[发明专利]一种泵组特性曲线拟合方法

说明书

本申请公开了泵组特性曲线拟合方法，包括，为泵组中的每个单泵建立单泵神经网络模型；将各单泵神经网络模型并联，将各单泵神经网络模型的输出结果并行输出并按照并联顺序构造一个m维向量，将该向量与表征各泵运行状态的泵组状态向量进行点乘，得到泵组神经网络模型；将监测到的变量样本作为训练数据，对泵组神经网络模型进行反复训练，得到训练后的泵组神经网络模型；向训练后的泵组神经网络模型输入泵组待拟合特性曲线的变量，得到泵组神经网络模型输出的因变量，建立变量、因变量的对应关系，得到该泵组的特性曲线。本申请能够较好地拟合水泵的流量和压力之间的非线性关系，可应对采用工频泵与变频泵相结合、运行工况多变复杂问题。

技术领域

本发明涉及供水系统中泵组运行状态的监控领域，特别地，涉及一种泵组特性曲线拟合方法。

背景技术

供水系统是城市的生命线工程，随着城市经济的飞速发展以及人民生活水平的提高，供水规模不断增长，供水的能耗日益增加，传统供水系统运行管理调度模式面临严峻的挑战。

我国供水能耗都在电力总消费里占有较大的比例，占电力总消费的0.45％，整年达到了116.07亿千瓦时(2014年)，成为了各城市中最主要的用电单位之一。对于供水企业本身而言，水厂的供水能耗也是企业最为重要的生产成本之一，能耗成本占到了整个生产成本的40％-50％以上。

为了制定合理的供水调度方案，减少供水能耗，需要泵站中的泵组拥有准确的扬程-流量特性曲线、以及各个单泵的扬程-流量特性曲线，从而为建立精准的水力学模型和泵站能耗估算提供依据。因此，对泵站中泵组及其各个单泵的特性曲线进行准确的拟合，能够帮助建立准确水力学模型，进而制定合理的管网优化调度方案以减少供水能耗，是绿色发展的需要，也具有重要的经济意义。

常见的校核泵站特性曲线的方法主要分为两类：一类是基于实验测量数据的校核方法，另一类是基于泵站历史监测数据的建模方法。

基于实验测量的方法需要对泵站的每台水泵分别安装监测仪器，并需要调整工况从而对水泵进行全面的测量，这类方法存在操作复杂、可能影响正常供水安全等缺点。由于我国目前一般只有对泵站(总)流量的监测，所以基于历史监测数据的方法主要是对整个泵站的扬程流量特性曲线进行拟合，然而水力模型的建立和能耗计算需要泵站泵组的各个单泵的特性曲线，所以上述方法并不能解决该问题。

基于泵站监测数据反推拟合各个单泵特性曲线的模型主要采用参数搜索的方法，这类方法需要确定特性曲线方程的形式与参数，所以方程曲线的表达能力受到一定的限制，无法体现水泵使用损耗带来的不确定性，从而可能具有一定的误差。

发明内容

本发明提供了一种泵组特性曲线拟合方法，以提高泵站中泵组特性曲线拟合的精度。

本申请提供的一种泵组特性曲线拟合方法，该方法包括，

为包括至少一个单泵的泵组中的每个单泵建立单泵神经网络模型；

将各单泵神经网络模型并联，将各单泵神经网络模型的输出结果并行输出，并按照并联顺序构造一个m维向量，将该向量与表征各泵运行状态的泵组状态向量进行点乘，得到泵组神经网络模型；其中，m为并联的单泵神经网络模型的个数；

将待拟合特性曲线的变量的样本作为神经网络模型的输入，待拟合特性曲线的因变量样本作为神经网络模型的输出；

将监测到的变量样本作为训练数据，对泵组神经网络模型进行反复训练，直至泵组神经网络模型输出的因变量值和该泵组实际值误差最小，得到训练后的泵组神经网络模型；

向训练后的泵组神经网络模型输入泵组待拟合特性曲线的变量，得到泵组神经网络模型输出的因变量，建立变量、因变量的对应关系，得到该泵组的特性曲线。

较佳地，该方法进一步包括，