CN120212024A 一种供排水泵组总成及数字化控制系统

地址201703上海市青浦区盈港东路6355号王运波张佳高克冯少鹏徐亮所(普通合伙)31589F04B23/04(2006.01)提升控制系统对用水波动和设备状态变化的响力设定值与求解出的压力设定值进行权重融合2数字装置(4)、数字调节装置(5)、无截流装置(6)、数字监测系统(7)和第二数字泵(8);进水总管(1)包括第一侧进水总管法兰(101)、负压监测装置(102)、进水管路(103)和(8)相连，软接头(3)用于补偿进水总管(1)的位移，并通过第一侧进水总管法兰(101)和第二侧进水总管法兰(104)与外部水源和进水管路(103)连接，进水管路(103)内的水流依次经负压监测装置(102)后进入第一数字泵(2)和第二数字泵(8),负压监测装置(102)用于监测进水总管(1)内的压力数据。2.如权利要求1所述的一种供排水泵组总成，其特征在于，所述数字装置(4)与第一数字泵(2)和第二数字泵(8)相连，用于监测压力数据、流量数据和温度数据，数字调节装置(5)与数字装置(4)相连，用于调节阀瓣启闭状态、阀瓣速度和阀瓣执行角度；无截流装置(6)包括无截流装置法兰(601)、压力监测装置(602)、无截流总管路(603)、偏心变径(604)、第二数字泵无截流管路(605)和弯头(606),压力监测装置(602)安装在无截流总管路(603)内用于监测无截流总管路(603)内的压力数据，第二数字泵无截流管路(605)与无截流总管路(603)相连，水流经弯头(606)整流后进入无截流总管路(603),偏心变径(604)在无截流总管路(603)中用于管径变换，无截流装置(6)通过无截流装置法兰(601)与用水点连接；数字监测系统(7)用于收集数字泵、数字装置(4)和数字调节装置(5)的运行数据，依据历史运行数据实时调整泵组配置信息和数字调节装置(5)中阀瓣启闭状态、阀瓣速度和阀瓣执行角度。实时获取压力数据、流量数据和温度数据，根据压力数据和流量数据并结合模糊控制算法生成阀瓣动作指令，同时基于温度数据和管网漏损率通过长短期记忆网络预测压力设基于压力数据和流量数据实时测算数字泵的水力功率，并结合实时监测的电机功率确定数字泵的泵效率，根据数字泵的泵效率与当前泵组的泵效率方差生成备用泵启停指令，同时基于压力数据和流量数据通过粒子群算法求解压力设定值，将预测出的压力设定值与求解出的压力设定值进行权重融合，生成压力目标值，根据压力目标值与压力数据的压力实时监测泵组运行状态，结合压力数据、流量数据和温度数据生成运行曲线，通过动态时间规整算法将运行曲线与历史正常运行曲线进行匹配，以触发故障检测，定位故障泵并4.如权利要求3所述的一种供排水泵组总成数字化控制系统，其特征在于，所述备用泵启停指令的生成逻辑包括：接收压力数据和流量数据，并实时监测数字泵的电机运行数据以转换为数字泵的电机通过伯努利方程基于压力数据和流量数据实时测算数字泵的水力功率，根据水力功率与电机功率的比值，实时确定数字泵的泵效率，并分析泵效率的变化趋势以异常检测；根据当前泵组的泵效率方差确定负载均衡度，配置启用阈值，将负载均衡度与启用阈3值比对判断以触发备用泵的启停；根据数字泵的泵效率确定当前泵组的总流量，基于泵效率的变化趋势修正当前泵组的总流量，并计算目标流量与修正后的当前泵组的总流量的流量差值，根据流量差值确定备用泵数量。5.如权利要求4所述的一种供排水泵组总成数字化控制系统，其特征在于，调整指令的生成逻辑包括：根据长短期记忆网络的预测误差分布确定预测可信度，基于预测可信度动态调整权重，将预测出的压力设定值与求解出的压力设定值进行加权融合，生成压力目标值；计算压力目标值与压力数据的压力偏差，同时确定压力偏差的变化速率，并根据压力偏差和压力偏差的变化速率，在二维平面上划分控制区域；根据控制区域确定分级控制机制，根据分级控制机制生成调整指令；获取泵组运行状态以及预测的压力设定值与压力数据的预测偏差，根据泵组运行状态和预测偏差补偿调整指令；接收数字调节装置(5)的执行反馈数据，确定执行反馈数据与调整指令的执行误差，并根据执行误差判断以优化调整指令。6.如权利要求5所述的一种供排水泵组总成数字化控制系统，其特征在于，所述压力设定值的求解子逻辑包括：根据系统能耗、流量稳定性和压力偏差控制确定适应度函数，并将预测出的压力设定值和管网性质作为约束条件；初始化粒子群，根据适应度函数计算每个粒子的适应度值，以更新每个粒子的速度和通过约束条件对求解出的压力设定值进行可行性验证，输出验证通过的压力设定值。7.如权利要求6所述的一种供排水泵组总成数字化控制系统，其特征在于，所述故障检测的触发逻辑包括：实时监测泵组运行状态，并接收压力数据、流量数据和温度数据，同时通过孤立森林算法识别并剔除异常值；基于压力数据生成压力曲线，结合流量数据和数字泵的泵效率生成流量曲线，关联温度数据和泵组运行状态生成功率曲线，形成运行曲线，并从运行曲线中提取统计特征和形态特征；通过动态时间规整算法计算运行曲线与历史正常运行曲线的相似度，配置相似度阈8.如权利要求7所述的一种供排水泵组总成数字化控制系统，其特征在于，所述阀瓣动作指令的生成逻辑包括：实时获取压力数据、流量数据和温度数据，基于压力数据实时计算压力变化率，配置目标流量，将流量数据与目标流量比对得到流量偏差；基于卷积神经网络对历史运行数据进行训练以生成模糊规则库，将压力变化率和流量偏差传输至模糊规则库中进行模糊推理，得到模糊匹配结果；通过重心法将模糊匹配结果转化为阀瓣动作指令，阀瓣动作指令包括阀瓣启闭状态、阀瓣速度和阀瓣执行角度，并将阀瓣动作指令的执行结果反馈至模糊规则库。49.