電力企業無感識別智能工器具管理系統設計與實現

常榮，張丙珍，鄭博文，李邦源

（云南電網有限責任公司玉溪供電局，玉溪 653100）

引言

在目前經濟發展的大環境下，國家電網或者電力企業的發展也在水漲船高得迅速發展，電力企業對于工藝流程中的要求和規范不斷提高，而工器具的種類也從過去的簡易工具逐步向高精尖的儀器方向靠攏[1]。然而，僅僅依靠人數不多的管理人員進行人工管理，那么一直劇增的工作量會大量消耗人力物力，甚至導致日常工作的開展速度十分緩慢；與此同時，行業內主流的傳統電網設備分類和管理并不能達到很好的效果，存在脫機、滯后及兼容性很差等問題，這就導致了電力企業存在很大的管理缺點和安全隱患[2-4]。鑒于目前國家電力企業現代化建設的腳步不斷加快，需要建立一套科學高效、安全可靠的智能工器具管理系統來對高精度工器具進行安全維護，使得工器具的日常應用都能得到規范的使用和歸還[5]。

Satish等人[6]設計了一種基于人工智能的電力管理系統的線路指數方法，以便采取一些糾正措施來解決電力系統管理混亂的問題。最終得出結論，采取人工智能的系統設計方法能夠降低電力管理系統的出錯率[7]，并提高了系統的智能化和自動化。基于目前工器具的租借活動十分頻繁，余銀等人[8]利用物聯網技術設計了一款基于移動客戶端的智能工器具管理系統，該系統的使用方法和功能設置都較為簡單，能夠較大程度地降低人力成本和運維成本。隆茂等人[9,10]在綜合考慮了工器具的形狀材料、識別穩定性等特點之后，提出了一套能夠自動識別的電力工器具管理系統。該系統具有較高的自動讀取和無感識別效率，在一定程度上提高了工器具管理的效率和自動化程度。侯峰等人[11]基于“云技術”的自動模式識別技術，研究了工器具管理系統的身份標識、出入庫記錄和安全周期預警的功能。該系統采用了指紋登錄和智能感應[12-14]等技術，縮短了出入庫的時間，提高了工作效率。

從各個研究團隊的研究成果可以得出結論，目前大多數工器具管理系統并不能解決人工效率低、出錯率較高等問題[15,16]。而目前的管理系統信息化、自動化、智能化很低，不僅無法提供工器具的生命周期、狀態管理或者智能應用等功能[17]，而且除了工器具的價格不斷上漲之外，工器具的大量使用也不得不讓工器具分類這一重要研究內容逐漸被人們所關注。

本文基于筆者所在的公司對工器具管理系統的需求，設計了一套無感識別智能工器具管理系統，以應用于電力企業的工器具日常管理工作。該系統基于機器學習、數據挖掘等人工智能技術，建立了無感識別、大數據庫、工器具生命周期管理、在線流程及狀態監控等先進功能，提高日常管理的效率。與此同時，本文所設計的管理系統具有一定的預測功能，提高了系統智能性和先進性。

1 智能工器具管理系統設計與實現

1.1 全生命周期管理功能模塊設計

全生命周期管理能夠對工器具的資料、狀態和臺賬進行管理，并且在工器具的狀態發生改變的時候進行主動記錄，形成臺賬記錄。與此同時，整個系統在運行過程中進行數據的自我保存和備份，這樣會保證系統數據不會在運行過程中因為突發故障而導致遺失，也就避免了造成電力企業倉庫混亂的可能。本文設計的生命周期管理流程如圖1。

圖1 工器具全生命周期流程圖

1.2 RFID標簽及安全門設計與實現

工器具的工具及其附帶物件的監控可以通過電子標簽來實現，在工器具上貼上電子標簽，設備離開或者進入工器具庫房時可以被安全門自動讀取到設備的內在編號，并且管理系統能夠在讀取設備編號之后進行設備狀態的更改，以此來實現與視頻監控的軟件平臺進行相互銜接。

RFID安全門的優勢在于能夠順利感知到被貼上電子標簽的設備。檢測設備對于電力企業的意義很重要，檢測系統或者設備必須對工器具的控制達到很高的要求，以此來實現防盜、監控、安全等不同方面的目的。同時，檢測設備能夠對不同設備的磁通量進行實時監測，在工器具出現狀態異常時自動判斷是否進行報警鳴響。

本文采用BRT-37超高頻PCB抗金屬標簽，在具有響應范圍廣、尺寸小巧及靈敏度高等特點的同時，適用于不同的金屬環境而不會出現各種錯誤。安全門則采用了本公司的BRC-04C超高頻安全門，該安全門能夠在很大程度上不被內部或者外界環境影響，具有精度較高的自動增益控制技術。佩戴了電子標簽的工器具在進入或者離開工器具庫房的時候，也就進入了自動識別裝置的感知范圍，此時自動識別裝置便會通過云計算平臺對電子標簽的數據進行讀取和記錄，并且經過射頻信號所產生的感應電流對不同的工器具進行分類和記錄。本文所采用的無感識別電子標簽如圖2所示，本文所使用的自動識別設備為高頻頻段（13.56 MHz）下的射頻讀寫器，如圖3所示，無感識別的應用原理圖如圖4所示。

