简介：WB-EasyCalc v300 是国际水协（IWA）推荐的水量平衡表分析工具，面向供水企业技术人员、智慧水务从业者及水务科研人员，用于分区计量系统的纵向水量平衡研究，帮助识别漏损、控制产销差、提升水网经济效益。资源包共 101 个文件，约 1.12MB，以 xml、rels、bin 等 Excel 内部结构文件为主，另有 10 张 png 与 10 个 emf 图形素材、1 个 xls 核心计算表及 1 张 jpeg 图片，整体为一份可直接打开使用的 Excel 工作簿。其中 xls 文件内置水量平衡表模板、计算公式与报告格式，png、emf 多用于流程图与界面示意，bin 则保存打印与视图设置，便于快速导入数据并生成专业分析报告。目前已有 1711 人学习下载，适合需要掌握 IWA 水量平衡方法、开展漏损分析与效率评估的水务从业者参考使用。
1. 从一张对不上的水表说起：WB-EasyCalc 到底解决什么问题
做智慧水务的同行大概率都经历过这种场面：月底抄完表，供水量和售水量一减，产销差率算出来 22%，但把 DMA 分区里每一块表的数据拉出来核对，怎么都对不上。管网漏损率到底是多少、漏在哪个环节、是物理漏损还是计量误差，全靠 Excel 里手工搭的那张水量平衡表撑着。问题是这张表一旦分区数量上去、月份一多，公式引用错一格，整张表的结论就全歪了。
WB-EasyCalc 就是冲着这件事来的。它是国际水协（IWA）水量平衡表方法的一套独立计算工具，v300 这个版本把 IWA 标准的那张经典平衡表结构做成了可交互的计算界面，输入供水量、售水量、各类自用水量之后，自动按 IWA 的层级拆出产销差水量、漏损水量、表观漏损和真实漏损。适合谁用？供水企业的漏控工程师、做分区计量的运维人员、以及需要按 IWA 口径出漏损率报表的咨询方。它不替代 SCADA，也不做水力模型，就是把那张最容易算错的水量平衡表算对、算稳。
2. 水量平衡表的计算逻辑：IWA 口径怎么落到软件里
2.1 系统输入水量与授权用水量的拆分关系
IWA 水量平衡表的核心是一条恒等式：系统输入水量 = 授权用水量 + 漏损水量。授权用水量又拆成计费用水量和无收益用水量，计费用水量里包含售水量和计费但未收到的水量，无收益用水量则涵盖消防、冲洗、绿化等公共用途。漏损水量再往下分成表观漏损（计量误差、偷盗水）和真实漏损（管漏、爆管、溢流）。
WB-EasyCalc 在界面上把这条链路做成了逐级展开的树形结构。你只需要在顶层填系统输入水量，在对应节点填售水量和各类已知分量，剩下的节点由软件按 IWA 定义反推。这里有个容易翻车的地方：很多人把「无收益用水量」和「漏损水量」混为一谈，实际上前者是授权使用的、只是没收费，后者才是真正漏掉的。软件里这两个是并列分支，填错位置直接导致漏损率虚高。
常见做法是先把一个 DMA 分区的数据单独跑一遍，确认口径无误再批量套到整个片区。我一般会先拿一个计量相对完整的片区做基准，把软件算出来的产销差率和手工 Excel 的结果对一遍，差值超过 0.5 个百分点就说明某个分量的归属填错了。
2.2 表观漏损与真实漏损的分离方法
真实漏损和表观漏损的分离是水量平衡表里最考验经验的一步。真实漏损靠夜间最小流量法、爆管记录、压力管理数据来估；表观漏损则依赖水表计量精度抽检、用户用水模式分析。WB-EasyCalc 不替你决定怎么分，但它提供了分项录入的入口，让你把两类数据分别填进去，最后汇总成总漏损。
具体操作上，先在「表观漏损」节点下录入水表误差率估算值和已知偷盗水量，再在「真实漏损」节点下录入夜间流量推算值和爆管损失。软件会自动校验两者之和是否等于总漏损水量，不等就标红提示。这个校验机制很实用，相当于给你一个后悔药——填完立刻知道哪一级对不上。
参数设置上，水表误差率一般按抽检结果填，没有抽检数据时常见做法是取 3%～5% 作为默认估算值，但这个值对结果影响很大，建议至少做一轮现场抽检再定。夜间最小流量换算成日漏损量时，软件默认按 24 小时折算，如果你的 DMA 有夜间用水大户，需要手动扣减后再填。
2.3 分区计量数据的批量录入与校验
一个中等规模供水企业动辄几十上百个 DMA 分区，逐个手工录入不现实。WB-EasyCalc v300 支持按分区批量导入数据，通常是把各分区的供水量、售水量、自用水量整理成固定列序的表格再导入。
# 数据准备：把 SCADA 导出的分区数据整理成软件要求的列序 # 常见列序：分区编号, 系统输入水量, 售水量, 公共用水量, 水表误差率 # 注意单位统一为立方米，时间粒度统一为月 awk -F',' 'NR>1 {print $1","$2","$3","$4","$5}' dma_raw.csv > dma_import.csv这段命令做的是列筛选和格式清洗。NR>1跳过表头，-F','指定逗号分隔。实际用的时候要确认 SCADA 导出文件的编码，如果是 GBK 编码直接导入可能乱码，需要先转成 UTF-8。导入后软件会逐行校验，遇到空值或负值会停在那一行并提示分区编号，这时候回去查原始数据比在软件里硬改要快。
批量导入完成后，建议按分区编号排序再整体过一遍产销差率，明显偏离片区均值的分区单独拎出来核查。这一步能筛掉大部分录入错误，比一个个点开看效率高得多。
