1.一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于，包括以下步骤：S1、依据供水管网基础数据，构建供水管网的水力模型；

S2、根据建立的供水管网水力模型，仿真计算获得管网各节点水压数据，建立水压降灵敏度矩阵，并对灵敏度矩阵作规格化处理；

S3、以水压降灵敏度规格化矩阵为基础，计算各节点间的水压降相关性，并建立节点水压降斯皮尔曼等级相关系数矩阵；

S4、以节点水压降斯皮尔曼等级相关系数矩阵为基础，采用树状层次聚类算法为供水管网节点分类并组；

S5、以水压降灵敏度规格化矩阵与分类并组结果为基础，计算各聚类组内节点间的相似距离，选取到组内各点相似距离之和最小的为本组水压监测点。

2.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于：所述步骤S1中构建供水管网水力模型应用的供水管基础数据包括管段长度、管段直径、节点基本需水量、管网拓扑结构图。

3.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于：步骤S2中根据建立的供水管网水力模型，仿真计算获得管网各节点水压数据，建立水压降灵敏度矩阵，并对灵敏度矩阵作规格化处理，具体包括：S21：计算节点的水压降：

其中ΔHi是节点i水压降， 分别是节点i未漏损时的水压与漏损后的水压。

S22:计算节点的水压降灵敏度：

其中k为漏损节点，ΔHi、ΔHk为节点i与节点k为漏损时与漏损后的水压差，X(i，k)定义为节点i在节点k发生漏损时的水压波动程度，即水压灵敏度。

S23：根据各节点水压降灵敏度，获得水压降灵敏度矩阵X如下：S24:将水压降灵敏度矩阵采用均值规格化处理，并得到灵敏度矩阵规格化矩阵，具体如下：其中， 是水压降灵敏度矩阵X每列的平均值；水压降灵敏度矩阵每个元素除以其所在列的平均值即X’(i,k)，根据X’(i,k)组成的灵敏度矩阵规格化矩阵X’。

4.根据权利要求3所述的一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于：所述步骤S3中以水压降灵敏度规格化矩阵为基础，计算各节点间的水压降相关性，并建立节点水压降斯皮尔曼等级相关系数矩阵，方法如下：将灵敏度规格化矩阵X’的每行作为一个数列Xi，i为行号也代表这个数列内灵敏度所属的节点号，首先，把数列Xi排序得到排序数列a＝{a1,a2,...an},将数列Xi内每个元素在数列a中的位置记为Yi，称其为元素的秩次，得到数列Xi对应的秩次数列Yi，同样，得到数列Xj对应的秩次数列Yj，将两个秩次数列Yi和Yj内每个元素对应的秩次相减得到秩次差数列d＝{d1,d2,...dn},将其代入斯皮尔曼等级相关系数公式：其中n为数列点数，对应于一个窗长的采样点数；ρ为斯皮尔曼等级相关系数，设r(i,j)＝ρij,i、j为所对比的两个数列代表的节点号，建立基于斯皮尔曼等级相关系数的节点水压降相关系数矩阵R。

5.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于：所述步骤S4中采用树状层次聚类算法对各节点分类并组：具体方法如下：

运用Ward法合并各组、绘制树状层次聚类图；

以斯皮尔曼等级相关系数作为两组之间的相关距离,以合并节点号为x轴，相关距离平方和值为y轴，绘制成树状层次聚类图。

6.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法，其特征在于：所述步骤S5具体过程如下：

采用闵可夫斯基距离计算方法计算各组内节点间的相似距离，所述闵可夫斯基距离计算方法如下：两个n维变量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的闵可夫斯基距离定义为：其中p是一个变参数。

在闵可夫斯基距离的计算基础上，选取到组内各点相似距离之和最小的为本组水压监测节点，计算公式如下：为i点到组内其它点的距离系数平均值；m为组内点的个数；rij为i点与组内其他点j的距离系数；对于每个组，取 最小的点为水压监测节点。