圖2 無感識別電子標簽

圖3 自動讀寫設備

圖4 無感識別工作原理

1.3 視頻監控功能模塊設計與實現

本文所設計的視頻監控功能模塊采用LAN進行24小時的實時監控，并且在工器具的狀態發生變化時，會自動將設備編號、設備狀態和變化數據自動記錄在數據庫中，以便隨時調取。視頻監控的位置設置分別為工器具庫房入口處、工器具室內天花板墻角處，將大華高清網絡攝像頭與所開發的監控插件進行相互關聯。實時監控的實現效果如圖5所示。

圖5 實時監控效果圖

1.4 大數據挖掘模塊設計與實現

本文所設計的智能工器具管理系統能夠在數據統計的處理基礎之上，通過相關性分析等數學工具進行數據挖掘，其中包括支持回歸、ARMR和GBDT等數學模型進行大規模數據分析，并且通過大數據庫對工器具進行未來的使用預測，如圖6所示。本文所采用的大數據挖掘模塊將自動識別裝置與通信網絡相互關聯，通過與云端的大數據庫和自動識別裝置所讀取到的數據信息相互結合，之后根據工作的需要生成各項數據記錄和預警信息，能夠自由通過數據讀取裝置、網絡服務器和云端計算機進行大規模的數據支持。

圖6 數據挖掘模塊設計

本文所設計的工器具管理系統是通過以Java為基礎的數據挖掘工具Weka來實現的，該工具的優勢在于能夠與人工智能機器學習算法進行融合交互，通過Java數據庫的接口實現大數據的挖掘和數據特征、分析及預測建模。通過使用機器學習算法神經網絡模型的建立，能夠利用Weka的Multilayer Perceptron類進行數據的分析和預測，最后輸出具有參考性的預測變化曲線。從圖7可以看到，通過本文所設計的模型和算法能夠對工器具絕緣膠墊XB001進行日常使用量的統計和未來一段時間的使用量預測。通過該系統，管理人員或者系統操作人員能夠對日后的工作進行更方便地提前運作。

圖7 絕緣膠墊XB001使用預測

2 無感識別智能工器具管理系統性能測試

本文在進行系統性能測試的環境搭建如表1所示。

表1 測試環境配置

本文在實驗過程中，通過使用單線程、雙線程和四線程的設備來進行實驗驗證，通過計算每組實驗所花費的時間來進行結果分析，實驗結果如圖8所示。從圖8的內容可以得到結論，單線程在無感識別工器具中所花費的時間為1.2～1.6 s之內，使用雙線程進行測試所花費的時間為0.9～1.3 s，而四線程進行測試所花費的時間已經降低到了0.6 s左右。也就是說，隨著線程數量的增加，無感識別所花費的時間也在不斷降低，并且，線程數量越大，無感識別的時間也會呈現出較為平緩的時間波動，時間起伏更為平緩。

圖8 無感識別實驗結果變化圖

本文對不同的系統指標進行了性能測試，模擬了用戶在不同操作下所產生的的數據信號，統計了不同指標在操作過程中的系統平均響應時間，以此作為智能工器具管理系統的性能測試結果。最終所得到的系統測試結果如表2所示。

表2 性能測試結果

從表2中的內容可以分析出，管理系統對于大數據庫的讀取能力是比較強的，平均響應時間都在1 s以內，而RFID作為硬件設備的讀取能力雖然在2 s左右，但是相比較其他系統而言，響應時間得到了較大程度的改善。二者的數據讀取能力和系統響應時間都符合系統的性能要求。

本文為了測試智能工器具管理系統在不同數量的用戶同時在線時的性能和系統穩定性，模擬了不同數量的用戶個數，并進行了150次模擬，最后得到的系統并發測試結果如表3所示。

表3 并發測試結果

從表3可以看出，就用戶的數量而言，系統并發量越大，網絡的負載能力也隨之下降，但是變化幅度并不大，對系統的穩定性和準確性并沒有較大影響。目前系統的網絡運行環境是100 MB/s，網絡環境良好，當有100個并發用戶同時存在時，系統的負載能力達到了392.22 KBps；當用戶并發量達到了200時，系統負載能力降低到了385.03 KBps；而當用戶并發量增加到300時，系統負載能力也僅僅是降低到了378.05 KBps。在并發量從100增加至200和200增加至300的過程中，網絡負載能力的變化幅度只有1.8 %左右，影響并不大。

綜上所述，本文所設計的無感識別智能工器具管理系統不僅在添加了人工智能技術和無感識別技術之后能夠保證較高的準確率，也能夠在較大的用戶并發量下保證良好的網絡負載能力和系統綜合性能。

3 結論

為了解決目前大多數工器具管理系統信息化、自動化、智能化較低的問題，本文基于無感識別技術（RFID）、物聯網技術和云計算平臺，構建了面向電力企業的物聯網系統架構，結合遠程視頻監控平臺，設計了一款電力企業工器具智能管理系統，以此降低系統錯誤率、提高智能化等問題，適應電力企業的發展速度。本文所設計的智能管理系統從軟件和硬件方面整合了電力企業的各類工具器，在管理系統中加入了RFID、視頻實時監控、大數據挖掘和無感識別模塊，并與SCADA系統進行數據交互。同時，全生命周期管理一改過往人工操作速度慢和出錯率較高的問題，并在機器學習算法的幫助下，使大量的數據能夠被較好地應用和管理。最終的系統測試結果顯示，本文所設計的無感識別智能工器具管理系統不僅在添加了人工智能技術和無感識別技術之后能夠保證較高的準確率，也能夠在較大的用戶并發量下保證良好的網絡負載能力和系統綜合性能。