3. 从安装到出第一张平衡表：完整操作链路
3.1 运行环境与安装注意事项
WB-EasyCalc v300 是 Windows 桌面程序，解压后直接运行主程序即可，不需要额外装运行时库。但有几个环境细节容易忽略：一是路径里不要带中文和空格，否则部分版本的配置文件读写会出问题；二是如果系统区域设置不是中文，界面上的数字格式可能按小数点后两位截断，导致水量数据精度丢失。
安装步骤本身不复杂，解压到英文路径下，双击主程序，首次运行会提示选择数据存储目录。这个目录建议单独建一个，不要放在桌面或临时文件夹里，因为软件会在同目录下生成配置文件和计算缓存，换目录后之前的项目配置不会自动迁移。
提示：解压前先确认压缩包完整性，v300 版本的文件数量比早期版本多，如果解压过程中报错，重新下载比反复解压更省时间。
3.2 新建项目与基础参数配置
打开软件后第一步是新建项目。项目名称建议按「片区名_年月」的格式来，比如「城北DMA_202406」，方便后续按月份对比。新建时会让你选水量平衡表的计算周期，一般选月度，如果数据粒度是季度也可以选季度，但周期越长，夜间最小流量的折算误差越大。
基础参数里需要重点确认三项：一是水量单位，默认立方米，如果 SCADA 导出的是升或吨，在这里改；二是漏损率计算口径，IWA 标准口径和国内行业口径在无收益用水量的归属上有差异，按你的报表要求选；三是日期格式，软件默认按系统区域设置解析，如果导入数据的日期格式和系统不一致，会整列识别失败。
配置完保存后，软件会生成一个项目文件。这个文件建议和原始数据放在一起，后续换电脑或者交接给同事时直接拷整个文件夹，不要只拷项目文件，因为配置和缓存是分开存的。
3.3 数据录入与平衡表生成
数据录入分手工和导入两条路。手工录入适合分区少、数据量小的情况，直接在树形节点上双击填数。导入适合批量处理，按 2.3 节整理好列序后走导入流程。
# 数据校验脚本：导入前先自查一遍，避免软件里反复报错 import csv def validate_dma_data(filepath): errors = [] with open(filepath, 'r', encoding='utf-8') as f: reader = csv.DictReader(f) for i, row in enumerate(reader, start=2): supply = float(row['系统输入水量']) sold = float(row['售水量']) public = float(row['公共用水量']) # 售水量加公共用水量不应超过系统输入水量 if sold + public > supply: errors.append(f"第{i}行 分区{row['分区编号']}: 售水+公共用水超过供水量") # 水表误差率应在合理区间 err_rate = float(row['水表误差率']) if not (0 <= err_rate <= 0.15): errors.append(f"第{i}行 分区{row['分区编号']}: 水表误差率{err_rate}超出合理范围") return errors if __name__ == '__main__': errs = validate_dma_data('dma_import.csv') for e in errs: print(e) print(f"共发现 {len(errs)} 处异常")这个脚本在导入前跑一遍，能提前拦住大部分逻辑错误。sold + public > supply这条校验对应的是水量平衡的基本约束，违反这条说明原始数据里某个分量的口径不对。水表误差率限制在 0～15% 之间是经验值，超出这个范围要么是抽检数据有问题，要么是填错了列。
校验通过后导入软件，点生成平衡表，软件会按 IWA 层级逐级汇总。生成后先看总产销差率和总漏损率两个数，再逐级展开看各分项占比。如果某个分区的真实漏损占比异常高，回去查夜间最小流量的录入值。
3.4 结果导出与报表对接
平衡表生成后可以导出为 Excel 或 CSV。导出时注意选对导出层级，有的版本默认只导出汇总层，分项数据需要手动勾选。导出的报表可以直接对接漏损控制月报，但建议在 Excel 里再做一次格式整理，因为软件导出的数字格式可能和你的报表模板不一致。
导出后的数据建议做一次交叉验证：把软件算出的产销差水量和 SCADA 系统里按流量计直接算出的差值对一下，两者应该接近但不完全相等，因为软件里扣除了公共用水量和水表误差。如果差值超过 10%，说明某个分量的录入口径和 SCADA 不一致，需要回去核对。
4. 避坑与排查：那些让漏损率算歪的细节
4.1 产销差率算出来是负数
