CN114063448A - 一种用于核查自动化检定系统的方法及系统 - Google Patents
一种用于核查自动化检定系统的方法及系统 Download PDFInfo
- Publication number
- CN114063448A CN114063448A CN202110789465.XA CN202110789465A CN114063448A CN 114063448 A CN114063448 A CN 114063448A CN 202110789465 A CN202110789465 A CN 202110789465A CN 114063448 A CN114063448 A CN 114063448A
- Authority
- CN
- China
- Prior art keywords
- checking
- optimal
- model
- verification
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012795 verification Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013178 mathematical model Methods 0.000 claims abstract description 21
- 238000013499 data model Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 34
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 210000000349 chromosome Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000030414 genetic transfer Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于核查自动化检定系统的方法及系统,属于系统自动控制技术领域。本发明方法,包括:将核查自动化检定系统的核查成本最小及检定效率最大,作为目标建立核查最优频次数学模型;对最优频次核查数据模型求解,确定最优求解方案;根据最优求解方案,确定待核查的自动化检定系统的最优核查方案,并以最优核查方案对待核查的自动化检定系统进行期间核查。本发明在保证自动化检定系统检定效率最大及核查综合成本最小两个方面,确定检定系统最优的核查频次,为自动化检定系统的智能运维提供理论依据和参考。
Description
技术领域
本发明涉及系统自动控制技术领域,并且更具体地,涉及一种用于核 查自动化检定系统的方法及系统。
背景技术
为解决低压电流互感器和单、三相电能表等电能计量器具检定量日益 增加的难题,国网公司大力推广电能计量器具自动化检定系统的建设。大 多数计量监督部门采用人工抽检自动化检定系统检测的互感器和单、三相 电能表的方式对自动化检定系统的测量过程进行计量监督,这种方式监督 效率低,监督管理方式滞后,与自动化检定系统工作效率难以匹配。
流水线上所有的作业、试验项目的检定过程都是自动完成,检定结论 由检定软件根据规程要求进行自行判断,对不合格的还要进行人工复检, 确定最终的故障原因,对于合格的,还要按批次总数的10%进行复检,所 以质监局也派有专职人员在计量中心监管流水线的工况,针对流水线检定 后合格的试品抽检、不合格的试品找到原因再全部复检,以达到对流水线 的进行质量监督来确保检定产品的质量。
但随着各计量中心检测量的激增,生产线的复杂程度随之增加,电能 计量器具的故障点分析和检定检测结论都是由系统自动生成,全程无人工 干预,系统出现故障的可能性也增大,这些故障会带来产品质量下降和电 费核算有误等经济上的损失。
在线核查技术的开展是以稳定的核查标准为媒介,用核查标准对被考 核的对象进行多次重复测量,通过统计计算可以建立起测量过程参数,建 立控制图,实现对被考核的对象的统计控制。核查频次的选择也是核查开 展的关键,一个检定试品一个核查标准是最保险最准确的核查方式,但此 种核查方式会降低自动化检定系统50%的的检定效率,所以需研究在检定 效率最高纠错成本最低情况下的合理核查方法。
发明内容
针对上述问题,本发明提出了一种用于核查自动化检定系统的方法, 包括:
将核查自动化检定系统的核查成本最小及检定效率最大,作为目标建 立核查最优频次数学模型;
对最优频次核查数据模型求解,确定最优求解方案;
根据最优求解方案,确定待核查的自动化检定系统的最优核查方案, 并以最优核查方案对待核查的自动化检定系统进行核查。
可选的,核查最优频次数学模型,包括:核查综合成本模型,流水线 检定效率模型及产能比率模型;
所述核查综合成本模型,用于核查成本,误检成本及错检成本的计算;
所述流水线检定效率模型,用于自动化检定系统的检定效率的计算;
所述产能比率模型,用于动化检定系统的产能比率的计算。
可选的,对最优频次核查数据模型求解,使用帕累托快速非支配多目 标优化算法求解。
可选的,最优核查方案的确定,具体包括:
确定待核查的自动化检定系统的参数信息,将参数信息及错检成本带 入核查最优频次数学模型中求解,得到的最优解即为最优核查方案。
