基于知識(shí)圖譜的泵站運(yùn)行方案智能推薦與優(yōu)化

賈賀　劉輝　卜新魁　姜佩奇

摘 要：針對(duì)泵站運(yùn)行方案制定智能化水平低、運(yùn)行過程中受環(huán)境變化影響難以在計(jì)劃時(shí)間內(nèi)完成提水量的問題，提出一種基于知識(shí)圖譜的泵站運(yùn)行方案智能推薦與優(yōu)化方法?；冢玻埃保场玻埃玻?年南水北調(diào)東線鄧樓泵站歷史運(yùn)行數(shù)據(jù)構(gòu)建知識(shí)圖譜，結(jié)合數(shù)值相似度匹配方法為泵站運(yùn)行推薦可靠的方案。通過分析泵站運(yùn)行過程中的性能數(shù)據(jù)，確定泵站機(jī)組運(yùn)行的性能曲線，結(jié)合實(shí)時(shí)監(jiān)測(cè)的流量和凈揚(yáng)程數(shù)據(jù)對(duì)泵站運(yùn)行方案動(dòng)態(tài)調(diào)控。應(yīng)用情況表明，推薦的所有運(yùn)行方案的效率均在６７．００％以上，能夠滿足泵站的運(yùn)行要求，并且實(shí)現(xiàn)了泵站運(yùn)行過程的動(dòng)態(tài)優(yōu)化。

關(guān)鍵詞：泵站運(yùn)行；知識(shí)圖譜；方案推薦；性能曲線；鄧樓泵站

中圖分類號(hào)：ＴＶ６７５；ＴＰ３９１ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０４．０２１

引用格式：賈賀，劉輝，卜新魁，等．基于知識(shí)圖譜的泵站運(yùn)行方案智能推薦與優(yōu)化［Ｊ］．人民黃河，２０２４，４６（４）：１２５－１３０．

泵站在現(xiàn)代水資源管理中起著至關(guān)重要的作用。然而，傳統(tǒng)的泵站運(yùn)行方案制定往往受到智能化水平的限制，難以應(yīng)對(duì)復(fù)雜多變的環(huán)境因素，泵站在運(yùn)行過程中會(huì)出現(xiàn)提水量未在計(jì)劃時(shí)間內(nèi)完成的問題。這不僅導(dǎo)致水資源的浪費(fèi)，還可能對(duì)生態(tài)環(huán)境和社會(huì)穩(wěn)定造成負(fù)面影響。因此，提高泵站運(yùn)行方案的智能化水平成為當(dāng)前亟須解決的問題。

關(guān)于泵站運(yùn)行方案的研究已取得不少成果，例如：肖若富等［１］ 采用逆序遞推動(dòng)態(tài)規(guī)劃法調(diào)整泵站站內(nèi)機(jī)組的組合，單位時(shí)間內(nèi)泵站能耗降低了１８．６％；Ｚｅｓｓｌｅｒ 等［２］ 結(jié)合泵站運(yùn)行過程電價(jià)分布情況，采用動(dòng)態(tài)規(guī)劃法制定了能夠降低泵站運(yùn)行成本的運(yùn)行時(shí)間表；Ｚｈａｏ 等［３］ 基于水力特性和在線算法尋求并聯(lián)泵組優(yōu)化策略，優(yōu)化變頻泵投入運(yùn)行臺(tái)數(shù)和轉(zhuǎn)速分配；汪安南等［４］ 應(yīng)用逆序動(dòng)態(tài)規(guī)劃法，以最小化泵站運(yùn)行費(fèi)用為目標(biāo)，確定了泵站開機(jī)臺(tái)數(shù)、機(jī)組運(yùn)行角度和最優(yōu)運(yùn)行曲線；Ｌａｎｓｅｙ 等［５］ 采用非線性網(wǎng)格仿真模型，將運(yùn)行成本和能耗作為優(yōu)化目標(biāo)，實(shí)現(xiàn)了多機(jī)組運(yùn)行方案的優(yōu)化。此外，機(jī)器學(xué)習(xí)算法如蟻群算法和遺傳算法被廣泛應(yīng)用，持續(xù)迭代以選擇最優(yōu)運(yùn)行方案［６－７］ 。以上研究均對(duì)泵站運(yùn)行方案進(jìn)行了優(yōu)化設(shè)計(jì)，但只考慮了理論狀態(tài)的泵站運(yùn)行方法。泵站在實(shí)際運(yùn)行中受到不斷變化的約束條件的影響，會(huì)引起凈揚(yáng)程波動(dòng)，從而導(dǎo)致按照原有方案運(yùn)行時(shí)，提水量無法滿足實(shí)際需求。

