一组数字先摆出来。
住建部2022年的统计显示，全国城市公共供水管网漏损率平均在15%左右，部分老旧城区超过30%。这意味着每输送100吨水，有15吨以上在地下管道里白白流掉了。按全国年供水总量约700亿吨计算，一年漏掉的水够填满10个西湖。同时，污水处理厂的出水水质达标率虽然逐年提高，但COD超标、氨氮波动这些事在基层水厂里仍然是家常便饭。
原因？很多。设备老化、管网失修、工艺调控滞后……但有一个因素被严重低估了——数据。
一家日处理能力10万吨的自来水厂，从取水口到出厂水，在线监测仪表大概200到500个测点。污水处理厂更多，中型厂500到2000个测点。这些仪表每秒都在吐数据，但大多数水厂的数据存储周期不超过3个月，超过就覆盖。三个月以前的水质波动？找不到了。
时序数据库进入水务行业，解决的就是这个"数据短命"的问题。
自来水厂里那些仪表到底在测什么
从头到尾走一遍工艺流程就清楚了。
取水口：浊度、水温、pH、电导率、藻类密度——防止藻类爆发期原水水质突变。大型水厂还会装在线生物毒性预警装置。
预处理和混凝沉淀池：加药前的矾前浊度、加药后的矾后浊度、沉淀水浊度、pH、SCD（流动电流）——这一段的核心是精确加药，既不能矾量不够导致沉淀不充分，也不能过量造成矾花携带。
砂滤池：滤后水浊度（这是出厂水质的关键指标之一）、过滤周期、反冲洗强度、过滤水头损失。浊度仪的精度要求很高，GB 5749-2022《生活饮用水卫生标准》规定出厂水浊度不超过1.0NTU，实际控制通常在0.3NTU以下。
清水池和出厂水：余氯、浊度、pH、温度——其中余氯是最受关注的参数，国标要求出厂水余氯不低于0.3mg/L、管网末梢不低于0.05mg/L。余氯过低有微生物风险，过高产生消毒副产物。
这还没算管网。一条DN1200的供水主管，每隔两三公里设一个压力监测点，大的管网还有流量计。一个中型城市的供水管网监测点少则两三百，多则上千个。
监测环节 | 关键指标 | 采样频率 | 测点数量(中型水厂) | 存储周期要求 |
取水口 | 浊度、pH、水温、电导率、藻类 | 1-5分钟 | 10-30 | 1-3年 |
混凝沉淀 | 矾前/矾后浊度、SCD、pH、加药量 | 10秒-1分钟 | 30-80 | 1-2年 |
砂滤池 | 滤后浊度、水头损失、反冲洗参数 | 10秒-1分钟 | 40-100 | 1-2年 |
清水池/出厂水 | 余氯、浊度、pH、温度 | 1-5分钟 | 10-30 | 3-5年 |
管网 | 压力、流量、余氯(部分) | 1-15分钟 | 200-1000+ | 1-3年 |
污水生化池 | DO、ORP、MLSS、温度、pH | 1-5分钟 | 50-200 | 1-2年 |
污水处理的数据量为什么更大
因为生化反应比物理处理复杂得多。
一座处理规模5万吨/日的A2O工艺污水处理厂，生化池分厌氧池、缺氧池、好氧池三段。每个段的溶解氧（DO）、氧化还原电位（ORP）、污泥浓度（MLSS）、温度、pH都要在线监测。曝气量调控的好氧池DO目标值通常在2.0-3.0mg/L之间，低于1.5mg/L污泥活性下降，高于4.0mg/L浪费曝气能耗。一座中型厂好氧池有4-6个廊道段，每段装2-3台DO仪，光DO测点就十几个。
二沉池的泥位计、回流污泥流量、剩余污泥浓度，进出水水质在线分析仪（COD、氨氮、总氮、总磷），加上泵房的水泵运行状态和电流参数——全厂加起来轻松上千测点。
这些数据的特点是频率不高但必须连续。DO和ORP的数据1-5分钟一个点就够了，但一刻不能断。曝气调控是实时过程，DO数据断了几分钟，鼓风机PID控制就没了对策依据，操作人员只能凭经验手动调——这在自动化程度高的水厂里属于该被避免的情况。
SCADA系统为什么不够用
几乎所有水厂都有SCADA系统。操作人员在中控室的大屏上能看到所有测点的实时值，能远程开停泵阀，能设报警阈值。日常运行够了。
但SCADA系统的数据存储能力是个硬伤。多数工业SCADA平台的历史数据模块按"标签点数×保存天数"计费，增加存储意味着增加授权费用。一座1000测点的水厂想把数据存3年，SCADA历史库的授权费可能就要几十万。更尴尬的是，有些SCADA的历史数据查询接口不开放，想自己开发数据分析系统，连数据都拉不出来。
换个角度看，SCADA的定位是监控执行，不是数据分析。它管的是"现在这一刻参数正不正常"，不管"过去三个月的趋势有没有异常"。后者需要的是长期数据积累和灵活的查询分析能力。这两件事用同一套系统做，要么功能不够，要么成本太高。
这就是时序数据库的切入点。把数据从SCADA的短期历史库中转出来，写入专门的时序数据库做长期存储和多维分析。SCADA继续管监控执行，时序数据库管数据资产。各干各的。
多站点标签模型怎么设计
