杨玉泉，谢 琪

(1.浙江同济科技职业学院， 浙江 杭州 311231；2.杭州市河道与农村水利管理服务中心，浙江 杭州 310000)

水泵站是将电能转化为水能的综合性工程。随着我国城市化进程的加速，水泵站在解决洪涝灾害、改善水环境等领域中起着其它水利工程不可替代的作用，已经成为重要的城市基础设施。排涝泵站主要以最快时间排除区域降水为首要考虑因素[1]。泵站运行工况复杂，常伴随出现主机组异常温升故障；不仅限制了主机组开机运行削弱了排涝能力，并易加速部件老化影响水泵运行性能，不及时消除隐患易造成泵站安全事故。水泵站安全运行涉及电气、机械、水力和管理等多方面因素，准确识别异常温升故障较为困难。因此及时发现设备缺陷，对设备进行维护和检测，分析诊断和评估故障避免造成严重危害具有十分重要的意义。泵站系统的故障往往因果关系错综复杂，传统的诊断方法以专家鉴定人工经验为主，但面对庞大数据存在无法确定的人为因素，较难实现理想效果。解决该问题的关键是如何准确识别异常温升原因，建立大数据多因素关联信息，提出针对性对策降低异常温升故障发生频率。为此，相关学者利用大数据技术做出了一定研究。朱法君[2]认为水利是大数据应用的传统领域。陈飞军等[3]界定水利大数据的概念。蒋云钟[4]提出大数据理论技术与水利行业特点相结合开展研究。李宝等[5]建立了多沙水流泵站的故障监测与诊断系统。……