1.一种节能自适应的泵站控制方法，其特征在于：实现该控制方法的系统包括泵站外箱体(1)、泵站体装置和控制柜(19)，泵站体装置和控制柜(19)设置在泵站外箱体(1)内，控制柜(19)与泵站体装置控制连接，控制柜(19)通过无线与远程控制端和客户端连接，泵站外箱体(1)用于将泵站体装置和控制柜(19)提前安装固定在泵站外箱体(1)内，把泵站外箱体(1)安装模块化设计，然后在工厂将泵站体装置和控制柜(19)分别安装在不同的模块化的箱体内，然后根据不同的泵站的参数进行调试与测试输出水量和功率数据，用卡车将模块化的箱体运输到目的地然后将模块化的箱体进行拼接；

控制方法在控制柜(19)的处理器内进行，控制方法的具体步骤为：

步骤1：对泵站抽水的若干个数据进行收集，得到泵站抽水数据集DB，表示为DB＝{Si|i＝1,2,…,m}，m为数据样本的个数；

步骤2：将DB中的已有数据样本作为参考对象，

步骤3：将DB中的已有数据样本作为参考对象，找出与泵站初始调试的参数相近的K个邻样本，并根据K个近邻样本与泵站初始调试的参数的距离来确定影响权重，然后将K个近邻样本的对应抽水的功率参数加权回归值作为泵站抽水的功率参数的设计初值，设第i个样本的最高效率的功率和初始泵站抽水功率分别为yi1和yi2，设泵站为O，对应泵站的抽水影响因数为{o1,o2,…,oθ}，泵站最高效率的功率和初始泵站抽水功率分别为yo1和yo2；

步骤4：对泵站的功率进行修正，基于选取的数据集DB，数据分析出除泵站的抽水影响因数外的影响因素，得到基于初始泵站抽水功率的修正模型结构，通过样本训练可得到误差修正模型，将模型拟合的误差修正量与泵站抽水功率初始值求和完成初始泵站抽水功率的设计；

步骤5：控制柜(19)将泵站抽水功率始值作为基准值，并换算出基准效率值，在后续的抽水过程中，由于泵站抽水的影响因数会发生变化，将泵站抽水实际功率换算成实际效率值，把实际效率值实时与基准效率值比较，当实际效率值小于基准效率值，将实际功率值作为后续的基准效率值；

所述步骤1的具体过程为：每个泵站抽水数据的泵站相关参数、抽水泵相关数据和水泵需水量数据的属性变量，按照性质将泵站抽水数据属性划分为泵站相关参数的影响因素Xk，k＝1，2，...，t，t表示工艺影响因素的个数，泵站相关参数Yj，j＝1，2，...，n，n表示泵站相关参数的个数，泵站抽水数据样本Si的对应属性数据分别为xik和yij，泵站相关参数包括地势差压力、水管弯头数量、泵站抽水功率和输出效率；

步骤2的具体过程为：

步骤2.1：对数据进行预处理，利用数据归一化方法消除不同相关属性之间不同纲量的影响：

式中，max(k)和min(k)分别表示泵站相关参数数据库中第k列数据的最大值和最小值；

步骤2.2：计算泵站抽水数据之间的距离，通过计算欧氏距离衡量特征空间内泵站抽水数据之间的距离，并根据距离的大小取K个与目标泵站抽水数据近邻的样本，泵站抽水数据样本距离计算如下所示：步骤2.3：根据距离di的大小，按从小到大顺序，取K个与泵站O的抽水泵相关数据距离最小的样本，即近邻聚类样本集CS，CS＝{Si′|i′＝1,2…,K}，并根据距离关系确定各聚类样本的权重ωi′，表征与O的相近程度，样本权重计算如下式所示：ωi′是第i′个聚类样本的权重，di'是第i′个聚类样本与目标泵站抽水数据的计算距离；

步骤2.4：根据步骤2.3所得样本权重，对所求的泵站相关参数进行加权求和，得到目标泵站抽水数据所需的泵站相关参数，目标泵站抽水数据的相关参数计算如下式所示：根据KNN算法求取最优K值，以构建优聚类规模，经过寻优，当K为某个值时，泵站抽水功率初始值求和完成初始泵站抽水功率的相对误差和均方误差均接近最低水平，此时KNN模型预测效果最精确和稳定；

步骤3的具体过程为：

步骤3.1：按划分类别，统计泵站抽水数据集DB中已有样本属于类别的数量，并计算同类的泵站抽水数据效率值的算术平均值为该类泵站抽水数据效率，在此基础上，采用最小二乘法拟合对应相关属性与泵站抽水功率始值的关系，通过拟合优度结果判断实际相关性，取拟合优度超过85％的为最相关因素，列入为输入量，然后进行最小二乘法拟合，拟合优度计算如下：式中，y为最小二乘法拟合的泵站抽水功率始值；

步骤3.2：选取泵站抽水功率始值的相关因素，建立误差修正模型，误差修正模型包括输入层、模式层、求和层和输出层，输入层为影响因素变量，模式层用于计算测试与训练样本输入向量的距离信息模式层的神经元数量与模型的训练样本数量相同，即每一个模式层神经元对应一个训练样本，与输入层神经元为全连接，求和层使用两种类型神经元进行求和，分别为A类神经元和B类神经元，A类神经元只有一个，计算值为所有模式层神经元的输出算数和，B类神经元的数量与输出向量维数相同，需要对模式层所有神经元进行加权求和，求和层第N个B类神经元与模式层第λ个神经元的连接权值为该模式层神经元对应的学习样本的输出向量中第N个元素lλN，N为正整数，输出层按得到的输出量即泵站抽水功率始值的修正值。