TJWaterAgent/.opencode/skills/workflow/bottleneck-analysis/SKILL.md

name, description, version

name	description	version
tjwater-workflow-bottleneck-analysis	水力瓶颈分析工作流。	2.0.0

bottleneck-analysis Workflow Skill

简介

结合管道属性与水力模拟结果，识别管网中超负荷、高流速、高水头损失的瓶颈管道，计算综合评分并给出分级改造建议。

前置依赖

依赖 1：管道属性数据

tjwater_cli:
  command: "network get-link-properties --link P1"

逐条查询所需管道 ID 的属性（id、diameter、length、roughness、node1、node2）。

首批 CLI 仅支持按 ID 单项查询，需对目标管段逐个调用。

依赖 2：水力模拟结果

tjwater_cli:
  command: "data timeseries realtime links --start-time TIME --end-time TIME"
  timeout: 300

获取全部管段的 flow(LPS)、velocity(m/s)、headloss(m)、status 等。

---

工作流步骤

第 1 步：获取管道属性

从 simulation-diagnosis 输出的 TOP 问题管段 ID 列表出发，逐条调用 network get-link-properties --link ID 获取管径/长度/粗糙度。

第 2 步：获取模拟结果

调用 data timeseries realtime links 获取对应时间窗口的全部管道水力结果。

第 3 步：合并数据

Python 脚本将管道属性 id 与模拟结果的 link_id 关联，构建合并数据集：

字段	来源	说明
id	关联键	管道 ID
flow	模拟	流量 (LPS)
velocity	模拟	流速 (m/s)
headloss	模拟	水头损失 (m)
diameter	管道属性	管径 (mm)
length	管道属性	长度 (m)
roughness	管道属性	粗糙度系数
node1 / node2	管道属性	起端/终端节点
unit_headloss	计算	headloss / length (m/m)
capacity_ratio	计算	|flow| / (π×(d/2000)²×1000)

第 4 步：多维度瓶颈识别

维度	筛选条件	指示含义
高流速	velocity > 1.2 m/s	管径不足
主干管高流量	diameter ≥ 300mm 且 velocity > 0.5 m/s	传输瓶颈
高水头损失	headloss > 5m 且 0.3 < velocity < 1.5	能耗瓶颈
高单位水头损失	unit_headloss > 1.0 m/m	严重局部瓶颈
超负荷	capacity_ratio > 1.0	超过设计能力

排除极短管道（length < 0.5m）。

第 5 步：综合评分

composite_score = (velocity / max_velocity) × 0.4
                + (headloss / max_headloss) × 0.3
                + (capacity_ratio / max_capacity_ratio) × 0.3

取 TOP 10~20 作为最严重瓶颈管道。

第 6 步：分级改造建议

级别	评分范围	行动
🚨 紧急	> 0.3	立即安排管径升级
⚡ 重点	0.15~0.3	纳入近期改造计划
📋 关注	0.05~0.15	持续监测

建议管径公式：

建议管径(mm) = 2 × 1000 × sqrt(|flow| / (π × target_velocity × 1000))

DN<300 目标流速 1.0 m/s，DN≥300 目标流速 1.2 m/s。

第 7 步：可视化

• show_chart：流速分布柱状图
• locate_features：地图定位 TOP 瓶颈管道

---

证据约束

• 关键数据不完整时不得输出最终瓶颈结论
• 改造建议必须区分"数据直接支持"和"工程经验推断"

Learned Patterns

• 先按"属性数据获取 → 模拟结果获取 → 本地关联 → 多指标筛选 → 分级建议"拆解工作流。
• 关联前统一字段：link_id、diameter(mm)、length(m)、flow(LPS)、pressure(KPA)。
• unit_headloss、capacity_ratio 等衍生指标应在过滤异常数据后再计算。
• 常见坑点：短管导致单位水头损失虚高、节点链路映射缺失、模拟结果不完整误当全量结论。