在現有泵站設備的基礎上設計合理的泵站運行控制策略是提高泵站運行效率的經濟和有效途徑之一。設計合理的泵站運行控制策略的前提是科學把握用戶的供水需求，在此基礎上，優化供水泵站的水泵運行數量和運行參數，可實現供水泵站的高效運行。通過采取合理的控制策略，利用計算機技術將人工經驗判斷轉變成算法優化的結果，在原有設備的基礎上只需調整供水泵站的水泵運行臺數和轉速，合理分配負載，即可達到泵站高效運行的目的，以充分發揮現有設備的潛能。

在保證泵站機組的安全運行方面，必須對泵站機組的運行狀態進行實時監測和有效干預，以防止故障的發生。同時在故障出現時，應能夠準確的診斷并加以處置，以確保不發生安全事故。

對于運行狀態評估和故障診斷而言"-，要研究能評估泵站健康狀態和故障診斷的數據監測手段，通過有效的算法對泵站系統設備的健康狀態進行評估。文章基于泵站高效和安全運行的需求，提出了市政供水泵站智慧化管理系統的功能和軟硬件架構，并結合實際案例對相關算法進行了說明。該工作為供水泵站智慧化管理系統的設計和實現提供了有利支持。

定義和功能

為實現泵站的高效可靠運行，有必要建立一個智慧化管理系統，將科學技術的發展成果應用于傳統的泵站領域。首先對泵站智慧化管理系統進行定義，在此基礎上提出泵站智慧化管理系統應實現的功能、硬件和軟件架構并開發相關功能模塊。

研究將具有“感知、記憶、推理、判斷和事件處理能力的系統”定義為智慧化系統。在這樣定義的基礎上，提出供水泵站智慧化管理系統主要應具備的功能如下。

1)實時感知水泵各類運行信息(如壓力、流量轉速、溫度和振動等。

2)儲備基礎優化運行和運行狀態評估知識3)現地分析、判斷和事件處置的能力，以及與云端或第三方平臺網絡交互的能力。自適應運行、事件分析、判斷和處置能力(調節、預置、診斷、報警 )。

4)可運用網絡技術將各子系統進行融合，通過數據分析、優化控制、合理調度等策略，實現泵站(泵站群)的智慧運行和管理，以有效提高泵站整體運行的穩定性及效率，降低事故發生率和運行成本。

5)將基于精確數學模型和基于數據驅動的算法加以融合，有效為泵站(泵站群)的高效和穩定運行提供節能優化控制策略，有效為泵站(泵站群)系統的運行狀態評估和故障診斷提供合理有效的技術。

6)移動應用:用戶界面、設備管理、報警通知和系統設置等。

7)云視頻集成等

硬件架構與軟件模塊

硬件架構

對系統功能進行分析后，將智慧化管理系統主要分智慧水泵組件和智慧化服務平臺。泵站智慧化管理系統硬件架構見圖1

1)智慧水泵組件。智慧水泵組件由嵌入壓力、流量、轉速、溫度和振動等傳感器的水泵本體和與之配套的智慧測控單元組成。智慧測控單元要求能實時采集泵站的各狀態參數，并進行存儲、傳輸和處理，主要涉及轉速、壓力、電量、流量、振動等信息。其中對振動信號的采樣頻率要求較高，數據量龐大。智慧測控單元的結構示意圖見圖2。

智慧測控單元由測量模擬量的模塊、振動模塊和主控計算機組成。模擬量主要包括:流量和壓力信號，通常由電磁流量計和壓力變送器轉換成4~20 mA 信號，或通過現場總線傳輸數據;溫度信號,通常由溫度傳感器(如 PT100)接入溫度模塊通過現場總線傳輸數據:電量，主要包括有功功率功率因素、電流和電壓等。

振動信息的采集通常由ICP 加速度計和振動數據采集器完成。而轉速信號則可由振動數據采集器的相應通道完成采集。模擬量的數據一般通過現場總線傳輸，而振動信號一般通過網絡傳輸。

為統一收集水泵的各類運行數據，通過串口服務器將現場總線傳輸的數據轉換成網絡傳輸的數據，與振動信號一起與主控計算機聯網，統一接受數據，向云端發送。智慧水泵組件實現了水泵和測控單元的集成，可針對不同泵站的特點，靈活組態。能實時感知水泵各類運行信息、儲備基礎優化運行和運行狀態評估知識、存儲關鍵數據并具有分析、判斷和事件處置能力。智慧水泵組件具有與智慧化服務平臺或第三方平臺網絡交互的能力。