可选的,最优核查方案,包括:自动化检定系统的最优化核查频次, 核查标准的数量及单次核查的次数。
本发明还提出了一种用于核查自动化检定系统的系统,包括:
模型搭建模块,将核查自动化检定系统的核查成本最小及检定效率最 大,作为目标建立核查最优频次数学模型;
求解模块,对最优频次核查数据模型求解,确定最优求解方案;
核查模块,根据最优求解方案,确定待核查的自动化检定系统的最优 核查方案,并以最优核查方案对待核查的自动化检定系统进行核查。
可选的,核查最优频次数学模型,包括:核查综合成本模型,流水线 检定效率模型及产能比率模型;
所述核查综合成本模型,用于核查成本,误检成本及错检成本的计算;
所述流水线检定效率模型,用于自动化检定系统的检定效率的计算;
所述产能比率模型,用于动化检定系统的产能比率的计算。
可选的,对最优频次核查数据模型求解,使用帕累托快速非支配多目 标优化算法求解。
可选的,最优核查方案的确定,具体包括:
确定待核查的自动化检定系统的参数信息,将参数信息及错检成本带 入核查最优频次数学模型中求解,得到的最优解即为最优核查方案。
可选的,最优核查方案,包括:自动化检定系统的最优化核查频次, 核查标准的数量及单次核查的次数。
本发明在保证自动化检定系统检定效率最大及核查综合成本最小两个 方面,确定检定系统最优的核查频次,为自动化检定系统的智能运维提供 理论依据和参考。
附图说明
图1为本发明方法的流程图;
图2为本发明方法实施例的模型求解框架图;
图3为本发明方法实施例中Pareto支配关系原理图;
图4为本发明方法实施例中编码策略原理图;
图5为本发明方法实施例中交叉策略原理图;
图6为本发明方法实施例中变异策略原理图;
图7为本发明系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许 多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例 是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分 传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是 对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的 技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典 限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应 该被理解为理想化的或过于正式的意义。
本发明提出了一种用于核查自动化检定系统的方法,如图1所示,包 括:
将核查自动化检定系统的核查成本最小及检定效率最大,作为目标建 立核查最优频次数学模型;
对最优频次核查数据模型求解,确定最优求解方案;
根据最优求解方案,确定待核查的自动化检定系统的最优核查方案, 并以最优核查方案对待核查的自动化检定系统进行核查。
下面结合具体实施例对本发明进行进一步的说明:
为保证自动化检定系统基本误差的测量过程始终处于受控状态,需定 期开展期间核查,开展期间核查的频次。通常期间核查定期的期间核查和 不定期的期间核查两种方式。
其中,定期的期间核查是根据被核查的仪器设备状况和计量人的经验 确定两次核查之间的最长时间间隔,不定期的核查则不对核查的时间进行 约束,可以根据设备的状态和性能情况开展核查。由于自动化检定系统日 常工作比较繁重,为了减少对检定系统工作的影响,项目从自动化检定系 统核查综合成本最小、检定效率最大2个方面确定检定系统最优的核查时 间间隔,同时要求产能比率大于80%。
首先,需要建立核查最优频次数学模型,具体如下:
核查最优频次数学模型,包括:
(1)核查综合成本
在优化模型中,核查综合成本主要包括每次核查成本,因未及时核查 导致设备故障未被发现而带来的误检成本、错检成本,其表达式如下:
F1=min(Cc+Ce+Cw) (1-1)
式中:Cc为核查任务带来的核查成本,Ce为误检成本,Cw为错检成本。
其中,核查成本的计算表达式如下:
式中:Hi代表第i次核查放置的核查标准的数量,n为每次核查任务中 核查的实验次数,取值范围n∈[1,20],c1为一块核查标准一次核查实验 的成本。
误检成本的计算表达式如下:
式中:Pi为第i个工作日的计划检定任务量。N为年核查次数, N=ceil(250/T)向下取整。T为核查周期,取值范围T∈[20,250]。n1为 流水线单个多功能检定仓可检测的电能计量器具个数,Ri为第i个工作日需 要维修的设备数量,与实际自动化检系统仓位数有关,w为误检率,c2为 单个电能计量器具因误检产生的成本。
错检成本是关于核查周期的函数,且呈负相关,公式如下:
Cw=fw(N) (1-4)
(2)流水线检定效率
低压电流互感器自动化检定流水线的检定效率,取250个工作日最小 的检定效率作为检定系统的整体检定效率,表达式如下:
式中:Mi为第i个工作日中的测试成品数,即经检验合格的产品数量; Cap为生产能力,单位为台·每小时为定值;Ti为单个工作日有效工作时间, 表达式如下:
式中:Hi为第i个工作日投放的核查标准的数量。
Ti=8-∑ti (1-7)
