家发布的《城镇供水管网漏损控制及评定标准》对各类用户水表产生的表观漏损水量进行估算，见式（4):

 

式中Q_m———水表产生的表观漏损水量，万m³;

Q———水表计量用水量，万m³;

C———水表误差。

2 实例应用

2.1 研究区域概况

本文以苏州市某研究区域为研究对象，该区域以太湖为取水水源，供水面积为1 176km²，服务用户约51万户，年供水量超2.2×10⁴万m³，供水管网长4 200km，最大管径2 200 mm，最小管径75mm，其中管径不大于200mm的管长为3 351.7km，占比79.8%；全区用户水表约5×10⁵个，其中远传水表约为1.3×10⁵个。该区域2017年漏损程度中等，距离漏损地区与仍有较大差距，其中水表误差导致的计量损失水量已经超越暗漏水量和明漏水量成为管网漏损水量的第二大组成部分。

2.2 用户类型划分

在收集了供水企业的营业收费系统中用户的地理位置、用水人口分布和用水量数据等相关信息后，将用水规律相近的用户归为一类，研究区内的用户划分为6种用户类型，见表1。

  

表1 用户分类

Tab.1 Classification of use types

 

每个用户类型选取3个样本进行检测，选取原则为：选取用水量大的用户，避免用水规律的随机变化；选取具有在线监测表的用户，保证数据的真实性和可靠性；尽量是测试用户在地理位置上分布较为均匀。

2.3 不同类型用户用水模式构建

在划分6个用户类型并选定代表性用户样本后，根据用户的实际情况，使用电磁水表或流量计对用户用水数据进行为期一周的全天监测，数据采集步长为1h，获得各类用户的用水模式曲线并进行分析。

图2 苏州市研究区域内不同用户类型的用水模式   

Fig.2 Water use patterns of different user types in a study area of Suzhou city

由图2可知，所有类型用户的用水模式曲线呈现典型的双驼峰状，用水流量在6:00之前一直处于低谷期，之后会出现两个用水峰值，但出现的时间段并不相同：新建小区类用户和老旧小区类用户的第一个用水峰值出现在7:00～8:00，第二个用水峰值出现在21:00～22:00；工业类用户的第一个用水峰值出现在9:00～10:00，第二个用水峰值出现在21:00～22:00；医院类用户的第一个用水峰值出现在8:00～9:00，第二个用水峰值出现在14:00～15:00；学校类用户的第一个用水峰值出现在8:00～9:00，第二个用水峰值出现在21:00～22:00；商业类用户的第一个用水峰值出现在9:00～10:00，第二个用水峰值出现在20:00～21:00。

此外，老旧小区类用户全天有16h的用水流量为同时段所有类型用户用水流量的；除新建小区类用户以外，工业类用户全天所有时段的用水流量大于同时段其他类型用户的用水流量；新建小区类用户的用水模式曲线波动剧烈且用水峰值大于其他类型用户，主要是因为该类用户用水完全受居民的作息时间影响，在两个用水峰值时，居民居家处于高强度用水状态，这导致了用水流量的激增，使得该类用户此时的用水流量远高于其他类型用户，其他时间段由于居民休息或者离家使得用水流量骤降并处于一段时间段的用水低谷期。

在将用户用水流量数据整理后发现，用水流量变化范围为1～140 m³/h，因此将用户的用水流量数据按0～12 m³/h、12～24 m³/h、24～36 m³/h、36～72 m³/h、72～150 m³/h 5个流量范围进行划分，根据用户用水模式得到用户用水流量分布见图3。

图3 苏州市研究区域内不同类型用户的用水流量分布   

Fig.3 Water flow distribution of different types of users in a study area of Suzhou city

分析图3，工业类用户用水总量最大，其常用用水流量范围为36～72m³/h，占比42.1%，基本符合工业的大用户用水行为；其次，新建小区类用户和医院类用户的常用用水流量范围为12～24 m³/h，分别占比31.2%和54.0%；而老旧小区类用户、学校类用户和商业类用户用水总量相对较少，常用用水流量范围均为0～12 m³/h，分别占比54.0%、44.4%和66.7%。

2.4 研究区域用户常用表型分析

调查发现新建小区类用户、工业类用户、医院类用户和商业类用户常用水表为DN100的LXRY水表且水务公司规定该地区该类型水表的固定更换周期为4年；老旧小区类用户常用水表为DN80的TU-1水表且水务公司规定该地区该类型水表的固定更换周期为5年；学校类用户常用水表为DN150的WS-150水表且水务公司规定该地区该类型水表的固定更换周期为3年，同时根据各类型用户常用用水流量范围内的用水流量平均值得到各类型用户的常用流量分别为19.1m³/h、8.3m³/h、46.5m³/h、18.5m³/h、7.8 m³/h、6.3 m³/h，因此3种水表选择的测试流量点见表2。

  

表2 三种型号水表测试流量点

Tab.2 The test flow point of three model water meters

 