现象：某个分区的产销差率显示为负值，也就是售水量大于供水量。原因通常是两个：一是供水量和售水量的统计周期不一致，比如供水量按自然月、售水量按抄表周期，两者错位；二是单位没统一，供水量填了立方米、售水量填了吨，数值上差了一千倍。解决方法是先确认两个量的时间口径和单位是否一致，不一致就统一到同一口径再重新导入。如果确认口径一致仍然为负，检查是不是把某个分区的售水量填到了相邻分区的行里。
4.2 导入后部分分区数据丢失
现象：批量导入几十个分区，导入完成后发现少了几个。原因一般是原始文件里这几行的分区编号为空，或者编号里带了不可见字符（比如从网页复制粘贴带进来的空格）。软件按分区编号做唯一标识，编号为空或重复的行会被跳过。解决办法是在导入前用脚本检查分区编号列，去掉首尾空格，确认无空值无重复。
4.3 真实漏损和表观漏损之和对不上总漏损
现象：软件标红提示分项之和不等于总漏损。原因是总漏损是由供水量减授权用水量反推的，而分项是你手工填的，两者天然可能不等。这时候不要硬改分项去凑总数，而是回头检查授权用水量的各个分量是否填全了。常见遗漏是消防用水和管网冲洗水量没填，导致授权用水量偏小、总漏损偏大，分项怎么凑都对不上。
4.4 换电脑后项目打不开
现象：把项目文件拷到另一台电脑，打开报错或数据空白。原因是项目文件只存了数据引用，实际数据存在首次运行时选的存储目录里，换电脑后路径变了。解决办法是拷整个项目文件夹，包括配置文件和缓存目录，不要只拷单个项目文件。如果已经只拷了项目文件，在新电脑上重新指定数据目录，再手动重新导入一次原始数据。
4.5 导出的报表数字精度丢失
现象：导出的 Excel 里水量数据只保留到整数，小数部分被截断。原因是软件导出时按显示精度输出，而界面上默认显示整数。解决办法是在导出设置里把小数位数改成 2 或 3，或者在 Excel 里用公式从原始数据重新算一遍。这个坑在水量数据本身就不大的分区里影响明显，一个日供水量几百立方米的分区，截断到整数后漏损率能差出好几个百分点。
5. 进阶用法：用历史数据反推漏损趋势与校验口径
单月的水量平衡表只能告诉你这个月漏了多少，但漏损控制真正要看的是趋势。把连续几个月甚至几年的平衡表数据拉出来，按分区做时间序列对比，才能判断某个片区的漏损是在恶化还是在改善。WB-EasyCalc 本身不做趋势分析，但导出的数据可以很方便地接到 Excel 或 Python 里做。
我一般的做法是：每月导出一次平衡表，把关键字段（分区编号、系统输入水量、售水量、真实漏损、表观漏损、漏损率）追加到一个总表里，季度末做一次趋势复盘。下面这段脚本用来从多个月的导出文件里提取字段并合并。
import pandas as pd import glob # 收集所有月度导出文件 files = sorted(glob.glob('exports/balance_*.csv')) frames = [] for f in files: df = pd.read_csv(f, encoding='utf-8') # 从文件名提取月份，格式如 balance_202406.csv month = f.split('_')[-1].replace('.csv', '') df['月份'] = month frames.append(df) merged = pd.concat(frames, ignore_index=True) # 按分区和月份排序，方便看趋势 merged = merged.sort_values(['分区编号', '月份']) # 计算每个分区漏损率的环比变化 merged['漏损率环比'] = merged.groupby('分区编号')['漏损率'].pct_change() # 筛出漏损率连续上升的分区 worsening = merged[merged['漏损率环比'] > 0.05] print(worsening[['分区编号', '月份', '漏损率', '漏损率环比']])这段代码的关键在最后一步：pct_change()算的是环比变化率，> 0.05筛出漏损率环比上升超过 5% 的记录。这些分区就是下个月重点排查的对象。参数上，5% 这个阈值可以根据片区整体水平调整，如果整个片区漏损率都在涨，阈值要相应提高，否则筛出来的全是正常波动。
趋势数据还有一个用途是校验口径一致性。如果某个月所有分区的漏损率同时跳变，大概率不是管网出了问题，而是那个月的数据口径变了——比如换了抄表周期、调整了公共用水量的统计范围。这种系统性跳变在单月报表里看不出来，拉到趋势里一目了然。
注意：趋势分析的前提是各月的数据口径一致。如果中途调整过 DMA 分区边界或者改变了无收益用水量的统计口径，需要在趋势表里标注断点，否则会把口径变化误判成漏损恶化。
从那以后我每次拿到新的月度数据，都先跑一遍趋势脚本再出正式报表，确认没有系统性跳变才往下走。这个习惯帮我拦过好几次口径不一致导致的误判，比事后解释省事得多。希望帮到你。
本文还有配套的精品资源，点击获取
