供水系统是城市基础建设的重要组成部分,不仅直接关系到城市居民的生活质量,而且极大地影响城市的经济发展,因此在供水稳定与节约能源的双重要求下,对供水系统进行优化调度的研究是必要的。供水系统优化调度研究分为用水量预测、供水管网压力分析、优化调度决策三个部分,其中用水量预测是优化调度的基础,管网压力分析是优化调度的决策变量,供水优化调度是目的。用水量的预测是优化调度的前提和基础。分析国内外用水量预测方法,结合某市供水特点,建立基于GA-BP算法的用水量预测模型群。利用预测算法对城市居民时用水量进行预测,预测结果显示GA-BP用水量预测算法有较好的预测结果,提高了用水量预测精度,可为后续优化调度提供基础。供水管网工况模型直接反应整个供水系统的运行状况,供水管网压力参数是供水优化调度模型的水力约束条件。由于管网的复杂多样性,难以建立有效机理模型,建立基于BP神经网络的测压点压力宏观模型,选取反映整个供水系统运行状况的四个测压点进行了模拟分析,并与实测值进行对比。分析结果表明,采用神经网络模型计算的模拟压力值精度较高,符合供水系统运行状况。根据供水系统运行特点,建立以供水系统总运行费用为目标函数,以管网供需水量平衡和测压点压力作为约束条件,优化水厂出水流量的优化调度模型。分析传统的粒子群算法容易陷入局部最优,收敛精度不高的缺点,采用一种改进的动态权值自适应粒子群算法提高算法的收敛性,通过实验分析改进后的粒子群算法粒子群算法收敛速度和收敛精度得到较好的改善。最后以某市供水系统为例进行优化调度分析,优化后的水厂流量进行了合理分配,水厂总能耗降低了 15%,验证了模型实际应用价值。