如权利要求8所述的一种供排水泵组总成数字化控制系统，其特征在于，所述压力设定值的预测逻辑包括：据进行预处理并按时间序列对齐；通过历史多源数据训练长短期记忆网络，并将多源数据输入至训练好的长短期记忆网判断预测的压力设定值与压力数据的预测偏差以调整长短期记忆网络，并根据管网漏损率动态调整预测的压力设定值。10.如权利要求9所述的一种供排水泵组总成数字化控制系统，其特征在于，所述容错机制包括：关闭故障泵的阀瓣，并切换为备用泵，同时动态调整管网连接关系；发送当前泵组的配置信息，以触发压力设定值的重新求解，并更新模糊规则库；实时监测泵组运行状态，以检测当前泵组的故障，并优化当前泵组的配置信息。5一种供排水泵组总成及数字化控制系统技术领域[0001]本申请涉及水泵控制技术领域，尤其涉及一种供排水泵组总成及数字化控制系统。背景技术[0002]早期采用继电器逻辑控制泵组启停，通过压力表和流量计等独立仪表监测参数，依赖人工调节阀门开度和泵组配置，响应滞后且控制精度低，在自动化控制阶段引入可编程逻辑控制器和PID控制算法，实现了压力和流量的闭环控制，能够根据单一参数自动启停泵组和调节阀门，提升了系统稳定性和效率，近年来随着传感器技术、通信技术和智能算法的发展，部分系统尝试引入模糊控制和神经网络等智能算法优化控制策略，或通过物联网技术实现数据远程监控，但在多参数融合、全局优化和故障自愈等方面仍存在局限。[0003]传统PID控制依赖固定参数，难以应对管网漏损、用水高峰波动和设备老化等复杂工况，会导致压力波动大和能耗高等问题，比如恒压控制在用水低谷时易造成能源浪费；单一依赖压力或流量参数进行控制，未融合温度和设备状态等多维度数据，无法全面评估系统运行状态；现有系统多通过单一参数阈值报警，缺乏对设备运行曲线的动态分析，难以提前识别早期故障。大多没有解决如何通过多源数据处理以实现泵组的运行控制和调度。发明内容[0004]针对现有技术的不足，本申请提供一种供排水泵组总成及数字化控制系统。进水总管包括第一侧进水总管法兰、负压监测装置、进水管路和第二侧进水总管法兰，进水总管通过软接头与第一数字泵和第二数字泵相连，软接头用于补偿进水总管的位移，并通过第一侧进水总管法兰和第二侧进水总管法兰与外部水源和进水管路连接，进水管路内的水流依次经负压监测装置后进入第一数字泵和第二数字泵，负压监测装置用于监测进水总管内的压力数据。[0006]作为一种可选的实施方式，所述数字装置与第一数字泵和第二数字泵相连，用于监测压力数据、流量数据和温度数据，数字调节装置与数字装置相连，用于调节阀瓣启闭状无截流装置包括无截流装置法兰、压力监测装置、无截流总管路、偏心变径、第二数字泵无截流管路和弯头，压力监测装置安装在无截流总管路内用于监测无截流总管路内的压力数据，第二数字泵无截流管路与无截流总管路相连，水流经弯头整流后进入无截流总管路，偏心变径在无截流总管路中用于管径变换，无截流装置通过无截流装置法兰与用水点连接；数字监测系统用于收集数字泵、数字装置和数字调节装置的运行数据，依据历史运行数据实时调整泵组配置信息和数字调节装置中阀瓣启闭状态、阀瓣速度和阀瓣执行角6度。[0007]第二方面，本申请提供一种供排水泵组总成数字化控制系统，该系统包括：实时获取压力数据、流量数据和温度数据，根据压力数据和流量数据并结合模糊控制算法生成阀瓣动作指令，同时基于温度数据和管网漏损率通过长短期记忆网络预测压力设定值；基于压力数据和流量数据实时测算数字泵的水力功率，并结合实时监测的电机功率确定数字泵的泵效率，根据数字泵的泵效率与当前泵组的泵效率方差生成备用泵启停指令，同时基于压力数据和流量数据通过粒子群算法求解压力设定值，将预测出的压力设定值与求解出的压力设定值进行权重融合，生成压力目标值，根据压力目标值与压力数据的压力偏差生成调整指令；实时监测泵组运行状态，结合压力数据、流量数据和温度数据生成运行曲线，通过动态时间规整算法将运行曲线与历史正常运行曲线进行匹配，以触发故障检测，定位故障泵并切换为备用泵，同时触发容错机制。[0008]作为一种可选的实施方式，所述备用泵启停指令的生成逻辑包括：接收压力数据和流量数据，并实时监测数字泵的电机运行数据以转换为数字泵的电机功率；通过伯努利方程基于压力数据和流量数据实时测算数字泵的水力功率，根据水力功率与电机功率的比值，实时确定数字泵的泵效率，并分析泵效率的变化趋势以异常检测；根据当前泵组的泵效率方差确定负载均衡度，配置启用阈值，将负载均衡度与启用阈值比对判断以触发备用泵的启停；根据数字泵的泵效率确定当前泵组的总流量，基于泵效率的变化趋势修正当前泵组的总流量，并计算目标流量与修正后的当前泵组的总流量的流量差值，根据流量差值确定备用泵数量。[0009]作为一种可选的实施方式，调整指令的生成逻辑包括：根据长短期记忆网络的预测误差分布确定预测可信度，基于预测可信度动态调整权重，将预测出的压力设定值与求解出的压力设定值进行加权融合，生成压力目标值；计算压力目标值与压力数据的压力偏差，同时确定压力偏差的变化速率，并根据压力偏差和压力偏差的变化速率，在二维平面上划分控制区域；根据控制区域确定分级控制机制，根据分级控制机制生成调整指令；获取泵组运行状态以及预测的压力设定值与压力数据的预测偏差，根据泵组运行状态和预测偏差补偿调整指令；接收数字调节装置的执行反馈数据，确定执行反馈数据与调整指令的执行误差，并根据执行误差判断以优化调整指令。