知識(shí)圖譜［８］ 是一種結(jié)構(gòu)化的知識(shí)表示方法，用于描述現(xiàn)實(shí)世界中的實(shí)體、概念、關(guān)系和屬性，以及它們之間的相互關(guān)系。知識(shí)圖譜由節(jié)點(diǎn)（實(shí)體或概念）和邊（關(guān)系或?qū)傩裕┙M成，可以幫助機(jī)器理解和推理關(guān)于世界的知識(shí)。目前，知識(shí)圖譜已經(jīng)在水利行業(yè)得到廣泛的應(yīng)用，如：鄭慨睿等［９］ 利用知識(shí)圖譜技術(shù)開展了ＢＩＭ 模型自動(dòng)化規(guī)范審查研究；侯征軍等［１０］ 構(gòu)建了珠江三角洲水資源配置工程知識(shí)圖譜，實(shí)現(xiàn)了水利各業(yè)務(wù)的知識(shí)融合；劉雪梅等［１１］ 融合知識(shí)圖譜技術(shù)與深度學(xué)習(xí)技術(shù)，創(chuàng)建了一種水利工程方案智能生成模式，為水利工程搶險(xiǎn)及應(yīng)急提供了合理的處置方案；金菊良等［１２］ 通過構(gòu)建知識(shí)圖譜對(duì)水資源承載力進(jìn)行細(xì)致的分析和評(píng)價(jià)。

基于知識(shí)圖譜的優(yōu)勢(shì)，本文將知識(shí)圖譜自身的推理能力與相似度匹配方法相結(jié)合，對(duì)泵站運(yùn)行方案進(jìn)行智能推薦，針對(duì)泵站運(yùn)行過程中的凈揚(yáng)程變化，動(dòng)態(tài)優(yōu)化運(yùn)行方案，以期在滿足泵站提水量的同時(shí)，減少運(yùn)行成本。

１ 泵站運(yùn)行方案總體設(shè)計(jì)

泵站運(yùn)行方案總體設(shè)計(jì)見圖１，其整個(gè)過程包括構(gòu)建知識(shí)圖譜、推薦運(yùn)行方案、性能曲線分析、泵站運(yùn)行實(shí)時(shí)監(jiān)測(cè)及運(yùn)行方案動(dòng)態(tài)優(yōu)化。其中：構(gòu)建知識(shí)圖譜包括知識(shí)模式層構(gòu)建、數(shù)據(jù)收集、知識(shí)抽取、存儲(chǔ)與表達(dá)；方案推薦將根據(jù)提水量需求確定各個(gè)時(shí)段的葉片安放角、流量；性能曲線分析主要是基于泵站機(jī)組的歷史運(yùn)行數(shù)據(jù)，分析各個(gè)變量之間的關(guān)系，為泵站優(yōu)化提供指導(dǎo)。最后通過監(jiān)測(cè)提水量實(shí)現(xiàn)泵站運(yùn)行方案的動(dòng)態(tài)優(yōu)化。

