CN218953536U - 用于水泵机组的控制系统 - Google Patents

Abstract

本实用新型涉及用于水泵机组的控制系统，包括：现场设备检测单元，实时检测每台水泵的运行数据；存储器，存储有水泵基础参数、水泵特性曲线和总需求水量；中控机，接收实时检测的每台水泵的运行数据以及水泵基础参数、水泵特性曲线和总需求水量；机器学习数据智能处理器，通过卷积神经网络使用运行数据、水泵基础参数、水泵特性曲线及总需求水量作为输入数据识别与总需求水量对应的多种水泵工作状态数据中具有最小功耗的一种水泵工作状态数据，其中，中控机输出与识别的水泵工作状态数据对应的每台水泵的控制信号；以及水泵控制电路接收控制信号并且通过控制变频器来调节每台水泵的电机的转速，由此自动地输出和调整每台水泵的泵速度。

Description

用于水泵机组的控制系统

技术领域

本实用新型涉及水务技术领域，更具体地，涉及用于水泵机组的控制系统，通过该控制系统能够自动实现并行运行的多台水泵的节能最大化。

背景技术

随着城市用水量和压力的不断变化，水泵在高效区内的工作点也会发生移位，甚至导致水泵的工作点不在处于高效区范围内，从而造成电能的浪费。现有技术中通常通过变频变速来调整水泵的速度以及相应的工作点以落在高效区范围内，但是这种调整通常是操作员根据实际经验来调整，存在调整准确性差，使得水泵的实际工作点并未落在高效区，并且需要大量的人力来投入这项工作中。例如，当以给定的总水量并行运行三个或以上水泵并且每个泵速度由操作员自由设定时，所消耗的总能量将是低效的。

实用新型内容

本申请实施例提供了用于水泵机组的控制系统，以至少解决现有技术中水泵速度的调整需要人工来操作，调整准确性差以及由此水泵不能够工作在高效区范围内并且耗费人力的问题。

根据本申请实施例的一个方面，提供了用于水泵机组的控制系统，水泵机组包括并行运行的多台水泵，该控制系统包括：现场设备检测单元，现场设备检测单元包括连接至每台水泵的多种传感器，多种传感器实时检测多台水泵中的每台水泵的运行数据，运行数据至少包括每台水泵的扬程、流量和出水压力；存储器，存储有每台水泵的水泵基础参数、水泵特性曲线和总需求水量；中控机，具有检测信号输入接口、控制信号输出接口和多个通信接口，中控机经由检测信号输入接口连接至现场设备检测单元以及经由多个通信接口中的第一通信接口连接至存储器，中控机通过检测信号输入接口自现场设备检测单元接收实时检测的每台水泵的运行数据以及经由第一通信接口自存储器接收水泵基础参数、水泵特性曲线和总需求水量；机器学习数据智能处理器，通过多个通信接口中的第二通信接口通信地连接至中控机并通过第二通信接口自中控机接收实时检测的每台水泵的运行数据、水泵基础参数、水泵特性曲线以及总需求水量，通过借助于卷积神经网络使用每台水泵的运行数据、水泵基础参数、水泵特性曲线和总需求水量作为输入数据，识别与总需求水量对应的多种水泵工作状态数据中的具有最小功耗的一种水泵工作状态数据，并输出识别的水泵工作状态数据，其中，第一通信接口是单向通信接口，第二通信接口是双向通信接口，其中，中控机经由第二通信接口从机器学习数据智能处理器接收识别的水泵工作状态数据，并且输出与识别的水泵工作状态数据对应的每台水泵的控制信号；以及水泵控制电路，通过控制信号输出接口通信地连接至中控机并且电连接至用于控制每台水泵的电机运行的变频器，水泵控制电路经由控制信号输出接口自中控机接收每台水泵的控制信号并且通过控制信号控制变频器来调节每台水泵的电机的转速。由此控制每台水泵的泵速度。

