水利泵站的节能优化设计

水利泵站的节能优化设计

张志伟

中国安能集团第三工程局有限公司重庆分公司

摘要：为有效解决水利泵站的耗能问题，节约水利泵站在整体运作阶段的人力以及物力，本文针对水力泵站予以节能优化设计，在水利泵站运行数学理论模型基础上展开研究，详细分析并阐述水泵设备的科学择定，以及基于BP神经网络法的水利泵站节能算法，再利用相关实例予以佐证，以此为相关工作人员提供价值参考。

关键词：水利泵站 节能设计 数据理论模型 BP神经网络法

引言：虽然现阶段我国水利泵站的保有量充足，但是由于相关技术以及管理等因素影响，使得水利泵站的实际运作效率并不理想，存在严重的资源浪费问题，不仅损耗了大量能源，还导致泵站水量以及扬程的缺失，显著降低了水利泵站工程的经济收益。为有效改善和解决此类问题实现资源的高效分配，现阶段在该领域已有相关学者得出了多种数学理论计算模型以及优化算法等节能成果，为我国现代社会的可持续发展创造了有力条件。

1 基于节能理念的水利泵站运行数学理论模型

基于节能理念的水利泵站运行数学理论模型的构建均是以节能运行属性的函数为核心的数学函数，依据特定的限制条件，对目标数学函数予以求解，如此获得的极值便是相关方案的最佳解值。普遍来讲，基于节能运行的目标数学函数，能够通过水利泵站的运作效率、抽水量、运作成本以及用电量等因素当做目标输出数值进而实现数学函数的创建。

若将泵站的耗能量视为目标函数值，需要注意的因素是基于泵在抽取特定流量水体过程中消耗的电能或者功率最少。基于此构建完成的最少泵站能源消耗目标函数见式a。于水利泵站的真实运作阶段，一座泵站的耗能量几乎均由主机组实现，所占比例大致处于90%-98%范围内，而针对小型的辅助运作设备其产生的耗能量普遍会忽略不计。

式a：

在式a中，ρ代表的是水体密度，β代表的是修正系数，取值1，代表的是水利泵站设备的运作效率，代表的是水流量，H代表的是水利泵站的扬程，g代表的是重力加速度，m代表的水利泵站数量。

水利泵站最低耗能量的目标函数限制准则函数见式b-f。

式b：

式c：

式d：

式e：

式f：

在式b-f中，代表的是一座泵站最小抽水量，代表的是一座泵站最大抽水量，代表的是全部泵站抽水量，以及代表的是泵站叶片的最小与最大角度，代表的是泵站允许的最高开机数量。

不仅如此，若将泵站的运作成本视作目标函数值，再把全部泵站运作所需资金（包含电费、折旧费等）视作目标输出值，以此创设出的数学函数见式g。

式g：

在式g中，F代表的全部水利泵站运作所需费用，P代表的是泵站耗电量/h，t代表时间，代表的是泵站于运作阶段产生的其它费用。

水利泵站最低成本目标函数限制准则函数见式h。

式h：

在式h中，a、b、c、d均代表恒定数值，代表的是泵站扬程，N代表的泵站有效功率，代表的是被泵站额定功率。

针对水利泵站的节能运行成果，其需要顾及的运作信息极具多样性，站在目标数学函数的角度分析能够制度，水利泵站总数、流量、养成、运作效率等均属于节能效果的影响条件。基于此，本研究通过Protégé APP对泵站的节能运作方案予以数学推理，推理机制详见图1内容，推理步骤见图2内容，以此有效助力目标函数约束准则的创设。

图1 数学推理机制示意图

图2 数学推理步骤示意图

2 水利泵站节能优化设计

2.1 科学择定水泵设备

针对水泵设备的择定需注意以下几点内容。

第一，依照设备的介质特点择定。重点关注设备具备的腐蚀性以及黏度等性能能否有效满足水利泵站工程的实际运行需求和标准。

第二，依照管道系数择定。于全部水利泵站配置水泵设备阶段，管道系数信息的择定在水泵配置中有着重要参考价值，所以在择定水泵设备的准备阶段务必由专人对管道系数予以综合详细的测定，其测定项目分别有管道尺寸、附近参数等。

第三，参考动力源择定高契合度的驱动动力。

第四，依照流量择定。与水利泵站的运作阶段，普遍情况下相关工作人员会准确提供出泵站的高中低极限值，并于水泵择定准备阶段主要参考水流量的最高值，倘若工作人员仅提供了常规流量值，便应该于该流量值上增添出特定流量再予以择定。泵站可分为一级泵站以及二级泵站，且在择定方面也存在相应的差异性，择定一级泵站期间需要参考设计流量公式i。

式i：

在式i中，代表的是一级泵站水泵提供的流量值（m3/h），代表的是灌溉系数，代表的是设计流量值（m3/h），d代表的真实天数（d），T代表的是灌水周期（h）。当获得水泵的总扬程后，再逐一明确洪水位、常水位和枯水位相应的水流量值。