２ 方法介紹

２．１ 知識(shí)圖譜構(gòu)建方法

構(gòu)建知識(shí)圖譜通常采用兩種方式：自頂向下和自底向上。自頂向下的構(gòu)建方式專注于特定研究領(lǐng)域，由領(lǐng)域?qū)＜叶x知識(shí)模式層和數(shù)據(jù)模式層，然后將從中抽取的實(shí)體添加到知識(shí)庫［１３］ 。相反，自底向上的構(gòu)建方式主要依賴于離散的數(shù)據(jù)，通過自動(dòng)學(xué)習(xí)這些結(jié)構(gòu)化知識(shí)，直接將從數(shù)據(jù)中抽取的實(shí)體、關(guān)系和屬性合并到知識(shí)圖譜中［１４］ ，以避免重復(fù)信息的生成。為實(shí)現(xiàn)泵站運(yùn)行方案智能推薦，需要確定一個(gè)合理的知識(shí)模式層，因此本文采用自頂向下的構(gòu)建方式。構(gòu)建知識(shí)圖譜的流程為：１）構(gòu)建知識(shí)模式層，為數(shù)據(jù)存儲(chǔ)提供指導(dǎo)；２）收集泵站運(yùn)行數(shù)據(jù)并以．ｘｌｓｘ 文件格式進(jìn)行保存；３）知識(shí)抽取，即采用ｐｙｔｈｏｎ 語言讀取保存數(shù)據(jù)的文件，將數(shù)據(jù)的字段表示為關(guān)系標(biāo)簽，泵站名稱作為根節(jié)點(diǎn)；４）知識(shí)存儲(chǔ)與表達(dá)，即調(diào)用ｐｙｔｈｏｎ 的ｐｙ２ｎｅｏ 函數(shù)庫將抽取的知識(shí)寫入，形成關(guān)系型數(shù)據(jù)結(jié)構(gòu)，最后形成知識(shí)圖譜并存儲(chǔ)在Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ 圖結(jié)構(gòu)數(shù)據(jù)庫中。

泵站運(yùn)行知識(shí)模式層見圖２，主要包括運(yùn)行方案、約束條件、設(shè)計(jì)參數(shù)。運(yùn)行方案是根據(jù)約束條件進(jìn)行制定的。

２．２ 知識(shí)圖譜推理技術(shù)

知識(shí)圖譜在推理方面表現(xiàn)出明顯的優(yōu)越性，越來越多的學(xué)者選擇將其作為底層數(shù)據(jù)支持應(yīng)用于智能搜索回答、智能對(duì)話、個(gè)性化推薦、方案生成等領(lǐng)域。知識(shí)圖譜通過對(duì)三元組的學(xué)習(xí)，能夠推理出新的知識(shí)。本文采用基于距離的ＴｒａｎｓＥ 推理模型進(jìn)行知識(shí)推理，其核心思想是將三元組的實(shí)體和關(guān)系映射到低維連續(xù)的向量空間，將關(guān)系視為實(shí)體間的轉(zhuǎn)移。通過設(shè)計(jì)得分函數(shù)來衡量三元組的有效性，得分越高說明三元組成立的可能性越高。ＴｒａｎｓＥ 模型有如下假設(shè)：

ｔ ＝ｈ＋ｒ （１）

式中：ｔ 為尾實(shí)體向量，ｈ 為頭實(shí)體向量，ｒ 為關(guān)系向量。

ＴｒａｎｓＥ 模型涉及兩個(gè)目標(biāo)函數(shù)，分別為Ｌ１ 范數(shù)（曼哈頓距離）和Ｌ２ 范數(shù)（歐幾里得距離），Ｌ１ 范數(shù)計(jì)算公式如下：

式中：ｘｉ為向量Ｘ 的第ｉ 個(gè)屬性值。

使用Ｌ１ 范數(shù)可以衡量Ｘ１、Ｘ２ 兩個(gè)向量之間的差異性，也就是兩個(gè)向量的距離，計(jì)算公式為

式中：ｘ１ｉ 、ｘ２ｉ分別為Ｘ１、Ｘ２的第ｉ 個(gè)屬性值，Ｄｉｓ 為距離函數(shù)。

使用Ｌ２ 范數(shù)同樣可以衡量?jī)蓚€(gè)向量之間的差異性，計(jì)算公式為

根據(jù)上述ＴｒａｎｓＥ 的假設(shè)，可以知道，對(duì)于１ 個(gè)三元組而言，頭實(shí)體向量和關(guān)系向量之和與尾實(shí)體向量越接近，說明該三元組越接近正確的三元組；相反，差距越大，這個(gè)三元組越不正常。目標(biāo)是正確的三元組的距離越小越好，錯(cuò)誤的三元組的距離越大越好。表達(dá)式如下：