以这样的方式，通过现场设备检测单元、中控机、存储器、机器学习数据智能处理器和水泵控制电路借助于中控机的检测信号输入接口、控制信号输出接口和包括作为单向通信接口的第一通信接口和作为双向通信接口的第二通信接口的多个通信接口相互协同工作，能够自动地输出每台水泵的要调整的泵速度并调整对应水泵的泵速度，使得无需人工操作就能够准确地控制水泵的工作点落在高效区范围。

根据本申请的示例性实施例，运行数据至少包括每台水泵的扬程、流量和出水压力，水泵基础参数至少包括每台水泵的叶轮外径、额定功率、额定流速和静态扬程和每台水泵所在的管段的管径、管长和管道阻力特性系数，水泵特性曲线至少包括流量-扬程曲线、流量-效率曲线和流量-功率曲线。

以这样的方式，通过机器学习数据智能处理器学习影响水泵的工作点移位的多种水泵的性能参数，使得能够提高输出的水泵的泵速度的准确性。

根据本申请的示例性实施例，机器学习数据智能处理器还通信地连接至存储器，机器学习数据智能处理器通过卷积神经网络使用实时检测的每台水泵的运行数据和水泵基础参数作为输入数据生成与每台水泵的运行数据对应的每台水泵的运行水泵特性曲线，并将每台水泵的运行水泵特性曲线传输至存储器以更新存储器中存储的每台水泵的水泵特性曲线。

以这样的方式，能够在使用的过程中，利用实测运行数据来校正存储的各台水泵的特性曲线，从而能够大大地提高获得的各台水泵的泵速度的准确性。

根据本申请的示例性实施例，该控制系统还包括人机交互界面，人机交互界面与机器学习数据智能处理器通信连接，以从机器学习数据智能处理器接收水泵工作状态数据并基于水泵工作状态数据生成水泵工作状态数据的图形显示，人机交互界面包括显示图形显示的显示单元。

以这样的方式，能够以图形方式直观显示每台水泵的最优工作状态(例如，每台水泵需要达到的流量和每台水泵的对应的泵速度)，便于用户或操作员进一步处理。

根据本申请的示例性实施例，人机交互界面还通信连接至存储器，并包括输入单元和发送器，输入单元接收用户输入的总需求水量，发送器将总需求水量传输至存储器。

以这样的方式，能够通过人机交互界面接收并发送关于总需求水量，使得能够根据实际需要的总需求水量控制水泵的泵速度，从而使得在不同总需求水量的情况下，水泵都能够工作在高效区范围内。

根据本申请的示例性实施例，识别的水泵工作状态数据至少包括每台水泵需要达到的流量和每台水泵的对应的泵速度，其中，每台水泵需要达到的流量相加之和等于总需求水量。

以这样的方式，提供了每台水泵的期望工作状态的具体数据，使得能够实时地监控每台水泵的工作状态是否偏离了期望的工作状态，进一步有助于水泵机组的能效提高。

在本申请实施例中，提供了用于水泵机组的控制系统，通过现场设备检测单元、中控机、存储器、机器学习数据智能处理器和水泵控制电路相互协同工作，能够自动地获得每台水泵的要调整的泵速度并调整对应水泵的泵速度，使得无需人工操作就能够准确地控制水泵的工作点落在高效区范围。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的用于水泵机组的控制系统的示意图；

图2是根据本申请一个示例性实施例的用于水泵机组的控制系统的示意图；

附图标号说明：

1：用于水泵机组的控制系统；

10：现场设备检测单元；

20：存储器；

30：中控机；

40：机器学习数据智能处理器；

50：水泵控制电路；

60：人机交互界面；

601：显示单元；

602：输入单元；

603：发送器。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，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的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元或单元。

