1.1供水管网模型的概念和管网建模目的

供水管网系统是比较特殊的城市基础设施，不可见且属于压力管道。随着运行年限的增长，管道的过水能力和水泵的运行工况都发生了变化，管道的改扩建也使管网系统的结构发生了变化，导致系统运行状况与最初设计时偏差较大；同时，管网实验代价太高，而通过建模可以科学合理地制定决策提供技术依据。

供水管网模型是根据供水管网系统的实际情况，考虑了管网实际的网络拓扑 结构关系，将整个城市的供水管网系统再现在计算机屏幕上。贴切地反映了供水 系统拓扑结构的真实性，是模拟给水管网系统动态工况最有效的方法，能够回答 供水系统中任何水力边界条件如果发生变化的情况下，预测供水工况的变化，能够回答水压、流量、水质参数是否满足要求，水泵用电是否经济等问题，有助于了解和掌握管网运行状态和运行效率，为城市规划设计、管网系统优化改造、辅 助调度、水质分析、漏损控制、安全运行等决策的制定和实施提供支撑。

12供水管网模型的类型

按照节点需水量与压力或是流量的关系，可以将供水管网模型分为两种：

（1） 基于流量的需水量模型；

（2）基于压力的需水量模型。基于流量需求的有：浴缸、 洗衣机、洗碗机、冷却水、工业水箱等等。基于压力需求的有：淋浴、洒水装置和漏损等。基于流量的需水量一般不会受节点压力的影响，这种模型成立的前提是所有节点的水压是充足的，使得节点需水量（用户用水量与漏损水量）和压力无关。但是基于压力驱动的需水量，直接受节点压力的影响。当有紧急状况发生的时候，比如说爆管、某个供水设施处于瘫痪状态、停电、消防用水，节点压力都会受到影响而发生变化，基于压力的需水量就会随着节点压力的变化而变化。 

1.2.1基于流量的需水量模型

数学模型及管网水力计算包括节点连续性方程、管段压降方程和能量方程。（1）节点方程即连续性方程为：

表示流向任一节点的流量必须等于从该节点流出的流量，以满足节点流量平 衡的条件。节点水量通常包括两部分，一部分为用户用水量，按用户用水量和用 户接水位置分配到相应的节点；一部分为漏损水量，通常根据经验按其占总给水量（10%-30%）的百分比确定之后再将其分配（加权平均、时间因子）到各个节点。

（2）压降方程为管段水头损失与其两端节点水压的关系式，即水头损失方程：

N=1.852-2，根据所采用的水头公式不同而定。管网计算时一般不计局部阻力损失。

（3）回路方程是闭合环的能量平衡方程可写成：

1.2.2基于压力的需水量模型

漏失水量在给水管网的水力计算中是不容忽视的，且其随着压力升高而增加。因此，漏失与水力模型中常见的基于流量的需水量不同，它是一种基于压力的需水量。基于压力的需水量不能用传统的需水量导向方法模拟，只能用基于压力的需水量模型来解决存在漏失情况下的管道流量和节点水压等问题。

构建漏失水力模型——将节点漏失量与节点实际用水量公式嵌入传统水力模型，对其进行修正，建立压力驱动节点需水量模型。

1.3基于供水管网水力模型校核的漏失检测原理

为了把水力模型校核的方法应用于管网漏失检测，将节点流量分为典型流量 和漏失量（调节流量）。典型流量等于基准流量（24小时平均流量或最高时流量） 乘以时变化系数，典型流量可以通过水表或流量计测量。当某节点存在大的漏损 时，模型校核后该节点的用水量调整系数值一般比其它不漏的节点大很多。通过 评价用水量调整系数可以有效找出存在大的漏损节点，并在管网图上显示出来。然后可以利用检漏设备在这些节点附近进行检测，大大缩小了检漏范围和节约了时间。

1.4供水管网模型指导漏损控制

（1）探漏准备及漏损状况分析：提供解决漏损探测所需数据准备，对已有漏点 进行范围评估，辅助测漏工作的进行，为下一步开展漏损探测提供支持。利用模 型分析对未来漏点（模型建立后产生的漏点）进行初步定为。

（2）通过管网模型，可以指导管网进行分区，并根据模拟结果找出漏损较大的分区，建立该分区的全模型，结合现场测试进行检漏工作；进行管网系统压力分 析，指导压力调控，降低系统由于超压而引起的额外水量损失。

（3）开停泵效果模拟、辅助调度、阀门操作效果分析、压力红线等工况的操作 模拟，模拟事故时的工况制作调度预案，防止重大事故发生造成严重漏损。

（4）应急事故的方案优选：通过24小时动态模拟，分析爆管影响区域，进行方案比选，如关闭阀门后对其它区域供水压力产生的影响（如果使管网中其它地区 压力增加较大，可能造成新的爆管问题，同时压力大面积增加也可能会导致漏损加剧；而如果使低压区的供水压力降低，有可能造成用户水压不足等），可能造成的停水区域等。快速制定最优关阀策略。

文章来源https://mp.weixin.qq.com/s?__biz=Mzg3NzkxNTI1MA==&mid=2247485003&idx=1&sn=e57aa0060d0b312a6ae20c584bcb63fb&chksm=cf1afb56f86d724021bbc64f07c235ef91ed09a257f31fc0ee0ba740ca3a36a3973f7a3f03a1&token=854430338&lang=zh_CN#rd