CN113074324B

CN113074324B - 基于城市供水管网运行安全动态预警的数据库及建立方法

Info

Publication number: CN113074324B
Application number: CN202110383845.3A
Authority: CN
Inventors: 彭森; 吴星麒; 吴卿
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2021-04-09
Filing date: 2021-04-09
Publication date: 2023-01-24
Anticipated expiration: 2041-04-09
Also published as: CN113074324A

Abstract

本发明公开了一种基于城市供水管网运行安全动态预警的数据库建立方法，根据本发明方法建立的数据库包括供水管网功能状态评估子数据库、异常事件分析识别子数据库、SCADA实时监测子数据库，通过收集归类整理各项供水管网数据，为供水公司在进行供水管网安全状态评价和异常事件分析识别提供数据支撑，从而有效提高供水管网安全运行维护工作效率。

Description

基于城市供水管网运行安全动态预警的数据库及建立方法

技术领域

本发明属于城市供水管网运行安全动态预警领域，具体涉及一种基于城市供水管网运行安全动态预警的数据库及建立方法。

背景技术

城市供水管网是城市基础设施的重要组成部分。随着我国城市化的快速推进，城市供水管网的规模也愈发扩大。截至2018年底，我国供水管网总里程已达到865017km。城市供水管网规模的日益扩大一方面极大地增加了城市的供水能力、满足了人民正常的工作生活对于用水的需求，另一方面，也给城市供水系统的安全运行维护工作带来了巨大的挑战。由于供水管线大多敷设于地下，存在许多对其安全稳定的运行造成不利的因素，经过长时间潜移默化的影响，最终导致各类供水管网事故的频发，进而在浪费大量水资源的同时也严重影响了人民正常的工作生活，在社会效益和经济效益上均产生了负面的影响。

随着城市供水系统的不断发展，供水管网范围变广、拓扑结构更加复杂，这使得供水管网的实时监测、数据分析与计算变得更加困难，因此在面对复杂的管网问题时，供水管网的运行安全功能状态评估和动态预警工作则显得至关重要。目前，尽管世界各国的学者们提出了多种可应用于城市供水管网运行安全预警的方法，现阶段我国各城市供水管网的大部分故障仍然是靠被动抢修解决，这表明供水管网的运行安全预警工作仍然不够到位。其中，多数供水公司在进行供水管网的日常运行维护时反映的一大问题就是各种与供水管网相关的数据，包括管道的基础数据、管网运行数据、历史事故的监测数据等数据，均存在不同程度的缺失或者不方便调用，导致供水公司对供水管网运行状态的分析难度急剧增加，从而无法及时有效地做出主动预防的相关措施。

鉴于此，需要一种基于城市供水管网运行安全动态预警的数据库建立方法，全面而广泛地收集供水管网的各类数据，方便数据的存储调用管理，为选用科学合理的方法对城市供水管网的运行状态进行判断、实时掌握管网所处的风险状态提供数据支撑，并争取在事故发生前及时发现风险、消除故障，降低供水管道的事故率，变被动抢修为主动预防，提高供水管网安全运行维护工作效率。

发明内容

为了解决现有技术中存在的问题，本发明提供一种基于城市供水管网运行安全动态预警的数据库及建立方法，解决现有技术中供水管网相关数据缺失或不方便调用的问题。

本发明的技术方案为：一种基于城市供水管网运行安全动态预警的数据库建立方法，具体包括以下步骤：

(1)收集供水管网监测点数据和监测点布置情况，构建SCADA实时监测子数据库，反映供水管网真实运行状态；

(2)收集供水管网的结构数据和运行数据，构建供水管网基础数据模块；利用供水管网基础数据、SCADA实时监测子数据库以及供水公司的模拟方案，通过EPANET软件，建立历史工况和模拟工况下的供水管网水力模型，构建水力模型模块；选取供水保障率、剩余供水能力、Todini指数、事故能量损失四个指标构成供水管网韧性评价指标模块；由供水管网基础数据模块、水力模型模块、供水管网韧性评价指标模块构建供水管网功能状态评估子数据库，模拟不同工况下各节点、管段的水力信息，反映供水管网抵抗内外风险、维持安全稳定运行的能力；