在本申请实施例中，用于感测每台水泵的运行数据的传感器可以包括流量计、压力计等。运行数据可以包括每台水泵的扬程、流量、出水压力、泵的转速、泵的功率等。作为示例，水泵入口处连接有机械真空表、电子真空表和U形管水银真空计，在水泵出口处连接有机械压力表、电子压力表和U形管水银压力计，分别用于测定水泵进口的真空值和出口的压力值，根据U形水银真空计和水银压力计工作原理和测量数据得出水泵扬程，水泵的流量一般可采用三角薄壁堰或涡轮流量计测定，水泵的转速可用光电或霍尔开关等类型的转速表测定，功率表用于测定电机的输入功率，并且根据电机的基本性能曲线或扭矩转速测试仪可以得到电机的输出功率。

水泵特性曲线是指在一定泵速度下，流量、扬程、功率和效率之间的变化关系用曲线表示出来。流量、扬程、功率和效率是水泵的主要性能参数，在水泵出厂时，水泵生产厂家提供这些参数以及作为这些参数之间的关系的水泵特性曲线，因此，水泵特性曲线至少包括流量-扬程曲线、流量-效率曲线和流量-功率曲线。这些曲线供选泵和调节水泵的运行状态时参考。

术语“流量”是指水泵在单位时间内所输送的液体量。术语“扬程”是指水泵对单位重量液体所作的功，即，单位重量液体通过水泵后其能量的增值。术语“功率”是指轴功率，即，水泵轴得自电动机所传递来的功率。术语“效率”是指水泵的有效功率与轴功率之比值，其中，术语“有效功率”是指单位时间内通过水泵的液体从水泵得到的能量。

术语“流量-扬程曲线”是指水泵的流量和扬程的关系，泵的扬程在较大流量范围内是随流量增大而减小的。术语“流量-功率曲线”是表示水泵的流量和轴功率的关系，轴功率随流量的增大而增大。术语“流量-效率曲线”是表述水泵的流量和效率的关系，开始时效率随着流量的增大而增大，达到最大值后，又随流量的增大而下降，该曲线最大值认为是效率最高点，泵在该点所对应的扬程和流量下工作，其效率最高，然而实际上泵通常不会正好工作在该条件下，因此，规定了一个高效区。

此外，被输送液体的重力密度和粘度等对水泵特性曲线都会有影响，所输送的液体的粘度越大，泵内的能量损失越大，水泵的扬程和流量都要减小，效率要下降，而轴功率增大，因此，在实际应用中，要考虑每台水泵所在的管段的管径、管长和管道阻力系数(其中，管道阻力系数是指根据管道管径的不同以及管道上的阀门、弯头、过滤器、除污器、水泵入口等能出现局部阻力的类别进行查询，得到不同的局部阻力系数，不同的局部阻力系数之和可认为是管道阻力系数)来应用水泵特性曲线，而这些管道有关参数对水泵的流量的影响的外在表现形式为管道系统曲线，其中，管道系统曲线是指水泵的实际扬程和流量的二次方乘以管道阻力特性系数的曲线关系，并且可以通过利用传感器检测的每台水泵的扬程和流量以及每台水泵的静态扬程来确定。在本文中，可以预先测量每台水泵的实际扬程和流量来确定每台水泵的管道阻力特性系数。另外，通过管道的管道系统曲线与水泵的水泵特性曲线一起确定水泵的高效区，本领域对此熟知，在此不再详述。

进一步地，通过上述描述可知，在水泵特性曲线上，对应流量都可以找到一组与其相对应的扬程、轴功率和效率值。

本申请是在基于上述已知的水泵的性能参数的关系之下创作的，以下进行具体描述。

根据本申请实施例，提供了用于水泵机组的控制系统，其中，水泵机组包括并行运行的多台水泵。图1是根据本申请实施例的用于水泵机组的控制系统的示意图。

如图1所示，用于水泵机组的控制系统1包括：现场设备检测单元10、存储器20、中控机30、机器学习数据智能处理器40和水泵控制电路50，其中，现场设备检测单元10、存储器20、机器学习数据智能处理器40和水泵控制电路50均与中控机30通信地连接，以下进行具体地描述。

