摘要：老旧城区给水管网作为城市基础设施的“毛细血管”，普遍存在管材老化、拓扑结构模糊、运行数据缺失等问题，导致管网水力状态难以精准刻画，漏损定位效率低下。本文针对这一痛点，系统研究了老旧城区给水管网水力模型的构建方法与漏损精准定位技术体系。首先分析了老旧管网的典型特征及传统建模的技术瓶颈；其次提出融合多源数据（历史图纸、物探数据、水力监测数据）的“数据-机理-经验”协同建模框架，重点解决拓扑还原、参数校准与动态模拟精度问题；最后基于水力模型构建漏损定位技术体系，结合压力敏感性分析、瞬态水力特征识别与机器学习算法，实现从宏观漏损区域筛查到微观漏点定位的全流程精准化。研究成果为老旧城区供水管网智慧化运维提供了理论与技术支撑。

关键词：老旧城区；给水管网；水力模型；漏损定位；智慧水务

引言：

我国城镇供水管网总长度已超过 1000 万公里，其中约 60% 建成于 20 世纪 90 年代前，主要分布在老城区。这些管网普遍采用灰口铸铁管、镀锌钢管等易腐蚀管材，平均服役年限超过30 年，加之早期规划缺乏系统性（如管网拓扑混乱、压力分区不合理）、运行管理粗放（如缺乏实时监测、数据记录缺失），导致漏损问题突出。据统计，老旧城区管网漏损率普遍高于 20% （部分区域甚至超过 30%) ），远超《城镇供水管网漏损控制及评定标准》（CJJ92-2016）规定的 10% 目标值，不仅造成水资源浪费与能源消耗（水泵电耗占比达供水成本 30% 以上），还可能引发路面塌陷、水质二次污染等次生灾害。漏损控制的核心在于“精准感知-精准诊断-精准修复”。其中，给水管网水力模型是模拟水流运动规律、量化管网运行状态的关键工具，而漏损精准定位则是将模型输出转化为运维决策的核心环节。然而，老旧城区的特殊性（如拓扑信息不全、监测数据稀疏、管材非线性特性显著）使得传统建模方法（依赖完整设计图纸与稳态假设）与漏损定位技术（如基于流量突变的区域停水法）难以直接适用。因此，研究适配老旧城区特点的水力模型构建方法与高精度漏损定位技术，具有重要工程价值与理论意义。

一、老旧城区给水管网的典型特征与建模挑战

（一）老旧管网的物理与数据特征

老旧城区给水管网的特殊性可归纳

管材老化与结构退化：大量使用灰口铸铁管（占比超 40% ）、石棉水泥管等，长期运行后内壁结垢、腐蚀穿孔频发（平均每公里年漏点数达 0.5-1.2 个），管径因结垢缩小（实测内径较设计值减小 10%-20% ），导致摩阻系数（C 值）动态变化。

拓扑结构模糊：早期建设缺乏规范（如随意接入支管、用户私接现象普遍），原始设计图纸缺失或与现状严重不符（调研显示约 70% 的老旧城区图纸误差率超过 15%÷ ），部分管道被埋压或废弃后未更新记录。

监测数据稀缺：压力、流量监测点密度低（通常每平方公里不足 1 个），且多为人工抄表数据（时间分辨率低至日尺度），难以捕捉瞬态水力波动；部分区域未安装智能传感器，实时数据获取困难。

运行工况复杂：用水需求呈现“双峰一谷”特征（早/晚高峰用水量占比超 40% ），叠加季节性变化（冬季水温降低导致管材收缩加剧漏损），管网压力动态范围大（高峰期节点压力波动可达0.5-1.0bar）。

（二）传统建模方法的技术瓶颈

传统给水管网模型构建依赖“拓扑还原-参数赋值-校准验证”三步骤，但在老旧城区面临显著挑战：

拓扑还原难：缺乏高精度现状图纸时，仅通过现场勘查（如开挖验证）成本极高（单公里开挖费用超 5 万元），且无法覆盖全部隐蔽管段；依赖居民访谈或历史档案的可靠性低。

参数赋值不准：管径、管长等几何参数可通过物探技术修正，但摩阻系数（反映管壁粗糙度与流量关系）受管材老化、结垢影响显著，传统经验公式（如 Hazen-Williams 公式中的 C 值）无法准确描述动态变化。

校准效率低：常规校准依赖少量监测点的压力/流量数据（通常仅 1-2 个关键节点），难以覆盖全网水力状态；多参数（如管径、C 值、节点需求）耦合导致校准结果非唯一，模型预测可靠性差。

