舟山市水厂石灰投加量预测与投加预警等级数据本数据面向水厂石灰投加量预测与投加运行预警,基于进水水质、源水流量、石灰乳流量、出厂水PH等分钟级运行数据,经时段基准、偏离、环比与多信号合成计算,形成实测与预计石灰单耗、投加需求流量及投加预警分级等结果。它依据当前源水流量预计投加需求流量、预测下一时点石灰单耗,并按预警分级提前识别投加过量或不足,帮助水厂由经验加药转向预测加药。对数据持有方,可将运行数据产品化、资产化,支撑数据资产登记入表、授权运营与合规流通;对供水企业及同类水厂,可用于投加量预测、精准加药、运行对标与药耗考核;对智慧水务企业、自控集成商与算法企业,可作为投加量预测模型与pH前馈控制算法的训练、验证与基准测试数据。
舟山市水厂进水综合污染负荷分级预警数据COD、氨氮、浊度、藻类等单项仪表读数逐项研判,单一指标既难以反映来水的整体污染负荷,亦无法明确指示当前的主要污染来源。本数据针对上述问题,对每个运行小时,将该四项污染指标分别除以其全厂平均水平,折算为以全厂平均水平为基准的相对负荷;在此基础上等权平均,形成进水综合污染指数,标识当前取值最高的主导污染因子,并依据指数高低将来水划分为重度、中度、轻度三个污染等级。由此,可快速判断当前来水的污染压力档位及应重点防控的污染类型,为预处理工艺与药剂投加调度提供直接依据。
对同行水厂,可采用同一套相对负荷与综合指数方法,横向比较各自来水的污染结构与季节规律,实现相互参照与对标;对预处理及药剂服务商,可依据重度污染时段的分布特征与主导污染因子,制定分质、分时的预处理与投加方案,并据以核算相关方案的实施效果;对监测与运维机构,可借助四项相对负荷的时序变化及主导因子的转换,诊断来水异常与水源波动;对算法企业,附带污染等级与主导因子标识的小时级数据,可直接用作来水预测、投加优化及异常预警等模型的训练样本。(一)加工前的数据说明
本数据来源于申请人合法持有并授权管理的舟山市定海水厂DCS系统与在线水质仪表采集记录。
(二)处理规则
1.【数据清洗与字段准备】由原始时间字段提取业务日期(YYYY-MM-DD)、时段(整点0至23)与月份(YYYY-MM);以业务日期与时段为单位,将同一小时内分钟级记录聚合为一条小时级记录,样本分钟数为该时段纳入聚合的分钟级记录条数。原始字段进水COD_mgL、进水氨氮_mgL、进水浊度_NTU、藻类指数分别取小时算术平均,改名为有机污染COD_均值、氨氮负荷_均值、浊度负荷_均值、藻类风险_均值。记录按业务日期、时段升序排列;本数据集已预处理,不剔除异常值,全部记录保留。
2. 全局COD基准、全局氨氮基准、全局浊度基准、全局藻类基准分别为全部记录中有机污染COD_均值、氨氮负荷_均值、浊度负荷_均值、藻类风险_均值的算术平均值,为各指标全厂平均水平基准(均为全表常量)。
3. COD相对负荷=有机污染COD_均值÷全局COD基准;氨氮相对负荷=氨氮负荷_均值÷全局氨氮基准;浊度相对负荷=浊度负荷_均值÷全局浊度基准;藻类相对负荷=藻类风险_均值÷全局藻类基准。相对负荷以全厂平均为1,统一为可比倍数。
4. 进水综合污染指数=(COD相对负荷+氨氮相对负荷+浊度相对负荷+藻类相对负荷)÷4,大于1表示该小时来水污染重于全厂平均。
5. 主导污染因子=四项相对负荷中取值最大者对应的污染类别,取值为有机物、氨氮、浊度或藻类之一。
6. 进水污染等级按进水综合污染指数分三档:大于等于1.17为重度污染,大于等于0.82且小于1.17为中度污染,小于0.82为轻度污染;边界值归上档。阈值依综合指数分布约三分位确定,重度、中度、轻度三档分别约占33.7%、33.6%、32.8%。。