(3)收集供水管网异常事件的历史数据，构建异常事件历史数据集模块；制定异常事件现场试验方案，利用消火栓作为爆管/漏损点进行现场试验，收集异常事件现场试验的数据，构建异常事件现场试验数据集模块；制定异常事件模拟方案，利用EPANET软件建立异常工况的供水管网水力模型，设置爆管/漏损点的位置和爆管/漏损流量大小，收集模型模拟运行的数据，构建异常事件模拟数据集模块；由异常事件历史数据集模块、异常事件现场试验数据集模块、异常事件模拟数据集模块构建异常事件分析识别子数据库，扩充异常事件分析识别子数据库的数据容量，结合基于数据驱动的机器学习和深度学习算法，如支持向量机(SVM)、人工神经网络(ANN)，训练识别和定位异常事件的算法模型，主动感知和预防异常事件的发生；

(4)由供水管网功能状态评估子数据库、异常事件分析识别子数据库、SCADA实时监测子数据库构建基于城市供水管网运行安全动态预警的数据库，对供水管网的运行状态进行安全评估和动态预警。

所述步骤(1)SCADA实时监测子数据库包括监测点布置情况、监测点监测点数据集两个模块；监测点布置情况模块包括供水管网中现有监测点的布置位置、监测点仪器型号、监测点布置规划情况，由供水公司GIS数据库提供；监测点监测数据集模块包括自来水厂出厂处和管网监测点处的流量和压力数据，由供水公司SCADA系统提供。

所述步骤(2)供水管网结构数据包括供水管道相关数据、供水管网拓扑关系、供水管网位置相关数据；其中，供水管道相关数据包括供水管道的管材、管径、管龄、阀门、接口形式；供水管网结构数据由供水公司GIS数据库和CAD验收资料提供。

所述步骤(2)供水管网运行数据包括自来水厂供水曲线、用户用水曲线、水泵特性曲线；自来水厂供水曲线由SCADA实时监测子数据库提供；水泵特性曲线包括自来水厂在不同工况下使用的所有型号水泵的特性曲线，由自来水厂提供；用户用水曲线由供水公司收集的供水区域内各用户的计费水表提供。

所述步骤(2)水力模型模块包括供水管网基础模型、历史工况运行数据、SCADA实时监测数据、模拟工况预测数据、不同工况水力模型；供水管网基础模型仅包含管网拓扑结构、管长、管径、节点标高等供水管网结构数据；历史工况运行数据包括自来水厂供水情况、水泵运行方案、用户用水情况，由供水管网运行数据子模块提供；SCADA实时监测数据由SCADA实时监测子数据库提供；模拟工况预测数据包括预计自来水厂供水情况、水泵运行方案、用户用水情况，由供水公司制定的模拟方案提供；将历史工况运行数据导入供水管网基础模型并用SCADA实时监测数据进行流量和压力校核即可得到历史工况下的水力模型；将模拟工况预测数据导入供水管网基础模型即可得到模拟工况下的水力模型。

所述步骤(2)供水保障率表示供水系统实际供水量占供水区域内用户需水量的比值，其数值范围为0—1；供水保障率是权衡供水管网运行状态的指标，系统的供水保障率越高，则说明供水管网越安全稳定、韧性越强。

所述步骤(2)剩余供水能力表示在研究区域内供水情况不发生改变的情况下剩余的可用作供水能力占理论最大供水能力的百分比，其数值范围为0—100％；供水系统的剩余供水能力越高，表明面对大用水量工况时供水可靠性越高，则供水管网越安全稳定、韧性越强。

所述步骤(2)Todini指数表示节点总富余能量与最大可消耗能量的比值；Todini指数是衡量供水能量效率的指标，其值越高，则供水管网韧性越强。

所述步骤(2)事故能量损失表示事故发生前后节点总能量之差；事故能量损失是衡量事故对于供水系统流量压力影响的指标，可用于判定各管段对供水系统的影响程度。

所述步骤(3)异常事件历史数据集模块包括异常事件发生位置、异常事件发生时间、漏损/爆管流量大小、异常事件发生时SCADA监测数据(包括出厂和监测点处的压力值、流量值)；异常事件的发生位置、发生时间、漏损或爆管的流量由供水公司的管网维修记录提供；异常事件发生时SCADA监测数据由SCADA实时监测子数据库提供。