二、老旧城区给水管网水力模型的构建方法

针对上述挑战，本文提出“数据融合-多源校正-动态校准”的协同建模框架（图 1），重点突破拓扑还原、参数反演与动态模拟精度三大关键问题。

(-) ）多源数据驱动的拓扑结构还原

拓扑结构是水力模型的“骨架”，其准确性直接影响水流路径模拟结果。对于老旧城区，采用“历史资料解析+物探技术验证+现场勘查补充”的三级还原策略：

历史资料解析：收集 20 世纪 80 年代以来的管网设计图纸、竣工资料、维修记录（如爆管位置、抢修日志），通过 GIS 空间分析提取管段走向、节点连接关系；利用图像识别技术（如 OCR）提取图纸中的管径、材质等参数（需人工校验）。

物探技术辅助验证：采用地质雷达（GPR）、电磁感应仪（如 RD-8100）对道路下方管道进行无损探测，获取管段埋深、走向与交叉点位置；结合开挖验证（选择典型区域开挖 0.5-1 米，核对管材与探测结果），修正历史资料的误差（如误绘的支管连接）。

现场勘查补充：针对无资料覆盖的“盲区”（如老旧小区内部管网），通过阀门井位置反推管段连接关系（阀门通常安装在管段分支处），并利用管道内窥镜（CCTV）检测管内流向（通过水流痕迹判断进出口方向）。

经实际案例验证（以某北方老城区 3km²管网为例），该策略可将拓扑还原准确率从传统方法的65%提升至 92% 以上（误差率 ≤5%^⋅ ）。

（二）动态参数的反演与赋值

参数准确性是模型可靠性的核心，重点解决管径、管长、摩阻系数（C 值）三大关键参数的动态赋值问题：

几何参数（管径、管长）：优先采用物探探测结果（误差 ≤3%) ），对于无法探测的隐蔽管段，结合维修记录中的“爆管位置-影响范围”反推管径（大管径爆管影响范围更广）；管长通过 GIS 路径分析计算（考虑实际弯曲路径，误差 ≤5% ）。

摩阻系数（C 值）：传统 Hazen-Williams 公式（hf =10.67LQ1.852/（C1.852D4.87） 中，C 值与管材、内壁粗糙度相关，但老旧管道的 C 值随时间动态衰减（如铸铁管投用 10 年后C 值可从 130降至90）。本文采用“实测数据反演法”：基于监测点的压力-流量同步数据（如 SCADA 系统的实时监测），通过遗传算法优化 C 值，使模型计算的压力与实测值偏差最小化（目标函数为均方根误差RMSE≤0.05bar）。

（三）多场景动态校准与验证

水力模型的最终目标是实现对真实运行状态的精确模拟，这一目标需要通过“静态校准（稳态）

→动态校准（瞬态）→多场景验证”这一逐步提升精度的过程来实现：

静态校准：首先，基于夜间最小流量数据（通常选择凌晨 2 点到 4 点这一时间段，因为此时用水需求相对稳定）进行校准。具体操作包括校准各个节点的需水量（通过分区计量 DN 数据来进行合理分配）以及管段流量的分配比例，确保各节点的压力计算值与实际测量值之间的偏差不超过10% 。这一步骤为后续的动态校准奠定了基础。

动态校准：在静态校准的基础上，进一步引入高峰用水时段（如早晨7 点到 9 点、晚上 17 点到19 点）的压力-流量波动数据（时间分辨率需达到或超过 15 分钟）。重点校准管网的惯性响应特性（例如压力波的传播速度）以及用户需求的动态变化（例如居民用水的随机性）。为了实现这一目标，采用粒子群优化算法（PSO）对多个参数进行同步优化，包括C 值、节点需求系数等，确保动态模拟的均方根误差（RMSE）不超过 0.08bar，从而提高模型的动态模拟精度。

多场景验证：为了验证模型的鲁棒性和可靠性，选取极端工况（例如突发爆管事件、水泵切换操作）进行模拟。通过对比模型输出结果与实际事件中的压力骤降和恢复曲线（这些数据可以通过历史抢修记录获取），来评估模型的性能。这一步骤能够确保模型在不同工况下均能保持较高的精度和稳定性。

实际应用表明，采用该框架构建的水力模型在典型老旧城区的压力模拟误差控制在 8% 以内，流量模拟误差控制在 12%以内，完全满足漏损定位的精度要求。这一成果不仅验证了模型的实用性和准确性，也为后续的水网管理和漏损控制提供了强有力的技术支持。

三、基于水力模型的漏损精准定位技术体系

漏损定位的本质是通过水力模型量化管网各节点/管段的“异常水力特征”（如压力异常、流量突变），并结合实时监测数据识别漏损发生位置。本文提出“宏观筛查-微观定位-动态追踪”的分层技术体系（图2）。