舟山原水水质季节演变与高锰酸钾药耗应用数据该数据为舟山市自来水有限公司智慧供水水源监测与预氧化加药运行中产生的原水水质季节演变与高锰酸钾药耗标定数据,涵盖沿海、海岛及河口咸潮影响下复杂水源环境中、跨季节连续运行的高质量原水水质演变(电导率、氨氮、COD 等关键指标)与预氧化投加标定信息;该数据以期初平稳工况为统一基期,将分散孤立的单点水质快照转化为可计算、可分级的连续演变序列,有效解决了传统单点监测与经验加药在水源突变、季节性扰动(如咸潮上溯、藻类暴发、降雨径流、电导率与氨氮骤变等)情况下难以提前研判水源风险、药耗调控凭经验易失准、双管线计量偏差被全厂平均掩盖的技术瓶颈,提升水源水质风险早期发现的准确率与鲁棒性;同时可转化为可计算的水源演变感知与加药调控能力,为构建具备自主感知与预警能力的水务时空AI智能体提供底层数据引擎支撑,最终实现供水水源风险防控与净水加药体系的降本增效与精细化治理。对净水工艺设计与咨询机构而言,连续演变序列可作为确定进水水质设计包络线的实测依据;对智慧水务与算法企业而言,自带基期口径、按阶段分级的演变数据是水质演变建模与预警算法研发的现成样本。 1. 清洗与规整:剔除进水PH低于6.5或高于9.0的记录;原始字段按业务名_单位重命名。
2. 全厂原水流量_m3h = 甲线原水流量_m3h + 乙线原水流量_m3h。
3. 全厂综合单耗_mgL =(甲线实测单耗_mgL × 甲线原水流量_m3h + 乙线实测单耗_mgL × 乙线原水流量_m3h)÷ 全厂原水流量_m3h。
4. 甲线计量一致性系数 = 甲线实测单耗_mgL ÷(甲线高锰酸钾流量_Lh × 高锰酸钾浓度_pct × 10 ÷ 甲线原水流量_m3h);乙线计量一致性系数同式按乙线高锰酸钾流量_Lh、乙线原水流量_m3h计算。系数等于1表示两套计量一致,偏离反映标定偏差。
5. 基期界定:月份为2025-07的全部纳入记录为基期,基期各字段算术平均为进水电导率166.5070 µS/cm、进水氨氮0.049161 mg/L、藻类指数0.7693、进水COD 5.4240 mg/L、全厂综合单耗0.301428 mg/L,可由表内基期记录复核。
6. 各演变率_pct =(当前值 − 基期均值)÷ 基期均值 × 100:进水电导率_uScm、进水氨氮_mgL、藻类指数、进水COD_mgL、全厂综合单耗_mgL 依次生成电导率演变率_pct、氨氮演变率_pct、藻类演变率_pct、COD演变率_pct、综合单耗演变率_pct。
7. 水源水质变动指数:电导率归一信号 = min(1, |电导率演变率_pct| ÷ 100)、氨氮归一信号 = min(1, |氨氮演变率_pct| ÷ 600)、COD归一信号 = min(1, |COD演变率_pct| ÷ 75)(100、600、75为约第90百分位参考幅度,可按水源替换);水源水质变动指数 = 100 ×(0.45 × 电导率归一信号 + 0.30 × 氨氮归一信号 + 0.25 × COD归一信号),取值[0,100],权重电导率最高、氨氮次之、COD再次。藻类演变率_pct、综合单耗演变率_pct不计入指数,仅作展示列。
8. 水质演变阶段等级:按水源水质变动指数分四档,小于30为基期平稳、大于等于30且小于50为缓变关注、大于等于50且小于70为显著演变、大于等于70为剧烈演变,边界值归上档。
舟山市水厂进水综合污染负荷分级预警数据COD、氨氮、浊度、藻类等单项仪表读数逐项研判,单一指标既难以反映来水的整体污染负荷,亦无法明确指示当前的主要污染来源。本数据针对上述问题,对每个运行小时,将该四项污染指标分别除以其全厂平均水平,折算为以全厂平均水平为基准的相对负荷;在此基础上等权平均,形成进水综合污染指数,标识当前取值最高的主导污染因子,并依据指数高低将来水划分为重度、中度、轻度三个污染等级。由此,可快速判断当前来水的污染压力档位及应重点防控的污染类型,为预处理工艺与药剂投加调度提供直接依据。
对同行水厂,可采用同一套相对负荷与综合指数方法,横向比较各自来水的污染结构与季节规律,实现相互参照与对标;对预处理及药剂服务商,可依据重度污染时段的分布特征与主导污染因子,制定分质、分时的预处理与投加方案,并据以核算相关方案的实施效果;对监测与运维机构,可借助四项相对负荷的时序变化及主导因子的转换,诊断来水异常与水源波动;对算法企业,附带污染等级与主导因子标识的小时级数据,可直接用作来水预测、投加优化及异常预警等模型的训练样本。