式中：（ｈ，ｒ，ｔ）為正確的三元組，（ｈ′ ，ｒ′ ，ｔ′ ）為錯(cuò)誤的三元組，Ｄ 為正確的三元組集合，Ｄ′ 為錯(cuò)誤的三元組集合，γ 為正樣本和負(fù)樣本之間的距離，［ｘ］＋ 為（０，ｘ）區(qū)間內(nèi)的最大值。

選擇Ｌ１ 或Ｌ２ 范數(shù)作為度量距離的方式，其中：Ｌ１范數(shù)通常更適合處理稀疏數(shù)據(jù)，而Ｌ２ 范數(shù)更適合處理稠密數(shù)據(jù)。原因是Ｌ１ 范數(shù)對(duì)于離群值的敏感性較低，而Ｌ２ 范數(shù)對(duì)于整體數(shù)據(jù)分布更為敏感。由于本文的基礎(chǔ)數(shù)據(jù)為連續(xù)數(shù)據(jù)，因此選用Ｌ２ 范數(shù)作為度量函數(shù)。

２．３ 相似度匹配方法

相似度匹配方法是用于評(píng)估兩個(gè)實(shí)體之間的相似程度關(guān)系，對(duì)運(yùn)行方案中關(guān)鍵要素實(shí)體的相似性進(jìn)行度量，是進(jìn)行實(shí)體匹配和方案推薦的關(guān)鍵?？紤]到實(shí)體類型較多，采用屬性信息度量相似度，當(dāng)屬性為數(shù)值類型時(shí)，考慮屬性值的距離并進(jìn)行歸一化處理，如α為某個(gè)數(shù)值屬性，α０和αｉ 分別為方案ｓ０和ｓｉ的α 屬性值，數(shù)值屬性距離Ｄαｓ０，ｓｉ計(jì)算公式為

將數(shù)值屬性距離轉(zhuǎn)化為相似度并歸一化后的結(jié)果如下：

式中：Ｓｉｍαｓ０，ｓｉ為方案ｓ０和ｓｉ 的數(shù)值屬性相似度，Ｄα 為α數(shù)值屬性距離取值集合。

當(dāng)屬性為類別類型時(shí)，類別屬性相似度計(jì)算公式如下：

式中：Ｓｉｍβｓ０，ｓｉ為方案ｓ０ 和ｓｉ 的類別屬性相似度，β 為某個(gè)類別屬性值，ｂ０和ｂｉ分別為方案ｓ０和ｓｉ的β 屬性值。

２．４ 性能曲線分析方法

泵站運(yùn)行需要考慮泵站性能曲線，其中流量Ｑ、凈揚(yáng)程Ｈ、效率η、有效功率Ｐ、葉片安放角? 之間的關(guān)系需要確定。本文主要考慮? 不變的高效區(qū)段，η 計(jì)算公式為

η ＝ＱＨρｇ ／ （Ｐ×１ ０００）×１００％ （１０）

式中：ρ 為抽取液體的密度，ｇ 為重力加速度。

確定泵站性能曲線需要先獲取泵站歷史運(yùn)行數(shù)據(jù)（Ｈ、Ｑ、η），然后采用多項(xiàng)式分析方法進(jìn)行插值擬合，建立凈揚(yáng)程與流量關(guān)系曲線（Ｈ—Ｑ）和效率與流量關(guān)系曲線（η—Ｑ），擬合公式形式為