所述步骤(3)异常事件现场试验数据集模块包括试验时所用消火栓的位置、消火栓出口的流量值、试验时间、试验期间SCADA监测数据(包括出厂和监测点处的压力值、流量值)；异常事件现场试验时所用消火栓的位置、消火栓出口的流量值、试验时间由供水公司异常事件现场试验记录提供；试验期间SCADA监测数据由SCADA实时监测子数据库提供。

所述步骤(3)异常事件模拟数据集模块分为模拟异常方案子模块和异常事件模拟水力模型子模块；模拟异常方案子模块包括异常事件发生位置、异常事件持续时间、发射系数、漏损/爆管流量、异常事件发生时管网工况信息(包括水厂供水情况、水泵运行方案、用户用水情况)，由供水公司制定的异常事件模拟方案提供；异常事件模拟水力模型包括异常事件模拟工况水力模型、监测点压力值、监测点流量值；调用供水管网功能状态评估子数据库下的水力模型模块中的供水管网基础模型，将模拟异常方案子模块中的数据导入到基础模型中即可得到异常事件模拟工况下的水力模型；运行异常事件模拟工况下的水力模型，输出得到各监测点处的节点压力和管段流量值。

根据上述方法建立得到的数据库。

与现有技术相比，本发明中的一种基于城市供水管网运行安全动态预警的数据库具有以下有益效果：

1、本发明将供水管网运行安全预警所需的不同数据收集整理在一个数据库中，为供水公司工作人员随时调用相关数据提供了便利；

2、本发明所述的供水管网功能状态评估子数据库与SCADA实时监测子数据库进行数据交互，根据供水管网基础数据建立水力模型，通过供水管网运行数据和SCADA实时监测数据准确模拟各种工况条件下供水管网的水力状态，进而可以对供水管网安全状态进行评价和分析；

3、本发明所述的异常事件分析识别子数据库与供水管网功能状态评估子数据库、SCADA实时监测子数据库进行数据交互，SCADA实时监测子数据库提供异常事件及异常事件现场试验发生时监测点的实时监测数据，供水管网功能状态评估子数据库中的水力模型可模拟供水管网中的异常事件，进而获得模型中各监测点位置的相应数据，扩充了异常事件分析识别子数据库的数据量，解决了供水公司在分析识别异常事件时由于数据量不够导致的识别准确率不高的缺陷。

附图说明

图1为本发明所述SCADA实时监测子数据库示意图；

图2为本发明所述供水管网功能状态评估子数据库示意图；

图3为本发明所述异常事件分析识别子数据库示意图；

图4为本发明所述基于城市供水管网运行安全动态预警的数据库示意图。

具体实施方式

下面结合附图并通过具体实施方式对本发明所述的基于城市供水管网运行安全动态预警的数据库建立方法作进一步说明：

第一步：收集供水管网监测点数据和监测点布置情况，构建如图1所示的SCADA实时监测子数据库。

其中，监测点布置情况模块包括供水管网中现有监测点的布置位置、监测点仪器型号、监测点布置规划情况。监测点布置情况由GIS数据库提供，并存入监测点布置情况模块。

其中，监测点监测数据集模块包括每天供水管网中流量计和压力计定时测定的出厂和监测点处的压力值和流量值，由供水公司SCADA系统提供，数据为Excel表格式，并存入监测点监测数据集模块。

第二步：收集供水管网的结构数据和运行数据，构建供水管网基础数据模块。利用供水管网基础数据、SCADA实时监测子数据库以及供水公司的模拟方案，通过EPANET软件，建立历史工况和模拟工况下的供水管网水力模型，构建水力模型模块。选取供水保障率、剩余供水能力、Todini指数、事故能量损失四个指标构成供水管网韧性评价指标模块。由供水管网基础数据模块、水力模型模块、供水管网韧性评价指标模块构建如图2所示的供水管网功能状态评估子数据库。

