产销差来源难拆分
商业损失与物理漏失混在总指标中，治理投入难以按收益和风险排序。
4大模块 诊断维度
700万+/年 示例回收收益
各类供水企业 适用规模
计量诊断
抄表诊断
漏失诊断
压力诊断
OVERVIEW
智能漏损诊断是什么
产销差并不完全等于管道漏水，还可能来自计量误差、估抄漏抄、未授权用水、背景漏失和爆管等多种原因。只看总供水量与售水量，难以决定先治理哪一类问题。
智能漏损诊断系统从计量、抄表、物理漏失和压力四个维度组织数据，通过DMA水量平衡及压力流量关联分析形成专项诊断结果。
数据质量问题被忽略
表具误差、估抄漏抄和DMA边界不完整会直接影响漏损计算结论。
治理前后缺少复核
排查、维修和换表完成后，如果没有统一基线，成效难以持续验证。
WORKFLOW
系统如何形成闭环
基础数据盘点
整理供水量、售水量、DMA、表具、抄表和压力流量数据。
四维专项诊断
分别分析计量、抄表、漏失和压力问题及其相互影响。
损失量与优先级评估
量化不同问题的影响，形成分区、设备或业务环节的治理建议。
治理跟踪与复核
记录换表、检漏、维修和压力调整结果，对比治理前后数据。
SCENARIOS
应用场景
计量诊断
识别并分析计量误差来源，量化因计量不准造成的经济损失
抄表诊断
分析人工抄表数据，发现用水差异、估抄、漏抄、零读等异常情况
漏失诊断
采用先进水量平衡模型，对管网物理漏失进行精准诊断，区分在册漏损与背景损失
压力诊断
结合压力与流量数据评估管网健康状态，识别窃水、管道破损、爆管等异常事件
SPECS
产品规格
DEPLOYMENT
部署与接入准备
具体接入范围以现场仪表、自控系统、网络条件和安全要求为准。
- 明确供水范围、DMA边界、总分表层级和产销差统计口径。
- 准备分区计量、抄表、用户表、压力流量和历史维修等数据。
- 先检查时间戳、缺失值、异常值和计量口径，再开展模型分析。
- 建立问题清单、责任人、治理动作和复核周期，避免报告与执行脱节。
FAQ
智能漏损诊断常见问题
产销差高是否一定是管网漏水？
不一定，还可能包含计量误差、估抄漏抄、未授权用水和统计口径等商业损失。
漏损诊断需要哪些基础数据？
通常需要供售水量、DMA分区计量、用户抄表、管网压力流量、表具和维修记录等。
系统能否直接定位具体漏点？
系统主要用于识别异常分区、问题类型和治理优先级，具体漏点仍可能需要听漏、相关仪或现场排查。
没有完整DMA体系能否开始？
可以先做数据与边界诊断，明确缺失点位和建设优先级，再逐步完善分区计量。
继续了解相关方案： 集团水务集中管控解决方案→乡镇水务智能化解决方案→