智慧泵站實際上是基于機械裝置、電氣裝置傳感器技術、自動控制技術、互聯網技術、數據分析技術以及軟件技術等獲得實現的。對于新建泵站，采用智慧水泵組件，經過簡單的軟硬件組態，即可實現多機組的信息互聯和協調控制。對于已建泵站,通過設置相應的傳感器、共享部分已有信息:采用智慧測控單元亦可實現泵站系統的智慧化管理。運用智慧測控單元還可以通過網絡技術將各子系統進行融合，實現泵站(泵站群)的智慧運行和管理，有效提高泵站整體運行的穩定性及效率，降低事故發生率和運行成本。

2)祝頻。在泵站現場安裝網絡攝像頭，可實時顯示泵站的監控圖像，用戶可以通過終端設備隨時隨地查看泵站運行狀態的實況。同時保留一段時間內的監控錄像，存儲在云服務器上，方便用戶對水泵過往的實況錄像進行查看。

3)移動端APP開發。為方便泵站管理人員隨時隨地監測泵站機組的運行狀態，考慮通過手機移動端實現智慧管理，包括水泵實時運行參數展示和存儲、數據可視化、泵站運行圖像的云監控泵站機組管理、用戶權限管理和報警等功能。

4)智慧化服務平臺。智慧化服務平臺由云服務商提供的云端服務器搭建，根據泵站智慧泵組件每日采集后上傳的數據量向云服務商購買服務，購買內容包括處理器核數、運行內存、物理內存和帶寬等。隨著智慧化服務平臺管理的泵站數目的增加，可根據需要不斷向服務商升級服務內容智慧化服務可實現的功能主要包括如下。

(1)設備端信息采集、云服務數據與發送云服務數據存儲與管理，并對泵站進行實時在線云監控。

(2)將基于精確數學模型和基于數據驅動的算法加以融合，有效為泵站(泵站群)的高效和穩定運行提供節能優化控制策略,有效為泵站(泵姑群)系統的運行狀態評估和故障診斷提供合理有效的技術。

(3)算法插件嵌人,如流體力學、結構動力學機器學習、自動控制等相關算法。

軟件模塊

在硬件架構確定以后，需要開發各類軟件模塊以實現泵站智慧化管理的功能，主要軟件模塊包括如下。

1)數據采集和數據上傳軟件模塊，用于收集和上傳底層數據。

2)服務端接收軟件模塊，用于接收客戶端上傳數據，并保存至數據庫中。

3)云端界面服務程序，用于以圖形或數據形式顯示泵站位置及相關泵的運行參數。

4)權限管理程序，用于根據不同的用戶級別設置相應的權限，確保系統有效和安全運行。

5)功能軟件模塊，用于實現泵站優化運行運行狀態評估和故障診斷等智慧化管理的功能。

運行狀態評估及故障診斷

運行狀態評估

運行狀態評估和故障診斷叫是一個具有挑戰性的問題。運行狀態評估，就是要對泵站設備的健康狀況給出判斷，明確泵站設備是否需要維護，何時維護是最合適的，以在保證安全運行的前提下盡可能的節省人力和財力。故障診斷則是在故障已經發生的情況下，要求準確地判斷故障種類，使泵站迅速恢復運行且不至于發生事故。因此，泵站運行狀態評估和故障診斷對于確保泵站的安全運行意義重大。

泵站的故障或潛在故障主要分為電氣故障和機械故障。對于電氣故障目前已有相對較可靠的方式，通過互感器感應各類信息，并通過相關智能化模塊判斷和處置故障。水泵機組的機械故障包括結構本身和組合(如泵體、葉片或轉軸裂紋、軸承損壞、緊固件松動和安裝等)引起的故障，還有由于水泵運行工況的變化引起的內部非穩態流動誘發的工況惡化和穩定性問題。理論上完全可通過分析流體和結構相互作用的力學模型加以解決。流體控制方程由連續性方程和納維-斯托克斯方程(N-S方程)描述，見式(6)~式(7)。

式中:p為流體的密度，kg/m;t為時間，s;v為流體的速度矢量，m/s;p為壓力，Pa;μ為流體的動力黏度，Pa·s;f為流體所受外力，N/m葉片泵內部流動為湍流。在求解流體動力學方程時為了封閉速度脈動項需要使用湍流模型，常用的湍流模型有雷諾時均模型，大渦模擬，以及結合前兩者求解特點的混合模型。若存在空化現象還需要用到空化模型。結構動力學的方程由以下方程組描述，分別是平衡方程、本構方程和幾何方程。平衡方程描述微元的力的平衡，本構方程描述的是應力和應變之間的關系，幾何方程描述的是位移和應變的關系。