现场设备检测单元10包括连接至每台水泵的多种传感器，运行数据可以包括每台水泵的扬程、流量、出水压力、泵的转速、泵的功率等，并且传感器的示例如上所述。

存储器20存储有每台水泵的水泵基础参数、水泵特性曲线和总需求水量。具体地，水泵基础参数可以至少包括每台水泵的叶轮外径、额定功率、额定流速和静态扬程和每台水泵所在的管段的管径、管长和管道阻力特性系数，水泵特性曲线可以至少包括流量-扬程曲线、流量-效率曲线和流量-功率曲线，如上所具体解释的。

中控机30具有检测信号输入接口、控制信号输出接口和多个通信接口以将现场设备检测单元10、存储器20、机器学习数据智能处理器40和水泵控制电路50连接一起并能够总体上控制现场设备检测单元10、存储器20、机器学习数据智能处理器40和水泵控制电路50。

作为示例，中控机30经由检测信号输入接口连接至现场设备检测单元10、经由多个通信接口中的第一通信接口连接至存储器20以及经由多个通信接口中的第二通信接口通信地连接至机器学习数据智能处理器40，其中，第一通信接口是指仅允许从存储器20向中控机30传输数据的单向通信接口，第二通信接口是允许中控机30与机器学习数据智能处理器40之间双向传输数据的双向通信接口，由此能够避免数据传输串扰以及提高数据传输的安全性。

中控机30通过检测信号输入接口自现场设备检测单元10接收实时检测的每台水泵的运行数据以及经由第一通信接口自存储器20接收水泵基础参数、水泵特性曲线和总需求水量。

机器学习数据智能处理器40通过第二通信接口自中控机30接收实时检测的每台水泵的运行数据、水泵基础参数、水泵特性曲线以及总需求水量，借助于机器学习数据智能处理器40中的卷积神经网络识别与总需求水量对应的多种水泵工作状态数据中具有最小功耗的一种水泵工作状态数据，并输出识别的水泵工作状态数据。

具体地，通过卷积神经网络使用每台水泵的运行数据、水泵基础参数、水泵特性曲线和总需求水量作为输入数据来识别与总需求水量对应的多种水泵工作状态数据中具有最小功耗的一种水泵工作状态数据。识别的水泵工作状态数据至少包括每台水泵需要达到的流量和每台水泵的对应的泵速度，其中，每台水泵需要达到的流量相加之和等于总需求水量。

具体地，作为示例，预先在不同泵速度下从每台水泵的水泵特性曲线提取若干流量点以及一组与流量点相对应的扬程、轴功率和效率值，然后使用泵速度以及对应提取的各个流量以及与各个流量相对应的扬程、轴功率和效率值以及每台水泵的叶轮外径、额定功率、额定流速和静态扬程和每台水泵所在的管段的管径、管长和管道阻力特性系数以及总需求水量作为输入数据并且使用与水泵机组的最小功耗对应的水泵工作状态数据作为输出数据对机器学习数据智能处理器40(具体地，卷积神经网络)进行训练和学习，以得到经过训练和学习的机器学习数据智能处理器40。使用已经训练和学习的机器学习数据智能处理器40来检测在输入水泵的实测数据和总需求水量时与水泵机组的最小功耗对应的水泵工作状态数据。

此外，在机器学习数据智能处理器40学习和输出识别的水泵工作状态数据之后，中控机30经由第二通信接口从机器学习数据智能处理器40接收识别的水泵工作状态数据，并且输出与识别的水泵工作状态数据对应的每台水泵的控制信号。