其中，供水管网基础数据模块包括供水管网结构数据、供水管网运行数据两个子模块。

其中，供水管网结构数据子模块包括供水管道相关数据、供水管网拓扑关系、供水管网位置相关数据。供水管道相关数据包括供水管道的管材、管径、管龄、阀门、接口形式等数据。供水管网结构数据由供水公司GIS数据库和CAD验收资料提供，将GIS数据库与CAD验收资料进行对照，在对其中相互矛盾的信息(如局部拓扑结构不同、管线缺失、管材管径错误等)进行核实并更改后，存入供水管网结构数据子模块。

其中，供水管网运行数据子模块包括自来水厂供水曲线、用户用水曲线、水泵特性曲线。自来水厂的供水曲线由SCADA实时监测子数据库提供，数据为Excel表格式，并存入供水管网运行数据子模块。水泵特性曲线由自来水厂提供，数据为Excel表格式，并存入供水管网运行数据子模块。用户用水曲线由供水公司收集的各用户的计费水表提供，数据为Excel表格式。将供水区域内各用户每小时计费水表记录流量进行加和得到供水区域内用户用水曲线，并存入供水管网运行数据子模块。

其中，水力模型模块包括供水管网基础模型、历史工况运行数据、SCADA实时监测数据、模拟工况预测数据、不同工况水力模型。调用供水管网结构数据子模块中的GIS数据，导入EPANET文件，获得管网拓扑结构、管段管径和管长、节点标高等基本属性，并存入水力模型模块，数据为.net格式。调用供水管网运行数据子模块中对应历史工况下的数据，由水厂供水曲线和用户用水曲线计算得到各节点的用水曲线，与水泵运行曲线一并存入水力模型模块，数据为Excel表格式。调用SCADA实时监测子数据库中对应历史工况下的监测数据，存入水力模型模块，数据为Excel表格式。根据供水公司提供的模拟方案确定模拟工况下的水厂供水曲线和用户用水曲线，并依此计算得到各节点的用水曲线，与水泵运行曲线一并存入水力模型模块，数据为Excel表格式。

其中，历史工况的水力模型建立方法为：首先，将节点的用水曲线输入至节点属性中，将水泵运行曲线输入至水泵属性中。其次，运行水力模型，输出供水管网中监测点处的管段流量和节点压力结果，并将其与SCADA实时监测数据进行对比。最后，根据对比结果调整节点用水曲线、管段粗糙度系数等参数，使最终的运行结果达到英国水力研究所(WRC)制定的管网水力模型校验标准。英国水力研究所规定，对于流量监测而言，流量大于总用水量的10％的模型主干管，其流量误差应控制在实测值的±5％以内；流量大于总用水量的10％的模型干管，其流量的误差应控制在实测值的±10％以内。对于压力监测而言，85％的压力监测数据，实测值与模拟值应在±0.5m以内，或在系统中最大水头差的±5％以下；95％的压力监测数据，实测值与模拟值的差应在±0.75m以内，或在系统最大龙头差的±7.5％以下；100％的压力监测数据，实测值与模拟值的差应在±2m以下，或在系统最大龙头差的±15％以下。满足核验标准后该工况条件下的水力模型在注明工况信息后即存入水力模型模块，数据为.net格式。

其中，模拟工况的水力模型建立方法为：将节点的用水曲线输入至节点属性中，将水泵运行曲线输入至水泵属性中。运行水力模型，当输出结果满足模拟方案的相关要求后注明工况信息并存入水力模型模块，数据为.net格式。

其中，供水管网韧性评价指标模块包括供水保障率、剩余供水能力、Todini指数、事故能量损失四个子模块。

其中，供水保障率子模块包括供水系统实际供水量、供水系统需水量。调用供水管网运行数据子模块中对应工况下的水厂供水曲线作为供水系统实际供水量，数据为Excel表格式，存入供水保障率子模块。供水系统需水量由供水公司对当地供水管网覆盖用户数量、经济发展水平、气候条件、地理环境等用水影响因素进行实地调研后结合合适的数理统计分析方法进行预测，数据为Excel表格式，存入供水保障率子模块。常见的数理统计分析方法包括多元线性回归法、时间序列模型法、主成分分析法、多森林回归法等。供水保障率R_v的计算见下列公式：

