供水系统（WDSs）是城市基础设施的关键组成部分，确保向用户供水并支持社会经济活动。然而，在WDS的日常运行中，由于管道老化、施工干扰和压力管理不当等各种因素，管道故障不可避免地会发生[1,2]。管道故障可能导致大量水资源损失、压力降低，甚至服务中断，严重影响系统的水力可靠性[3,4]。此外，此类事件还会导致水质老化 and 变色（例如，水变黄），从而对水质安全构成威胁[5]。
鉴于管道故障带来的多种风险，WDS管理策略已从传统的被动修复转向主动的韧性增强。提高WDS韧性涉及两种主要策略：故障前的预防性维护和故障后的响应与恢复[[6], [7], [8]]。在故障后响应管理中，及时有效的干预措施对于恢复WDS性能至关重要。以往关于韧性恢复的研究主要集中在优化灾难场景（如地震）中受损管道的修复策略[3,4]。实际上，在常规WDS运行过程中，多条管道同时发生故障的概率相对较低。因此，在正常运行条件下，管道修复策略通常较为简单。更重要的是，现有研究大多忽视了隔离阀在故障响应过程中的关键作用及其相关影响。具体来说，迅速关闭故障管道周围的隔离阀对于遏制故障扩散、减少服务中断以及为有效修复创造必要条件至关重要[1,9]。然而，隔离阀关闭（IVCs）不可避免地会改变WDS的原始拓扑结构和水力平衡，从而影响系统范围内的压力分布和流动路径。因此，虽然IVCs有助于减轻直接故障影响，但也会对供水服务产生次要影响[10,11]。全面理解和有效管理这些由IVCs引起的连锁效应对于在故障条件下保持WDS的运行稳定性和提高整体系统韧性至关重要。
许多研究已经探讨了IVCs对系统性能的影响。例如，刘[12]使用三个性能指标分析了IVCs的影响：隔离一个段所需的阀门数量、段长度和系统供应短缺量。Abhijith等人[13]通过评估供应短缺来评估IVCs对系统性能的潜在损失。吴等人[14]通过整合段故障率和系统需求短缺量来量化IVCs的影响。然而，现有研究主要集中在评估IVCs造成的水力性能损失（例如，供水短缺），而很大程度上忽视了相关的水质风险。实际上，IVCs可以引起WDS内的流量重新分布，这可能导致流量反转和流速突然增加[15,16]。这些水力扰动可能会冲掉附着在管道壁上的生物膜，并重新悬浮沉积在管道底部和低速区域的颗粒物，从而引发水质问题，如浊度升高和变色[17,18]。此外，IVCs可能会延长水的停留时间，导致系统水龄增加。这可能会降低余氯浓度并促进消毒副产物的形成[19,20]。鉴于WDS的基本功能包括充足的供应、稳定的压力和安全的水质，韧性增强框架必须同时考虑水力可靠性和水质安全两个方面。
在实践中，经济限制往往阻碍了在WDS中实施理想的阀门配置，例如N阀（在管道两端安装隔离阀）或N-1阀（节点处的阀门数量比连接的管道数量少一个）[21,22]。这意味着隔离故障管道需要关闭多个隔离阀。尽管一些先进的WDS已经实施了智能水技术，可以实现远程实时控制阀门状态，但大多数系统的阀门操作仍然依赖于现场手动干预[23]。这种手动操作方法带来了确定最佳IVC序列的挑战。不同的关闭序列会导致WDS拓扑结构发生不同的动态变化，进而对系统运行性能产生不同的影响。不正确的IVC序列可能会导致节点处出现显著的压力波动，以及管道中频繁的流量反转和流速激增，从而影响水力和水质性能。然而，现有关于故障管道隔离的研究主要集中在识别需要关闭的隔离阀[8,12]，而忽略了系统韧性增强中优化IVC序列的作用。值得注意的是，关于水污染事件应急响应的研究系统地分析了干预措施（包括隔离阀和消防栓）的操作序列如何减少人群接触污染物的风险[23,24]。研究结果表明，优化IVC序列对于维持系统水力稳定性和减轻公共卫生风险至关重要。因此，在隔离故障管道时，优化IVC序列对于减少系统性能损失和确保系统韧性至关重要。
为了确保WDS的长期韧性，同样重要的是加强系统组件的常规预防性维护。具体来说，应通过系统维护加强WDS组件的机械可靠性，以提高系统抵抗中断的能力，从而防止故障[25,26]。然而，在实践中，WDS包含大量的管道和阀门，而维护预算和人员往往有限。因此，识别WDS中的关键和脆弱组件对于制定高效和有针对性的维护策略至关重要[21,27]。以往的研究侧重于预测管道故障概率，并根据这些概率制定预防性方案（即为故障概率较高的管道优先分配维护资源）。一些研究使用管道长度与总网络长度的比率作为其故障概率的替代指标[28,29]。然而，这种方法忽视了可能影响管道健康状态的其他关键因素[21,30]。近年来，机器学习模型越来越多地被应用于预测管道故障概率[[31], [32], [33]]。然而，这些模型的实际应用往往受到数据稀缺或数据质量差的限制[21,26]。鉴于故障概率预测的局限性，越来越多的研究转向基于组件故障对系统性能影响来评估组件关键性（即为故障后造成显著性能损失的组件优先分配维护资源）。目前，系统组件的关键性评估主要涉及两类：拓扑指标分析和水力性能模拟。从拓扑角度来看，Abdel-Mottaleb等人[34]构建了一个可访问性矩阵来评估段的重要性和脆弱性。Jiao等人[35]提出了一个SV树模型，并使用介数中心性指标来量化段故障造成的性能损失。然而，拓扑指标往往无法充分捕捉某些故障场景的本质，因为忽略了实际的水力条件[11,25]。因此，一些研究引入了基于水力性能的评估标准。Wéber等人[25]使用需求短缺来量化段故障后的系统性能损失。Hernandez和Ormsbee[36]考虑了正常和火灾流动条件下的总需求损失，以全面评估段故障对WDS性能的影响。此外，一些研究基于多维指标或新颖的分析框架来评估组件的关键性。Abdel-Mottaleb等人[37]开发了一个多标准优化模型，结合了可达性、段流量和社会脆弱性来识别关键隔离阀。Mottahedin等人[27]提出了一种基于聚类算法的关键阀门识别方法，利用了从段和阀门双重拓扑中得出的模块性指数[38]。然而，现有研究存在一个显著的限制。具体来说，大多数研究关注的是组件故障导致的水力性能下降，而忽视了对水质安全的潜在威胁。这种忽视可能导致评估未能充分反映组件的真实脆弱性，从而无法提供有针对性的维护指导来增强系统韧性。
为了解决这一研究空白，本研究提出了一种综合框架，通过优化隔离阀的操作和关键组件的识别来提高WDS的韧性。首先将WDS拓扑结构转换为段-阀（S-V）模型，以便快速识别用于隔离故障管道的阀门。然后从水力和水质两个方面评估由于IVCs造成的系统服务性能损失。随后，开发了一个优化模型，以确定在故障期间最小化累积性能损失（CPL）的IVC序列，从而提高系统的恢复韧性。此外，进行关键性评估，以识别对系统服务性能有显著影响的段和阀门，从而优化组件的预防性维护策略，提高系统的抗韧性。本研究采用两个具有不同拓扑结构的实际WDS作为案例研究来验证所提出的框架。
