基于物聯網制造企業電能綜合監控系統

摘 要： 能源監控是制造企業實施生產精益化與智能制造的重要內容。針對稀有金屬加工制造企業生產與裝備特點，研究基于物聯網的企業電能綜合監控系統，提出系統物聯網架構和系統軟件構成，采用電能計量表、智能網關與網絡攝像機進行電能數據和狀態信息采集，以太網、光纖環網組成傳輸網絡；運用BP神經網絡構建電能預測模型，設計ADO組件進行數據交換與處理。該系統實現了制造企業電能計量與統計分析、電能預測平衡監控、用電負荷與節能優化運行，提高企業電能有效利用和能源綜合監控水平，具有典型的應用價值。

關鍵詞： 制造企業； 物聯網； 電能監控； 電能預測模型

中圖分類號： TN926?34； TP277； TF355 文獻標識碼： A 文章編號： 1004?373X（2016）16?0159?04

Abstract： The energy monitoring is an important content to implement the lean production and intelligent manufacturing of the manufacturing enterprises. Aiming at the characteristics of production and equipment of the rare metals processing and manufacturing enterprises， the enterprises’ electric energy integrated monitoring system based on Internet of Things （IOT） is researched. The IOT?based system architecture and software composition are proposed. The electric energy meter， intelligent gateway and network camera are used to collect the electric energy data and status information. The Ethernet and optical fiber ring network are adopted to form the transmission network. The BP neural network is used to construct the electric energy prediction model. The ADO component was designed to perform data exchange and processing. The system can realize the electric energy metering and statistical analysis， balance monitoring of electric power forecast， and electrical load and energy saving optimal operation of the manufacturing enterprises， improve the enterprise’s electric energy effective utilization and energy comprehensive monitoring level， and has a typical application value.

Keywords： manufacturing enterprise： Internet of Things： electric energy monitoring； electric energy prediction model

0 引 言

隨著“工業4.0”與“中國制造2025”快速推廣，智能制造已成為制造加工企業升級的關鍵。基于物聯網[1?2]大數據的生產制造精益化，制造加工企業通過收集生產過程的實時數據，對生產設備診斷、質量控制、用電量、能源消耗等進行分析、預測與優化。制造企業的能源監測與管控系統已成為當前技術熱點，Swords等人開發了基于電能建模軟件與企業業務數據庫集成的能源信息系統[3]，田豐研究了全集成自動化的能耗監控管理系統[4]，文獻[5?6]研究了鋼鐵企業能源管理系統及能耗預測模型。稀有金屬制造加工企業是耗能大戶，以電能消耗為主，電能費用在生產成本中占極大比重[7]，電能綜合監控系統研究鮮見報道[8]。

結合西部超導材料科技有限公司生產及裝備特點，研究基于物聯網的企業電能綜合監控系統，提出系統物聯網構架和系統軟件構成，通過以太網和光纖環網構建傳輸網絡，實時采集現場電能數據和設備狀態信息，運用BP神經網絡構建電能預測模型，實現制造企業生產過程實時電能監控、動態統計分析與綜合管理。

1 電能綜合監控系統構成

西部超導材料科技有限公司是稀有金屬材料制造加工企業，下轄熔鑄、鍛造、棒線絲材及設備動力等分廠，按照生產工序分布在公司不同位置，主要用能設備有選布料機、大型油壓機、真空自耗電弧爐、電加熱爐、鍛造機、精鍛機、冷熱軋機、滾模拉絲機等，能源監控以生產動力部為中心。

結合企業生產工藝過程分散、電能消耗以主體設備為主的特點，構建企業電能綜合監控系統物聯網架構，系統構成如圖1所示。

（1） 電能數據采集層。電能計量表采用威勝DTSD341，實時采集主要用能設備和關鍵部位電能數據，通過智能網關威勝WEGW?1000S集中各電能計量表數據；網絡攝像機采用?？低旸S?2CD892PF采集關鍵部位和重點設備視頻圖像信息。

（2） 網絡傳輸層。采用以太網線、光纖為傳輸介質，光纖收發器HTB?4100A/B、千兆工業以太網交換機TP?LINK TL?SG1008構成數據傳輸網絡。

（3） 管理決策層。管理決策以生產動力部為中心，數據庫服務器選配聯想TS?540，視頻服務器選配?？低旾DS?6002HF，電能監控主機與Web服務器選用研華IPC?610H，視頻監控主機選用聯想T4900，同時配備大屏顯示器，實現電能數據統計分析、遠程監視監控以及綜合管理等功能。

2 電能綜合監控系統功能設計

2.1 系統功能組成

電能綜合監控系統基于B/S結構，采用模塊化設計軟件功能，包括基礎信息管理、數據采集與通信、監視監控以及統計分析4大功能模塊，系統功能組成如圖2所示。

2.2 系統功能概述

（1） 基礎信息管理。用能單位管理進行用能單位、用能設備、位置、性質建立檔案與動態數據庫；用戶管理實現系統使用者的注冊、添加與刪除、權限設置以及密碼修改等功能；系統信息維護是管理員進行系統運行參數配置、用能單位和用戶數據修改與刪除、用戶權限分配與修改等功能。

（2） 數據采集與通信。電能計量數據采集實現電流、電壓、電能等數據的實時計量；用能與計量設備實現用能與計量設備運行狀態數據采集和錄入，重點用能設備工作時，計量設備屬性、特性及檢修計劃等記錄、查詢和統計；網絡通信管理實現系統通信方式選擇、參數配置、故障檢測、報警等功能。

（3） 電能監視監控。電能與設備遠程監控實現主要設備電能負荷、設備狀態、工序生產狀況實時監視監控和遠程調度控制；電能預測平衡監控利用企業電能預測模型進行生產過程電能需求、優化排產、電能避峰填谷動態監控。用電負荷控制與優化運行根據負荷分布圖自動合理分配負荷消耗，優化生產設備、運行時段和用電降峰控制。

