久久精品国产69国产精品亚洲_日韩欧美亚洲一区_免费观看污网站_欧美在线一

特高壓直流工程建設、城鄉配網建設改造、電網脫貧攻堅等各級電網的大規模投入與高強度建設, 對物力資源的統一調配、物資供應保障的響應速度和服務水平提出了更高的要求。目前, 河南省電力公司10 kV及以下電網建設工程物資供應以項目需求為導向, 物資供應呈現發散式、交錯式特點, 全省層面的物資統一調配相對粗放, 存在供貨周期長、占壓庫容、檢測效率低、結算流程繁雜等問題。

為提高物資供應管理質效, 落實國家電網公司倉儲物流體系“兩基一化”建設要求, 河南省電力公司利用大數據、物聯網、柔性檢測等新技術, 建成了集倉儲配送與質量抽檢為一體的集約化平臺。該平臺由物資供應調配系統、倉儲管理系統、柔性智能檢測系統組成, 實現了電網通用物資的統籌配送、集中存儲、智能檢測。

集約化平臺主要覆蓋物資調配、質量抽檢與集中存儲3個環節, 在物資調配方面, 融合BP神經網絡 (Back-Propagation Neural Network, BPNN) 、最小二乘支持向量機 (Least Squares Support Vector Machine, LSSVM) 等先進機器學習算法[1,2,3], 提出了基于組合預測技術的物資供應預測模型, 提高預測精度與模型泛化能力[4,5,6,7];在設備智能化檢測方面, 采用柔性檢測技術[8,9], 實現了物資檢測的流水線、自動化式抽檢模式, 提高抽檢效率;在物資倉儲管理方面, 通過引入RFID物聯網技術開發了射頻識別系統[10,11,12], 實現物資出入倉庫的信息自動識別。

針對目前物資供應中存在的供貨周期長、檢測效率低以及庫容緊張、庫存積壓的問題, 提出倉儲配送及質量抽檢集約化平臺建設方案, 提高物資供應質效。集約化平臺的技術路線與功能設計如圖1所示。

圖1 集約化平臺技術路線與功能設計Fig.1 Key technologies and function design of the integrated platform   下載原圖

平臺主要由物資供應調配管理系統、智能試驗系統與倉儲管理系統組成。

1) 基于組合預測技術的物資供應調配管理系統:采用組合預測技術進行數據的深度挖掘與整合, 實現物資采購的科學預測, 確保物資的預估排產, 形成物資蓄水池, 實現全省物資的集約化統籌調配。

2) 基于柔性檢測技術的智能試驗系統:通過引入人工智能技術建立了柔性智能試驗系統, 將多個試驗項目智能集成優化, 根據檢測項目智能切換, 整個流程自動完成, 顯著提高了物資抽檢效率。

3) 基于物聯網技術的倉儲管理系統:利用物聯網技術開發了RFID射頻識別系統, 實現庫存物資出入庫自動識別、作業提醒、上架導引等功能, 提高倉庫揀配效率和作業質量。

若存在m個單項預測模型, 對同一預測目標的某個序列{xt, t=1, 2, …, N}開展預測, xit (i=1, 2, …, m;t=1, 2, …, N) 為第i個單項預測模型在時刻t的預測值, eit= (xt–xit) 為第i個預測模型在時刻t的預測殘差。

J1表示由m個單項預測模型組成的組合預測方法的預測殘差平方和, 則可將線性組合預測模型精度最優轉化為以J1為準則的最優化問題:

式中:ejt為t時刻第j個單項預測模型的預測殘差;l1, l2, …, lm分別為第1~m個單項預測模型預測值的權重系數。

因此可將式 (1) 轉變為下式:

式中:L=[l1l2…lm]T指各預測模型權重系數的列向量;R指m維列向量, 其各行元素均為1;E為m×m的預測殘差矩陣, 當i≠j時, Eij為第i個與第j個單項預測模型預測殘差的協方差, 當i=j時, Eii為第i個單項預測模型預測殘差平方和。

式 (2) 從客觀的角度看是二次凸規劃問題, 在可行域內或其邊界上具有最優解, 但是獲取解的直接形式存在較大的難度, 因此在此時可應用非負權重最優組合預測的方法, 在實際求解時能夠起到比較理想的效果。

基于2.1中的線性組合預測模型, 對BPNN單項預測模型與LSSVM單項預測模型進行組合, 建立物資計劃數據預測模型。根據參數相關性, 選取歷史計劃數據、中心庫歷史出入庫數據與供應商產能數據為預測模型的輸入參數, 過程如下:

