水务泵站的能耗通常占水厂总电耗的较大比例，但调度长期依赖人工经验：值班员依据水池液位和用水规律手动启停，难以兼顾峰谷电价与管网压力约束。本期能源AI实验室围绕某中型供水泵站群开展实验，目标不是替换调度员，而是给出一套可解释的错峰建议。
实验做法分三步：先用历史液位、流量、电价与泵组运行记录建立短期需水预测；再将泵组启停建模为带约束的组合优化问题，约束包括各泵最小连续运行时长、启停次数上限、出厂压力上下限；最后以规则层兜底，预测置信度不足时回退到原人工策略。
阶段性进展：在两周离线回测中，相比现有调度日志，峰段用电占比下降约 9 个百分点，日均电耗下降约 4%，出厂压力波动未超出原控制区间。当前局限在于单一水厂历史数据仅覆盖一个枯水期，汛期来水与用水结构变化尚未验证，模型也未纳入水泵效率随流量偏移的非线性区间。
下一步计划：接入泵组实测效率曲线，将优化目标从电耗转向单位供水电耗，并在两座泵站做并行在线试运行，仅输出建议、不直接下发指令，用于评估调度员采纳率与建议质量。
评论