电力企业无感识别智能工器具管理系统设计与实现

常荣，张丙珍，郑博文，李邦源

（云南电网有限责任公司玉溪供电局，玉溪 653100）

引言

在目前经济发展的大环境下，国家电网或者电力企业的发展也在水涨船高得迅速发展，电力企业对于工艺流程中的要求和规范不断提高，而工器具的种类也从过去的简易工具逐步向高精尖的仪器方向靠拢[1]。然而，仅仅依靠人数不多的管理人员进行人工管理，那么一直剧增的工作量会大量消耗人力物力，甚至导致日常工作的开展速度十分缓慢；与此同时，行业内主流的传统电网设备分类和管理并不能达到很好的效果，存在脱机、滞后及兼容性很差等问题，这就导致了电力企业存在很大的管理缺点和安全隐患[2-4]。鉴于目前国家电力企业现代化建设的脚步不断加快，需要建立一套科学高效、安全可靠的智能工器具管理系统来对高精度工器具进行安全维护，使得工器具的日常应用都能得到规范的使用和归还[5]。

Satish等人[6]设计了一种基于人工智能的电力管理系统的线路指数方法，以便采取一些纠正措施来解决电力系统管理混乱的问题。最终得出结论，采取人工智能的系统设计方法能够降低电力管理系统的出错率[7]，并提高了系统的智能化和自动化。基于目前工器具的租借活动十分频繁，余银等人[8]利用物联网技术设计了一款基于移动客户端的智能工器具管理系统，该系统的使用方法和功能设置都较为简单，能够较大程度地降低人力成本和运维成本。隆茂等人[9,10]在综合考虑了工器具的形状材料、识别稳定性等特点之后，提出了一套能够自动识别的电力工器具管理系统。该系统具有较高的自动读取和无感识别效率，在一定程度上提高了工器具管理的效率和自动化程度。侯峰等人[11]基于“云技术”的自动模式识别技术，研究了工器具管理系统的身份标识、出入库记录和安全周期预警的功能。该系统采用了指纹登录和智能感应[12-14]等技术，缩短了出入库的时间，提高了工作效率。

从各个研究团队的研究成果可以得出结论，目前大多数工器具管理系统并不能解决人工效率低、出错率较高等问题[15,16]。而目前的管理系统信息化、自动化、智能化很低，不仅无法提供工器具的生命周期、状态管理或者智能应用等功能[17]，而且除了工器具的价格不断上涨之外，工器具的大量使用也不得不让工器具分类这一重要研究内容逐渐被人们所关注。

本文基于笔者所在的公司对工器具管理系统的需求，设计了一套无感识别智能工器具管理系统，以应用于电力企业的工器具日常管理工作。该系统基于机器学习、数据挖掘等人工智能技术，建立了无感识别、大数据库、工器具生命周期管理、在线流程及状态监控等先进功能，提高日常管理的效率。与此同时，本文所设计的管理系统具有一定的预测功能，提高了系统智能性和先进性。

1 智能工器具管理系统设计与实现

1.1 全生命周期管理功能模块设计

全生命周期管理能够对工器具的资料、状态和台账进行管理，并且在工器具的状态发生改变的时候进行主动记录，形成台账记录。与此同时，整个系统在运行过程中进行数据的自我保存和备份，这样会保证系统数据不会在运行过程中因为突发故障而导致遗失，也就避免了造成电力企业仓库混乱的可能。本文设计的生命周期管理流程如图1。

图1 工器具全生命周期流程图

1.2 RFID标签及安全门设计与实现

工器具的工具及其附带物件的监控可以通过电子标签来实现，在工器具上贴上电子标签，设备离开或者进入工器具库房时可以被安全门自动读取到设备的内在编号，并且管理系统能够在读取设备编号之后进行设备状态的更改，以此来实现与视频监控的软件平台进行相互衔接。

RFID安全门的优势在于能够顺利感知到被贴上电子标签的设备。检测设备对于电力企业的意义很重要，检测系统或者设备必须对工器具的控制达到很高的要求，以此来实现防盗、监控、安全等不同方面的目的。同时，检测设备能够对不同设备的磁通量进行实时监测，在工器具出现状态异常时自动判断是否进行报警鸣响。

本文采用BRT-37超高频PCB抗金属标签，在具有响应范围广、尺寸小巧及灵敏度高等特点的同时，适用于不同的金属环境而不会出现各种错误。安全门则采用了本公司的BRC-04C超高频安全门，该安全门能够在很大程度上不被内部或者外界环境影响，具有精度较高的自动增益控制技术。佩戴了电子标签的工器具在进入或者离开工器具库房的时候，也就进入了自动识别装置的感知范围，此时自动识别装置便会通过云计算平台对电子标签的数据进行读取和记录，并且经过射频信号所产生的感应电流对不同的工器具进行分类和记录。本文所采用的无感识别电子标签如图2所示，本文所使用的自动识别设备为高频频段（13.56 MHz）下的射频读写器，如图3所示，无感识别的应用原理图如图4所示。