[0010]作为一种可选的实施方式，所述压力设定值的求解子逻辑包括：根据系统能耗、流量稳定性和压力偏差控制确定适应度函数，并将预测出的压力设定值和管网性质作为约束条件；初始化粒子群，根据适应度函数计算每个粒子的适应度值，以更新每个粒子的速度和位置，不断迭代直至满足收敛条件，以求解通过约束条件对求解出的压力设定值进行可行性验证，输出验证通过的压力设定7[0011]作为一种可选的实施方式，所述故障检测的触发逻辑包括：实时监测泵组运行状态，并接收压力数据、流量数据和温度数据，同时通过孤立森林算法识别并剔除异常值；基于压力数据生成压力曲线，结合流量数据和数字泵的泵效率生成流量曲线，关联温度数据和泵组运行状态生成功率曲线，形成运行曲线，并从运行曲线中提取统计特征和形态特征；通过动态时间规整算法计算运行曲线与历史正常运行曲线的相似度，配置相似度阈值，将相似度与相似度阈值比对判断，以触[0012]作为一种可选的实施方式，所述阀瓣动作指令的生成逻辑包括：实时获取压力数据、流量数据和温度数据，基于压力数据实时计算压力变化率，配置目标流量，将流量数据与目标流量比对得到流量偏差；基于卷积神经网络对历史运行数据进行训练以生成模糊规则库，将压力变化率和流量偏差传输至模糊规则库中进行模糊推理，得到模糊匹配结果；通过重心法将模糊匹配结果转化为阀瓣动作指令，阀瓣动作指令包括阀瓣启闭状态、阀瓣速度和阀瓣执行角度，并将阀瓣动作指令的执行结果反馈至模糊规则库。[0013]作为一种可选的实施方式，所述压力设定值的预测逻辑包括：源数据进行预处理并按时间序列对齐；通过历史多源数据训练长短期记忆网络，并将多源数据输入至训练好的长短期记判断预测的压力设定值与压力数据的预测偏差以调整长短期记忆网络，并根据管网漏损率动态调整预测的压力设定值。关闭故障泵的阀瓣，并切换为备用泵，同时动态调整管网连接关系；发送当前泵组的配置信息，以触发压力设定值的重新求解，并更新模糊规则库；实时监测泵组运行状态，以检测当前泵组的故障，并优化当前泵组的配置信息。[0015]与现有技术相比，本申请的有益效果是：通过融合压力、流量和温度等多源数据，实现复杂工况下的自适应控制，突破传统控制对单一参数的依赖，提升控制系统对用水波动和设备状态变化的响应能力；基于历史多源数据训练的长短期记忆网络，使控制系统能够提前预测压力设定值，并通过粒子群算法求解压力设定值，根据预测出的压力设定值与求解出的压力设定值进行权重融合以生成调整指令，以减少设备启停次数与机械磨损，降低维护成本，同时通过精准控制避免水资源浪费；同时通过冗余设计与容错机制，确保控制系统在传感器故障和设备异常等场景下仍能稳定运行。[0016]基于历史运行数据训练的模糊规则库，使阀门速度与水流特性动态匹配，避免传统固定速度控制导致的水锤冲击或响应延迟，提升管网压力稳定性，闭环反馈持续优化阀门动作，适应设备老化和管网阻力变化等长期运行场景，多源数据驱动的长短期记忆网络，捕捉压力变化的时序特征与环境关联，实现压力设定值的趋势预测，预测偏差的实时监测与自修正，使控制系统能够适应突发工况，减少因预测误差导致的压力波动。[0017]通过当前泵组的泵效率方差评估负载均衡度以生成备用泵启停指令，避免单一泵8过载运行，延长设备寿命，根据流量需求与泵效率动态计算备用泵数量，确保流量供应充足且设备配置经济合理，通过粒子群算法搜索最优解，避免传统控制对单一目标的偏向性，同时将预测的压力设定值与求解的压力设定值进行权重融合，以调整感知控制模块。[0018]多参数曲线的动态时间规整匹配，实现实时运行曲线与历史正常运行曲线的对比分析，能够捕捉设备性能的细微变化，实现故障早期预警，相比单一参数报警更全面可靠，分级预警机制确保不同严重程度的故障得到合理响应，通过故障泵的快速隔离与备用泵切换，切换后系统参数的自动重构，确保新泵组配置下的控制精度。附图说明[0019]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还能够根据这些附图获得其它图1为本申请实施例所提供的一种供排水泵组总成的总成结构图；图2为本申请实施例所提供的一种供排水泵组总成数字化控制系统的系统流程图3为本申请实施例所提供的一种供排水泵组总成数字化控制系统的备用泵启停指令的生成逻辑图；图4为本申请实施例所提供的一种供排水泵组总成数字化控制系统的压力设定值的求解子逻辑图。具体实施方式[0021]为使本申请实施例的目的、技术方案和优点能够更加明显易懂，下面结合说明书附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。[0022]实施例1:[0023]如图2所示，为本申请实施例提供了一种供排水泵组总成数字化控制系统的系统流程图，该系统包括感知控制模块、泵组调度模块和容错切换模块。[0024]感知控制模块用于实时获取压力数据、流量数据和温度数据，根据压力数据和流量数据并结合模糊控制算法生成阀瓣动作指令，同时基于温度数据和管网漏损率通过长短期记忆网络预测压力设定值。实时获取压力数据、流量数据和温度数据，基于压力数据实时计算压力变化率，配置目标流量，将流量数据与目标流量比对得到流量偏差；基于卷积神经网络对历史运行数据进行训练以生成模糊规则库，将压力变化率和9流量偏差传输至模糊规则库中进行模糊推理，得到模糊匹配结果；通过重心法将模糊匹配结果转化为阀瓣动作指令，阀瓣动作指令包括阀瓣启闭状态、阀瓣速度和阀瓣执行角度，并将阀瓣动作指令的执行结果反馈至模糊规则库。[0026]压力变化率和流量偏差是反映管网性质的核心指标，需通过实时数据计算获取，为模糊控制提供输入变量；将压力传感器进行分布式内置部署，直接嵌入泵腔出口的法兰内侧，确保实时获取泵体出口、管网主干管和末端节点的压力数据，并将超声波流量计通过夹式安装以获取流量数据，其中通过法兰与管道刚性连接，避免流道扰动影响测量精度，温度传感器覆盖数字泵和管网主干管，其中压力变化率是通过相邻两个采样周期比如100ms间隔的压力差值计算，为避免瞬时干扰，采用滑动窗口包含5个周期数据的中值滤波法平滑结果。