7.2 KiB
7.2 KiB
name, description
| name | description |
|---|---|
| hydraulic-bottleneck-analysis | 基于实时水力数据的管网水力瓶颈识别与改造建议。复合评分法（流速×水头损失）定位瓶颈管段，输出分级改造方案。 |
水力瓶颈分析工作流
概述
本工作流通过复合评分法（流速分级 × 水头损失百分位）从全管网管道中识别水力瓶颈管段，并结合节点压力、管径、粗糙系数给出分级改造建议。
适用场景：管网运行评估、管网改造优先级排序、泵站阀站运行诊断。
评分方法论
双维度复合评分
| 维度 | 判定标准 | 分值 |
|---|---|---|
| 流速 | >3.0 m/s = 极危 | 3 |
| 2.0–3.0 m/s = 严重 | 2 | |
| 1.5–2.0 m/s = 偏高 | 1 | |
| <1.5 m/s = 正常 | 0 | |
| 水头损失 | >P90 = 严重 | 2 |
| P80–P90 = 中度 | 1 | |
| <P80 = 正常 | 0 |
瓶颈判定：(流速≥1 且 水损≥1) 或 (流速≥2) —— 即双侧超标或单侧流速严重。
复合评分 = 流速分值 + 水损分值（最高 5 分），按降序排列。
辅助指标
| 指标 | 阈值 | 含义 |
|---|---|---|
| 节点压力 < 20m | — | 低压区域，需增压 |
| 节点压力 20–25m | — | 压力偏低 |
| roughness > 130 | — | 管壁粗糙，建议内衬修复 |
⚠️ setting 字段无效：
data timeseries realtime links返回的setting字段为无效值，不可用于阀门节流或水泵出口判定。若需确定阀门/泵状态，应通过network get-link-properties逐条查询。
数据依赖
| 步骤 | 命令 | 数据量 | 超时 | 关键字段 |
|---|---|---|---|---|
| ① 管道属性 | network get-all-pipes-properties |
~11.7MB / 91K条 | 120s | id, node1, node2, length, diameter, roughness |
| ② 管道水力 | data timeseries realtime links --start-time T --end-time T+15min |
~39MB / 182K条 | 300s | id, flow, velocity, headloss, time |
| ③ 节点压力 | data timeseries realtime nodes --start-time T --end-time T+15min |
~28MB / 176K条 | 300s | id, pressure, time |
时间窗口说明：模拟步长 15 分钟，查询窗口取
T~T+15min可覆盖 1–2 个时间步。脚本内部按--target-time精确筛选目标时刻的记录。
大结果集处理：三份调用都使用
store_result=true，结果保存到当前对话的tool-data/目录。脚本直接读取每次返回的data_file.file_path，不得访问全局tool-output/。
执行步骤
第 1 步：拉取三份数据
并行发起 3 个 tjwater_cli 调用（互不依赖）：
# ① 管道静态属性
tjwater_cli(command="network get-all-pipes-properties", timeout=120, store_result=true)
# ② 目标时刻管道水力数据
tjwater_cli(command="data timeseries realtime links --start-time 2026-04-01T08:00:00+08:00 --end-time 2026-04-01T08:15:00+08:00", timeout=300, store_result=true)
# ③ 目标时刻节点压力数据
tjwater_cli(command="data timeseries realtime nodes --start-time 2026-04-01T08:00:00+08:00 --end-time 2026-04-01T08:15:00+08:00", timeout=300, store_result=true)
第 2 步：运行分析脚本
python3 <skill_dir>/scripts/bottleneck_analysis.py \
--pipe-props <data_file.file_path-①> \
--realtime <data_file.file_path-②> \
--node-pressures <data_file.file_path-③> \
