随着我国城市基础设施建设的不断完善,城市集中供热日益受到重视,城市集中供热管网作为城市生命线的一部分,是保证城市功能正常发挥的一个重要方面。由于供热管道材质、环境、运行年代等众多因素的影响,供热管网会不可避免的发生一些故障,不仅增大供热能耗、浪费投资,还会给城市居民生活和企业生产带来巨大的安全隐患。因此,对于供热管网故障的准确诊断就成为供热工程安全领域的重要研究课题。供热管网最常见的故障是管道泄漏故障。泄漏故障具有随机性、模糊性、可变性等不确定性特点。国内大多数供热公司普遍使用人工检漏和声学检漏方法,这些传统方法容易受到人为和外界因素的干扰,误判率很高,不能满足供热管网现代化安全监控的要求。目前国内外发展较为成熟供热管网泄漏故障诊断技术有基于数学模型和传感器的诊断技术,但是两者都存在着一定的局限性。基于数学模型的泄漏故障诊断需要建立管网的精确数学模型,一般的实际供热管网很难达到要求；基于传感器检测的诊断方法,直接对检测信号处理,不需要建立数学模型,但是由于一般的城市供热管网供水温度都在90℃以上,所以普通的传感器很难满足实际供热系统的要求。随着人工智能的飞速发展,供热管网泄漏诊断的研究重点逐渐转移到了自动化和智能化的泄漏故障诊断技术,特别是具有自学习和高度非线性拟合能力的BP神经网络,已成为一大研究热点。供热管网的BP神经网络故障诊断以不同泄漏工况的压力变化为学习样本通过一系列的学习得到诊断模型,但是BP神经网络采用的梯度下降学习法决定了其容易出现收敛速度慢、陷入局部极值的问题。为了弥补这一缺陷,本文将有强大搜索寻优能力的遗传算法与之结合,提出了一种基于遗传优化的二级BP神经网络供热管网泄漏故障诊断模型,该模型包括遗传优化BP神经网络泄漏管段诊断模型和遗传优化BP神经网络泄漏定位和泄漏量诊断模型,不仅可以快速、精确的诊断出发生泄漏的具体管段,还可以针对泄漏管段进行泄漏点定位和泄漏量估计。最后本文利用MATLAB将上述模型应用到了一个实际供热管网中,通过实例的结果对比分析,证明了基于遗传优化BP神经网络供热管网故障诊断模型收敛速度和诊断能力均优于传统的BP神经网络模型,可以有效应用到供热管网故障智能诊断系统中。本文研究旨在通过遗传优化BP神经网络故障诊断,建立基于遗传优化BP神经网络供热管网故障诊断模型,研究有助于提高供热管网运行的安全性,保护城市生命线,并有效节约投资,降低供热能耗,提高供热效率。