城市供热是我国居民生活不可缺少的基础性社会服务,供暖需求伴随着人民生活水平的不断提高也不断增加,同时它也和近年来全社会高度关注的冬季雾霾问题紧密相关。在城市供热系统中,供热管网的泄漏故障是主要故障之一,泄漏将打破热网的水力平衡,造成能源浪费,影响整个供热系统的运行。随着能源转型我国城市供热系统正在向清洁低碳、智慧运行的方向升级,因此对供热管网泄漏故障进行科学准确的诊断具有极大的经济效益和现实意义。在工业大数据的背景下融合现代人工智能技术,充分利用深度学习挖掘故障特性的能力是近年来工业领域故障诊断的研究方向。本文采用深度学习的方法深度置信网络(Deep Belief Network,DBN)对供热管网泄漏问题进行检测及定位,主要研究内容包括:首先,结合图论算法将供热管网抽象成点与边的形式,用矩阵的形式表示出来,管网的运行工况数据可以通过求解相应的数学方程组来获得,这为进行供热管网泄漏工况的水力计算提供了数学依据。其次,以集中供热二级管网为研究对象,在恒定较小供给流量的质调节工况下,建立基于深度置信网络的供热管网泄漏故障两级诊断模型。将管网中压力监测点的压力变化值作为诊断模型的输入变量,一级模型实现对泄漏管段的识别,然后为每一个泄漏管段建立其独有的二级诊断模型来确定泄漏点的位置,分别采用枝状管网和环状管网对模型进行验证。在实际工程实验中选取某区一换热站作为实验对象,分别从泄漏管段、泄漏位置、泄漏率三个方面验证所建立模型的有效性。最后,基于所提出的供热管网泄漏诊断方法,将地理信息系统所特有的可视化表达方式和空间分析功能融合应用到供热系统的管理中,在泄漏事故发生时,实现直观形象的展示和分析泄漏事故。