1) 以10 kV配電變壓器為例, 從3年的物資供應數據中隨機選擇540個數據作為單項與組合預測模型的訓練數據和測試數據。

2) 單項預測模型選擇。將540個數據按照1:9的比例隨機劃分為測試數據與訓練數據, 并將其充當數據集, 這個操作執行20次, 從而得到20個數據集, 對BPNN模型和LSSVM模型進行20次訓練, 并記錄各組測試集所對應的均方根誤差, 選擇預測精度最優的模型。

3) 組合預測模型建立流程如圖2所示。從540個數據內不定向選取54個用作單個數據集, 這個操作執行N次, 從而得到N個數據集, 對BPNN模型和LSSVM模型展開標準化測試, 并記錄各集合對應的殘差序列。另外, 應用非負權重最優組合預測的迭代算法, 進而獲取所有單項模型對應的權重分布, 并得到相應的組合模型。

圖2 組合預測模型的建立過程Fig.2 The building procedure for combined prediction model   下載原圖

測試結果表明BPNN模型權重明顯超過LSSVM模型的權重, 這說明BPNN模型實際輸出所涵蓋的信息相對較多。在對訓練數據進行明確之后, BPNN模型在組合模型中的權重必然會不斷朝著常數方向變化, 然后計算出組合模型的權重, 并構建相應的模型:

式中, 為組合模型預測值;l1指BPNN模型所對應的權重值;指BPNN模型預測值;l2指LSSVM模型所對應的權重值;指LSSVM模型的預測值。計算得:l1=0.550 2, l2=0.449 8。

圖3為組合預測模型與單項模型的10 kV配電變壓器物資需求預測殘差直方圖, 計算可得, 20次測試中組合預測模型、BPNN模型與LSSVM模型的平均相對誤差 (Mean Absolute Percentage Error, MAPE) 平均值分別為6.92%、9.45%與11.03%, 可見組合預測模型的預測精度高于各單項模型。

圖3 BPNN模型、LSSVM模型與組合預測模型的預測殘差直方圖Fig.3 Error histograms of the BPNN model, LSSVM model and the combined prediction model   下載原圖

結合不同物資類別特點和檢測項目特點, 對設備類物資采用柔性檢測模式。柔性檢測系統可根據試品特點與試驗項目的差異, 統籌優化試驗流程, 迅速調節檢測功能, 提高物資檢測效率。入網物資柔性檢測系統采用總線式的分層分布式結構設計, 分為試品區、試品轉運系統、綜合檢測裝置、集控檢測和輔助設備。系統架構如圖4所示。

圖4 入網物資柔性檢測系統架構Fig.4 The structure diagram of the flexible testing system of distribution network power equipment   下載原圖

試品轉運系統主要用于試品在試品區、綜合檢測裝置之間的運輸。試品轉運系統主要由上位調度、地面控制、車載系統構成。其中上位調度主要用于AGV車輛與集成控制軟件的對接;地面控制主要包含任務分配、車輛調度、路徑管理、交通管理 (避障) 、自動充電等功能, AGV車輛采用了光學導引的方式;車載系統包含路徑選擇、車輛驅動、裝卸操作等功能。

綜合檢測裝置主要用于試品檢測, 由檢測單元及其附件組成。根據試品對象及檢測項目的不同, 主要分為11個綜合檢測裝置與1個預留綜合檢測裝置, 檢測對象與檢測內容見表1所列。綜合檢測裝置整體采用一體化設計, 將試驗項目進行集成優化, 集成原有多臺檢測儀器功能;采用基于多模式自適應技術的智能切換線系統, 根據檢測項目智能切換, 實現多個項目一次接線, 試驗過程無需人為干預。

表1 綜合檢測裝置檢測對象與檢測內容Table 1 The object and content of the integrated testing equipment     下載原表

集控檢測系統主要用于控制綜合檢測裝置單元和輔助設備的協調工作, 可實現試驗過程中的轉運系統調度、試驗過程監控、試驗數據在線監測、試驗結果自動分析、試驗報告自動出具等功能。系統由集控PC、集控軟件及通信系統組成, 包含以下核心模塊:登錄模塊、任務配置模塊、試驗檢測模塊、數據處理模塊、安全防護模塊、輔助功能模塊等。系統軟件功能設計如圖5所示。

圖5 集控檢測系統軟件功能設計Fig.5 The function design of centralized controlling testing system   下載原圖

智能試驗系統的工作流程如圖6所示, 試驗人員首先在客戶端輸入試品信息和所要檢測的試驗項目, 系統根據預設程序將指令傳輸給智能小車和相關的檢測儀器, 待智能小車將試品傳輸至預定位置后, 相應位置的檢測儀器將對該試品進行檢測, 該試驗項目檢測完畢后, 智能小車收到指令, 將試品運至下一個預定位置。當所有檢測項目均檢測完畢后, 智能小車收到指令并將試品運至已檢合格區或非合格區, 同時系統自動生成檢測報告。