水务行业的数据管理有个独特需求：多站点。一个水务集团可能管辖十几座自来水厂和污水处理厂，还有遍布城区的管网监测点。如果每座水厂独立部署一套数据库，数据不共享，运维成本也高。
TDengine的超级表+标签模型在这个场景下很合适。以管网压力数据为例，建一张超级表pipe_pressure，标签包括区域编码、管段编号、管径、安装位置、仪表型号。每个监测点一张子表，查询时按标签过滤——"某区域所有DN800以上管段过去24小时的压力波动"——一条SQL搞定。新增监测点不用改表结构，自动建子表即可。
水质参数也类似。出厂水余氯的超级表标签可以包括水厂编号、出厂管线编号、仪表精度等级。多座水厂的出厂水余氯数据存在同一张超级表里，集团层面做水质对比分析非常方便——"本月各水厂出厂水余氯平均值排名"直接聚合查询。
TDengine的多vnode并行查询能力在这种跨站点聚合场景下有优势。几百个子表的数据做月平均，各vnode并行计算后合并，比单机串行扫描快得多。
管网漏损分析需要什么样的数据
漏损分析是供水行业的老大难。DMA（分区计量）是最常用的方法——把管网分成若干独立计量区，每个区的进水流量和出水流量做差值，差值就是该区的漏损量。这个算法本身不复杂，但对数据连续性要求极高。流量计数据缺了几个点，或者时间戳不同步，差值计算就失真。
实际工程中，流量计的数据采集间隔通常是1-5分钟，一个DMA区最少需要进出水两个流量点。如果管网有100个DMA区，每天就是28.8万到144万个数据点。这些数据存3年是什么概念？按每个数据点含时间戳、流量值、压力值、标签信息计算，大约50-100GB。
对时序数据库来说这个量不算大。但关键在于查询模式。漏损分析不是查某个时间点的值，而是做连续时间序列的差值计算和趋势分析——"过去30天每个DMA区的夜间最小流量（MNFM）趋势"。夜间最小流量通常出现在凌晨2-4点，这时候居民用水量最低，管网流量主要来自漏损。MNFM持续升高就说明该区漏损加剧。
这种时间窗口聚合查询是时序数据库的拿手好戏。TDengine支持按时间窗口做降采样，比如把1分钟数据降采样到5分钟均值，再按夜间时段过滤做聚合。用SQL一条语句就能算出来。放在MySQL里做？能做，但几百个DMA区、3年数据量级，查询性能差好几个数量级。
曝气优化能省多少钱
污水处理厂的曝气能耗占全厂总电耗的50%-70%。一座5万吨/日规模的厂，曝气电费一年可能上千万。DO控制得好不好，直接影响电费。
传统做法是PID控制——设定DO目标值2.0mg/L，鼓风机根据DO偏差自动调节风量。问题在于，DO对曝气量的响应有延迟（通常1-3分钟），而且生化池里的耗氧速率是变化的——进水有机物浓度高的时候耗氧快，DO掉得快，鼓风机猛吹；进水浓度低的时候耗氧慢，DO回升快，鼓风机减小风量。PID控制总是滞后于实际需求，要么过冲要么欠调。
前馈控制能改善这个问题——根据进水流量和进水COD预测需氧量，提前调整曝气量。但前馈模型需要历史数据做训练和验证：进水流量、进水COD、好氧池各段DO、鼓风机风量、风压——这些参数的长期连续历史数据是建立前馈模型的必要条件。
数据存3个月怎么训练模型？至少要存1年以上，覆盖不同季节的水温和进水水质变化。这就是为什么污水处理行业需要一个靠谱的时序数据库——不是为了存数据好看，是为了支撑工艺优化，而工艺优化直接跟钱挂钩。
TDengine在水务场景的部署建议
水务行业IT预算普遍不高，这是行业现实。一座中型水厂的年信息化预算可能就几十万，买不起贵的商业软件。TDengine开源版免费使用，社区活跃，文档完善，对水务行业的中小水厂来说部署门槛低得多。
部署架构建议分两种情况。
单厂模式：水厂本地部署TDengine单节点，配置4核8G以上服务器即可。SCADA数据通过OPC UA或Modbus TCP采集后写入TDengine。部署taosExplorer做数据可视化，运维人员在厂内网通过浏览器查看实时数据和历史趋势。一台普通服务器能撑3-5年数据，存储空间按测点数量和频率算，1000测点×1分钟频率×5年大约20-30GB。
集团模式：水务集团在总部部署TDengine集群（3-5节点），各水厂数据通过taosX或自定义程序写入集团数据库。每座水厂的数据用标签区分水厂编号，统一管理。集团层面可以横向对比各厂运行指标，纵向分析长期趋势。TDengine的集群部署和数据复制功能支持这种多层级架构，厂端断网时本地缓存，网络恢复后自动续传。
结语
水务行业的数据管理长期处于"够用就行"的状态。仪表装了，SCADA连了，数据存着——但存多久、怎么查、怎么分析，多数水厂说不太清楚。管网漏损15%这个数字，不是技术做不到，而是数据支撑不了精细化管控。时序数据库把数据留住了、连通了、能查了，剩下的就是业务层面的事情了。