式中:∑ti任一单机非因机器本身故障而造成的一切停机时间总和。
(3)产能比率
自动化检定系统的产能比率为实际产能与设计产能的比率,要求大于 80%,表达式如下:
式中:Capd为检定系统的年设计产能;Capa为系统的年实际产能。 年设计产能由年度周期轮换数、年度业扩新增数、年度故障数组成,即年 设计产能标准值=年度周期轮换数+年度业扩新增数+年度故障数。
其中:
年度周期轮换数=全省电能计量器具运行数(以营销系统中提供的近 三年(含当年)年平均运行数为准)*年度轮换率(以现行检定规程要求的 检定周期8年来测算,年度轮换率为12.5%)。
年度业扩新增数=全省电能计量器具运行数*业扩增长率(业扩增长率 以营销系统中提供的近三年(不含当年)年平均增长率为准)。
年度故障数=全省电能计量器具运行数*年平均故障率(通常取2%)。
计算方式如1-9所示。
式中:Ptotal为全省电能计量器具运行数,rrot为年度轮换率,rinc为 省计量中心的业务扩展增长率,rmal为年平均故障率。
年实际产能Capa计算公式如下:
其次,进行核查最优频次数学模型的求解,具体包括:
(1)基于帕累托(pareto)的快速非支配多目标优化(NSGA2)多 目标优化算法
由于本问题的优化目标有两个,即自动化检定系统核查综合成本和检 定效率,本文采用基于帕累托(pareto)的快速非支配多目标优化(NSGA2) 多目标优化算法进行模型求解,最终得到满足约束条件的一系列非支配解。 算法框架如图2所示。
上述算法:模仿生物进化过程,具体如下:
a)先有生物群(对应算法的种群初始化)
b)生物之间基因交流,一般来讲(性状好个体+性状好个体,其后代 大概率也性状好),该过程对应算法的交叉。
c)此外,为了促进种群进化,部分个体的基因会发生变异,从而促进 种群向前发展。,该过程对应算法的变异。
d)将父代种群和子代种群合在一起,选择性状好的,该过程对应算 法的合并种群PB和PC,好处是防止优良个体在进化过程中“死去”。
e)由于本问题是两个目标求最优解,单个目标好比较优劣,两个目标 需判断种群个体好坏变化,因此用到了非支配解排序和拥挤度计算。
f)进化过程中,容易产生很多性状相近的个体,特别是在离散问题中, 这样的话不利于基因交流,从而不利于种群进化,因为加入了扰动种群, 即清除一些异样的个体,加入一些新的个体,增加种群内部的多样性,促 进种群进化。通过上述过程,使得种群不断的向前进化,最终得到性状优 良(这里即优化目标)的种群。
(2)帕累托(pareto)支配关系介绍
Pareto支配关系如图3所示:对于最小化多目标优化问题,对于n个 目标分量fi(x),i=1...n,任意给定三个点(X1,Y1)、(X2,Y2)和(X3, Y3)。
a)因为X1<X3,但是Y3<Y1,所以在该求解问题上,点1和点3之间 是不能判断谁好谁坏的。因此点1和点3之间互为非支配解,即相互不支 配彼此。
b)因为X1<X2,且Y1<Y2,所以在该求解问题上,点1是比点2性状 好的,因此点1支配点2,或者说点2被点1支配。
找到所有的非支配解,就是我们所需性状优良的种群了。此外,由于 多目标优化解空间很大,是没有很好的精确算法(可百分百得到最优解) 进行求解的,多采用本文的进化算法进行求解。但是进化算法是一种近似 优化算法,即不保证最后一定可以得到最优解,只能说得到一个近似最优 的或者靠近最优解的次优解。
(3)编码
对初始化的种群个体进行编码,一个个体用一条染色体表示,染色体 上的基因就是我们问题的解变量,因而一个个体即可代表一个问题的解。 由于本文所求的是核查频次,一次核查多少遍,以及每次核查的互感器个 数,所以本文采用如下所示的编码策略:
步骤1:初始化核查频次T,T∈[20,250]。
步骤2:随机初始化每次核查遍数n,n∈[1,20]。
步骤3:随机初始化每次核查放置的电能计量器具核查标准的个数H。
步骤4:通过上述步骤可以知道,染色体长度为3,即一条染色体包括 3个基因位。
通过以上步骤就可以得到初始化的个体,如图4所示。
(4)交叉
交叉的目的是通过种群之间的基因交流,从而得到性状更好的个体。 通过交叉操作,可以提高种群的全局搜索能力,使得种群在解空间进行搜 索。根据问题的具体特点,本文采用多点交叉的方式。交叉操作的图像化 表示如图5所示,随机产生交叉的基因位置,然后替换相应的基因,即可 得到交叉后的个体。
(5)变异
突变给种群带来了一些额外的基因组成情况,来增强种群的多样性, 有利于种群跳出局部最优,并提高种群的局部搜索能力。变异操作的图像 化表示如下图6所示,随机产生变异的基因位置1和3,然后依次根据问 题特点,对变异基因进行变异即可得到变异后的个体。
(6)扰动种群
对于本文求解模型,由于其解空间不是连续的,在进化过程中容易产 生很多相同个体,不利于种群的基因交流和种群进化,易导致种群容易陷 入局部最优。剔除进化种群中的相同个体,添加新的个体来提高种群的多 样性。扰动种群策略如下:
步骤1:删除进化后种群中的相同个体。判断种群数量是否达到进化 种群规模,若是,执行步骤2,否则,添加扰动种群。
步骤2:随机生成新的种群,添加到步骤1中的种群中,使得种群数 量达到进化种群规模,返回步骤1。
(7)选择算子