[0027]而目标流量由泵组调度模块根据当前工况动态下发，其中工况包括高峰或低谷时段，流量数据与目标流量的流量偏差通过百分比形式表示，比如目标流量为1000m³/h,实际获取的流量数据为850m³/h,则流量偏差为-15%,同时建立传感器信号的互校验机制，压力数据与流量数据需满足物理一致性，比如压力数据上升时流量数据不应该反向，若出现矛盾信号，比如压力数据上升而流量数据下降超5%,触发传感器故障诊断流程，自动切换至备用传感器获取；从而动态捕捉压力波动趋势与流量匹配度，为阀瓣速度提供量化依据，避免静态阈值控制的滞后性。[0028]管网工况复杂，比如启停泵、阀瓣动作和用水波动等，需要通过数据驱动的模糊规则库实现非线性控制，替代传统固定逻辑；通过卷积神经网络分析历史运行数据，其中历史运行数据包括不同工况下的压力变化率、流量偏差和阀门动作记录，自动提取特征并识别压力变化与流量偏差的关联模式，比如卷积神经网络可识别出“压力变化率高且流量偏差础规则，通过强化学习算法，根据阀瓣动作的历史误差动态调整规则权重，比如当某个模糊规则执行的误差率持续小于5%时，提升该模糊规则的触发优先级。[0029]其中模糊推理包括通过三角形隶属度函数模糊化压力变化率和流量偏差，其中压流量偏差≥10%为正向大，共9种组合，比如现在压力变化率为0.12MPa/s隶属“高”的程度为0.8且流量偏差为-18%隶属“负向大”的程度为0.9,则激活“压力变化率高且流量偏差负向大→阀瓣快速开启”的模糊匹配结果，推理结果通过重心法解模糊，转化为具体的阀门动作执行角度，避免固定速度导致的水锤效应或响应延迟，模糊推理输出的模糊匹配结果通过解模糊转化为具体的指令参数。[0030]需要将模糊匹配结果转化为数字调节装置5可识别的物理指令，并通过反馈机制持续优化模糊规则库；解模糊后的阀瓣速度需要结合阀瓣规格进行适配，比如某阀瓣的最大安全开启速度为40°/s,若解模糊结果为阀瓣速度50°/s,则自动调整为40°/s并标记为急开启”的优先级高于“正常调节”的优先级，并传输至数字调节装置5,以控制数字泵的阀瓣动作。[0031]数字调节装置5在接收到阀瓣动作指令后，首先通过内置扭矩传感器检测初始阻力，若阻力大于额定扭矩的110%,比如正常阻力为100N·m,实测115N·m,判定为阀瓣卡滞，自动回退5°后重试，若连续3次重试失败则发送故障信号至容错切换模块，在动作过程中，编码器实时反馈阀门执行角度，并动态调整电机电压，确保实际的阀瓣速度与阀瓣动作指令中的阀瓣速度偏差在±5%以内；当阀瓣动作完成后，将实际执行时间和阀瓣执行角度等数据与阀瓣动作指令的参数对比生成执行误差，若执行误差大于误差阈值，比如角度误差阈值为±3°,则将该工况下的压力变化率、流量偏差及误差值存入历史数据库，作为模糊规则库下次训练的修正样本；闭环控制提升阀瓣动作指令的执行精度，同时精准的阀瓣控制直接影响管网压力稳定性，为压力设定值的预测提供更可靠的前端执行数据。源数据进行预处理并按时间序列对齐；通过历史多源数据训练长短期记忆网络，并将多源数据输入至训练好的长短期记判断预测的压力设定值与压力数据的预测偏差以调整长短期记忆网络，并根据管网漏损率动态调整预测的压力设定值。[0033]压力设定值受多因素影响，比如温度、管网漏损和环境，需要整合多源数据并预处理以提升长短期记忆网络的准确性；实时获取压力数据、流量数据、温度数据、管网漏损率和环境数据，形成多源数据，其中管网漏损率是通过夜间最小流量法测算，可在每日凌晨2点自动测算，因为此时段流量最小，漏损占峰和低谷时段和天气包括雨天和晴天，将时段标签转换为独热编码，天气转换为数值型特征，比如雨天=1,晴天=0,将多源数据进行时间对齐，并通过孤立森林算法识别压力数据和流量数据中的离群点，比如压力突降0.5MPa且无对应流量变化的离群点，并通过前后时间点的数据进行插值填充；多维度数据覆盖能够提升长短期记忆网络输入的全面性，对多源数据的预处理能够消除数据噪声和维度差异，处理后的多源数据按时间序列输入长短期记忆网络进行训练和预测。[0034]压力变化具有时序依赖性和非线性特征，长短期记忆网络能够捕捉长期依赖关率、环境数据，第二层通过注意力机制捕捉时序特征，第三层输出压力设定值，通过历史多源数据训练长短期记忆网络，其中历史多源数据包括训练集和验证集，将预处理后的多源数据输入至训练好的长短期记忆网络中，输出预测的压力设定值，比如根据管网漏损率3%和高峰时段，预测高峰时段的压力设定值为当前的压力数据加上需要补偿的压力数据0.4MPa,预测的压力设定值通过滑动平均滤波器窗口为3个预测值平滑处理，避免单步波动导致的误判；通过计算长短期记忆网络中的预测误差分布，生成预测的压力设定值的置信区间，比如95%置信区间为±0.02MPa,若当前工况与训练集差异较大比如突发暴雨导致用水模式突变，置信区间自动扩大，提示泵组调度模块降低该预测的压力设定值的权重。[0035]实际工况波动比如未预测到的用水激增和管道设备老化会导致预测偏差，需动态调整以维持准确性；实时计算预测的压力设定值与压力数据的预测偏差，根据预测偏差的11大小触发不同响应，根据预测偏差阈值将预测偏差大小分为轻微偏差、显著偏差和严重偏差，其中当为轻微偏差时仅记录预测偏差，并由感知控制模块通过阀瓣执行角度的调整进行补偿；当为显著偏差时动态调整长短期记忆网络的输入数据的权重，比如提高管网漏损率的权重；当为严重偏差时重构长短期记忆网络，自动将当前异常工况数据追加至训练集中，触发长短期记忆网络的增量训练，同时根据实时监测到的管网漏损率，比对管网漏损率大于5%时，手动或自动调高压力设定值，以补偿管网漏损导致的压力损失；闭环反馈使长短期记忆网络具备自适应性，动态修正可减少长期预测误差，确保压力设定值贴近实际运行需求，精准的压力预测为泵组调度模块提供更可靠的目标参数，减少系统能耗和压力波动。