(-) ）宏观漏损区域筛查：压力敏感性分析

漏损会导致局部压力下降（尤其是远离增压泵站的末端区域），通过分析管网压力对漏损的敏感性，可快速锁定潜在漏损区域。具体步骤如下：

压力监测网络优化：基于水力模型计算各节点的压力敏感系数（定义为某节点压力对单位漏损量的变化率），优先在敏感节点（如压力梯度陡变点、末端节点）布设监测设备（如压力传感器），降低监测成本。

敏感性矩阵构建：通过模型模拟不同位置（覆盖所有管段）发生单位漏损量（如 0.1L/s）时的全网压力变化，生成“漏损位置-压力响应”矩阵，识别压力下降最显著的敏感区域（如某小区或街区）。聚类分析：对监测数据中的低压力节点（持续低于设计值 15% 以上）进行时空聚类（如DBSCAN算法），划定漏损高风险区域（面积通常为 0.1-0.5km²) ）。

该方法可在无直接漏损信号（如噪声传感器）的情况下，将漏损筛查范围从全管网缩小至10%-20% 的关键区域，大幅减少后续定位工作量。

（二）微观漏点定位：瞬态水力特征与机器学习融合

在宏观筛查确定的区域内，进一步通过瞬态水力特征（如压力波传播异常）与机器学习算法实现漏点精准定位：

瞬态事件触发与特征提取：人为制造瞬态扰动（如短时关闭上游阀门，产生压力波），或利用自然扰动（如水泵启停、用户用水突变），通过高频压力传感器（采样频率≥1Hz）采集压力时程曲线。提取关键特征参数：压力波幅值衰减率（反映漏损大小）、波速异常（漏损点会导致压力波反射提前）、频率成分变化（漏损会引入低频噪声）。

机器学习模型训练：基于历史漏损案例数据（标注漏点位置与对应瞬态特征），训练随机森林或LSTM 神经网络模型，建立“瞬态特征-漏点位置”的映射关系。模型输入包括压力波幅值、波速、到达时间差（TDOA）等参数，输出为漏点所在的管段编号或坐标范围（精度≤10m）。

实时定位验证：对于新发生的漏损事件，实时采集瞬态数据并输入训练好的模型，输出候选漏点位置；结合地面听漏仪（检测漏损噪声）或管道内窥检测（CCTV）进行最终确认，将定位误差控制在管段级（传统方法通常为街区级）。

实际案例显示（某南方老城区 DN300 管道漏损定位），该技术将定位时间从传统的 3-5 天缩短至4-6 小时，漏点确认准确率达 95% 以上。

（三）动态追踪与预警：模型迭代优化

漏损定位并非一次性任务，需结合实时监测数据动态更新模型参数（如漏损导致的管段流量长期偏移），并通过预警阈值（如某节点压力连续 3 天低于阈值）实现早期干预。具体包括：

模型自适应更新：根据新发现的漏损点位置与漏损量，反向修正水力模型中的管段流量分配与节点需求参数，提升后续模拟精度。

漏损风险预测：基于历史漏损数据（如管龄超过25 年的管道漏损概率更高）与当前水力状态（如压力波动频繁的管段），利用生存分析模型预测未来 3-6 个月的高风险管段，指导预防性维护。

结语：

综上所述，老旧城区给水管网漏损控制是城市供水安全的重要课题，其核心在于通过高精度水力模型量化管网运行状态，并结合智能算法实现漏损的精准定位。本文提出的“数据-机理-经验”协同建模框架，有效解决了拓扑模糊、参数不准的传统难题；基于水力模型的分层漏损定位技术体系，则实现了从宏观筛查到微观确认的全流程精准化。未来研究可进一步拓展以下方向：多源数据融合深化：结合物联网（IoT）传感器网络（如分布式光纤声波监测）、卫星遥感（热红外异常识别）等技术，提升漏损信号的捕获能力；数字孪生技术应用：构建涵盖管网物理属性、实时运行数据与社会用水行为（如人口密度、用水习惯）的数字孪生体，实现漏损控制的动态仿真与决策优化；长效运维机制：将模型与 GIS 系统、工单管理系统集成，形成“监测-诊断-修复-反馈”的闭环管理流程，推动老旧管网从“被动抢修”向“主动预防”转型。通过技术创新与管理模式的协同，老旧城区给水管网的漏损控制水平有望显著提升，为城市水资源的可持续利用提供坚实保障。

参考文献：

[1]李蓉. 浅谈甘泉县城内老旧管网改造及延伸项目设计[J].陕西水利，2023，（05）：96-97+103.