近日，中国计量大学计量测试工程学院周佩剑副教授题为“Energy performance prediction of pump as turbine (PAT) based on PIWOA-BP neural network”（基于PIWOA-BPNN模型的泵作透平性能预测方法）的研究论文在能源领域权威期刊Renewable Energy (IF 8.7，中科院1区)在线发表。通讯作者为周佩剑副教授，第一作者为本校研究生余文进。

泵作透平(pump as turbine，PAT)技术被认为是在小微型水力发电领域中最可行替代方案之一。对于小微型水电站而言，存在着水资源时间与空间跨度较广，水资源能级变化大，水轮机机电成本高(几乎占到小微型水电站初期投入成本的35%-40%)等问题，难以做到针对每一个不同水力环境设计相对应的水轮机。然而，泵的生产厂商往往不会提供其在透平状态下性能曲线，导致在实际使用PAT时存在选型困难。

针对上述问题，文章提出了一种基于PIWOA-BPNN模型的泵作透平性能预测方法，为上述问题提供了一个新的解决思路。该模型将多种策略融合改进后的WOA算法与参数优化后的多层BPNN相结合，创新性的构建了螺旋引导向量对WOA算法内部随机搜索进行引导，极大地提升了神经网络的预测能力，有效降低时间成本。并对透平内部参数进行分析，提出了一种以叶轮几何参数作为辅助输入的神经网络模型，从而有效解决小微水电PAT选型和设计困难的问题。