[0036]泵组调度模块用于基于压力数据和流量数据实时测算数字泵的水力功率，并结合实时监测的电机功率确定数字泵的泵效率，根据数字泵的泵效率与当前泵组的泵效率方差生成备用泵启停指令，同时基于压力数据和流量数据通过粒子群算法求解压力设定值，将预测出的压力设定值与求解出的压力设定值进行权重融合，生成压力目标值，根据压力目标值与压力数据的压力偏差生成调整指令。接收压力数据和流量数据，并实时监测数字泵的电机运行数据以转换为数字泵的电机功率；通过伯努利方程基于压力数据和流量数据实时测算数字泵的水力功率，根据水力功率与电机功率的比值，实时确定数字泵的泵效率，并分析泵效率的变化趋势以异常检测；根据当前泵组的泵效率方差确定负载均衡度，配置启用阈值，将负载均衡度与启用阈值比对判断以触发备用泵的启停；根据数字泵的泵效率确定当前泵组的总流量，基于泵效率的变化趋势修正当前泵组的总流量，并计算目标流量与修正后的当前泵组的总流量的流量差值，根据流量差值确定备用泵数量。[0038]泵组运行状态和能耗与压力、流量以及电机功率密切相关，只有获取这些数据，才能准确评估数字泵的工作情况，进而判断是否需要启停备用泵；持续获取压力数据和流量数据，同时在数字泵的电机上安装功率监测装置，实时监测电机运行数据，比如电压和电流等，并通过数据转换算法将其转换为电机功率，通过滑动窗口滤波窗口大小为10个采样周期消除电机功率的高频噪声，对压力数据和流量数据进行归一化处理，以缩放到[0,1]区间，便于后续算法统一处理，并建立数据完整性校验机制，若某数字泵的电机功率连续丢失3个周期，自动切换至备用传感器获取电机功率；从而能够全面且实时地获取泵组运行的关键数据，为后续准确评估泵组运行状态提供基础，确保控制系统对泵组运行情况的了解及时且准确，为测算数字泵的水力功率和确定泵效率提供了必要的数据支撑，使得后续步骤能够基于准确的数据进行计算和分析。[0039]泵效率是衡量数字泵工作性能的重要指标，通过计算泵效率并分析其变化趋势，能够判断数字泵是否正常工作，是否存在性能下降等问题，比如当泵效率突然下降时，意味着数字泵内部出现故障或运行条件发生变化，需要及时处理；利用伯努利方程的原理，结合实时获取的压力数据和流量数据，计算数字泵在不同时刻的水力功率，然后将计算得到的水力功率与电机功率进行对比，通过除法运算得到数字泵的泵效率，同时利用数据统计和分析算法，对泵效率的历史数据进行处理，绘制泵效率随时间的变化曲线，通过观察变化曲线的走势和波动情况，分析泵效率的变化趋势，检测是否存在异常波动，比如设置效率阈值，当某数字泵的泵效率连续30秒小于效率阈值且流量数据大于目标流量的90%时判定为过载，当泵效率的下降速率大于速率阈值则触发预警；从而能够准确评估数字泵的工作性能，及时发现潜在的故障或性能问题，提高控制系统的可靠性和稳定性，避免因泵性能问题导致的供排水中断等情况，为确定负载均衡度和判断是否需要启停备用泵提供了关键依据，使控制系统能够根据泵效率的实际情况合理调整泵组的运行配置。[0040]为了保证泵组整体高效和稳定运行，需要使各个数字泵的负载尽量均衡，通过计算泵效率方差来确定负载均衡度，能够量化评估当前泵组的负载分配情况，当负载不均衡达到一定程度时，就需要启停备用泵来调整；对当前泵组中各个数字泵的泵效率数据进行统计分析，计算当前泵组的泵效率方差作为负载均衡度的衡量指标，其中负载均衡度取值为[0,1],负载均衡度为1是表示完全均衡，根据控制系统的设计要求和实际运行经验，预先配置合适的启用阈值，将计算得到的负载均衡度与启用阈值进行比较，如果负载均衡度小于启用阈值，说明当前泵组负载不均衡的程度较大，控制系统会触发备用泵的启动程序；如果负载均衡度大于启用阈值，控制系统会触发备用泵的关闭程序；从而实现了当前泵组负载的自动均衡调节，提高了当前泵组的整体运行效率，降低了部分数字泵因过度负载而损坏的风险，延长了当前泵组的使用寿命，同时也保证了控制系统的稳定运行，明确了是否需要启停备用泵，为后续根据流量需求确定备用泵数量提供了前提条件，使备用泵的配置更加合理。[0041]控制系统的流量需求会随着时间和用水情况发生变化，需要根据实际需求合理配置备用泵数量，以确保满足流量供应，通过综合考虑目标流量、当前泵组总流量以及泵效率的变化趋势，能够更精准地确定备用泵数量；控制系统从感知控制模块获取实时的流量数据，并预测当前时间点的目标流量，也就是当前时间点的流量需求，根据每个数字泵的泵效率和数字泵的额定流量，计算当前泵组在当前运行状态下的总流量，同时参考泵效率的变化趋势，对当前泵组的总流量进行修正，比如当泵效率呈下降趋势时，适当降低总流量的估算值，然后计算目标流量与修正后的当前泵组的总流量间的流量差值，根据流量差值的大小以及备用泵的额定流量，确定需要启用或关闭的备用泵数量，其中按备用泵的额定流量从大到小排序，优先启动大流量的数字泵以减少备用泵的启停次数。[0042]从而能够根据实际流量需求和泵组运行状态，精确调整备用泵数量，既满足了控制系统的流量供应要求，又避免了备用泵过多或过少带来的能源浪费和运行不稳定问题，提高了控制系统的运行经济性和可靠性，确定了备用泵的具体启停数量后，控制系统将根据此结果执行备用泵的启停操作，完成泵组的配置调整，使当前泵组能够以更优的状态运行，同时也为后续压力设定值的求解和调整指令的生成提供了新的泵组运行参数基础。