供热管道的泄漏往往会造成巨大的财产损失和环境影响,近几年随着全国供暖的普及,供暖线路的老化和施工建设对管线的伤害导致供热管道的泄漏事故经常发生,所以供暖管道的泄漏检测算法的研究和监控平台的搭建,对供暖系统的安全和泄漏问题的及时报警关乎企业经济损失和工作人员安全,有着举足轻重的作用。针对供暖管道泄漏过程中传统机器学习算法准确度不足,提出了基于深度置信网和稀疏自编码器的深度学习负压波泄漏检测算法。方法首先提取负压波的均值、均方根、偏斜度、峭度等特征数据,利用负压波形的特征数据作为模型的输入变量,深度置信网通过吉布斯采样确定模型的隐含层,使用深度学习算法训练并提取特征,得到供热泄漏检测模型,稀疏自编码器则利用管道泄漏实验数据进行稀疏约束的仿真实验。结果表明,同BP、SVM、LS-SVM算法比较,深度置信网和稀疏自编码器方法均有效提高了模型的检测精度。以WinCC软件为基础,搭建了基于供热管道系统的监控平台。平台绘制了供暖系统的上位机界面,并实现了变量以及用户管理、历史数据记录以及泄漏检测报警的功能。针对不同工作站观测不方便的问题,提出了基于IPv6网络环境的网页发布的方案,将软件的监控界面发布到浏览器中供客户机访问。测试结果表明,在IE浏览器中可以稳定访问到服务器端的软件界面。针对供暖系统中的动态监控过程,提出了一种基于OPC通信技术的动态数据处理方法。该方法以OPC技术为基础,通过建立OPC服务器,在WinCC组态中创建OPC Group组变量,以SQL Server数据库作为存储媒介,将实时数据进行计算处理并传输到使用SAE算法建立的模型中进行测试,测试结果写入WinCC软件中进行测试结果决策,决定是否进行泄漏报警。测试结果表明该方法可以进行实时的动态数据测试,并进行系统泄漏报警。