以開展單臺配電變壓器12項試驗項目 (見表2) 為例, 柔性檢測系統與傳統檢測模式下單臺配變試驗效率對比見表3所列, 受益于自動轉運系統的高效托運、智能試驗系統的智能集成、一次接線與自動切換線以及集控檢測系統的自動判別、自動生成報告等功能, 智能試驗系統完成除溫升試驗外所有項目的效率是常規試驗方法的4倍以上。

圖6 入網設備智能試驗系統工作流程Fig.6 The working procedure of the intelligent experiment system of distribution network power equipment   下載原圖

表2 配電變壓器12類試驗項目Table 2 The 12 testing programs for distribution transformers     下載原表

表3 柔性檢測系統與傳統檢測模式下單臺配變試驗效率對比Table 3 The comparison between flexible testing system and traditional testing mode     下載原表

倉儲中心承擔了全省125個市縣農配網物資的存儲與配送, 對物資的出入庫效率提出很大挑戰, 為此通過采用物聯網技術, 結合中心庫業務, 研發了基于RFID的射頻識別系統, 實現了物資的高效精準調度。

射頻識別 (RFID) 技術是一種無線通信技術, 可以通過無線電信號識別特定目標并讀寫相關數據, 無需識別系統與特定目標之間建立機械或者光學接觸[14,15]。射頻 (RF) 指的是具備特定波長的電磁波, 其常見的工作頻率為:kHz、MHz、GHz, 頻率范圍覆蓋微波到低頻。RFID系統主要由RFID射頻標簽、識讀器和計算機網絡組成的自動識別系統組成。RFID射頻標簽具有唯一的電子編碼, 附著在物體上標識目標對象。RFID系統用于讀取 (部分可寫入) 有RFID電子標簽的設備, 可為固定式或手持式。

RFID射頻標簽由專用芯片與射頻天線構成, 通常情況下射頻天線是鍍在塑料基片上的銅模線圈, 此外在基片上還嵌有配置EEPROM模塊、控制單元與高速射頻接口的小型集成電路芯片。根據實際應用需要, RFID射頻標簽中存儲有特定格式的數據, 在應用中射頻標簽通常貼在待識別對象表面, 自動識別系統可通過非接觸方式對目標信息進行自動讀取與識別。

1) 基于統一規范的物資RFID標簽。針對能夠進行RFID管理的物資啟用RFID標簽管理, 在采購入庫時, 供應商在送貨前將物資綁定RFID標簽并進行標識, RFID規格及數據格式應符合河南省電力公司統一規范。

2) 入庫自動識別物資信息。物資的出入庫流程如圖7所示。廠家送貨到區域中心庫后, 貨物通過射頻門時, 射頻門系統通過讀取物資上的RFID標簽數據, 并將數據通過接口傳輸給倉儲系統, 倉儲系統根據業務解析RFID信息 (包含訂單號、訂單行項、物料編號、數量、設備編號等) , 根據解析結果自動對通過射頻門的物資進行收貨作業。

圖7 物資出入庫流程Fig.7 The warehousing procedure of power equipment   下載原圖

3) 出庫完成物資復核:貨物出庫時, 揀配人員根據系統指示完成揀貨后, 在射頻門處根據揀配單進行復核, 射頻門將讀取結果反饋給倉儲信息, 倉儲系統根據解析的RFID信息與出庫單進行對比, 通過復核的貨物允許出庫, 未通過復核不滿足條件的貨物, 倉儲系統進行提示, 倉儲人員根據提示信息進行人工處理 (對貨物進行出庫還是重新分揀) 。未通過射頻門復核校驗則給出報警信號, 避免人為出庫錯誤, 提高作業準確度和作業效率。

倉儲配送與質量抽檢集約化平臺通過利用大數據分析、物聯網等信通新技術, 實現了物資預估排產、智能化檢測與倉儲高效自動化管理等功能, 有效解決了目前物資供應中存在的諸多問題, 極大地提高了物資供應效率, 保證了入網設備質量, 其中配變、架空絕緣導線與JP柜的合格率由原來的86%、90.3%與47.95%分別提高至97.08%、100%與100%。減少了檢測費用開支與設備運維成本和停電損失, 僅以配變為例, 年綜合節支可達8 300萬元, 取得了顯著的經濟效益。平臺在河南省電力公司應用以來, 10 kV及以下電網建設通用物資的供貨周期縮短1個月以上, 每年可實現6萬臺套配變成套設備、15萬km線纜等配網物資的檢測配送, 物資檢測能力提升至原來的3倍, 全年檢測數量達到3 500件以上, 達到了國家電網公司領先水平。