亚博取款曝顾秒到账

特高压直流工程建设、城乡配网建设改造、电网脱贫攻坚等各级电网的大规模投入与高强度建设, 对物力资源的统一调配、物资供应保障的响应速度和服务水平提出了更高的要求。目前, 河南省电力企业10 kV及以下电网建设工程物资供应以项目需求为导向, 物资供应呈现发散式、交错式特点, 全省层面的物资统一调配相对粗放, 存在供货周期长、占压库容、检测效率低、结算流程繁杂等问题。

为提高物资供应管理质效, 落实国家电网企业仓储物流体系“两基一化”建设要求, 河南省电力企业利用大数据、物联网、柔性检测等新技术, 建成了集仓储配送与质量抽检为一体的集约化平台。该平台由物资供应调配系统、仓储管理系统、柔性智能检测系统组成, 实现了电网通用物资的统筹配送、集中存储、智能检测。

集约化平台主要覆盖物资调配、质量抽检与集中存储3个环节, 在物资调配方面, 融合BP神经网络 (Back-Propagation Neural Network, BPNN) 、最小二乘支撑向量机 (Least Squares Support Vector Machine, LSSVM) 等先进机器学习算法[1,2,3], 提出了基于组合预测技术的物资供应预测模型, 提高预测精度与模型泛化能力[4,5,6,7];在设备智能化检测方面, 采用柔性检测技术[8,9], 实现了物资检测的流水线、自动化式抽检模式, 提高抽检效率;在物资仓储管理方面, 通过引入RFID物联网技术开发了射频识别系统[10,11,12], 实现物资出入仓库的信息自动识别。

针对目前物资供应中存在的供货周期长、检测效率低以及库容紧张、库存积压的问题, 提出仓储配送及质量抽检集约化平台建设方案, 提高物资供应质效。集约化平台的技术路线与功能设计如图1所示。

图1 集约化平台技术路线与功能设计Fig.1 Key technologies and function design of the integrated platform   下载原图

平台主要由物资供应调配管理系统、智能试验系统与仓储管理系统组成。

1) 基于组合预测技术的物资供应调配管理系统:采用组合预测技术进行数据的深度挖掘与整合, 实现物资采购的科学预测, 确保物资的预估排产, 形成物资蓄水池, 实现全省物资的集约化统筹调配。

2) 基于柔性检测技术的智能试验系统:通过引入人工智能技术建立了柔性智能试验系统, 将多个试验项目智能集成优化, 根据检测项目智能切换, 整个流程自动完成, 显著提高了物资抽检效率。

3) 基于物联网技术的仓储管理系统:利用物联网技术开发了RFID射频识别系统, 实现库存物资出入库自动识别、作业提醒、上架导引等功能, 提高仓库拣配效率和作业质量。

若存在m个单项预测模型, 对同一预测目标的某个序列{xt, t=1, 2, …, N}开展预测, xit (i=1, 2, …, m;t=1, 2, …, N) 为第i个单项预测模型在时刻t的预测值, eit= (xt–xit) 为第i个预测模型在时刻t的预测残差。

J1表示由m个单项预测模型组成的组合预测方法的预测残差平方和, 则可将线性组合预测模型精度最优转化为以J1为准则的最优化问题:

式中:ejt为t时刻第j个单项预测模型的预测残差;l1, l2, …, lm分别为第1~m个单项预测模型预测值的权重系数。

因此可将式 (1) 转变为下式:

式中:L=[l1l2…lm]T指各预测模型权重系数的列向量;R指m维列向量, 其各行元素均为1;E为m×m的预测残差矩阵, 当i≠j时, Eij为第i个与第j个单项预测模型预测残差的协方差, 当i=j时, Eii为第i个单项预测模型预测残差平方和。

式 (2) 从客观的角度看是二次凸规划问题, 在可行域内或其边界上具有最优解, 但是获取解的直接形式存在较大的难度, 因此在此时可应用非负权重最优组合预测的方法, 在实际求解时能够起到比较理想的效果。

基于2.1中的线性组合预测模型, 对BPNN单项预测模型与LSSVM单项预测模型进行组合, 建立物资计划数据预测模型。根据参数相关性, 选取历史计划数据、中心库历史出入库数据与供应商产能数据为预测模型的输入参数, 过程如下:

1) 以10 kV配电变压器为例, 从3年的物资供应数据中随机选择540个数据作为单项与组合预测模型的训练数据和测试数据。

2) 单项预测模型选择。将540个数据按照1:9的比例随机划分为测试数据与训练数据, 并将其充当数据集, 这个操作实行20次, 从而得到20个数据集, 对BPNN模型和LSSVM模型进行20次训练, 并记录各组测试集所对应的均方根误差, 选择预测精度最优的模型。

3) 组合预测模型建立流程如图2所示。从540个数据内不定向选取54个用作单个数据集, 这个操作实行N次, 从而得到N个数据集, 对BPNN模型和LSSVM模型展开标准化测试, 并记录各集合对应的残差序列。另外, 应用非负权重最优组合预测的迭代算法, 进而获取所有单项模型对应的权重分布, 并得到相应的组合模型。

图2 组合预测模型的建立过程Fig.2 The building procedure for combined prediction model   下载原图

测试结果表明BPNN模型权重明显超过LSSVM模型的权重, 这说明BPNN模型实际输出所涵盖的信息相对较多。在对训练数据进行明确之后, BPNN模型在组合模型中的权重必然会不断朝着常数方向变化, 然后计算出组合模型的权重, 并构建相应的模型:

式中, 为组合模型预测值;l1指BPNN模型所对应的权重值;指BPNN模型预测值;l2指LSSVM模型所对应的权重值;指LSSVM模型的预测值。计算得:l1=0.550 2, l2=0.449 8。

图3为组合预测模型与单项模型的10 kV配电变压器物资需求预测残差直方图, 计算可得, 20次测试中组合预测模型、BPNN模型与LSSVM模型的平均相对误差 (Mean Absolute Percentage Error, MAPE) 平均值分别为6.92%、9.45%与11.03%, 可见组合预测模型的预测精度高于各单项模型。

图3 BPNN模型、LSSVM模型与组合预测模型的预测残差直方图Fig.3 Error histograms of the BPNN model, LSSVM model and the combined prediction model   下载原图

结合不同物资类别特点和检测项目特点, 对设备类物资采用柔性检测模式。柔性检测系统可根据试品特点与试验项目的差异, 统筹优化试验流程, 迅速调节检测功能, 提高物资检测效率。入网物资柔性检测系统采用总线式的分层分布式结构设计, 分为试品区、试品转运系统、综合检测装置、集控检测和辅助设备。系统架构如图4所示。

图4 入网物资柔性检测系统架构Fig.4 The structure diagram of the flexible testing system of distribution network power equipment   下载原图

试品转运系统主要用于试品在试品区、综合检测装置之间的运输。试品转运系统主要由上位调度、地面控制、车载系统构成。其中上位调度主要用于AGV车辆与集成控制App的对接;地面控制主要包含任务分配、车辆调度、路径管理、交通管理 (避障) 、自动充电等功能, AGV车辆采用了光学导引的方式;车载系统包含路径选择、车辆驱动、装卸操作等功能。

综合检测装置主要用于试品检测, 由检测单元及其附件组成。根据试品对象及检测项目的不同, 主要分为11个综合检测装置与1个预留综合检测装置, 检测对象与检测内容见表1所列。综合检测装置整体采用一体化设计, 将试验项目进行集成优化, 集成原有多台检测仪器功能;采用基于多模式自适应技术的智能切换线系统, 根据检测项目智能切换, 实现多个项目一次接线, 试验过程无需人为干预。

表1 综合检测装置检测对象与检测内容Table 1 The object and content of the integrated testing equipment     下载原表

集控检测系统主要用于控制综合检测装置单元和辅助设备的协调工作, 可实现试验过程中的转运系统调度、试验过程监控、试验数据在线监测、试验结果自动分析、试验报告自动出具等功能。系统由集控PC、集控App及通信系统组成, 包含以下核心模块:登录模块、任务配置模块、试验检测模块、数据处理模块、安全防护模块、辅助功能模块等。系统App功能设计如图5所示。

图5 集控检测系统App功能设计Fig.5 The function design of centralized controlling testing system   下载原图

智能试验系统的工作流程如图6所示, 试验人员首先在客户端输入试品信息和所要检测的试验项目, 系统根据预设程序将指令传输给智能小车和相关的检测仪器, 待智能小车将试品传输至预定位置后, 相应位置的检测仪器将对该试品进行检测, 该试验项目检测完毕后, 智能小车收到指令, 将试品运至下一个预定位置。当所有检测项目均检测完毕后, 智能小车收到指令并将试品运至已检合格区或非合格区, 同时系统自动生成检测报告。