--target-time '2026-04-01T08:00:00+08:00' \
--top 50 \
2>./bottleneck_report.txt
脚本参数：
--pipe-props：管道属性 JSON 文件路径（必填）--realtime：实时管道水力 JSON 文件路径（必填）--node-pressures：实时节点压力 JSON 文件路径（必填）--target-time：目标时刻 ISO8601（必填，如2026-04-01T08:00:00+08:00）--top：输出 Top N 瓶颈管段（默认 100）
输出：
- stderr：文本摘要 + Top 30 表格（可重定向到文件查看）
- stdout：完整 JSON 结果，包含
summary和top_bottlenecks（含每条的建议suggestions）
第 3 步：结果解读与分类
按瓶颈严重程度和根因分类：
| 类别 | 判定条件 | 优先处理方案 |
|---|---|---|
| 🔴 极危 | 流速>3.0m/s 且 水损>P90 | 检查模型/扩容/分流 |
| 🔵 串联瓶颈 | 连续多根瓶颈管段共享节点 | 统一规划扩径，一次性解除 |
| 🟣 低压区 | 端节点压力<20m | 扩径 + 评估中途加压 |
| 🟡 高粗糙度 | roughness>130 的瓶颈管段 | 内衬修复降阻 |
| 🟢 短管异常 | length<10m 且 headloss>P95 | 检查模型是否存在局部阻塞 |
第 4 步：可视化（可选）
- 地图定位：将 Top N 瓶颈管段用
locate_features高亮到地图 - 统计图表：用
show_chart展示管径分布柱状图 + 流速等级柱状图 - 样式渲染：可对 pipes 图层按 velocity 或 headloss 属性做分层设色
改造建议生成逻辑
脚本自动为每条瓶颈管段生成建议，规则如下：
if velocity > 2.0 → "流速X.XXm/s过高，需扩容或分流"
elif velocity > 1.5 → "流速X.XXm/s偏高"
if headloss > P95 → "水头损失X.XXm(>P95)严重超标"
elif headloss > P90 → "水头损失X.XXm(>P90)"
if diameter < 100 → "管径Xmm偏小，建议扩径至≥150mm"
elif diameter < 200 → "管径Xmm，评估扩容至250-300mm"
if roughness > 130 → "粗糙系数X偏高，建议内衬修复"
if min_pressure < 20 → "端节点压力X.Xm(<20m)，低压区域需增压"
elif min_pressure < 25 → "端节点压力X.Xm偏低"
if length < 0.01 and headloss > 0.5 → "短管高水损，检查是否存在模型异常或局部阻塞"
参考数据规模（实测）
基于 91,000 管段 / 88,000 节点规模的管网模型：
| 指标 | 实测值 |
|---|---|
| 管道属性数据量 | 91,052 条 / ~11.7MB |
| 实时管道数据量 | 182,108 条（2步）/ ~38.7MB |
| 实时节点数据量 | 175,814 条（2步）/ ~28.2MB |
| 分析脚本处理时间 | 约 10-20 秒 |
| 典型瓶颈数量 | 50-100 条（占总管数 0.05%-0.1%） |
已知限制
- 水头损失百分位阈值（P80/P90）基于全管网统计，如果管网上游存在极端水损（如 400m+），会拉高整体 P 值，导致部分中高水损管段被漏判。极端场景下可考虑对水损做分位数裁剪（如排除 >P99.9 的离群值）后再计算 P80/P90。
- setting 字段不可用：
data timeseries realtime links返回的setting值为无效数据，本工作流已移除所有基于 setting 的阀门节流 / 水泵出口判定。若需要此类判定，应通过network get-link-properties逐条获取属性中的 setting 作为替代。 - 脚本读取全量 JSON 入内存，峰值内存约 200-300MB，需确保执行环境有足够内存。
Learned Patterns
- [5ba58cd24c9cea84b6ab5861] 数据 schema 实测适配（2026-04 验证）：
data timeseries realtime links返回记录的管道主键为link_id（不是id），data timeseries realtime nodes返回记录的节点主键为node_id（不是id），且time字段为 UTC 格式（如2026-04-01T00:00:00+00:00）。运行bottleneck_analysis.py前需：① 脚本内将r['id']改为r['link_id']、n['id']改为n['node_id']；② `--target-tim...