《Water》：A DEA-Based Water Distribution Flushing Planning for Prioritizing High-Risk Pipes and Blocks
编辑推荐：
冲洗规划要求供水企业利用异质的结构和水力信息对管道和服务区块进行优先级排序。本研究提出了一种数据包络分析（DEA）辅助框架，将管道级筛选、服务区块优先级排序和候选冲洗段规划相衔接。该框架基于七项指标，采用输入导向的Banker–Charnes–Cooper（B
冲洗规划要求供水企业利用异质的结构和水力信息对管道和服务区块进行优先级排序。本研究提出了一种数据包络分析（DEA）辅助框架，将管道级筛选、服务区块优先级排序和候选冲洗段规划相衔接。该框架基于七项指标，采用输入导向的Banker–Charnes–Cooper（BCC）模型分别评估沉积和脱落条件，同时避免预先设定一个共同的专家定义权重向量。研究人员将该框架应用于一个包含481根管道和394个节点的真实配水系统，识别出88根沉积优先管道和12根脱落优先管道。在现有区块结构内进行长度加权聚合后，区块1、7、2和4排名最高，而长度归一化分析确定区块2具有最大的优先管道集中度。在测试的管长指数变化下，前四区块组合保持不变；当流速差筛选水平从0.5 m/s变化到2.0 m/s时，前12个脱落优先管道集合得以保留。此外，通过模型形式、预处理、指标剔除和等权重比较来描述管道级优先级的敏感性。最后，利用现有阀门和消火栓位置在代表性区块中划分出五个候选冲洗段。该框架为指导详细水力验证和现场实施提供了系统基础。
配水管网在长期运行中，内壁会积累腐蚀产物、沉积物和水垢，当水力条件改变时，这些物质可能被重新悬浮，导致用户端出现黄水或浊度超标。冲洗是清除松散沉积物的常用维护手段，其中单向冲洗（UDF）因其可控性强而广泛应用。然而，冲洗计划的制定需要对管道和服务区块进行优先级排序，以在有限资源下集中处理高风险区域。
现有优先级排序多采用多准则决策分析（MCDA），如层次分析法（AHP）、TOPSIS和PROMETHEE等方法，这些方法通常需要预先确定指标权重，而权重在不同企业和决策者之间存在主观差异。数据包络分析（DEA）作为一种非参数效率分析方法，能够在共同约束下内生地为每个决策单元确定权重，无需预先指定统一权重向量。已有DEA应用多关注供水企业绩效、漏损和脆弱性分析，但较少将管道级筛选转化为实际冲洗维护所需的操作单元。为此，研究人员提出了一种基于DEA的冲洗规划框架，并发表在《Water》期刊上。该研究旨在将管道级筛选、服务区块优先级排序和候选冲洗段规划联系起来，为详细水力验证和现场实施提供系统基础。
研究采用了输入导向的Banker–Charnes–Cooper（BCC）模型，分别构建沉积和脱落两个DEA模型。沉积模型使用四个指标：管龄、管道内径、平均流速和滞流时间比；脱落模型使用三个指标：影响面积、流速差和流向反转。数据来自城市A的实际配水管网GIS数据库和EPANET水力模拟结果，包括481根管道和394个节点，划分为9个既有服务区块。首先通过24小时扩展期模拟获得正常运行和源切换工况下的水力指标，再进行min-max预处理；随后DEA分类，按类别系数和管道长度在服务区块内聚合；最后利用既有阀门和消火栓位置划分候选冲洗段。
**4.1 高风险管道分析与风险区块确定**
**4.1.1 沉积风险分析**
通过输入导向BCC模型评估管径、平均流速、管龄和滞流时间比，得到88根沉积优先管道，其中10根Rank 1、7根Rank 2、68根Rank 3、3根Rank 4。直径与沉积得分呈负相关，但平均流速、滞流和管龄也提供补充信息。指标剔除分析表明，去除平均流速、滞流时间比或管龄后，分别保留85、83和81根基线优先管道；而去除管径后仅保留39根，说明管径在该网络中具有强判别作用，但其他指标仍影响优先集合的构成与排序。
**4.1.2 脱落风险分析**
通过比较正常运行和源切换工况，计算影响面积代理变量、流速差和流向反转。结果显示，流速差与脱落得分的相关性最强（r = 0.87），影响面积代理变量次之（r = 0.16），流向反转最弱（r = 0.04）。识别出12根脱落优先管道，其中4根位于上层规划类，8根为Rank 4。当流速差筛选阈值从0.5 m/s增至0.7、1.0、1.5和2.0 m/s时，前12根优先管道保持不变，表明主要脱落候选管道对阈值变化具有稳健性。
**4.1.3 高风险区块评估结果**
将管道类别与管长结合，按累积得分和长度归一化强度计算区块优先级。区块1的累积优先得分最高（2083.16），其次为区块7（984.23）、区块2（704.55）和区块4（520.26）；而长度归一化分析显示区块2具有最高的优先贡献集中度。因此，累积得分反映区块内优先管道的总长度加权维护优先级，归一化强度反映优先贡献相对于区块总管长的集中程度，两者提供互补的规划信息。
**4.2 代表性区块的候选冲洗规划**
选择区块8作为代表性案例，其累积优先级排第五、归一化强度排第四。利用现有的14个阀门（V1–V14）和3个消火栓（H1–H3），根据连通性、隔离性和出水口规则，将区块8划分为五个候选冲洗段（a–e），每个段均有对应的阀门组合和消火栓出口。这些配置是规划级候选方案，而非最终水力批准的操作方案，需进一步验证冲洗流速、压力响应、出口流量、所需水量和阀门操作顺序。
讨论部分指出，DEA得分是相对筛选优先级而非绝对风险概率。模型形式选择会影响管道集合，但主要区块决策保持稳定。与等权重加权求和法和TOPSIS相比，沉积排序差异较大，而脱落排序差异较小。主要限制包括缺乏管道级沉积物质量、浊度响应或现场冲洗结果作为独立验证数据，因此结果需在明确模型设定下解释。结论部分可概括为：本研究开发了基于DEA的冲洗规划框架，利用输入导向BCC模型评估七项指标，无需预设统一权重向量。应用于481根管道案例网络后，识别出88根沉积优先管道和12根脱落优先管道；由于两组不重叠，共有100根管道（占20.8%）至少被一个优先集纳入。管道类别与管长结合在九个服务区块内聚合后，区块1、7、2、4的累积优先级最高，区块2的长度归一化优先级强度最大。随后，在区块8中利用现有阀门和消火栓划分出五个候选冲洗段，展示了从全网筛选到实体管段和设施组合的转化。敏感性分析表明，在管道长度权重和类别系数变化下，主要服务区块决策保持稳定；脱落候选集在测试的流速差筛选水平下保持不变。但沉积结果对指标选择、预处理和DEA权重限制更敏感，因此应在明确模型设定下解释。该框架旨在确定详细冲洗评估的起点，而非取代常规水力设计。候选段仍须验证冲洗流速、压力响应、出口流量、阀门操作顺序和现场条件。未来研究应将该框架应用于更多数据丰富的供水系统，并结合现场水质和冲洗观测验证相对优先级。