以开展单台配电变压器12项试验项目 (见表2) 为例, 柔性检测系统与传统检测模式下单台配变试验效率对比见表3所列, 受益于自动转运系统的高效托运、智能试验系统的智能集成、一次接线与自动切换线以及集控检测系统的自动判别、自动生成报告等功能, 智能试验系统完成除温升试验外所有项目的效率是常规试验方法的4倍以上。

图6 入网设备智能试验系统工作流程Fig.6 The working procedure of the intelligent experiment system of distribution network power equipment   下载原图

表2 配电变压器12类试验项目Table 2 The 12 testing programs for distribution transformers     下载原表

表3 柔性检测系统与传统检测模式下单台配变试验效率对比Table 3 The comparison between flexible testing system and traditional testing mode     下载原表

仓储中心承担了全省125个市县农配网物资的存储与配送, 对物资的出入库效率提出很大挑战, 为此通过采用物联网技术, 结合中心库业务, 研发了基于RFID的射频识别系统, 实现了物资的高效精准调度。

射频识别 (RFID) 技术是一种无线通信技术, 可以通过无线电信号识别特定目标并读写相关数据, 无需识别系统与特定目标之间建立机械或者光学接触[14,15]。射频 (RF) 指的是具备特定波长的电磁波, 其常见的工作频率为:kHz、MHz、GHz, 频率范围覆盖微波到低频。RFID系统主要由RFID射频标签、识读器和计算机网络组成的自动识别系统组成。RFID射频标签具有唯一的电子编码, 附着在物体上标识目标对象。RFID系统用于读取 (部分可写入) 有RFID电子标签的设备, 可为固定式或手持式。

RFID射频标签由专用芯片与射频天线构成, 通常情况下射频天线是镀在塑料基片上的铜模线圈, 此外在基片上还嵌有配置EEPROM模块、控制单元与高速射频接口的小型集成电路芯片。根据实际应用需要, RFID射频标签中存储有特定格式的数据, 在应用中射频标签通常贴在待识别对象表面, 自动识别系统可通过非接触方式对目标信息进行自动读取与识别。

1) 基于统一规范的物资RFID标签。针对能够进行RFID管理的物资启用RFID标签管理, 在采购入库时, 供应商在送货前将物资绑定RFID标签并进行标识, RFID规格及数据格式应符合河南省电力企业统一规范。

2) 入库自动识别物资信息。物资的出入库流程如图7所示。厂家送货到区域中心库后, 货物通过射频门时, 射频门系统通过读取物资上的RFID标签数据, 并将数据通过接口传输给仓储系统, 仓储系统根据业务解析RFID信息 (包含订单号、订单行项、物料编号、数量、设备编号等) , 根据解析结果自动对通过射频门的物资进行收货作业。

图7 物资出入库流程Fig.7 The warehousing procedure of power equipment   下载原图

3) 出库完成物资复核:货物出库时, 拣配人员根据系统指示完成拣货后, 在射频门处根据拣配单进行复核, 射频门将读取结果反馈给仓储信息, 仓储系统根据解析的RFID信息与出库单进行对比, 通过复核的货物允许出库, 未通过复核不满足条件的货物, 仓储系统进行提示, 仓储人员根据提示信息进行人工处理 (对货物进行出库还是重新分拣) 。未通过射频门复核校验则给出报警信号, 避免人为出库错误, 提高作业准确度和作业效率。

仓储配送与质量抽检集约化平台通过利用大数据分析、物联网等信通新技术, 实现了物资预估排产、智能化检测与仓储高效自动化管理等功能, 有效解决了目前物资供应中存在的诸多问题, 极大地提高了物资供应效率, 保证了入网设备质量, 其中配变、架空绝缘导线与JP柜的合格率由原来的86%、90.3%与47.95%分别提高至97.08%、100%与100%。减少了检测费用开支与设备运维成本和停电损失, 仅以配变为例, 年综合节支可达8 300万元, 取得了显著的经济效益。平台在河南省电力企业应用以来, 10 kV及以下电网建设通用物资的供货周期缩短1个月以上, 每年可实现6万台套配变成套设备、15万km线缆等配网物资的检测配送, 物资检测能力提升至原来的3倍, 全年检测数量达到3 500件以上, 达到了国家电网企业领先水平。