根据系统能耗、流量稳定性和压力偏差控制确定适应度函数，并将预测出的压力设定值和管网性质作为约束条件；初始化粒子群，根据适应度函数计算每个粒子的适应度值，以更新每个粒子的速度和位置，不断迭代直至满足收敛条件，以求解通过约束条件对求解出的压力设定值进行可行性验证，输出验证通过的压力设定[0044]压力设定值的求解需要综合考虑多个因素，以实现控制系统的优化运行，控制系统的能耗关系到运行成本，流量稳定性影响供排水效果，压力偏差控制关乎控制系统的可靠性和安全性，通过确定适应度函数和约束条件，能够将这些因素量化，从而找到最优的压力设定值；结合历史运行数据和实际经验，确定系统能耗、流量稳定性和压力偏差控制在适应度函数中的权重，构建适应度函数，其中系统能耗是指以泵组的电机总功率为优化目标，功率越低则适应度越高，流量稳定性是指以流量差值平方和为指标，流量差值越小则适应度越高，压力偏差控制是指以压力设定值与压力数据的压力偏差为指标，压力偏差越小则适应度越高。[0045]同时将之前通过长短期记忆网络预测出的压力设定值以及管网的管径、材质和长度等管网性质，作为求解压力设定值的约束条件；从而使压力设定值的求解过程更加科学和合理，能够综合考虑系统的多个关键性能指标，避免单一因素导致的不合理压力设定，提高控制系统的整体运行性能，并为粒子群的初始化和后续计算提供了目标函数和约束条件，使粒子群能够在合理的范围内搜索最优的压力设定值。[0046]粒子群算法是一种优化搜索算法，通过模拟鸟群觅食行为来寻找最优解，初始化粒子群并不断更新粒子的速度和位置，能够在解空间中进行搜索，逐步逼近最优的压力设定值；在控制系统中设定粒子群的规模，即粒子的数量，并随机初始化每个粒子在解空间中的位置和速度，然后将每个粒子的位置作为一个压力设定值的候选解，代入适应度函数中计算每个粒子的适应度值，根据适应度值和粒子群算法的更新规则，更新每个粒子的速度和位置，重复这个过程，不断迭代，直到满足预先设定的收敛条件，比如迭代次数达到限制次数或粒子群的最优解在一定范围内不再变化，此时得到的最优粒子位置即为求解出的压力设定值；利用粒子群算法的全局搜索能力，能够在复杂的解空间中高效地找到接近最优的压力设定值，提高了压力设定值求解的准确性和效率，得到了求解出的压力设定值，为后续对其进行可行性验证与融合提供了数据基础。[0047]求解出的压力设定值在理论上是最优的，但在实际管网性质和控制系统运行要求下不一定可行，通过可行性验证，能够确保最终求解的压力设定值符合实际运行需求；将求解出的压力设定值代入到之前设定的约束条件中，包括预测出的压力设定值范围和管网性质约束等，检查该压力设定值是否满足所有约束条件，比如是否在管网能够承受的压力范围内，是否与预测值偏差在合理范围内等，如果满足所有约束条件，则该压力设定值通过验证，作为最终的压力设定值输出，如果不满足，则返回重新调整粒子群算法的参数或重新进行搜索；从而保证了压力设定值的实际可行性，避免因不合理的压力设定导致管网损坏或控制系统运行不稳定等问题，提高了控制系统运行的安全性和可靠性，通过验证的压力设定值将与预测出的压力设定值进行融合，生成压力目标值，为后续调整指令的生成提供关键参数，使控制系统能够根据准确的压力目标值对泵组运行进行调整。根据长短期记忆网络的预测误差分布确定预测可信度，基于预测可信度动态调整权重，将预测出的压力设定值与求解出的压力设定值进行加权融合，生成压力目标值；计算压力目标值与压力数据的压力偏差，同时确定压力偏差的变化速率，并根据压力偏差和压力偏差的变化速率，在二维平面上划分控制区域；根据控制区域确定分级控制机制，根据分级控制机制生成调整指令；获取泵组运行状态以及预测的压力设定值与压力数据的预测偏差，根据泵组运行状态和预测偏差补偿调整指令；接收数字调节装置5的执行反馈数据，确定执行反馈数据与调整指令的执行误差，并根据执行误差判断以优化调整指令。[0049]长短期记忆网络预测出的压力设定值和粒子群算法求解出的压力设定值各有优势和局限性，通过考虑预测误差分布确定预测可信度，并动态调整权重进行融合，能够综合两者的优点，得到更准确和可靠的压力目标值；控制系统对长短期记忆网络在历史运行中的预测误差进行统计分析，计算预测误差的均值和方差等分布特征，以此确定预测可信度，根据预测可信度的高低，动态调整预测出的压力设定值和求解出的压力设定值在加权融合中的权重，比如当预测可信度较高时，适当增加预测的压力设定值的权重；反之，增加求解的压力设定值的权重，然后将两个压力设定值按照调整后的权重进行加权计算，得到最终的压力目标值；从而充分利用了两种压力设定值获取方式的信息，通过合理加权融合，提高了压力目标值的准确性和可靠性，使控制系统能够更精准地控制泵组运行压力，得到了准确的压力目标值，为后续计算压力偏差和确定调整指令提供了基准，使调整指令能够更有针对性地对泵组运行进行调整。[0050]为了实现对泵组运行压力的有效控制，需要了解压力目标值与压力数据的压力偏差以及压力偏差的变化速率，通过在二维平面上划分控制区域，能够根据不同的压力偏差和变化速率情况，采取不同的控制策略；控制系统实时获取当前的压力数据，并与生成的压力目标值进行比较，计算出压力偏差，同时通过对压力偏差在一定时间内的变化情况进行分析，并确定压力偏差的变化速率，然后以压力偏差为横坐标，压力偏差的变化速率为纵坐标，在二维平面上根据预先设定的压力偏差阈值划分不同的控制区域，比如紧急区域、过渡区域和稳定区域；将压力控制情况进行了清晰的分类，使控制系统能够根据不同的压力状态采取相应的控制策略，提高了压力控制的灵活性和有效性，避免了控制策略的盲目性，确定了当前压力状态所属的控制区域，为后续根据分级控制机制生成调整指令提供了依据，使调整指令能够更符合实际压力控制需求。