Ｈ ＝ＡＱ２ ＋ＢＱ＋Ｃ （１１）

η ＝ａＱ２ ＋ｂＱ＋ｃ （１２）

式中：Ａ、Ｂ、Ｃ、ａ、ｂ、ｃ 均為常數(shù)。

３ 應(yīng)用分析

３．１ 工程概況

鄧樓泵站是南水北調(diào)東線工程第十二級(jí)抽水梯級(jí)泵站，泵站樞紐工程位于山東省梁山縣梁濟(jì)運(yùn)河與東平湖新湖區(qū)南大堤相交處。工程任務(wù)是實(shí)現(xiàn)南水北調(diào)東線工程的梯級(jí)調(diào)水目標(biāo)。鄧樓泵站采用４ 臺(tái)液壓全調(diào)節(jié)式３１００ＺＬＱ－４ 型立式軸流泵，其中１ 臺(tái)備用，泵站總裝機(jī)容量為８ ９６０ ｋＷ，機(jī)組設(shè)計(jì)揚(yáng)程為３．５７ ｍ，機(jī)組設(shè)計(jì)流量為３３．５ ｍ３ ／ ｓ，額定功率為２ ２４０ ｋＷ。該泵站已經(jīng)進(jìn)行了數(shù)字化改造，被水利部列為第一批先行先試的數(shù)字孿生工程項(xiàng)目之一。鄧樓泵站安裝了多個(gè)參數(shù)感知設(shè)備，可實(shí)現(xiàn)泵站機(jī)組振動(dòng)、擺度、油溫、流量、葉片安放角、凈揚(yáng)程、有效功率等的監(jiān)測(cè)。

３．２ 開發(fā)環(huán)境

基于Ｗｉｎｄｏｗｓ１０ 系統(tǒng)研發(fā)，編譯器采用Ｐｙｃｈａｒｍ２０２１ 版，ｐｙｔｈｏｎ 選用３．６ 版本，知識(shí)圖譜構(gòu)建工具采用Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ １．５．８ 版本。

３．３ 知識(shí)圖譜構(gòu)建

構(gòu)建的知識(shí)圖譜數(shù)據(jù)源自２０１３—２０２２ 年鄧樓泵站歷史運(yùn)行數(shù)據(jù)，４ 臺(tái)機(jī)組中的１＃機(jī)組在２０２２ 年５ 月５ 日運(yùn)行的相關(guān)數(shù)據(jù)見表１，其中流量和凈揚(yáng)程隨時(shí)間變化曲線見圖３。

分析表１、圖３ 可知，當(dāng)葉片安放角不發(fā)生變化時(shí)，隨著泵站運(yùn)行，凈揚(yáng)程變化較小，變化范圍可控制在０．０５ ｍ 內(nèi)，流量波動(dòng)相對(duì)較大且凈揚(yáng)程與流量之間存在一定的負(fù)相關(guān)關(guān)系。

為保證后續(xù)推薦運(yùn)行方案具有較高的效率，需要對(duì)收集的數(shù)據(jù)進(jìn)行初步篩選，剔除運(yùn)行效率低于６７％的歷史運(yùn)行方案。讀取篩選后的優(yōu)質(zhì)數(shù)據(jù)，并存入Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ 圖結(jié)構(gòu)數(shù)據(jù)庫。通常使用Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ構(gòu)建知識(shí)圖譜，包括建立節(jié)點(diǎn)、關(guān)系等操作，但其過程較為煩瑣。為了簡(jiǎn)化操作，將ｐｙｔｈｏｎ 與Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ聯(lián)合使用，建立節(jié)點(diǎn)和關(guān)系全部在ｐｙｔｈｏｎ 中進(jìn)行，通過表２ 中代碼可實(shí)現(xiàn)對(duì)Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ 軟件的訪問，建立節(jié)點(diǎn)和關(guān)系過程中需要用第三方庫ｐｙ２ｎｅｏ，其主要用于與Ｎｅｏ４ｊ Ｄｅｓｋｔｏｐ 建立聯(lián)系。