针对二级泵站的的择定应该依照最高阶段的流量予以设计，且于设计水泵扬程阶段还应该遵循极小自由水压计算公式予以明确，并在此基础上兼顾二级水泵的分级供水，依照泵站极高逐日用水变动态势来仿真设计各级泵站的供水量。在获得水泵择定的初始结果时应该和实际工程状装予以匹配校验，再通过泵站应用的管道特性曲线获取现阶段泵站的实际运作情况，该结果务必符合泵站于后期全部环节中都可维持在高效运作的状态，最终核实其能否于极限值扬程情况下稳定安全运作。

2.2 围绕BP神经网络法的水利泵站节能算法

BP神经网络的基础原理见表1内容。该神经网络法的输出层蕴含了海量的训练样本，把该部分样本和训练集中的样本予以学习训练，也就是通过隐藏层的计算与输送，运行至输出层，再由输出层数据结果和真实数值予以比较，若二者之间存在差值，便需要利用隐藏层的权函数值以及阈值再次运算，直至参数结果满足精度标准，便可视其为最佳优化成果。

表1 以BP神经网络法为基础的泵站节能计算模型详示

把该算法模型内的输入层数据设成，真实的样本值是，如此全部隐藏层的权值函数见式j和式k。

式j：

式k：

全部隐藏层阈值见式l和式m。

式l：

式m：

BP神经网络法中输出层的数据结果和真实值的差值见式n。

式n：

通过上述公式得出误差值，再根据误差值求解偏导，偏导赋值是0如此便获取到了全部层级的阈值函数，见式o和式p。

式o：

式p：

3 水利泵站节能优化应用实例

以某抽水站为例，该水利泵站属江水北调的5级站，共配置了4台套立式的全调节流泵，规格参数是TL2200-40/3250，额定抽水流量是150m3/s，还拥有2台发电机，该发电机的运作功率分别是2200kwA和3200kwA，运作频率是50Hz以及30Hz，该泵站的设计扬程是3.5m。

基于上文阐述的水利泵站节能运行数学理论目标函数、限制准则、数学推理机制等条件对水力泵站的运作方案予以求解，再通过BP神经网络法实现水利泵站节能系统的优化设计，详细的计算步骤见图3内容。

图3 水利泵站节能优化设计步骤

将通过BP神经网络法获得的水利泵站功率预测参数和真实功率数值予以比较，其结果呈现出，于相同扬程下且在泵站流量逐渐降低的趋势下，预测阐述展示出了相应变化，预测功率也和功率值的偏差较小，相对偏差值不超过±10%，且受泵站扬程持续降低的影响，泵站预测功率也随之持续降低。

图4所示内容是围绕BP神经网络法的泵站功率预测迭代过程。分析图4内容可知，于不超过迭代15000次时，迭代误差值会受次数的变多而呈现出反向变化趋势，即误差值快速减小。于迭代0-1000次中，误差值自1.8%快速减小至0.4%，接着误差值便在迭代次数的逐渐变多基础上有了变化，可站在总体角度分析却展示出了持续降低且趋近于收敛的态势。于迭代次数5000次以上，误差值的变化不再剧烈，趋近于平稳处于0.1%范围，日次便证实预测结果已基本准确。

图4 围绕BP神经网络法的泵站功率预测迭代过程示意图

通过对该水利泵站予以节能优化设计的结果表示，当泵站的额定抽水流量是150m3/h且设计扬程为3.5m，若为对其予以节能优化设计，便需要通过3°的开机角度以及六座抽水泵站，方可实现相应的运作需求，且运作功率高达5320.274kwA。若基于节能优化设计，通过-3°的开机角度的仅需在2座泵站的支持下便能够完成相应的运作目标，且功率能耗数值也仅有4964.137kwA，能耗量显著减小了约7%。

结语：综上所述，本研究在Protégé 软件的支持下有效对水利泵站节能运行方案实现了数学推理，并在此基础上右下创建了相应的目标函数，还通过推理机器予以求解，同时还综合考虑了极易影响节能质量的因素。此外，还利用BP神经网络法针对水利泵站的运行功率予以预测，且经过研究结果表明，如此优化过后的水利泵站，于额定抽水流量是150m3/h且设计扬程为3.5m时，能耗量显著减小了约7%，其节能效果显著，极具应用价值。

参考文献

[1]陈文娟.水利泵站节能系统的设计与算法优化研究[D].江苏科技大学,2019.

[2]刘迪.节能优化设计在水利泵站中的应用[J].化工设计通讯,2017,43(09):247-248.

[3]李洪波.浅谈水利工程节能设计[J].农业与技术,2018,38(02):78.

[4]蔡亚琴.目标电耗优化对某水利泵站的节能改造分析[J].住宅与房地产,2021(22):184-185.

[5]吴震宇.水利泵站监测信息系统及其泵站节能研究[D].江苏科技大学,2018.

[6]田均兵,吕锋,曾祥磊等.某山区水利工程浮船泵站优化设计研究[J].海河水利,2023(05):26-29.