舟山原水水质季节演变与高锰酸钾药耗应用数据该数据为舟山市自来水有限公司智慧供水水源监测与预氧化加药运行中产生的原水水质季节演变与高锰酸钾药耗标定数据,涵盖沿海、海岛及河口咸潮影响下复杂水源环境中、跨季节连续运行的高质量原水水质演变(电导率、氨氮、COD 等关键指标)与预氧化投加标定信息;该数据以期初平稳工况为统一基期,将分散孤立的单点水质快照转化为可计算、可分级的连续演变序列,有效解决了传统单点监测与经验加药在水源突变、季节性扰动(如咸潮上溯、藻类暴发、降雨径流、电导率与氨氮骤变等)情况下难以提前研判水源风险、药耗调控凭经验易失准、双管线计量偏差被全厂平均掩盖的技术瓶颈,提升水源水质风险早期发现的准确率与鲁棒性;同时可转化为可计算的水源演变感知与加药调控能力,为构建具备自主感知与预警能力的水务时空AI智能体提供底层数据引擎支撑,最终实现供水水源风险防控与净水加药体系的降本增效与精细化治理。对净水工艺设计与咨询机构而言,连续演变序列可作为确定进水水质设计包络线的实测依据;对智慧水务与算法企业而言,自带基期口径、按阶段分级的演变数据是水质演变建模与预警算法研发的现成样本。
舟山定海石灰投加计量交叉校核与质量定级数据 通过对水厂双管线石灰投加的逐分钟监测、双源交叉校核与线间均衡分析,实现加药计量的精细化与可信化管理。该数据在服务于持有方自身运营优化的同时,更具有广泛的应用价值,能够为其他市场主体、行业生态及政府公共管理提供重要支持。该数据的价值可进一步扩展至其他企业与机构。同类水厂可通过授权获取这套双源校核与线间互为基准的分析方法及行业基准,无需外部标杆即可开展自厂的计量隐患排查与投加能效对标;仪表检定与设备运维机构可利用其中逐分钟的计量偏差实测序列,验证漂移诊断方法、优化校准周期;算法与智慧水务企业则可将带可信标记的运行数据用于模型训练,明确区分可用与应剔除的数据点。在行业与产业链层面,水务技术服务公司可基于此类双源校核数据模型,开发标准化的加药计量质量监测与节药优化 SaaS 服务,推动全行业加药管理的数字化升级;数据交易与资产评估机构则可将"双源互证、自带质量标记"作为数据产品分级定价的硬指标,丰富数据要素的流通与定价依据。对政府及公共管理而言,城市供水与计量监管部门可借助其自带的计量校核结果,提升对供水加药环节计量准确性与运行安全的监测能力。(一)加工前的数据说明
本数据来源于申请人合法持有并管理的舟山市定海水厂DCS系统采集记录。
(二)处理规则
1. 剔除任一管线源水流量低于500 m³/h、任一管线折算单耗大于30 mg/L或进水PH低于6.5的记录;保留采集时间为时间列并解析出业务日期;原始列改名:1#、2#管道源水流量→甲线源水流量_m3h、乙线源水流量_m3h,1#、2#石灰流量→甲线石灰乳流量_m3h、乙线石灰乳流量_m3h,DCS浓度设定→石灰乳浓度_pct,1#、2#实时石灰量→甲线单耗显示_mgL、乙线单耗显示_mgL;
2. 甲线折算单耗_mgL = 甲线石灰乳流量_m3h × 石灰乳浓度_pct × 10000 ÷ 甲线源水流量_m3h;乙线折算单耗_mgL 同式(以乙线石灰乳流量_m3h、乙线源水流量_m3h计算)。
3. 甲线计量偏差_mgL = 甲线折算单耗_mgL − 甲线单耗显示_mgL;甲线计量偏差率_pct = 甲线计量偏差_mgL ÷ 甲线单耗显示_mgL × 100;乙线计量偏差_mgL、乙线计量偏差率_pct同法计算。
4. 计量可信标记:甲线计量偏差率_pct与乙线计量偏差率_pct绝对值均≤10时取1,否则取0。
5. 线间单耗差_mgL = 甲线折算单耗_mgL − 乙线折算单耗_mgL;线间均衡偏离率_pct = 线间单耗差_mgL ÷ ((甲线折算单耗_mgL + 乙线折算单耗_mgL) ÷ 2) × 100;高耗线标识:甲线折算单耗_mgL ≥ 乙线折算单耗_mgL时取甲线,否则取乙线。
6. 对齐节药潜力_kg = (高耗线折算单耗_mgL − 低耗线折算单耗_mgL) × 高耗线源水流量_m3h ÷ 1000 ÷ 60。