式中：R_v——供水保障率；Q_ava——供水系统实际供水量，m³/d；Q_req——供水系统需水量，m³/d。

其中，剩余供水能力子模块包括供水系统理论最大供水能力、供水系统实际供水量。供水系统理论最大供水能力由自来水厂根据水厂规模和最大净水能力确定后提供，数据为Excel表格式，存入剩余供水能力子模块。调用供水管网运行数据子模块中对应工况下的水厂供水曲线作为供水系统实际供水量，数据为Excel表格式，存入剩余供水能力子模块。剩余供水能力SC的计算见下列公式：

式中：SC——剩余供水能力；Q₀——供水系统实际供水量，m³/h；Q_max——供水系统理论最大供水能力，m³/h。

其中，Todini指数子模块包括节点实际用水量、节点实际水头、节点最低要求水头、自来水厂实际供水量、自来水厂清水池实际水头、水泵输入能量。调用水力模型模块中相应工况下的水力模型，通过模拟运行导出节点实际用水量、节点实际水头、自来水厂实际供水量、自来水厂清水池实际水头，数据为Excel表格式，存入Todini指数子模块。调用供水管网运行数据子模块中对应工况下自来水厂所用水泵型号的特性曲线，根据每台水泵供给流量确定其供给扬程，计算得到水泵输入能量，数据为Excel表格式，存入Todini指数子模块。节点最低要求水头由供水公司对当地供水管网供水情况和用户用水需求情况进行实地调研后后确定，数据为Excel表格式，存入Todini指数子模块。通常节点最低要求水头应满足供水区域内直接供水建筑最高层用户的最小服务水头。对于直接供水的建筑，各层用户用水接管处的最小服务水头，1层为10m，2层为12m，2层以上每增加1层增加4m。

水泵j输入能量的计算见下列公式：

P_j＝γQ_jH_j。

式中：P_j——水泵j的输入能量，m⁷/(kg·h)；γ——水的比重，kg/m³；Q_j——水泵j的供水量，m³/h；H_j——水泵j的提升扬程，m。

Todini指数I_r的计算见下列公式：

式中：Q_i——节点i的实际用水量，m³/h；H_ava，i——节点i的实际水头，m；H_req，i——节点i的最低要求水头，m；Q_k——自来水厂实际供水量，m³/h；H_k——自来水厂清水池实际水头，m；P_j——水泵j的输入能量，m⁷/(kg·h)；γ——水的比重，kg/m³；n_n——节点数量；n_r——自来水厂数量；n_p——水泵数量。

其中，事故能量损失子模块包括事故发生前的节点流量和水压、事故发生后的节点流量和水压。调用水力模型模块中事故工况下的水力模型，通过模拟运行导出事故发生前和事故发生后的节点流量和水压，数据为Excel表格式，存入事故能量损失子模块。事故能量损失△P的计算见下列公式：

△P＝γ∑Q_i,aH_i,a-γ∑Q_i,bH_i,b。

式中：Q_i，a——事故发生后节点i的用水量，m³/h；Q_i，b——事故发生前节点i的用水量，m³/h；H_i，a——事故发生后节点i的水头，m；H_i，b——事故发生前节点i的水头，m；γ——水的比重，kg/m³。

第三步：收集供水管网异常事件的历史数据，构建异常事件历史数据集模块。制定异常事件现场试验方案，利用消火栓作为爆管/漏损点进行现场试验，收集异常事件现场试验的数据，构建异常事件现场试验数据集模块。制定异常事件模拟方案，利用EPANET软件建立异常工况的供水管网水力模型，设置爆管/漏损点的位置和爆管/漏损流量大小，收集模型模拟运行的数据，构建异常事件模拟数据集模块。由异常事件历史数据集模块、异常事件现场试验数据集模块、异常事件模拟数据集模块构建如图3所示的异常事件分析识别子数据库。

其中，异常事件历史数据集模块包括异常事件的发生位置、发生时间、漏损或爆管的流量、异常事件发生时SCADA监测数据(出厂和监测点处的压力值、流量值)。异常事件的发生位置、发生时间、漏损或爆管的流量由供水公司的管网维修记录提供，数据为Excel表格式，并存入异常事件历史数据集模块。调用SCADA实时监测子数据库中异常事件发生时SCADA监测数据，数据为Excel表格式，并存入异常事件历史数据集模块。