基于上述代碼，將數(shù)據(jù)整理成圖結(jié)構(gòu)數(shù)據(jù)，構(gòu)建的知識(shí)圖譜見圖４。

構(gòu)建的泵站運(yùn)行知識(shí)圖譜可增強(qiáng)信息檢索和問題解答的效果，可以更準(zhǔn)確地理解用戶查詢信息并提供有關(guān)實(shí)體之間關(guān)系的詳細(xì)信息。將泵站運(yùn)行約束條件和泵站運(yùn)行方案映射到知識(shí)圖譜中的實(shí)體，系統(tǒng)可以利用關(guān)系和屬性生成更精準(zhǔn)的個(gè)性化推薦方案。從知識(shí)圖譜中可看到鄧樓泵站各機(jī)組的運(yùn)行過程監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)了監(jiān)測(cè)數(shù)據(jù)的圖結(jié)構(gòu)化。

３．４ 泵站性能分析

泵站的性能分析為后續(xù)方案動(dòng)態(tài)優(yōu)化提供基礎(chǔ)支撐。采用二次多項(xiàng)式插值曲線擬合的鄧樓泵站單機(jī)組運(yùn)行性能公式見表３，擬合的性能曲線見圖５、圖６。

由圖５ 可知，葉片安放角調(diào)節(jié)流量的規(guī)律性較好，當(dāng)葉片安放角不變時(shí)，效率與流量曲線呈現(xiàn)拋物線的形式，效率先增大后減小。當(dāng)葉片安放角為－５°時(shí)，泵站的運(yùn)行效率最高。

由圖６ 可知，在同一葉片安放角情況下，凈揚(yáng)程與流量負(fù)相關(guān)。相同凈揚(yáng)程下，隨葉片安放角為－９° ～－１°，流量逐漸增大，說明葉片安放角接近０°時(shí)，有利于提高揚(yáng)程。

３．５ 運(yùn)行方案智能推薦及動(dòng)態(tài)優(yōu)化

１）運(yùn)行方案智能推薦。鄧樓泵站運(yùn)行方案智能推薦綜合考慮了泵站機(jī)組特性和實(shí)際需求。該泵站有４ 臺(tái)型號(hào)相同的機(jī)組，其中１ 臺(tái)為備用機(jī)組，確保在任何情況下泵站都能穩(wěn)定運(yùn)行。根據(jù)調(diào)度流量的不同，靈活調(diào)整泵站運(yùn)行機(jī)組的數(shù)量，即當(dāng)流量小于３５ ｍ３ ／ ｓ時(shí)，單臺(tái)機(jī)組即可滿足需求；當(dāng)流量為３５～６６ ｍ３ ／ ｓ時(shí)，開啟２ 臺(tái)機(jī)組；當(dāng)流量超過６６ ｍ３ ／ ｓ 時(shí)，啟用３ 臺(tái)機(jī)組以保證提水效率，同時(shí)保持１ 臺(tái)機(jī)組備用。在制訂每日提水計(jì)劃時(shí)，泵站會(huì)依據(jù)月總提水量進(jìn)行合理分配，并始終遵循優(yōu)先運(yùn)行３ 臺(tái)機(jī)組的原則，以實(shí)現(xiàn)泵站運(yùn)行的高效與穩(wěn)定。此外，運(yùn)行過程中每臺(tái)機(jī)組的流量都不得低于２０ ｍ３ ／ ｓ，以確保機(jī)組的正常運(yùn)行和延長使用壽命。這一智能推薦方案不僅提升了泵站的運(yùn)行效率，也為泵站的長期穩(wěn)定運(yùn)行提供了有力保障。

基于知識(shí)圖譜推薦５ 組不同約束條件的方案，見表４。根據(jù)真實(shí)約束條件，推薦運(yùn)行時(shí)間為５ ｈ、運(yùn)行效率為６７．００％以上的方案，且泵站的提水量滿足約束條件中的提水量要求。