水泵控制电路50通过控制信号输出接口通信地连接至中控机30并且电连接至用于控制每台水泵的电机运行的变频器(未示出)，水泵控制电路50经由控制信号输出接口自中控机30接收每台水泵的控制信号并且通过控制信号控制变频器来调节每台水泵的电机的转速，以由此控制每台水泵的泵速度。

以这样的方式，通过现场设备检测单元10、中控机30、存储器20、机器学习数据智能处理器40和水泵控制电路50相互协同工作，能够自动地输出每台水泵的要调整的泵速度并调整对应水泵的泵速度，使得无需人工操作就能够准确地控制水泵的工作点落在高效区范围。

作为示例，机器学习数据智能处理器40还可以通信地连接至存储器20，机器学习数据智能处理器40通过卷积神经网络使用实时检测的每台水泵的运行数据和水泵基础参数作为输入数据生成与每台水泵的运行数据对应的每台水泵的运行水泵特性曲线，并将每台水泵的运行水泵特性曲线传输至存储器20以更新存储器20中存储的每台水泵的水泵特性曲线。因此，在使用的过程中，能够利用实测运行数据来校正存储的各台水泵的水泵特性曲线，从而能够大大地提高获得的各台水泵的泵速度的准确性。

作为具体的示例，可以预先将水泵特性曲线输入到卷积神经网络以训练卷积神经网络获得水泵特性曲线所表示的参数的对应性，之后，将实时检测的每台水泵的运行数据(例如，运行数据可以包括每台水泵的扬程、流量、出水压力、泵的转速、泵的功率等)输入和水泵基础参数输入到卷积神经网络中，通过卷积神经网络已经学习到的参数的对应性识别出与水泵特性曲线对应的运行水泵特性曲线，并且利用水泵基础参数来标识特定的水泵，由此卷积神经网络能够示出每台水泵的运行水泵特性曲线。

图2是根据本申请一个示例性实施例的用于水泵机组的控制系统的示意图。如图2所示，根据本申请的示例性实施例，控制系统1还可以包括人机交互界面60，人机交互界面60可以与机器学习数据智能处理器40通信连接，以从机器学习数据智能处理器40接收水泵工作状态数据并基于水泵工作状态数据生成水泵工作状态数据的图形显示。人机交互界面60可以包括显示水泵工作状态数据的图形显示的显示单元601，从而能够以图形方式直观显示每台水泵的最优工作状态(例如，每台水泵需要达到的流量和每台水泵的对应的泵速度)，便于用户或操作员进一步处理。

进一步，人机交互界面60还可以包括输入单元602和发送器603，发送器603通信连接至存储器20，输入单元602接收用户输入的总需求水量，发送器603将总需求水量传输至存储器20。以这样的方式，能够通过人机交互界面60接收并发送总需求水量，使得能够根据实际需要控制水泵的泵速度，从而使得在每种所需的水量的情况下，水泵都能够工作在高效区范围内。

在本申请中，通过中控机使现场设备检测单元、存储器、机器学习数据智能处理器和水泵控制电路相互协同工作，能够自动地获得每台水泵的要调整的泵速度并调整对应水泵的泵速度，使得无需人工操作就能够准确地控制水泵的工作点落在高效区范围。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或单元的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元或单元可以是或者也可以不是物理上分开的，作为单元或单元显示的部件可以是或者也可以不是物理单元或单元，即可以位于一个地方，或者也可以分布到多个网络单元或单元上。可以根据实际的需要选择其中的部分或者全部单元或单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元或单元可以集成在一个处理单元或单元中，也可以是各个单元或单元单独物理存在，也可以两个或两个以上单元或单元集成在一个单元或单元中。上述集成的单元或单元既可以采用硬件的形式实现，也可以采用软件功能单元或单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (6)