其中，异常事件现场试验数据集模块包括试验时所用消火栓的位置、消火栓出口的流量值、试验时间、试验期间SCADA监测数据(出厂和监测点处的压力值、流量值)。异常事件现场试验时所用消火栓的位置、消火栓出口的流量值、试验时间由供水公司异常事件现场试验记录提供，数据为Excel表格式，并存入异常事件现场试验数据集模块。调用SCADA实时监测子数据库中异常事件试验期间SCADA监测数据，数据为Excel表格式，并存入异常事件现场试验数据集模块。

其中，异常事件模型模拟数据集模块包括模拟异常方案、异常事件模拟水力模型两个子模块。

其中，模拟异常方案子模块包括异常事件发生位置、异常事件持续时间、发射系数、模拟漏损或爆管的流量值，由供水公司制定的异常事件模拟方案提供，数据为Excel表格式，存入模拟异常方案模块。

其中，异常事件模拟水力模型包括异常事件模拟工况水力模型、监测点压力、监测点流量。调用水力模型模块中的基础水力模型，根据供水公司制定的异常事件模拟方案，计算对应工况下的各节点的用水曲线，与相应水泵的特性曲线一并输入到水力模型中。设置异常事件发生位置在水力模型中所对应的节点的扩散器系数用以模拟漏损或爆管的流量值。将水力模型注明工况信息后存入异常事件模拟水力模型子模块和水力模型模块，数据为.net格式。对水力模型进行模拟运行，根据异常事件持续时间进行相应的操作，输出得到模型中各监测点处节点压力和管段流量值，数据为Excel表格式，存入异常事件模型模拟数据集模块。

第四步：由供水管网功能状态评估子数据库、异常事件分析识别子数据库、SCADA实时监测子数据库构建如图4所示的基于城市供水管网运行安全动态预警的数据库。

此外，需要说明的是，本发明的上述具体实施方式仅仅是对本发明所作的举例说明，而不是对本发明的实施方式的限定。本领域的技术人员可以对上述具体实施方式做出修改和补充，在不脱离本发明宗旨和权利要求所保护的范围情况下，这些均属于本发明的保护范围之内。

Claims

1.一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，包括以下步骤：

(2)收集供水管网的结构数据和运行数据，构建供水管网基础数据模块；利用供水管网基础数据、SCADA实时监测子数据库以及供水公司的模拟方案，通过软件，建立历史工况和模拟工况下的供水管网水力模型，构建水力模型模块；选取供水保障率、剩余供水能力、Todini指数、事故能量损失四个指标构成供水管网韧性评价指标模块；由供水管网基础数据模块、水力模型模块、供水管网韧性评价指标模块构建供水管网功能状态评估子数据库，模拟不同工况下各节点、管段的水力信息，反映供水管网抵抗内外风险、维持安全稳定运行的能力；

(3)收集供水管网异常事件的历史数据，构建异常事件历史数据集模块；制定异常事件现场试验方案，利用消火栓作为爆管/漏损点进行现场试验，收集异常事件现场试验的数据，构建异常事件现场试验数据集模块；制定异常事件模拟方案，利用软件建立异常工况的供水管网水力模型，设置爆管/漏损点的位置和爆管/漏损流量大小，收集模型模拟运行的数据，构建异常事件模拟数据集模块；由异常事件历史数据集模块、异常事件现场试验数据集模块、异常事件模拟数据集模块构建异常事件分析识别子数据库，扩充异常事件分析识别子数据库的数据容量，结合基于数据驱动的机器学习和深度学习算法，训练识别和定位异常事件的算法模型，主动感知和预防异常事件的发生；

2.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(1)中，SCADA实时监测子数据库包括监测点布置情况、监测点监测点数据集两个模块；监测点布置情况模块包括供水管网中现有监测点的布置位置、监测点仪器型号、监测点布置规划情况，由供水公司GIS数据库提供；监测点监测数据集模块包括自来水厂出厂处和管网监测点处的流量和压力数据，由供水公司SCADA系统提供。

