1.一种基于指数加权移动平均值算法的小泄漏检测方法，其特征是，收集用水量稳定时段的流量数据，然后通过频率统计估算用水量稳定时段的基准用水量范围，之后通过设定置信度验证估算的基准用水量范围的合理性，再根据基准用水量范围消除流量数据较大低值波动的干扰，最后利用EWMA算法对DMA管网中小泄漏进行检测；

具体包括以下步骤：

(1)收集流量数据：按设定时间间隔收集用水量稳定时段内DMA的流量数据，所述流量数据是指该DMA的净入流量数据，即多个流量计同一时刻流量数据的代数和，同时设定流入DMA为正，流出DMA为负；

(2)估算用水量稳定时段的基准用水量范围，包括以下步骤：

2.1)选取若干天数的流量数据；

2.2)从小到大设定不同的流量范围，通过频率分析估算出用水量稳定时段的基准用水量范围；

2.3)设定置信度，并确定置信区间[μ‑βδ,μ+βδ]，其中μ为均值，β为对应置信度的系数，δ为标准差；

2.4)对步骤2.2)估算所得的基准用水量范围进行合理性验证，当该基准用水量范围处于步骤2.3)确定的置信区间内，则判定所估算的基准用水量范围是合理的，否则返回步骤

2.2)重新设定流量范围，直至所估算的基准用水量范围合理；

(3)数据处理：根据步骤(2)估算所得的基准用水量范围剔除异常数据，然后计算每天用水量稳定时段内的平均流量，所述的每天用水量稳定时段内的平均流量作为后续样本学习阶段的流量数据和检测阶段的待测流量数据；

(4)应用EWMA算法进行漏损检测，包括以下步骤：

4.1)样本学习阶段，具体实现步骤如下：

4.1.1)选取一定天数的用水量稳定时段内的流量数据进行学习；

4.1.2)按下述式(1)计算每天的EWMA统计量：EWMAi＝γXi+EWMAi‑1(1)其中，EWMAi表示第i天的统计量，其初始值EWMA0＝0；Xi表示第i天的剔除异常值后的平均流量；γ为权重因子，0≤γ≤1；

4.1.3)加入新的流量数据进行训练，并计算EWMA统计量，判断EWMA算法初始阶段是否满足稳定性要求，如果满足，训练结束；如不满足，继续加入新的流量数据进行训练直至EWMA算法初始阶段满足稳定性要求；

4.2)对待测流量数据的检测阶段：加入新的待测流量数据不断更新EWMA统计量，然后判断EWMA统计量是否符合漏损条件，如符合则判定发生泄漏，此时被判定发生泄漏对应的流量数据不再参与后续EWMA统计量的计算；所述的漏损条件为满足下述a)～c)中的至少一项：a)任意EWMA统计量大于μ+3δ；

b)任意连续两个EWMA统计量大于μ+2δ；

c)任意连续N个EWMA统计量呈现递增趋势，其中N为正整数，取值为≥3；

(5)判断最新EWMA统计量中i的值是否大于设定检查周期天数，如不是，则加入新的待测流量数据后返回步骤(3)；如果是，则剔除部分较旧的历史数据，然后再判断剔除部分较旧历史数据后的EWMA统计量中i的值是否大于设定检查周期天数，如果是，返回步骤(2)，如果不是则返回步骤(3)。

2.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤(1)中，所述设定时间间隔为1～10分钟。

3.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤(1)中，所述用水量稳定时段为凌晨2：00～4：00。

4.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤(3)中，异常数据是指低于步骤(2)估算所得的基准用水量范围下限的流量数据。

5.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤4.1.2)中，γ为0.01～0.030。

6.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤4.1.3)中，判断EWMA算法初始阶段是否满足稳定性要求是指加入新的流量数据后计算所得的EWMA统计量是否处于[μ‑3δ，μ+3δ]，如果是则满足，如不是则不满足。

7.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，在c)选项中，N为3～7。

8.根据权利要求1所述的基于指数加权移动平均值算法的小泄漏检测方法，其特征是，步骤(5)中，所述设定检查周期天数为30。