[0051]不同的控制区域代表了不同的压力状态，需要采用不同强度和方式的控制策略，通过分级控制机制，能够针对不同的压力情况进行精细化控制，提高控制系统的响应速度和控制效果；控制系统根据预先设定的分级控制规则，针对每个控制区域确定相应的控制策略，比如在紧急区域需要优先保证压力稳定，可快速启动备用泵，在过渡区域需要平衡压力控制与系统能耗，微调泵组运行参数，在稳定区域需要最小化控制动作减少数字泵的磨损，然后根据确定的控制策略，生成具体的调整指令，比如调整数字泵的转速和改变阀瓣执行角度等；从而实现了对泵组运行压力的分级和精准控制，提高了控制系统在不同压力状态下的适应性和稳定性，确保控制系统能够稳定运行在目标压力范围内，生成的调整指令将用于控制泵组的运行，同时为后续根据泵组运行状态和执行反馈数据优化调整指令提供了基础。[0052]泵组的实际运行状态会受到多种因素影响，与预期情况存在差异，同时预测的压力设定值也会存在一定误差，通过获取这些信息并对调整指令进行补偿，能够使调整指令更加符合实际运行需求，提高控制效果；控制系统通过传感器和监测设备实时获取泵组的运行状态信息，比如数字泵的转速、电流和振动情况等，同时计算预测的压力设定值与压力数据之间的预测偏差，然后根据泵组运行状态和预测偏差，利用预先设定的补偿算法对调整指令进行修正和补偿，如果泵组运行状态显示存在异常振动，适当降低调整指令中数字泵转速的调整幅度，如果预测偏差较大，会对调整指令进行相应的加强或调整方向；从而使调整指令能够更好地适应泵组的实际运行情况，弥补了预测误差和运行状态变化带来的影响，提高了控制系统的准确性和稳定性，以保障了控制系统的正常运行，经过补偿的调整指令将更准确地控制泵组运行，同时执行效果将通过数字调节装置5的执行反馈数据进行评[0053]由于实际运行过程中存在各种干扰因素，数字调节装置5对调整指令的执行会存在误差，通过分析执行误差，能够及时发现问题并对调整指令进行优化，确保泵组按照预期目标运行；控制系统实时接收数字调节装置5反馈的执行数据，比如阀瓣执行角度和数字泵的转速等，将执行反馈数据与调整指令中的目标参数进行对比，计算执行误差，然后根据执行误差的大小和方向对调整指令进行优化，如果执行误差较大，控制系统会重新调整调整指令的参数，如果执行误差较小且在可接受范围内，控制系统会适当微调调整指令，以进一步提高控制精度；从而实现了对调整指令执行过程的闭环控制，能够及时发现并纠正执行偏差，不断优化调整指令，提高了控制系统的精度和可靠性，保证了控制系统压力控制的稳定性和准确性，优化后的调整指令将继续用于控制泵组运行，形成一个持续优化的控制循环，使控制系统能够不断适应变化的运行条件，保持高效和稳定运行。[0054]容错切换模块用于实时监测泵组运行状态，结合压力数据、流量数据和温度数据生成运行曲线，通过动态时间规整算法将运行曲线与历史正常运行曲线进行匹配，以触发故障检测，定位故障泵并切换为备用泵，同时触发容错机制。实时监测泵组运行状态，并接收压力数据、流量数据和温度数据，同时通过孤立森林算法识别并剔除异常值；基于压力数据生成压力曲线，结合流量数据和数字泵的泵效率生成流量曲线，关联温度数据和泵组运行状态生成功率曲线，形成运行曲线，并从运行曲线中提取统计特征和形态特征；通过动态时间规整算法计算运行曲线与历史正常运行曲线的相似度，配置相似度阈值，将相似度与相似度阈值比对判断，以触[0056]泵组运行过程中，压力、流量和温度等数据会因传感器故障和环境干扰等因素出现异常值，这些异常值会影响对泵组真实运行状态的判断，使用孤立森林算法剔除异常值，能确保后续分析基于可靠数据，准确检测故障，比如传感器偶尔受到电磁干扰产生错误数据，若不处理会误判泵组故障；持续获取数据并通过孤立森林算法以构建多棵孤立树，通过计算每个数据点在孤立树中的路径长度，评估其是否为异常值，将被判定为异常的数据点剔除；从而有效提高了数据质量，避免因异常数据导致的误判，使控制系统能更精准地分析泵组运行状态，为故障检测提供可靠依据，减少不必要的停机检修，提高控制系统的运行效率，为生成准确的运行曲线奠定基础，保证后续从运行曲线提取的特征真实反映泵组运行[0057]单一数据难以全面反映泵组运行状况，将压力、流量和温度等数据分别绘制成曲线并结合泵组运行状态，能以可视化方式呈现泵组运行规律，提取统计特征和形态特征，便于与历史正常运行曲线对比，及时发现运行趋势变化，检测潜在故障；控制系统将处理后的压力数据按时间顺序绘制压力曲线，将流量数据与对应时间点的数字泵的泵效率相结合绘制流量曲线，同时把温度数据和泵组运行状态关联起来生成功率曲线，整合三条曲线形成完整的运行曲线，然后从运行曲线中提取均值、方差和斜率等统计特征，以及曲线波动形态、上升或下降趋势等形态特征；从而以直观且全面的方式展示泵组运行状态，通过量化的特征提取，将复杂的运行数据转化为便于分析和比较的信息，提高了故障检测的准确性和及时性，能在故障初期就发现异常，提取的特征是与历史正常运行曲线进行匹配的关键依据，决定了故障检测触发的准确性，为后续定位故障泵提供线索。[0058]泵组运行曲线因设备老化和工况变化等因素会与历史正常运行曲线存在一定差异，但正常波动在可接受范围内，设定相似度阈值并对比，能区分正常波动和故障导致的异常变化，避免误触发故障检测；控制系统预先存储泵组在正常运行状态下的历史正常运行曲线，将当前生成的运行曲线与历史正常运行曲线输入动态时间规整算法，该动态时间规整算法通过寻找两条运行曲线之间的最佳时间对齐路径，计算出它们的相似度，同时根据泵组运行特性和历史数据，配置合适的相似度阈值，将计算得到的相似度与相似度阈值进行比较，当相似度小于相似度阈值时，判定当前泵组出现异常，触发故障检测；从而能够准确识别泵组运行中的故障情况，减少误报率，在故障发生时及时触发检测，使控制系统迅速响应，保障控制系统的稳定运行，一旦故障检测被触发，控制系统将启动定位故障泵和执行容错机制的流程，及时对故障泵进行处理，避免故障扩大影响控制系统运行。