具有概念验证的AI驱动自适应水网络管理框架

约旦面临严重的水资源短缺，50% 的水因泄漏、盗窃和计量问题（也称为无收益水 (NRW)）而流失。事实证明，传统的反应方法不足以持续减少无收益水。本文提出了一种智能框架，集成了 EPANET 水力建模、数字孪生技术、SCADA 系统和基于大语言模型 (LLM) 的人工智能代理，用于连续网络监控和自适应决策。该系统将实时数据流与基于物理的模拟相结合来检测异常，采用检索增强生成（RAG）进行策略解释和网络控制的功能调用。概念验证实施验证了在 1,164 个连接点的安曼地区网络上使用 EPYT 和离线 LLM（通过 Ollama 的 llama3.1:8b）的技术可行性。该系统展示了自动水力模拟、与配水区 (DZ) 实践相一致的基于流量的异常检测，以及人工智能生成的健康报告，响应时间低于 2 分钟且 API 成本为零。爆裂检测依赖于局部流量异常分析：30.1~L/s 的模拟泄漏在 15 个管道中产生可测量的流量重新分布，标记出定位爆裂的 15 个接头簇，从而确认与配水区 (DZ) 监测实践的一致性。该框架通过分阶段实施适应约旦的间歇性供应模式和有限的自动化，为缺水地区提供了一条可扩展的途径，利用智能自动化来减少无水收益和提高运营效率。