２）方案動(dòng)態(tài)優(yōu)化。２０２１ 年５ 月７—８ 日泵站運(yùn)行部分?jǐn)?shù)據(jù)見圖７，運(yùn)行過程中凈揚(yáng)程逐漸增大，流量降低。針對(duì)這個(gè)現(xiàn)象，可以認(rèn)為泵站運(yùn)行是一個(gè)不斷變化的過程，凈揚(yáng)程的變化導(dǎo)致流量發(fā)生變化，緊接著影響提水量。為保證提水量滿足計(jì)劃要求，需要實(shí)時(shí)監(jiān)測(cè)泵站運(yùn)行過程中的流量、凈揚(yáng)程變化。將動(dòng)態(tài)優(yōu)化時(shí)段設(shè)為１ ｈ，當(dāng)運(yùn)行時(shí)間超過１ ｈ 時(shí)，計(jì)算累計(jì)提水量并與當(dāng)前時(shí)刻計(jì)劃提水量進(jìn)行對(duì)比，若滿足計(jì)劃要求，則無須進(jìn)行優(yōu)化。優(yōu)化過程還需要參考泵站機(jī)組性能曲線，當(dāng)提水量不滿足要求時(shí)，需要增大葉片安放角，一般增量不超過１°。調(diào)節(jié)后，繼續(xù)監(jiān)測(cè)流量和凈揚(yáng)程，１ ｈ 后再次判斷提水量，若提水量不能滿足提水量要求，則需要繼續(xù)增大葉片安放角；若滿足，則不再進(jìn)行方案調(diào)整，減少葉片安放角調(diào)整次數(shù)。該過程循環(huán)進(jìn)行，直到滿足當(dāng)日提水量要求。動(dòng)態(tài)優(yōu)化的具體流程見圖８。

４ 結(jié)論

本文以鄧樓泵站為研究對(duì)象，對(duì)其歷史運(yùn)行數(shù)據(jù)進(jìn)行收集整理并構(gòu)建知識(shí)圖譜，結(jié)合知識(shí)圖譜的推理能力和相似度匹配方法進(jìn)行方案推薦，各方案的運(yùn)行效率都大于６７．００％。通過分析泵站歷史運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)其在運(yùn)行過程中凈揚(yáng)程波動(dòng)較小，凈揚(yáng)程與流量負(fù)相關(guān)。采用二次多項(xiàng)式擬合鄧樓泵站單機(jī)組運(yùn)行性能曲線，發(fā)現(xiàn)隨流量增大，效率先增大后減??；隨葉片安放角增大，流量呈現(xiàn)增大的趨勢(shì)。建立動(dòng)態(tài)優(yōu)化機(jī)制對(duì)泵站進(jìn)行調(diào)控，在保證提水量滿足要求的前提下，確保了運(yùn)行效率、節(jié)約了能耗。

參考文獻(xiàn)：

［１］ 肖若富，龔詩雯，周玉國，等．泵站站內(nèi)機(jī)組運(yùn)行組合的優(yōu)化研究［Ｊ］．中國農(nóng)村水利水電，２０２０（１２）：１６４－１６６，１７１．

［２］ ＺＥＳＳＬＥＲ Ｕ，ＳＨＡＭＩＲ Ｕ．Ｏｐｔｉｍａｌ Ｏｐｅｒａｔｉｏｎ ｏｆ Ｗａｔｅｒ Ｄｉｓｔｒｉ?ｂｕｔｉｏｎ Ｓｙｓｔｅｍｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｐｌａｎｎｉｎｇ ａｎｄＭａｎａｇｅｍｅｎｔ，１９８９，１１５（６）：７３５－７５２．

［３］ ＺＨＡＯ Ｔ Ｙ，ＺＨＡＮＧ Ｊ Ｌ，ＭＡ Ｌ Ｄ，ｅｔ ａｌ．Ｏｎ?Ｌｉｎｅ ＯｐｔｉｍｉｚａｔｉｏｎＣｏｎｔｒｏｌ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｅｘｔｒｅｍｅ Ｖａｌｕｅ Ａｎａｌｙｓｉｓ ｆｏｒ ＰａｒａｌｌｅｌＶａｒｉａｂｌｅ?Ｆｒｅｑｕｅｎｃｙ Ｈｙｄｒａｕｌｉｃ Ｐｕｍｐｓ ｉｎ Ｃｅｎｔｒａｌ Ａｉｒ?Ｃｏｎｄｉ?ｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ［Ｊ］．Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１２，４７（ｌ）：３３０－３３８．

