1.一种自动监管的泵站系统，其特征在于：包括泵站、泵站外围安防监管单元、泵站内部环境监测单元、泵站抽水功率自适应监管单元和泵站相关参数监测单元，泵站外围安防监管单元设置在泵站的四周，用于无人监管的实时布防，入侵布防，接近报警、危险区域入侵报警，泵站内部环境监测单元设置在泵站的内部，用于检测泵站内部的环境温湿度、水泵的振动数据、温度数据和水箱液位数据，同时实时检测流量、水量和压力，泵站抽水功率自适应监管单元用于设置泵站的初始抽水功率，并实时根据抽水的参数的变化，实时跟踪最效率输出，泵站相关参数监测单元设置在泵站上，用于实时检测电机的电流、电压、功率、功率因数和变频器输出频率；

泵站抽水功率自适应监管单元具体监管过程包括如下步骤：

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＝{Sii＝

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。

2.根据权利要求1所述的一种自动监管的泵站系统，其特征在于：泵站包括泵站外箱体(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，用户通过客户端进行远程查看泵站体装置的工作状态数据和远程。

3.根据权利要求2所述的一种自动监管的泵站系统，其特征在于：泵站外围安防监管单元包括若干个安防摄像头，泵站外箱体(1)的外侧设置有若干个摄像头安装孔(20)，安防摄像头安装在摄像头安装孔(20)内。

4.根据权利要求3所述的一种自动监管的泵站系统，其特征在于：泵站外箱体(1)包括若干个水泵箱模块(3)和控制箱模块(2)，水泵箱模块(3)用于安装泵站体装置，泵站体装置在出厂前进行安装固定在水泵箱模块(3)内，在出厂安装时，先对需要安装的场地进行考察，确定泵站的抽水的流量范围和高度为多少，然后选定适应范围的泵站体装置进行安装，水泵箱模块(3)与控制箱模块(2)之间或者水泵箱模块(3)与水泵箱模块(3)之间的侧边直接连通。

5.根据权利要求1所述的一种自动监管的泵站系统，其特征在于：泵站体装置包括水泵进水管(4)、排气阀(5)、汇水管(6)、水泵(7)、砂石过滤器(8)、第一排污管(9)、第二排污管(10)、网式过滤器(11)、出水口(12)、超声波流量计(13)、止回阀(14)、持压减压阀(15)、碟阀(16)、空气阀(17)和压力表(18)，水泵进水管(4)设置在水泵(7)的进水端，汇水管(6)设置在水泵(7)的出水端，排气阀(5)设置在汇水管(6)的上端，砂石过滤器(8)的输入端与汇水管(6)连通，第一排污管(9)与砂石过滤器(8)的过滤废料口连接，网式过滤器(11)的输入端与砂石过滤器(8)的清水输出端连接，第二排污管(10)与网式过滤器(11)的废料出口连接，网式过滤器(11)的输出端与出水口(12)之间一次设置有超声波流量计(13)、止回阀(14)、持压减压阀(15)、碟阀(16)、空气阀(17)和压力表(18)，水泵(7)、砂石过滤器(8)、网式过滤器(11)、超声波流量计(13)、止回阀(14)、持压减压阀(15)、碟阀(16)、空气阀(17)和压力表(18)均与控制柜(19)连接。

6.根据权利要求5所述的一种自动监管的泵站系统，其特征在于：泵站外箱体(1)的顶部设置有太阳能板，控制箱模块(2)上设置有储能单元，储能单元包括日常供电太阳能电池和应急供电电池，当日常供电太阳能电池没电，并且市电无法供电时，启动应急供电电池供电，泵站内部环境监测单元在对水泵进行控制时，当检测水流量在预设的范围时，调整电机的输出功率，使得效率保持最高的状态进行输出，当检测到日常供电太阳能电池的电量已满，同时检测到太阳能的光照强度大于设定值时，提高水泵的输出功率，将水输出流量调整到预设范围的最大值，利用太阳能板转化的所有电能，当电网在用电低谷的时候，储能单元从电网充电储能或者开启水泵抽水，同时泵站内部环境监测单元实时检测砂石过滤器(8)和网式过滤器(11)的滤网实时压力，当滤网压力大于预设值时，将设置在砂石过滤器(8)和网式过滤器(11)上的反冲洗压力水泵开启，同时关闭设置在砂石过滤器(8)和网式过滤器(11)的进水端的开关，通过冲洗压力水泵喷出的水压将滤网上的杂质反向冲出，并从第一排污管(9)或者第二排污管(10)流出，实现自动检测滤网的杂质多少，然后自动清洗，检测滤网实时压力的具体过程为，先检测滤网前端的进水的压力，然后再检测清洗好的滤网的初始进水的压力，随后将检测的滤网的压力与初始进水的压力作差值比较，当差值大于预设值时，表示滤网堵塞，需要反向冲洗。