7. 当日记录数 = 同业务日期纳入分析的记录条数;当日节药推算_kg = 同日各记录对齐节药潜力_kg之和 ÷ 当日记录数 × 1440;年节药潜力_t = 当日节药推算_kg × 365 ÷ 1000。
8. 计量一致性指数 = min(100, max(0, 100 − (|甲线计量偏差率_pct| + |乙线计量偏差率_pct|) × 2));
舟山市水厂高锰酸钾投加效率分级预警数据高锰酸钾预氧化投加量的确定长期依赖人工经验:面对相近的进水水质,投加量时有偏高、时有偏低,而常规运行报表仅记录投加总量,难以反映投加量相对当时进水污染负荷的合理性与经济性。本数据以每个运行小时的进水污染负荷为参照,衡量同期的投加水平,并以各月自身的常态水平为基准,对投加偏高与投加偏紧的运行时段予以识别标注。经统计测算,约29.2%的运行时段相对进水污染负荷属于过量投加,约16.9%属于投加偏紧。过量投加时段表明,在不影响预氧化效果的前提下存在明确的药剂下调空间;相应优化无需更换加药设备,仅需在标注工况下调整投加设定值即可实现。
本数据可服务于多类应用主体:同行业水厂可参照本数据,采用一致口径横向比对本厂高锰酸钾投加是否存在粗放投加;节能与药剂服务机构可将过量投加时段占比作为药耗优化的改造前基线及节药效果计量依据;工艺咨询与运维机构可依据本数据诊断投加调节与进水水质波动的匹配程度;算法企业可将含投加效率分级标记的小时级数据用作投加优化或异常识别模型的训练样本;数据交易与评估机构可将过量、适宜、偏紧三档占比作为对此类运行数据定级定价的量化依据。(一)加工前的数据说明
本数据来源于申请人合法持有并管理的舟山市定海水厂DCS系统。
(二)处理规则
1.将原始分钟级记录按小时聚合为最终数据;
2. 进水综合污染负荷=1×进水COD_均值+12×进水氨氮_均值+0.3×进水浊度_均值+5×藻类指数_均值;系数为经验缩放权重,可依本地水质调整。
3. 单位负荷投加强度=实际综合单耗_均值÷进水综合污染负荷×100。
4. 上一时段单位负荷投加强度=同月内按业务日期、时段升序的上一有效时段的单位负荷投加强度。
5. 月度累计单位负荷投加强度=同月全部分析时段单位负荷投加强度之和;月度有效时段数=同月分析时段数。
6. 月度基准单位负荷投加强度=月度累计单位负荷投加强度÷月度有效时段数。
7. 单位负荷投加强度离均差=单位负荷投加强度-月度基准单位负荷投加强度。
8. 离均差平方=单位负荷投加强度离均差的平方。
9. 月度离差平方和=同月全部分析时段离均差平方之和。
10. 月度波动幅度=√(月度离差平方和÷月度有效时段数),即同月总体标准差。
11. 标准化投加偏离度=单位负荷投加强度离均差÷月度波动幅度。
12. 投加环比变化率=(单位负荷投加强度-上一时段单位负荷投加强度)÷上一时段单位负荷投加强度×100。
13. 月度峰值单位负荷投加强度=同月单位负荷投加强度最大值;投加饱和度=单位负荷投加强度÷月度峰值单位负荷投加强度×100。
14. 投加效率偏离指数=标准化投加偏离度+投加环比变化率÷100+(投加饱和度-50)÷50,三项各归一到±1为显著后相加。
15. 投加效率等级按投加效率偏离指数分三档:≥1.0为过量投加,−1.0至1.0为投加适宜,<−1.0为投加偏紧,边界值归上档。
舟山定海石灰投加计量交叉校核与质量定级数据 通过对水厂双管线石灰投加的逐分钟监测、双源交叉校核与线间均衡分析,实现加药计量的精细化与可信化管理。该数据在服务于持有方自身运营优化的同时,更具有广泛的应用价值,能够为其他市场主体、行业生态及政府公共管理提供重要支持。该数据的价值可进一步扩展至其他企业与机构。同类水厂可通过授权获取这套双源校核与线间互为基准的分析方法及行业基准,无需外部标杆即可开展自厂的计量隐患排查与投加能效对标;仪表检定与设备运维机构可利用其中逐分钟的计量偏差实测序列,验证漂移诊断方法、优化校准周期;算法与智慧水务企业则可将带可信标记的运行数据用于模型训练,明确区分可用与应剔除的数据点。在行业与产业链层面,水务技术服务公司可基于此类双源校核数据模型,开发标准化的加药计量质量监测与节药优化 SaaS 服务,推动全行业加药管理的数字化升级;数据交易与资产评估机构则可将"双源互证、自带质量标记"作为数据产品分级定价的硬指标,丰富数据要素的流通与定价依据。对政府及公共管理而言,城市供水与计量监管部门可借助其自带的计量校核结果,提升对供水加药环节计量准确性与运行安全的监测能力。