通過流體和結構動力學方程的耦合求解，可分門別類地分析各類機械故障產生的機理，并進一步分析故障特征。但對于水泵運行過程中的流固耦合分析，若要獲得與實際情況一致的計算結果，則需很高的時間分辨率和空間分辨率，這是因為，要準確捕提非穩態湍流流動結構，需在計算域劃分極為精細的網格。同時，由于結構振動響應頻率也較高，模擬的時間步長需要很小，將流體動力學方程和結構動力學方程耦合求解對計算資源要求極高。

故障診斷

為分析運行狀態和判斷故障類型，在已知故障特征的基礎上，利用數據分析的方法進行故障程度分析和診斷過程的示例如下。以軸承故障為例，可在軸承體和機腳處選擇2個測點，記錄它們振動加速的時域信號。對時域信號進行特征值分析(包括時域和頻域)，構建軸承故障數據集。通過支持向量機進行數據分類s1可判斷軸承故障或者對軸承的狀態進行評估實現過程描述如下。

1)建立故障數據集?？稍谟辛烤V時域特征值(平均值、最值、峰值和有效值等)，無量綱時域特征值(峭度值歪度、裕度指標、峰值指標和脈沖指標等)和頻域信號特征值(幅值樣本均值幅值樣本方差、幅值偏度系數和幅值峭度系數等)及由時頻分析方法四計算的特征值(模糊熵、排列熵、近似熵和小波包能量等)中選取若干個帶有標記的特征值構成故障數據集。對于不同的時域信號z(t)，i=1，2，3，…，可計算表征其信號特點的特征值口-1

2)支持向量機分類。利用支持向量機對上述數據集 U進行分類。假定一個超平面w·x+b=0.可完全隔離2類樣本。即使得該超平面到每類樣本點距離均大于零，且要求支持向量(距離分割平面最近的點，是確定該平面的關鍵向量)到分隔面的距離最大，從而更好區分開不同樣本。

上述過程可通過編程來實現，嵌入到智慧化服務平臺中。運行狀態評估和故障診斷的關鍵是要有與之相對應的數據集，數據集的來源可從3個途徑獲得:機組運行時實時采集數據的處理、通過式(6)式(8)耦合分析及故障在線試驗，

實際案例

以某供水泵站為例，該供水泵站已在恒壓供水的基礎上進行過1次優化，泵站考慮了不同泵機組之間的搭配。

根據不同時間段用戶的用水需求，通過泵機組之間的搭配，調整管網需求揚程。相比較恒壓供水，有明顯節能效果。然而，該泵站沒有按照揚程需求曲線的實際變化規律來調節揚程，仍存在節能空間。

該泵站根據離散的幾個流量揚程需求點設計運行方案，通過泵機組之間的搭配滿足用戶的不同流量需求。當泵站運行至揚程需求點時，若流量繼續增大，原工作模式就不能保證用戶的揚程需求，進而需要切換工作模式。通過監測泵站運行，可得到不同的泵機組并聯運行時的最大流量點，即揚程需求點。將得到的揚程需求點擬合，即可得到該泵站的揚程需求曲線。一般情況下,管網結構一旦確定對應的揚程需求曲線也就確定，揚程需求曲線反映了用戶不同的流量下所需要提供的揚程。確定了揚程需求曲線之后，以泵站運行總功率最小化和泵機組效率最大化作為優化目標，以泵機組的數量、轉速、流量及揚程作為約束，選擇合適的尋優算法對泵站進行建模，進行迭代運算，最終得到相應的優化方閹叔罡陔僬葫攖絡伲瑜淏鑽繰薯謠背蓊羝喙騙

計算結果表明，作為應用于案例中的優化方案，不僅可滿足全天24h管網需求變化，且可減少782.5 kW·h的能耗。

結語

研究首先對供水泵站智慧化管理系統作了定義，并提出智慧化管理系統應實現的功能。在此基礎上，介紹智慧化管理系統的硬件架構和軟件模塊，同時說明優化運行、運行狀態評估和故障診斷功能的實現途徑。在故障診斷的實現途徑方面，介紹支持向量機的具體實現方法，而隨著人工智能技術的發展，故障診斷模型還可采用基于深度學習的人工神經網絡等其他先進的算法，以進一步提高故障診斷的準確度。最后，文章介紹了利用優化算法優化泵站運行的成功案例。