3.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(2)中，供水管网结构数据包括供水管道相关数据、供水管网拓扑关系、供水管网位置相关数据；其中，供水管道相关数据包括供水管道的管材、管径、管龄、阀门、接口形式；供水管网结构数据由供水公司GIS数据库和CAD验收资料提供；供水管网运行数据包括自来水厂供水曲线、用户用水曲线、水泵特性曲线；自来水厂供水曲线由SCADA实时监测子数据库提供；水泵特性曲线包括自来水厂在不同工况下使用的所有型号水泵的特性曲线，由自来水厂提供；用户用水曲线由供水公司收集的供水区域内各用户的计费水表提供。

4.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(2)中，水力模型模块包括供水管网基础模型、历史工况运行数据、SCADA实时监测数据、模拟工况预测数据、不同工况水力模型；供水管网基础模型仅包含管网拓扑结构、管长、管径、节点标高的供水管网结构数据；历史工况运行数据包括自来水厂供水情况、水泵运行方案、用户用水情况，由供水管网运行数据子模块提供；SCADA实时监测数据由SCADA实时监测子数据库提供；模拟工况预测数据包括预计自来水厂供水情况、水泵运行方案、用户用水情况，由供水公司制定的模拟方案提供；将历史工况运行数据导入供水管网基础模型并用SCADA实时监测数据进行流量和压力校核即可得到历史工况下的水力模型；将模拟工况预测数据导入供水管网基础模型即可得到模拟工况下的水力模型。

5.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(2)中，供水保障率表示供水系统实际供水量占供水区域内用户需水量的比值，其数值范围为0—1；供水保障率是权衡供水管网运行状态的指标，系统的供水保障率越高，则说明供水管网越安全稳定、韧性越强；剩余供水能力表示在研究区域内供水情况不发生改变的情况下剩余的可用作供水能力占理论最大供水能力的百分比，其数值范围为0—100％；供水系统的剩余供水能力越高，表明面对大用水量工况时供水可靠性越高，则供水管网越安全稳定、韧性越强；Todini指数表示节点总富余能量与最大可消耗能量的比值；Todini指数是衡量供水能量效率的指标，其值越高，则供水管网韧性越强；事故能量损失表示事故发生前后节点总能量之差；事故能量损失是衡量事故对于供水系统流量压力影响的指标，用于判定各管段对供水系统的影响程度。

6.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(3)中，异常事件历史数据集模块包括异常事件发生位置、异常事件发生时间、漏损/爆管流量大小、异常事件发生时SCADA监测数据，包括出厂和监测点处的压力值、流量值；异常事件的发生位置、发生时间、漏损或爆管的流量由供水公司的管网维修记录提供；异常事件发生时SCADA监测数据由SCADA实时监测子数据库提供。

7.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(3)中，异常事件现场试验数据集模块包括试验时所用消火栓的位置、消火栓出口的流量值、试验时间、试验期间SCADA监测数据，包括出厂和监测点处的压力值、流量值；异常事件现场试验时所用消火栓的位置、消火栓出口的流量值、试验时间由供水公司异常事件现场试验记录提供；试验期间SCADA监测数据由SCADA实时监测子数据库提供。

8.根据权利要求1所述的一种基于城市供水管网运行安全动态预警的数据库建立方法，其特征在于，所述步骤(3)中，异常事件模拟数据集模块分为模拟异常方案子模块和异常事件模拟水力模型子模块；模拟异常方案子模块包括异常事件发生位置、异常事件持续时间、发射系数、漏损/爆管流量、异常事件发生时管网工况信息，包括水厂供水情况、水泵运行方案、用户用水情况，由供水公司制定的异常事件模拟方案提供；异常事件模拟水力模型包括异常事件模拟工况水力模型、监测点压力值、监测点流量值；调用供水管网功能状态评估子数据库下的水力模型模块中的供水管网基础模型，将模拟异常方案子模块中的数据导入到基础模型中即可得到异常事件模拟工况下的水力模型；运行异常事件模拟工况下的水力模型，输出得到各监测点处的节点压力和管段流量值。

9.根据权利要求1-8任意一项权利要求所述方法建立的数据库。