城市供水管网漏损检测和定位已经成为国内外供水行业重点关注的一个难题。对于检测漏损事故和寻找漏损位置的问题,我国供水公司主要还是根据地面是否有水溢出(用户报告或专业人工巡检)进行判别。虽然一些在线监测系统具有报警功能,但大多尚难以对漏损事故进行快速准确的检测和定位。针对这一现状,本文结合国家自然科学基金和实际工程需求,开展了基于数据驱动的供水管网独立计量分区(District Metering Area,DMA)漏损检测和定位方法研究,并应用实验管网数据和实测数据进行了方法验证。论文主要工作和创新点如下.:(1)围绕具有用水不确定度的单入口和多入口供水管网独立计量分区较大漏损事件,研究了基于概率分布的DMA分区漏损检测方法。该方法分析了以居民用水为主的DMA入口流量数据的波动特点,利用正常流量数据建立了非线性自回归(Nonlinear Auto Regressive,NAR)预测模型,而后计算实际监测值与预测值之间的偏差,并引入高斯分布密度函数来定义流量异常的概率,通过异常概率来判定漏损事故。研究了不同程度的管网漏损事件,分别对单入口的DMA分区和多入口的DMA分区进行方法验证,结果表明所研究方法对于较大的漏损事故具有较好的检测性能。(2)针对单一时刻的流量所含信息有限导致误报率较高以及较小漏损时容易漏判等问题,研究了基于用水模式学习的DMA分区漏损在线检测方法。通过动态时间规整距离计算用水模式之间的相似度,剥离了历史数据中的非正常模式,同时对正常的用水模式进行了区分。采用基于用水模式结合随机森林分类的有监督学习方法,在正常的用水模式中叠加漏损量来模拟漏损事故,进而得到漏损模式,利用正常的用水模式和漏损模式的训练集,输入到随机森林分类模型中,建立较高精度的漏损识别模型。本研究结合SCADA实际数据及模拟漏损事件,通过与其他一些方法的对比结果表明所研究方法在保持较低误报率的条件下,也能够有效地检出较小的漏损事故。(3)为了尽快找出DMA分区中发生漏损的位置,研究了基于聚类分析和特征相似度的DMA分区漏损区域定位方法。利用DMA分区内的压力监测点数据,通过聚类算法将发生漏损时引起的压力波动特性相似的管网节点聚合成为一个漏损区域,再从各个漏损区域中提取出漏损特征向量。当监测到管网中产生压力异常波动时,计算异常波动向量与各个漏损区域的漏损特征向量的相似度,相似度最大的视为可疑度最高的漏损区域。案例管网分析表明,该方法可以大致定位DMA分区内发生漏损的可疑区域。(4)本文基于供水管网综合实验平台,分析了供水管网实验平台的需求及主要技术选择,主要利用Java语言和MySQL数据库等技术搭建了平台的总体框架,完成了功能模块、数据库、界面等设计与开发工作。基于物理实验平台和基于实际管网拓扑结构的EPANET仿真实验,分别验证了漏损区域定位方法的有效性。综上所述,本文重点研究了数据驱动的DMA分区漏损检测和定位技术,设计开发了原型系统,开展了漏损事故检测和可疑区域定位实验分析与验证。所研究方法适用于供水管网独立计量分区漏损在线监测,对保障城市供水管网安全具有较大价值。