考虑未来条件下的非饮用水管网优化运行研究：以伊斯法罕大学管网为例

为解决伊朗淡水资源紧张和非饮用水管网(WDN)运行效率低下的问题，Mohamad Reza Najarzadegan和Ramtin Moeini开展了基于二进制遗传算法(BGA)和人工神经网络(ANN)的联合优化研究。通过预测未来5年用水需求并优化泵站调度，实现夏季能耗降低19.77%、冬季降低37.5%，ANN模型预测精度达R2=0.89。该研究为气候敏感型区域的水资源管理提供了创新方法。

　　

随着全球人口增长和气候变化加剧，淡水资源的可持续利用已成为严峻挑战。伊朗作为典型干旱地区，其人均淡水消耗量比全球平均水平高出5%-85%，同时管网漏损率高、饮用水使用效率低下。这种背景下，非饮用水管网(Water Distribution Network, WDN)的优化运行显得尤为重要——它能够将宝贵的饮用水资源留给人类直接需求，而用再生水或雨水满足灌溉等非饮用需求。然而，现有管网设计多基于当前条件，缺乏对未来气候变迁和人口波动的适应性，且泵站运行能耗占管网总成本的显著比例。伊斯法罕大学的Mohamad Reza Najarzadegan和Ramtin Moeini团队在《Results in Engineering》发表的研究，正是针对这一系列问题提出的创新解决方案。

研究团队采用仿真-优化耦合框架，主要技术方法包括：1) 基于EPANET软件构建管网水力模型；2) 使用二进制遗传算法(Binary Genetic Algorithm, BGA)优化泵站开关调度，决策变量为24小时内的泵站启停状态；3) 应用人工神经网络(Artificial Neural Network, ANN)预测未来5年用水需求，输入参数包括2013-2017年的温度、降雨、风速等气候数据及校园人口数据；4) 通过MATLAB-EPANET接口实现自动化模拟与优化。研究样本为伊斯法罕大学非饮用水管网，包含626个节点、639条管道和11台泵。

材料与方法

研究创新性地将BGA与ANN结合：BGA通过选择、交叉和变异算子优化泵站运行，目标函数为最小化电耗成本（含0.002725×q×h/η计算公式），约束条件包括储罐容量和每日启停次数≤2次；ANN采用3隐藏层结构，Levenberg-Marquardt算法训练，以温度等6类数据预测需求。特别值得注意的是，模型考虑了伊朗特有的电价分时计价机制（夏季高峰电价为117,518里亚尔/千瓦时）。

案例研究

伊斯法罕大学管网作为中型系统的代表性案例，具有大型管网的所有特征：教学时段用水集中、用户需求模式多样。数据显示，当前管网节点压力波动达94.5-0.66米，管流速度0-1.81米/秒。其中"5号供水泵"等关键设备的运行效率仅0.54，优化潜力显著。

优化运行结果

当前运行与优化对比显示：夏季运行成本从216,127里亚尔降至202,252.8里亚尔（降幅19.77%），冬季从193,019里亚尔降至175,872里亚尔（37.5%）。泵站调度策略发生本质变化，如"研究楼排水泵"运行时间从20小时优化为15小时。效率提升最显著的是效率仅0.43的"AL-Zahra"泵，冬季运行时间从16小时降至11小时。

未来需求预测

ANN预测显示：到2029年校园总用水量将达274.17立方米，温度每升高1°C将导致需求增长8-12%。模型在训练集和测试集的RMSE分别为1658.7和1621.2 MCM，R2稳定在0.85以上。敏感性分析表明，人口变化±10%会导致需求波动±8-12%，但NRMSE保持在8.55%以内，验证了模型的鲁棒性。

讨论与结论

该研究首次将需求预测与实时优化结合应用于伊朗非饮用水管网，其19.77-37.5%的能效提升幅度显著高于Tabesh等学者在德黑兰管网12%的优化效果。创新点在于：1) 考虑电价分时和泵折旧的双重成本；2) 通过ANN实现气候-需求动态耦合。局限性是未量化机械磨损对全生命周期成本的影响，这将是未来研究方向。该成果为干旱地区水资源管理提供了可复用的技术框架，其"预测-优化"双模块设计尤其适用于面临类似挑战的发展中国家。