［４］ 汪安南，伍杰．大型軸流泵站最優(yōu)運(yùn)行方式探討［Ｊ］．農(nóng)田水利與小水電，１９９３（１１）：３６－３８．

［５］ ＬＡＮＳＥＹ Ｋ Ｅ，ＡＷＵＭＡＨ Ｋ．Ｏｐｔｉｍａｌ Ｐｕｍｐ Ｏｐｅｒａｔｉｏｎｓ Ｃｏｎ?ｓｉｄｅｒｉｎｇ Ｐｕｍｐ Ｓｗｉｔｃｈｅｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｗａｔｅｒ ＲｅｓｏｕｒｃｅｓＰｌａｎｎｉｎｇ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，１９９４，１２０（１）：１７－３５．

［６］ ＢＯＲＫＯＷＳＫＩ Ｄ，ＷＥＴＵＬＡ Ａ，ＢＩＥ? Ａ．Ｄｅｓｉｇｎ，Ｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｄ Ｄｅｐｌｏｙｍｅｎｔ ｏｆ ａ Ｗａｔｅｒｗｏｒｋｓ Ｐｕｍｐｉｎｇ Ｓｔａｔｉｏｎ ＣｏｎｔｒｏｌＳｙｓｔｅｍ［Ｊ］．ＩＳＡ Ｔｒａｎｓａｃｔｉｏｎｓ，２０１２，５１（４）：５３９－５４９．

［７］ 晏毅，賴喜德，陳小明，等．基于改進(jìn)粒子群算法的泵站優(yōu)化運(yùn)行研究［Ｊ］．中國農(nóng)村水利水電，２０２２（８）：１５０－１５５．

［８］ 徐增林，盛泳潘，賀麗榮，等．知識(shí)圖譜技術(shù)綜述［Ｊ］．電子科技大學(xué)學(xué)報(bào)，２０１６，４５（４）：５８９－６０６．

［９］ 鄭慨睿，溫智鵬，徐盛取，等．基于知識(shí)圖譜的水利工程ＢＩＭ模型自動(dòng)化規(guī)范審查研究［Ｃ］／／ 第八屆全國ＢＩＭ 學(xué)術(shù)會(huì)議論文集．北京：中國建筑工業(yè)出版社，２０２２：２８６－２９１．

［１０］ 侯征軍，張兆波，覃家皓，等．知識(shí)圖譜在智慧水利工程中的構(gòu)建與應(yīng)用［Ｃ］ ／／２０２２ 中國水利學(xué)術(shù)大會(huì)論文集（第四分冊(cè)）．鄭州：黃河水利出版社，２０２２：３０－３６．

［１１］ 劉雪梅，盧漢康，李海瑞，等．知識(shí)驅(qū)動(dòng)的水利工程應(yīng)急方案智能生成方法：以南水北調(diào)中線工程為例［Ｊ］．水利學(xué)報(bào)，２０２３，５４（６）：６６６－６７６．

［１２］ 金菊良，陳鵬飛，陳夢(mèng)璐，等．基于知識(shí)圖譜的水資源承載力研究的文獻(xiàn)計(jì)量分析［Ｊ］．水資源保護(hù)，２０１９，３５（６）：１４－２４，５７．

［１３］ 高海翔，苗璐，劉嘉寧，等．知識(shí)圖譜及其在電力系統(tǒng)中的應(yīng)用研究綜述［Ｊ］．廣東電力，２０２０，３３（９）：６６－７６．

［１４］ 侯夢(mèng)薇，衛(wèi)榮，陸亮，等．知識(shí)圖譜研究綜述及其在醫(yī)療領(lǐng)域的應(yīng)用［Ｊ］．計(jì)算機(jī)研究與發(fā)展，２０１８，５５（１２）：２５８７－２５９９．

【責(zé)任編輯 栗 銘】

基金項(xiàng)目：水利部重大科技項(xiàng)目（ＳＫＳ－２０２２１３３）