关闭故障泵的阀瓣，并切换为备用泵，同时动态调整管网连接关系；发送当前泵组的配置信息，以触发压力设定值的重新求解，并更新模糊规则库；实时监测泵组运行状态，以检测当前泵组的故障，并优化当前泵组的配置信息。[0060]发现故障泵后，关闭其阀瓣可防止故障扩散，避免对其他设备造成影响，同时及时切换备用泵能保证控制系统不间断运行，动态调整管网连接关系，可使控制系统在泵组配置改变后，仍能保持合理的水流分配，维持控制系统稳定；控制系统在触发故障检测后，向故障泵的数字调节装置5发送关闭指令，通过数字调节装置5关闭阀瓣，同时向备用泵发送启动指令，按照预设的启动程序启动备用泵，此外控制系统根据当前泵组的配置和管网拓扑结构，重新计算水流路径和流量分配，通过调节数字泵的阀瓣执行角度等方式，动态调整管网连接关系，确保水流顺畅；从而实现了故障泵的快速隔离和备用泵的无缝切换，保障了控制系统的连续性，避免因泵故障导致停水等问题，动态调整管网连接关系，优化了控制系统运行效率，减少了因泵组切换带来的压力波动和水流不稳定，并为重新求解压力设定值和更新模糊规则库提供了新的泵组运行条件，因为泵组配置改变后，压力和流量需求也会[0061]泵组配置变化后，原有的压力设定值和模糊控制规则不再适用，重新求解压力设定值，能使控制系统根据新的运行状态调整压力，满足供排水需求，更新模糊规则库，可优化阀瓣动作指令的生成逻辑，提高控制系统控制精度；控制系统根据当前泵组的配置信息，包括数字泵的数量、型号和备用泵的状态等，重新求解压力设定值和更新模糊规则库，其中基于新的泵组配置，结合压力数据、流量数据等，重新运用粒子群算法等方法求解压力设定值；模糊规则库的更新根据泵组运行状态变化和新的压力设定值，对历史运行数据进行重新分析和训练，更新模糊规则库中的规则，以适应新的运行条件；从而确保控制系统在泵组配置变化后，能够快速调整控制参数，维持压力稳定，提高阀瓣控制的准确性，使控制系统始终保持高效运行，提升控制系统的稳定性和可靠性，更新后的压力设定值和模糊规则库为感知控制模块和泵组调度模块提供了新的控制依据，使控制系统各模块协同工作，持续优化泵组运行。[0062]即使完成故障泵切换和参数调整，新的泵组运行过程中仍会出现故障，持续监测运行状态，能及时发现潜在问题，优化泵组的配置信息可进一步提高泵组运行效率，降低故振动和转速等，对获取的数据进行分析处理，判断泵组是否存在故障，同时根据当前泵组的泵效率和能耗等指标，结合历史数据和运行经验，对当前泵组的配置信息进行优化，比如调整数字泵的启停顺序、阀瓣速度和阀瓣执行角度等；从而实现了对泵组运行状态的实时监控和动态优化，能够提前发现故障隐患并及时处理，延长泵组使用寿命，提高控制系统整体运行效率，降低运行成本，确保控制系统长期稳定可靠运行，优化后的泵组配置信息为控制系统各模块提供更优的运行参数，形成一个持续改进的闭环控制体系，不断提升控制系统性能，若再次发生故障，控制系统可基于更合理的配置快速响应处理。[0064]如图1所示，为本申请实施例提供了一种供排水泵组总成的总成结构图，该总成包系统7和第二数字泵8。[0065]进水总管1包括第一侧进水总管法兰101、负压监测装置102、进水管路103和第二侧进水总管法兰104,进水总管1通过软接头3与第一数字泵2和第二数字泵8相连，软接头3用于补偿进水总管1的位移，并通过第一侧进水总管法兰101和第二侧进水总管法兰104与外部水源和进水管路103连接，进水管路103内的水流依次经负压监测装置102后进入第一数字泵2和第二数字泵8,负压监测装置102用于监测进水总管1内的压力数据。[0066]进水总管1作为外部水源进入泵组的通道，由第一侧进水总管法兰101、负压监测装置102、进水管路103和第二侧进水总管法兰104构成，进水总管1的作用是连接外部水源，引导水流进入泵组，当前泵组包括第一数字泵2和第二数字泵8,并通过负压监测装置102监测进水总管1内的进水压力数据。[0067]第一数字泵2和第二数字泵8作为供排水的动力核心设备，这里以第一数字泵2和第二数字泵8为例，数字泵可按照需要进行数量的加减，通过电能驱动，将进水总管1引入的水流加压输送至无截流装置6;其中软接头3安装在进水总管1与数字泵之间，具备弹性可形变的特性，用于补偿进水总管1因热胀冷缩和安装误差等因素产生的位移，减少控制系统运行时的震动传递。[0068]数字装置4与第一数字泵2和第二数字泵8相连，用于监测压力数据、流量数据和温度数据，数字调节装置5与数字装置4相连，用于调节阀瓣启闭状态、阀瓣速度和阀瓣执行角[0069]数字装置4配备压力传感器、超声速流量计和温度传感器等多种传感元件，能够实时监测第一数字泵2和第二数字泵8运行过程中的压力数据、流量数据和温度数据，为控制系统提供泵组运行状态的关键参数，是感知控制模块获取数据的重要来源，为后续的阀门动作控制、泵组调度和容错切换提供依据；数字调节装置5与数字装置4相连，接收阀门动作指令以调节阀瓣启闭状态、阀瓣速度和阀瓣执行角度，可根据接收到的阀门动作指令，精确调节阀瓣启闭状态、阀瓣速度和阀瓣执行角度控制水流通道的大小，进而调节控制系统的[0070]无截流装置6包括无截流装置法兰601、压力监测装置602、无截流总管路603、偏心变径604、第二数字泵无截流管路605和弯头606,压力监测装置602安装在无截流总管路603内用于监测无截流总管路603内的压力数据，第二数字泵无截流管路605与无截流总管路603相连，水流经弯头606整流后进入无截流总管路603,偏心变径604在无截流总管路603中用于管径变换，无截流装置6通过无截流装置法兰601与用水点连接。[0071]无截流装置6是数字泵输出水流的通道，由无截流装置法兰601、压力监测装置602、无截流总管路603、偏心变径604、第二数字泵