1.一种水泵流体流量确定方法，其特征在于，包括：
通过计算机设备基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征；其中，所述流量表达特征包括表达项特征及其对应的系数特征；
通过计算机设备将所述流量表达特征导入水泵控制系统；
通过所述水泵控制系统根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值；
通过所述水泵控制系统根据所述表达项特征值和所述系数特征，确定水泵的当前流量；
其中，所述通过计算机设备基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征，包括：
通过计算机设备基于神经网络模型，根据多组转速和功率的数据对转速 和功率进行N阶多项式升维，设置流量公式 ；其中，
为所述表达项特征， 为所述系数特征；
所述神经网络模型调整多项式阶数N，进行迭代计算使得 收敛，得到所
述表达项特征和所述系数特征；其中， 为所述流量， 为 对应的流量计算值。
2.根据权利要求1所述的方法，其特征在于，在所述通过计算机设备基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征之前，还包括：
通过所述计算机设备获取利用水泵性能测试台采集的水泵的多组转速
、功率 及流量 ，构成采样
数据。
3.根据权利要求2所述的方法，其特征在于，利用水泵性能测试台采集水泵的多组转速、功率及流量，构成采样数据，包括：
采用定阀门开度，变转速的方式改变流量；其中，将阀门开度设定n1、n2、n3...等份，将水泵转速设定r1、r2、r3...等份；
依次将阀门开度开到n1、n2、n3...，并在每个开度内依次调节转速r1、r2、r3...，每次调节转速后记录当前水泵的转速、功率及流量；
将记录的数据保存为表格，构成所述采样数据。
4.根据权利要求1所述的方法，其特征在于，所述通过所述水泵控制系统根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值，包括：
通过所述水泵控制系统，利用所述表达项特征，根据水泵的当前转速和当前功率，得到每个表达项特征的表达项特征值 。
5.根据权利要求4所述的方法，其特征在于，所述通过所述水泵控制系统根据所述表达项特征值和所述系数特征，确定水泵的当前流量，包括：
通过所述水泵控制系统利用流量计算公式： ，计算水泵的当前流
量，其中， 为所述系数特征， 为对应的所述表达项特征值。
6.一种水泵流体流量确定系统，其特征在于，包括：
计算机设备和水泵控制系统，两者均包括处理器及存储有程序的存储器；
所述计算机设备的所述程序使得所述计算机设备执行：
基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征；其中，所述流量表达特征包括表达项特征及其对应的系数特征；
将所述流量表达特征导入所述水泵控制系统；
所述水泵控制系统的所述程序使得所述水泵控制系统执行：
通过所述水泵控制系统根据所述表达项特征确定水泵的当前功率和当前转速所对应的表达项特征值；
通过所述水泵控制系统根据所述表达项特征值和所述系数特征，确定水泵的当前流量；
其中，所述计算机设备的所述程序使得所述计算机设备执行：基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征，包括：
基于神经网络模型，根据多组转速和功率的数据对转速 和功率 进行N阶多项式升维，设置流量公式 ；其中，
为所述表达项特征， 为所述系数特征；
所述神经网络模型调整多项式阶数N，进行迭代计算使得 收敛，得到所
述表达项特征和所述系数特征；其中， 为所述流量， 为 对应的流量计算值。
7.根据权利要求6所述的系统，其特征在于，所述计算机设备的所述程序使得所述计算机设备执行：在基于神经网络模型，根据水泵在多组转速和功率下的流量，确定基于转速和功率的流量表达特征之前，还包括：
获取利用水泵性能测试台采集的水泵的多组转速 、功率
及流量 ，构成采样数据。
8.根据权利要求7所述的系统，其特征在于，利用水泵性能测试台采集水泵的多组转速、功率及流量，构成采样数据，包括：
采用定阀门开度，变转速的方式改变流量；其中，将阀门开度设定n1、n2、n3...等份，将水泵转速设定r1、r2、r3...等份；
依次将阀门开度开到n1、n2、n3...，并在每个开度内依次调节转速r1、r2、r3...，每次调节转速后记录当前水泵的转速、功率及流量；
将记录的数据保存为表格，构成所述采样数据。