舟山市水厂高锰酸钾投加效率分级预警数据高锰酸钾预氧化投加量的确定长期依赖人工经验:面对相近的进水水质,投加量时有偏高、时有偏低,而常规运行报表仅记录投加总量,难以反映投加量相对当时进水污染负荷的合理性与经济性。本数据以每个运行小时的进水污染负荷为参照,衡量同期的投加水平,并以各月自身的常态水平为基准,对投加偏高与投加偏紧的运行时段予以识别标注。经统计测算,约29.2%的运行时段相对进水污染负荷属于过量投加,约16.9%属于投加偏紧。过量投加时段表明,在不影响预氧化效果的前提下存在明确的药剂下调空间;相应优化无需更换加药设备,仅需在标注工况下调整投加设定值即可实现。
本数据可服务于多类应用主体:同行业水厂可参照本数据,采用一致口径横向比对本厂高锰酸钾投加是否存在粗放投加;节能与药剂服务机构可将过量投加时段占比作为药耗优化的改造前基线及节药效果计量依据;工艺咨询与运维机构可依据本数据诊断投加调节与进水水质波动的匹配程度;算法企业可将含投加效率分级标记的小时级数据用作投加优化或异常识别模型的训练样本;数据交易与评估机构可将过量、适宜、偏紧三档占比作为对此类运行数据定级定价的量化依据。
舟山市定海区企业用水量分析管理数据通过对企业用水行为的持续监测与智能分析,实现水资源管理的精细化与智能化。该数据在服务于持有方自身运营优化的同时,更具有广泛的应用价值,能够为其他市场主体、行业生态及政府公共管理提供重要支持。
对于供水企业通过,在于每月自动分析企业用水量数据,运用算法模型检测用水异常,并据此精准派遣管线人员排查漏损或风险,从而有效减少水资源浪费、降低运营成本,并提升用水系统的能效与安全水平。该数据同时也可用于优化客户服务与内部资源规划。
该数据的价值可进一步扩展至其他企业与机构。同行业企业可通过授权获取匿名化行业基准数据或分析模型,进行能效对标与节水改造;物业管理方可利用类似技术监测其管理范围内设施的用水情况,实现预防性维护;
在行业与产业链层面,水务技术服务公司可基于此类数据模型开发标准化的企业用水智能管理SaaS服务,推动全行业服务升级;
对政府及公共管理而言,城市运行管理部门可关联异常用水模式,提升对管网安全或突发事件的预警能力;生态环境部门能更精准地评估区域水资源承载力与企业用水强度,服务于生态保护与低碳发展规划。1、数据采集:管理人员通过远传水表获取定海区企业每月用水情况,并进行汇总统计。 2、数据处理:从企业用水量记录数据中,以序号、企业代号作为唯一键,先提取出当月用水量、上月用水量、去年同期用水量等数据,再计算出当月用水量环比增长率、当月用水量同比增长率、同区域当月用水量平均环比增长率、同区域当月用水量平均同比增长率等指标,最后通过算法规则进行综合分析。3、算法规则:当月用水量环比增长率=(当月用水量-上月用水量)/上月用水量× 100%;当月用水量同比增长率=(当月用水量-去年同期用水量)/去年同期用水量× 100%;同区域当月用水量平均环比增长率=sum(当月用水量环比增长率)/count(企业数量);同区域当月用水量平均同比增长率=sum(当月用水量同比增长率)/count(企业数量)。根据用水异常判定规则判断是否属于异常,如:某企业的当月用水量环比增长率和当月用水量同比增长率的绝对值均大于50%,并且当月用水量环比增长率-同区域当月用水量平均环比增长率的绝对值和当月用水量同比增长率-同区域当月用水量平均同比增长率的绝对值均大于80%,判定该企业用水异常,而不是季节因素等正常需求引发的用水量波动。 4、数据应用:营收管理系统自动定期查询用水异常数据,有异常数据时,通过短信等方式提示某月用水异常,鼓励其自查并采取节能措施;