图2 无感识别电子标签

图3 自动读写设备

图4 无感识别工作原理

1.3 视频监控功能模块设计与实现

本文所设计的视频监控功能模块采用LAN进行24小时的实时监控，并且在工器具的状态发生变化时，会自动将设备编号、设备状态和变化数据自动记录在数据库中，以便随时调取。视频监控的位置设置分别为工器具库房入口处、工器具室内天花板墙角处，将大华高清网络摄像头与所开发的监控插件进行相互关联。实时监控的实现效果如图5所示。

图5 实时监控效果图

1.4 大数据挖掘模块设计与实现

本文所设计的智能工器具管理系统能够在数据统计的处理基础之上，通过相关性分析等数学工具进行数据挖掘，其中包括支持回归、ARMR和GBDT等数学模型进行大规模数据分析，并且通过大数据库对工器具进行未来的使用预测，如图6所示。本文所采用的大数据挖掘模块将自动识别装置与通信网络相互关联，通过与云端的大数据库和自动识别装置所读取到的数据信息相互结合，之后根据工作的需要生成各项数据记录和预警信息，能够自由通过数据读取装置、网络服务器和云端计算机进行大规模的数据支持。

图6 数据挖掘模块设计

本文所设计的工器具管理系统是通过以Java为基础的数据挖掘工具Weka来实现的，该工具的优势在于能够与人工智能机器学习算法进行融合交互，通过Java数据库的接口实现大数据的挖掘和数据特征、分析及预测建模。通过使用机器学习算法神经网络模型的建立，能够利用Weka的Multilayer Perceptron类进行数据的分析和预测，最后输出具有参考性的预测变化曲线。从图7可以看到，通过本文所设计的模型和算法能够对工器具绝缘胶垫XB001进行日常使用量的统计和未来一段时间的使用量预测。通过该系统，管理人员或者系统操作人员能够对日后的工作进行更方便地提前运作。

图7 绝缘胶垫XB001使用预测

2 无感识别智能工器具管理系统性能测试

本文在进行系统性能测试的环境搭建如表1所示。

表1 测试环境配置

本文在实验过程中，通过使用单线程、双线程和四线程的设备来进行实验验证，通过计算每组实验所花费的时间来进行结果分析，实验结果如图8所示。从图8的内容可以得到结论，单线程在无感识别工器具中所花费的时间为1.2～1.6 s之内，使用双线程进行测试所花费的时间为0.9～1.3 s，而四线程进行测试所花费的时间已经降低到了0.6 s左右。也就是说，随着线程数量的增加，无感识别所花费的时间也在不断降低，并且，线程数量越大，无感识别的时间也会呈现出较为平缓的时间波动，时间起伏更为平缓。

图8 无感识别实验结果变化图

本文对不同的系统指标进行了性能测试，模拟了用户在不同操作下所产生的的数据信号，统计了不同指标在操作过程中的系统平均响应时间，以此作为智能工器具管理系统的性能测试结果。最终所得到的系统测试结果如表2所示。

表2 性能测试结果

从表2中的内容可以分析出，管理系统对于大数据库的读取能力是比较强的，平均响应时间都在1 s以内，而RFID作为硬件设备的读取能力虽然在2 s左右，但是相比较其他系统而言，响应时间得到了较大程度的改善。二者的数据读取能力和系统响应时间都符合系统的性能要求。

本文为了测试智能工器具管理系统在不同数量的用户同时在线时的性能和系统稳定性，模拟了不同数量的用户个数，并进行了150次模拟，最后得到的系统并发测试结果如表3所示。

表3 并发测试结果

从表3可以看出，就用户的数量而言，系统并发量越大，网络的负载能力也随之下降，但是变化幅度并不大，对系统的稳定性和准确性并没有较大影响。目前系统的网络运行环境是100 MB/s，网络环境良好，当有100个并发用户同时存在时，系统的负载能力达到了392.22 KBps；当用户并发量达到了200时，系统负载能力降低到了385.03 KBps；而当用户并发量增加到300时，系统负载能力也仅仅是降低到了378.05 KBps。在并发量从100增加至200和200增加至300的过程中，网络负载能力的变化幅度只有1.8 %左右，影响并不大。

综上所述，本文所设计的无感识别智能工器具管理系统不仅在添加了人工智能技术和无感识别技术之后能够保证较高的准确率，也能够在较大的用户并发量下保证良好的网络负载能力和系统综合性能。

3 结论

为了解决目前大多数工器具管理系统信息化、自动化、智能化较低的问题，本文基于无感识别技术（RFID）、物联网技术和云计算平台，构建了面向电力企业的物联网系统架构，结合远程视频监控平台，设计了一款电力企业工器具智能管理系统，以此降低系统错误率、提高智能化等问题，适应电力企业的发展速度。本文所设计的智能管理系统从软件和硬件方面整合了电力企业的各类工具器，在管理系统中加入了RFID、视频实时监控、大数据挖掘和无感识别模块，并与SCADA系统进行数据交互。同时，全生命周期管理一改过往人工操作速度慢和出错率较高的问题，并在机器学习算法的帮助下，使大量的数据能够被较好地应用和管理。最终的系统测试结果显示，本文所设计的无感识别智能工器具管理系统不仅在添加了人工智能技术和无感识别技术之后能够保证较高的准确率，也能够在较大的用户并发量下保证良好的网络负载能力和系统综合性能。