四虎影视av,原创露脸走基层熟女av,日本呦呦αv,亚洲依依网站

特高壓直流工程建設(shè)、城鄉(xiāng)配網(wǎng)建設(shè)改造、電網(wǎng)脫貧攻堅等各級電網(wǎng)的大規(guī)模投入與高強度建設(shè), 對物力資源的統(tǒng)一調(diào)配、物資供應(yīng)保障的響應(yīng)速度和服務(wù)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(wǎng)建設(shè)工程物資供應(yīng)以項目需求為導向, 物資供應(yīng)呈現(xiàn)發(fā)散式、交錯式特點, 全省層面的物資統(tǒng)一調(diào)配相對粗放, 存在供貨周期長、占壓庫容、檢測效率低、結(jié)算流程繁雜等問題。

為提高物資供應(yīng)管理質(zhì)效, 落實國家電網(wǎng)公司倉儲物流體系“兩基一化”建設(shè)要求, 河南省電力公司利用大數(shù)據(jù)、物聯(lián)網(wǎng)、柔性檢測等新技術(shù), 建成了集倉儲配送與質(zhì)量抽檢為一體的集約化平臺。該平臺由物資供應(yīng)調(diào)配系統(tǒng)、倉儲管理系統(tǒng)、柔性智能檢測系統(tǒng)組成, 實現(xiàn)了電網(wǎng)通用物資的統(tǒng)籌配送、集中存儲、智能檢測。

集約化平臺主要覆蓋物資調(diào)配、質(zhì)量抽檢與集中存儲3個環(huán)節(jié), 在物資調(diào)配方面, 融合BP神經(jīng)網(wǎng)絡(luò) (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(yù)測技術(shù)的物資供應(yīng)預(yù)測模型, 提高預(yù)測精度與模型泛化能力[4,5,6,7];在設(shè)備智能化檢測方面, 采用柔性檢測技術(shù)[8,9], 實現(xiàn)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(lián)網(wǎng)技術(shù)開發(fā)了射頻識別系統(tǒng)[10,11,12], 實現(xiàn)物資出入倉庫的信息自動識別。

針對目前物資供應(yīng)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(zhì)量抽檢集約化平臺建設(shè)方案, 提高物資供應(yīng)質(zhì)效。集約化平臺的技術(shù)路線與功能設(shè)計如圖1所示。

圖1 集約化平臺技術(shù)路線與功能設(shè)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(yīng)調(diào)配管理系統(tǒng)、智能試驗系統(tǒng)與倉儲管理系統(tǒng)組成。

1) 基于組合預(yù)測技術(shù)的物資供應(yīng)調(diào)配管理系統(tǒng):采用組合預(yù)測技術(shù)進行數(shù)據(jù)的深度挖掘與整合, 實現(xiàn)物資采購的科學預(yù)測, 確保物資的預(yù)估排產(chǎn), 形成物資蓄水池, 實現(xiàn)全省物資的集約化統(tǒng)籌調(diào)配。

2) 基于柔性檢測技術(shù)的智能試驗系統(tǒng):通過引入人工智能技術(shù)建立了柔性智能試驗系統(tǒng), 將多個試驗項目智能集成優(yōu)化, 根據(jù)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(lián)網(wǎng)技術(shù)的倉儲管理系統(tǒng):利用物聯(lián)網(wǎng)技術(shù)開發(fā)了RFID射頻識別系統(tǒng), 實現(xiàn)庫存物資出入庫自動識別、作業(yè)提醒、上架導引等功能, 提高倉庫揀配效率和作業(yè)質(zhì)量。

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

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

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

因此可將式 (1) 轉(zhuǎn)變?yōu)橄率?

式中:L=[l1l2…lm]T指各預(yù)測模型權(quán)重系數(shù)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(yù)測殘差矩陣, 當i≠j時, Eij為第i個與第j個單項預(yù)測模型預(yù)測殘差的協(xié)方差, 當i=j時, Eii為第i個單項預(yù)測模型預(yù)測殘差平方和。

式 (2) 從客觀的角度看是二次凸規(guī)劃問題, 在可行域內(nèi)或其邊界上具有最優(yōu)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(yīng)用非負權(quán)重最優(yōu)組合預(yù)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(yù)測模型, 對BPNN單項預(yù)測模型與LSSVM單項預(yù)測模型進行組合, 建立物資計劃數(shù)據(jù)預(yù)測模型。根據(jù)參數(shù)相關(guān)性, 選取歷史計劃數(shù)據(jù)、中心庫歷史出入庫數(shù)據(jù)與供應(yīng)商產(chǎn)能數(shù)據(jù)為預(yù)測模型的輸入?yún)?shù), 過程如下:

1) 以10 kV配電變壓器為例, 從3年的物資供應(yīng)數(shù)據(jù)中隨機選擇540個數(shù)據(jù)作為單項與組合預(yù)測模型的訓練數(shù)據(jù)和測試數(shù)據(jù)。

2) 單項預(yù)測模型選擇。將540個數(shù)據(jù)按照1:9的比例隨機劃分為測試數(shù)據(jù)與訓練數(shù)據(jù), 并將其充當數(shù)據(jù)集, 這個操作執(zhí)行20次, 從而得到20個數(shù)據(jù)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(yīng)的均方根誤差, 選擇預(yù)測精度最優(yōu)的模型。

3) 組合預(yù)測模型建立流程如圖2所示。從540個數(shù)據(jù)內(nèi)不定向選取54個用作單個數(shù)據(jù)集, 這個操作執(zhí)行N次, 從而得到N個數(shù)據(jù)集, 對BPNN模型和LSSVM模型展開標準化測試, 并記錄各集合對應(yīng)的殘差序列。另外, 應(yīng)用非負權(quán)重最優(yōu)組合預(yù)測的迭代算法, 進而獲取所有單項模型對應(yīng)的權(quán)重分布, 并得到相應(yīng)的組合模型。

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

測試結(jié)果表明BPNN模型權(quán)重明顯超過LSSVM模型的權(quán)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(shù)據(jù)進行明確之后, BPNN模型在組合模型中的權(quán)重必然會不斷朝著常數(shù)方向變化, 然后計算出組合模型的權(quán)重, 并構(gòu)建相應(yīng)的模型:

式中, 為組合模型預(yù)測值;l1指BPNN模型所對應(yīng)的權(quán)重值;指BPNN模型預(yù)測值;l2指LSSVM模型所對應(yīng)的權(quán)重值;指LSSVM模型的預(yù)測值。計算得:l1=0.550 2, l2=0.449 8。

圖3為組合預(yù)測模型與單項模型的10 kV配電變壓器物資需求預(yù)測殘差直方圖, 計算可得, 20次測試中組合預(yù)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(yù)測模型的預(yù)測精度高于各單項模型。

圖3 BPNN模型、LSSVM模型與組合預(yù)測模型的預(yù)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(jié)合不同物資類別特點和檢測項目特點, 對設(shè)備類物資采用柔性檢測模式。柔性檢測系統(tǒng)可根據(jù)試品特點與試驗項目的差異, 統(tǒng)籌優(yōu)化試驗流程, 迅速調(diào)節(jié)檢測功能, 提高物資檢測效率。入網(wǎng)物資柔性檢測系統(tǒng)采用總線式的分層分布式結(jié)構(gòu)設(shè)計, 分為試品區(qū)、試品轉(zhuǎn)運系統(tǒng)、綜合檢測裝置、集控檢測和輔助設(shè)備。系統(tǒng)架構(gòu)如圖4所示。

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

試品轉(zhuǎn)運系統(tǒng)主要用于試品在試品區(qū)、綜合檢測裝置之間的運輸。試品轉(zhuǎn)運系統(tǒng)主要由上位調(diào)度、地面控制、車載系統(tǒng)構(gòu)成。其中上位調(diào)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(wù)分配、車輛調(diào)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(tǒng)包含路徑選擇、車輛驅(qū)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(jù)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(yù)留綜合檢測裝置, 檢測對象與檢測內(nèi)容見表1所列。綜合檢測裝置整體采用一體化設(shè)計, 將試驗項目進行集成優(yōu)化, 集成原有多臺檢測儀器功能;采用基于多模式自適應(yīng)技術(shù)的智能切換線系統(tǒng), 根據(jù)檢測項目智能切換, 實現(xiàn)多個項目一次接線, 試驗過程無需人為干預(yù)。

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

集控檢測系統(tǒng)主要用于控制綜合檢測裝置單元和輔助設(shè)備的協(xié)調(diào)工作, 可實現(xiàn)試驗過程中的轉(zhuǎn)運系統(tǒng)調(diào)度、試驗過程監(jiān)控、試驗數(shù)據(jù)在線監(jiān)測、試驗結(jié)果自動分析、試驗報告自動出具等功能。系統(tǒng)由集控PC、集控軟件及通信系統(tǒng)組成, 包含以下核心模塊:登錄模塊、任務(wù)配置模塊、試驗檢測模塊、數(shù)據(jù)處理模塊、安全防護模塊、輔助功能模塊等。系統(tǒng)軟件功能設(shè)計如圖5所示。