（4） 電能統計分析。電能統計分析實現同一時間不同用能單位和用能設備、不同時段同一用能單位和用能設備的電能數據統計與趨勢分析，公司總電能量、重點設備電能量統計與分析；節能效果分析提供公司、用能單位、重點用能設備節能同比、環比以及趨勢分析，提供節能措施指導與建議；電能實際考核提供用能單位、重點設備生產和輔助電能消量，按日、月、年成本核算和考核；電能報表、圖表管理提供公司、用能單位、重點用能設備電能量報表、柱狀圖、餅狀圖、曲線圖顯示，以及動態實時記錄、查詢和統計。

3 電能綜合監控系統的實現

3.1 系統軟件構架設計

采用力控ForceControl V7.0組態軟件作為開發平臺，開發數據采集驅動與上位通信協議驅動，現場電能數據通過網關數據庫輸入力控實時數據庫，通過設計的ADO組件與SQL Server關系數據庫連接，實現數據的轉存、分析及關系數據庫的控制。電能預測模型調用關系數據庫的歷史數據和實時數據庫的實時數據進行企業生產電能預測，現場圖像視頻通過視頻監控軟件輸入視頻數據庫存儲、分析，通過視頻控件與力控平臺軟件連接，并實時嵌入到監控中。在力控組態軟件上開發了多用戶人機界面，軟件采用B/S模式實現多用戶發布與遠程操作，以及與公司ERP和OA系統聯網。電能綜合監控系統軟件構架，如圖3所示。

3.2 企業電能預測

（1） 電能預測模型的建立。采用BP神經網絡算法[9]構建企業產量與電能量關系的電能預測模型。確定該企業影響產量與電能關系的因子為：月份，上月計劃生產量，上月實際生產量，上月計劃電能量，上月實際電能量，本月計劃生產量，本月實際生產量，本月計劃電能量，本月實際電能量，下月計劃生產量；下月電能預測量作為輸出信息節點；采用試湊法[10]確定隱含層節點個數為5，利用2013—2014年數據對電能預測模型進行訓練。

（2） 預測結果分析。以2015年各月的輸入層信息節點數據作為電能預測模型檢測樣本，對1～12月企業實際電能量與模型預測電能量進行驗證及分析[11]，實際電能量與預測電能量結果對比，如表1和圖5所示。

由表1和圖5可知，預測量最小相對誤差為1.02%，最大相對誤差為4.63%，BP神經網絡模型對2015年企業用電能量的預測量與實際用電能量基本吻合。

3.3 數據交換與處理

智能網關與電能計量表之間數據采集遵循DLT/645?2007通信規約。智能網關與力控組態軟件平臺之間數據交換采用雙主站模式，且遵循ModBus（TCP/IP）及住建部導則兩類通信協議，系統數據交換與處理方式，如圖6所示。

通過ADO組件建立力控實時數據庫與SQL Server關系數據庫連接，實現兩數據庫間數據交換，并進行創建或修改數據表以及更新、刪除、添加數據等操作。執行預先編寫好的數據分類、處理等SQL語句，進行數據庫與后臺數據處理，完成電能數據統計和分析。

4 結 論

基于物聯網的企業電能綜合監控系統在西部超導材料有限公司已投入運行，實際運行結果表明：提出的企業電能綜合監控系統物聯網架構和軟件系統構架能夠實現制造加工企業生產過程電能計量、監控、統計、分析；采用BP神經網絡算法構建企業電能預測模型，對企業生產過程電能負荷需求與分配、優化排產、電能避峰填谷動態監控，實現企業生產、設備與節能優化運行；該系統可與企業ERP管理系統、OA辦公系統無縫集成和協調工作，可進一步提高企業電能整體利用效率，有效提高能源綜合管理水平，實現生產過程精益化與智能制造，具有一定的理論和應用價值。

參考文獻

[1] 張乃祿，李永進，張玉祥，等.基于物聯網的加油站綜合信息監控系統[J].西安石油大學學報（自然科學版），2013，28（6）：103?107.

[2] 張乃祿，李立波，祁宗全，等.基于信息融合的富錳渣生產安全監控系統及應用研究[J].冶金自動化，2015，39（4）：52?57.

[3] SWORDS B， COYLE E， NORTON B. An enterprise energy information system [J]. Applied energy， 2008， 85（1）： 61?69.

[4] 田豐.基于全集成自動化的能耗監控管理系統設計[J].現代電子技術，2015，38（5）：97?100.

[5] 蔣育翔，黃全福，洪小和.基于鋼鐵企業能源特點及相互關系的能源管理信息系統的研究[J].冶金自動化，2011，35（2）：18?23.

[6] 劉川來，郭坤.BP神經網絡預測技術在企業能源管理系統中的應用[J].青島科技大學學報（自然科學版），2013，34（2）：203?206.

[7] 馮為民，叢力群.冶金企業能源管理系統[J].控制工程，2005，12（6）：597?600.

[8] 胡江溢，祝恩國，杜信綱，等.用電信息采集系統應用現狀及發展趨勢[J].電力系統自動化，2014，38（2）：131?135.

[9] KALOGIROU S A， BOJIC M. Artificial neural networks for the prediction of the energy consumption of a passive solar building [J]. Energy， 2000， 25（5）： 479?491.

[10] 張有山，李光遠，邢軍，等.企業電能耗的BP神經網絡預測模型[J].遼寧科技大學學報，2014，37（4）：343?349.

[11] 謝燕麗.BP神經網絡及遺傳算法在有色金屬企業能源管理中的應用[D].廣州：廣東工業大學，2014.