2.5 研究区域各类型用户水表误差确定

以新建小区类用户为例，选取了5个水务公司定期更换下来的该类用户使用的LXRY-100水表进行误差曲线重建，具体结果如图4所示。

图4 新建小区类用户重建误差曲线   

Fig.4 Reconstruction error curve of new community users

从图4中可以发现选取的5个样本水表重建后的水表误差曲线在最小流量和分界流量处的水表误差值相较于初始误差曲线的对应值差距较大，但是5个水表重建后的水表误差曲线较为类似，因此根据5个样本水表在各特征流量点下的水表误差平均值绘制该类水表的重建误差曲线如图5所示。

按照上述方法得到各类型用户的初始误差曲线图和重建误差曲线见图6。

由图6可知，所有类型用户水表低区流量（Q₁≤Q<Q₂）的初始误差值均在±3%以内，而高区流量（Q₂≤Q<Q₄）的初始误差值均在±2%以内，符合《饮用冷水水表检定规程》（JJG 162-2019）中地最大允许误差要求；根据所有类型用户水表重建误差曲线可知，所有水表在低区流量的误差值会超出最大允许误差要求，除新建小区、老旧小区及商业类用户外，其他类型用户水表在高区流量的误差值也都超过了最大允许误差值。

图5 新建小区类用户重建误差曲线   

Fig.5 Reconstruction error curve of new community users

图6 各类型用户重建误差曲线   

Fig.6 Reconstruction error curve of kinds of users

根据各类型用户的用水模式与常用水表重建后的误差曲线按式（3）计算样本水表误差修正值，以新建小区类用户水表为例，计算结果见表3。

  

表3 新建小区类用户水表误差修正值

Tab.3 Water meter error correction values for new community users

 

同样根据式（3）计算其他样本水表的修正误差值，并根据每类用户两个样本水表的平均修正误差值作为各用户类型水表误差修正值结果见表4。

  

表4 所有类型用户的水表误差修正值

Tab.4 Water meter error correction values for all user types

 

2.6 各类型用户表观漏损水量计算

根据表4各类型用户的水表误差修正值和水表计量水量按式（4）计算各类型用户的表观漏损水量，并与按水表误差经验值2%计算得到的表观漏损水量进行对比，结果见表5。

  

表5 基于用户用水模式的表观漏损估算结果

Tab.5 Estimation results of apparent leakage based on user water consumption pattern

 

由表5可知，苏州市研究区域1年产生的总表观漏损水量为566.13万m³，其中工业类用户由于其水表误差和年用水量较大，这导致该类用户产生的表观漏损水量占该区域表观漏损水量的48.61%，占比最高，因此应优先对工业类用户的表观漏损进行控制以降低区域表观漏损水平。

此外，当苏州市研究区域基于水表误差经验值2%估算得到的表观漏损水量为334.76万m³，而基于苏州市研究区域内各类型用户用水模式估算得到的表观漏损水量为566.13万m³，相对误差为231.40万m³，其中只有医院类用户用两种方法估算得到的表观漏损水量基本一致；老旧小区类、工业类及学校类用户基于各自用水模式估算得到的表观漏损水量大于经验值法的估算结果，原因是水表在服役后计量性能的劣化情况严重，重建后的误差曲线与初始误差曲线有较大差异，而在用水周期内的大部分时间中，这几类用户用水模式中的用水流量使得水表一直在误差值大于经验值2%的情况下运转，因此实际产生的表观漏损水量大于经验值2%估算得到的表观漏损水量；新建小区类和商业类用户基于各自用水模式估算得到的表观漏损水量则小于经验值法的估算结果，这是因为两类用户的水表的计量性能保持的较为良好且水表选型正确，在各自的用水模式下，水表可以一直在水表误差值较低的情况下运转，产生的表观漏损水量远小于经验值法的估算结果。

由此可见，基于用户用水模式估算表观漏损水量相较于经验值法考虑到了用户用水模式对表观漏损水量的影响和不同区域之间用户用水模式的差异，使得表观漏损水量的估算结果更加准确，符合特定区域的用水特征，同时也能细化区域内不同类型用户的表观漏损程度，方便城市表观漏损水量的精细化管理控制。

3 结语

(1）本文建立了基于用户用水模式分析的表观漏损水量估算，在通过分析用户用水模式得到用户用水流量分布和用户常用用水流量的基础上，重建用户常用水表的误差曲线得到水表误差修正值，并结合用户的水表计量水量计算表观漏损水量。

(2）苏州市研究区域用水用户类型分为新建小区、老旧小区、工业、医院、学校和商业等6种类型，所有类型用户的用水模式都呈现“双驼峰”形状，但各类型用户的用水峰值出现时间以及各类型用户整体用水流量水平各不相同。

(3）在4种特征流量的基础上新增用户的常用流量点对6类用户常用水表的误差曲线进行重建，并结合用户用水模式得到水表误差修正值分别为-0.25%、-4.1%、-4.59%、-2.03%、-5.74%和-0.34%。

(4）采用水表误差修正值对各类用户的表观漏损水量进行估算，可以得到苏州市研究区域各类用户全年的表观漏损水量分别为7.41万m³、103.42万m³、292.50万m³、28.29万m³、167.83万m³和2.82万m³。

(5）与经验方法相比，本文建立的基于用水模式分析估算表观漏损水量的方法，能够更加真实地反映地区不同类型用户的用水模式对表观漏损水量的影响，为供水企业的表观漏损控制和表务管理改进提供参考。

作者图片

 

吴玮