圖5 集控檢測系統(tǒng)軟件功能設(shè)計Fig.5 The function design of centralized controlling testing system   下載原圖

智能試驗系統(tǒng)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(tǒng)根據(jù)預(yù)設(shè)程序?qū)⒅噶顐鬏斀o智能小車和相關(guān)的檢測儀器, 待智能小車將試品傳輸至預(yù)定位置后, 相應(yīng)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(yù)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(qū)或非合格區(qū), 同時系統(tǒng)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(tǒng)與傳統(tǒng)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(zhuǎn)運系統(tǒng)的高效托運、智能試驗系統(tǒng)的智能集成、一次接線與自動切換線以及集控檢測系統(tǒng)的自動判別、自動生成報告等功能, 智能試驗系統(tǒng)完成除溫升試驗外所有項目的效率是常規(guī)試驗方法的4倍以上。

圖6 入網(wǎng)設(shè)備智能試驗系統(tǒng)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(tǒng)與傳統(tǒng)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(nóng)配網(wǎng)物資的存儲與配送, 對物資的出入庫效率提出很大挑戰(zhàn), 為此通過采用物聯(lián)網(wǎng)技術(shù), 結(jié)合中心庫業(yè)務(wù), 研發(fā)了基于RFID的射頻識別系統(tǒng), 實現(xiàn)了物資的高效精準調(diào)度。

射頻識別 (RFID) 技術(shù)是一種無線通信技術(shù), 可以通過無線電信號識別特定目標并讀寫相關(guān)數(shù)據(jù), 無需識別系統(tǒng)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(tǒng)主要由RFID射頻標簽、識讀器和計算機網(wǎng)絡(luò)組成的自動識別系統(tǒng)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(tǒng)用于讀取 (部分可寫入) 有RFID電子標簽的設(shè)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(gòu)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(jù)實際應(yīng)用需要, RFID射頻標簽中存儲有特定格式的數(shù)據(jù), 在應(yīng)用中射頻標簽通常貼在待識別對象表面, 自動識別系統(tǒng)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(tǒng)一規(guī)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(yīng)商在送貨前將物資綁定RFID標簽并進行標識, RFID規(guī)格及數(shù)據(jù)格式應(yīng)符合河南省電力公司統(tǒng)一規(guī)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(qū)域中心庫后, 貨物通過射頻門時, 射頻門系統(tǒng)通過讀取物資上的RFID標簽數(shù)據(jù), 并將數(shù)據(jù)通過接口傳輸給倉儲系統(tǒng), 倉儲系統(tǒng)根據(jù)業(yè)務(wù)解析RFID信息 (包含訂單號、訂單行項、物料編號、數(shù)量、設(shè)備編號等) , 根據(jù)解析結(jié)果自動對通過射頻門的物資進行收貨作業(yè)。

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(jù)系統(tǒng)指示完成揀貨后, 在射頻門處根據(jù)揀配單進行復核, 射頻門將讀取結(jié)果反饋給倉儲信息, 倉儲系統(tǒng)根據(jù)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(tǒng)進行提示, 倉儲人員根據(jù)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(yè)準確度和作業(yè)效率。

倉儲配送與質(zhì)量抽檢集約化平臺通過利用大數(shù)據(jù)分析、物聯(lián)網(wǎng)等信通新技術(shù), 實現(xiàn)了物資預(yù)估排產(chǎn)、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(yīng)中存在的諸多問題, 極大地提高了物資供應(yīng)效率, 保證了入網(wǎng)設(shè)備質(zhì)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(shè)備運維成本和停電損失, 僅以配變?yōu)槔? 年綜合節(jié)支可達8 300萬元, 取得了顯著的經(jīng)濟效益。平臺在河南省電力公司應(yīng)用以來, 10 kV及以下電網(wǎng)建設(shè)通用物資的供貨周期縮短1個月以上, 每年可實現(xiàn)6萬臺套配變成套設(shè)備、15萬km線纜等配網(wǎng)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(shù)量達到3 500件以上, 達到了國家電網(wǎng)公司領(lǐng)先水平。