供水泵站作为城市给排水系统重要的组成部分之一,保障着城市各用户和企业的日常需求。然而传统的依靠经验调度来满足服务区用水的方式由于能耗过大,已经不再适合当前往资源集约型转型的社会,而采用基于智能算法的泵站优化调度不仅能够满足管网对于泵站的流量及压力的需求,还可以给出基于当前调度指令最节能的水泵机组运行方案。本文为了进一步提高优化调度方案的可操作性,提出了对于基于水泵特性曲线校验与更新的优化调度方案,通过对水泵特性曲线的重新绘制,让优化调度方案可以不受水泵老化或运行寿命不同导致的曲线漂移的影响从而让方案更加贴合实际工况,给出更符合实际情况的调度方案。本文首先分别使用BP人工神经网络,RBF人工神经网络以及实数编码改进遗传算法对基于水泵实时数据的特性曲线进行拟合。首先通过水泵出厂特性曲线图对各个方案的参数进行了整定,之后采集水泵的实时数据,使用各个方法对特性曲线进行了拟合,并且比较分析了各个方法的优缺点。但是,鉴于水泵实时数据往往只能覆盖水泵的高效区,本文又提出了对于基于数据驱动拟合得到的曲线的置信度评价体系,给出了绘制曲线所需要满足的各项条件。而在将重新绘制的水泵特性曲线与其出厂曲线进行比较的过程中,提出了基于水泵特性曲线的泵体故障初步诊断的想法,并且在文中列举了三种较为常见的水泵故障,将其与特性曲线相关联。之后本文对优化调度的实现方法进行了阐述,给出了基于遗传算法的水泵机组优化调度方案的具体步骤,之后以上海市某供水泵站为例,对该泵站进行了建模;为了使寻优得到的方案更加能够满足实际需求,更符合模型中的各项约束,文中对遗传算法引入了自适应遗传算子以及对模型加入了基于模拟退火算法的惩罚权重,并且将改进遗传算法与标准遗传算法应用于模型上,比较发现基于改进遗传算法的优化调度方案能够更快的收敛到最优解,并且结果能够更符合模型中的各项约束。最后根据实际工况中的具体需求,又进一步地提出了一系列节能改进措施:首先在实际工况中,需要考虑水泵切换给泵站能耗及安全带来的影响以及给管网带来的冲击,所以应该尽量避免过于频繁的切泵。因此本文在上述模型求解的基础上,对于水泵切换给出了几种解决方案来避免不必要的切泵;之后文中又探讨了清水池对于后端供水泵站的能耗的影响,得出了为了进一步使供水泵站节能,清水池水位应该尽量保持在高位的结论,并且根据上海市某清水池的单日进出水流量的情况,给出了提高水位应该考虑的影响因素并得出了参考水位。