随着数据监测成本的不断下降、管网水力模型的普遍应用,基于数据与模型驱动的爆管定位技术受到了广泛关注。然而,基于数据与模型驱动的爆管定位技术不仅受监测数据精度及模型准确度的影响,还与监测点布局及监测点数量有关。在上述影响下,如何有效提高基于模型与数据的爆管定位精度是当前面临的难题。针对该问题,本文开展了基于模型驱动及混合统计的供水管网爆管定位研究,具体研究内容与取得的研究成果如下:1)基于模糊聚类的管网压力监测点优化布置研究。供水管网爆管检测与定位需要监测点采集的数据,因此确定监测点的数量与位置是开展爆管定位研究的必要前提。模糊聚类分析是一种采用模糊数学语言对事物进行分类的数学方法,根据研究对象的属性构造模糊矩阵,利用模糊数学方法确定对象间的模糊关系,从而实现聚类。本文提出一种基于模糊聚类的监测点优化布置研究方法,在灵敏度分析的基础上,利用模糊聚类分析法对管网监测点进行优化布置。首先根据矩阵分析法推导的雅克比矩阵解析式计算压力灵敏度矩阵,然后采用模糊聚类法对节点分组,选择每组的聚类中心作为监测点。案例分析的结果表明:优化布置后压力监测点能根据拓扑结构均匀的分布在管网中,有利于提高爆管定位精度。2)背景噪音对基于模型驱动的爆管定位影响研究。基于模型驱动的爆管定位是以管网稳态水力模型为基础,根据SCADA系统采集的管网实时监测数据,分析爆管引起压力、流量等参数的变化,实现爆管定位。考虑监测数据误差是模型驱动法爆管定位性能的主要影响因素,开展了背景噪音对基于模型驱动的爆管定位影响研究。以两个不同规模管网为例,对比不同等级监测误差影响下,模型驱动法的爆管定位性能。结果表明:无背景噪音时,模型驱动法在两个管网中的误报率为27%、24%,而当考虑背景噪音时,模型驱动法的误报率高达72%、76%,这表明背景噪音会显著降低模型驱动法的爆管定位鲁棒性。3)基于模型驱动及混合统计的供水管网爆管定位研究。为提高背景噪音下模型驱动法爆管定位性能,开展了基于模型驱动及混合统计的供水管网爆管定位研究。混合统计算法是结合卡尔曼滤波与累积和算法的统计分析方法,其能从背景噪音中识别并放大异常信号,进而提高爆管检测及定位性能。本文分别采用EPANET、Water GEMS软件对小型管网、科创园区管网与C-Town管网进行水力状态仿真,阐明混合统计算法的实现过程,对比分析卡尔曼滤波与混合统计算法的鲁棒性,论证混合统计算法的可行性。结果表明:在背景噪音的影响下,模型驱动法只能缩小爆管点范围,无法准确定位爆管节点;卡尔曼滤波对背景噪音有一定的过滤作用,但仍不能准确地定位爆管位置;混合统计算法鲁棒性高,结合爆管预警与爆管定位技术迅速定位爆管节点,降低非爆管时段误报率。