1.用于水泵机组的控制系统(1)，所述水泵机组包括并行运行的多台水泵，其特征在于，所述控制系统(1)包括：

现场设备检测单元(10)，包括连接至每台水泵的多种传感器，所述多种传感器实时检测所述多台水泵中的每台水泵的运行数据；

存储器(20)，存储有每台水泵的水泵基础参数、水泵特性曲线和总需求水量；

中控机(30)，具有检测信号输入接口、控制信号输出接口和多个通信接口，所述中控机(30)经由所述检测信号输入接口连接至所述现场设备检测单元(10)以及经由所述多个通信接口中的第一通信接口连接至所述存储器(20)，所述中控机(30)通过所述检测信号输入接口自所述现场设备检测单元(10)接收实时检测的每台水泵的所述运行数据以及经由所述第一通信接口自所述存储器(20)接收所述水泵基础参数、所述水泵特性曲线和所述总需求水量；

机器学习数据智能处理器(40)，通过所述多个通信接口中的第二通信接口通信地连接至所述中控机(30)并通过所述第二通信接口自所述中控机(30)接收实时检测的每台水泵的所述运行数据、所述水泵基础参数、所述水泵特性曲线以及所述总需求水量，借助于卷积神经网络识别与所述总需求水量对应的多种水泵工作状态数据中具有最小功耗的一种水泵工作状态数据，并输出识别的水泵工作状态数据，

其中，所述第一通信接口是单向通信接口，所述第二通信接口是双向通信接口，

其中，所述中控机(30)经由所述第二通信接口从所述机器学习数据智能处理器(40)接收识别的水泵工作状态数据，并且输出与识别的水泵工作状态数据对应的每台水泵的控制信号；以及

水泵控制电路(50)，通过所述控制信号输出接口通信地连接至所述中控机(30)并且电连接至用于控制每台水泵的电机运行的变频器，所述水泵控制电路(50)经由所述控制信号输出接口自所述中控机(30)接收每台水泵的所述控制信号并且通过所述控制信号控制所述变频器来调节每台水泵的所述电机的转速。

2.根据权利要求1所述的用于水泵机组的控制系统(1)，其特征在于，所述运行数据至少包括每台水泵的扬程、流量和出水压力，所述水泵基础参数至少包括每台水泵的叶轮外径、额定功率、额定流速和静态扬程和每台水泵所在的管段的管径、管长和管道阻力特性系数，所述水泵特性曲线至少包括流量-扬程曲线、流量-效率曲线和流量-功率曲线。

3.根据权利要求2所述的用于水泵机组的控制系统(1)，其特征在于：

所述机器学习数据智能处理器(40)还通信地连接至所述存储器(20)，所述机器学习数据智能处理器(40)通过所述卷积神经网络使用实时检测的每台水泵的所述运行数据和所述水泵基础参数作为输入数据生成与每台水泵的所述运行数据对应的每台水泵的运行水泵特性曲线，并将每台水泵的所述运行水泵特性曲线传输至所述存储器(20)以更新所述存储器(20)中存储的每台水泵的所述水泵特性曲线。

4.根据权利要求2所述的用于水泵机组的控制系统(1)，其特征在于，还包括：

人机交互界面(60)，与所述机器学习数据智能处理器(40)通信连接以从所述机器学习数据智能处理器(40)接收所述水泵工作状态数据并基于所述水泵工作状态数据生成所述水泵工作状态数据的图形显示，所述人机交互界面(60)包括显示所述图形显示的显示单元(601)。

5.根据权利要求4所述的用于水泵机组的控制系统(1)，其特征在于：

所述人机交互界面(60)还通信连接至所述存储器(20)，并包括输入单元(602)和发送器(603)，所述输入单元(602)接收用户输入的所述总需求水量，所述发送器(603)将所述总需求水量传输至所述存储器(20)。

6.根据权利要求1所述的用于水泵机组的控制系统(1)，其特征在于：识别的所述水泵工作状态数据至少包括每台水泵需要达到的流量和每台水泵的对应的泵速度，其中，每台水泵需要达到的流量相加之和等于所述总需求水量。

Images