选择算子是为了选择进化种群种相对比较好的个体,然后进行下一代 种群的进化,不断的提高每代种群的质量。在多目标优化算法中,非支配 解被看作相对优良的个体,但是在进化过程中非支配解的数量可能不够原 始种群的数量或者超过了原始种群的数量,因此,本文采用拥挤度计算的 方法筛选得到参与下一代进化的种群。选择算子的步骤如下:
步骤1:获取当前的种群P,以及经过交叉变异后的种群Q,种群数 量均为popnum。
步骤2:合并种群P和Q,得到最终的种群P_last,接着对种群P_last 进行快速非支配解排序。
步骤3:根据拥挤度计算从种群P_last中选择popnum个个体参与下 一代种群的进化。
最后,确定自动化检定系统核查最优频次,包括:
为验证上述数学模型及计算方法的可行性,以某省计量中心为例,通 常正常情况下,自动化检定系统每次检验,每个仓都是满负荷的,即不存 在某个表位是空着的。需要的参数信息如下:
(1)c1(一块核查标准一次核查实验的成本)/元;
(2)n1(流水线单个检定仓可检电能计量器具个数);
(3)应检定仓个数;
(4)Ri(第i个工作日需维修设备数量)取值范围;
(5)w(误检率)经验值;
(6)c2(单个电能计量器具误检产生的成本)/元;
(7)Cap(生产能力),单位台·每小时;
(8)Capd年设计产能;
(9)Ptotal(近三年计量器具运行平均数);
(10)rinc(近三年业务扩展增长率均值);
(11)检定仓维修所需的平均时间。
由于错检成本是关于核查周期N的函数,且呈负相关,假设错检成本 为10万,则得到式1-11。
Cw=100000/N (1-11)
代入上述参数并用基于帕累托(pareto)的快速非支配多目标优化 (NSGA2)多目标优化算法进行计算,可以得到自动化检定系统最优化核 查频次,核查标准的数量,单次核查的次数。
传统的核查是抽取批次总数的10%在人工检定台上进行人工接线复 检,但是这种核查模型自动化程度低下,且核查间隔较大,一旦检定系统 出现问题导致错检、误检,召回被检试品重新检测需要耗费大量人力时间 成本。一个检定试品一个核查标准是最保险最准确的核查方式,但核查方 式会降低自动化检定系统50%的检定效率。
基于帕累托快速非支配多目标优化算法的核查方法可以得到在检定效 率最高,综合成本最低条件下的核查频次、核查标准器数量、核查次数。 优化现有核查方案,得到最佳核查方法。
本发明还提出了一种用于核查自动化检定系统的系统200,如图7所 示,包括:
模型搭建模块201,将核查自动化检定系统的核查成本最小及检定效 率最大,作为目标建立核查最优频次数学模型;
求解模块202,对最优频次核查数据模型求解,确定最优求解方案;
核查模块203,根据最优求解方案,确定待核查的自动化检定系统的 最优核查方案,并以最优核查方案对待核查的自动化检定系统进行核查。
其中,核查最优频次数学模型,包括:核查综合成本模型,流水线检 定效率模型及产能比率模型;
所述核查综合成本模型,用于核查成本,误检成本及错检成本的计算;
所述流水线检定效率模型,用于自动化检定系统的检定效率的计算;
所述产能比率模型,用于动化检定系统的产能比率的计算。
其中,对最优频次核查数据模型求解,使用帕累托快速非支配多目标 优化算法求解。
其中,最优核查方案的确定,具体包括:
确定待核查的自动化检定系统的参数信息,将参数信息及错检成本带 入核查最优频次数学模型中求解,得到的最优解即为最优核查方案。
其中,最优核查方案,包括:自动化检定系统的最优化核查频次,核 查标准的数量及单次核查的次数。
本发明在保证自动化检定系统检定效率最大及核查综合成本最小两个 方面,确定检定系统最优的核查频次,为自动化检定系统的智能运维提供 理论依据和参考。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、 或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施 例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个 或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不 限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的 形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向 对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流 程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中 的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专 用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个 机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产 生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方 框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存 储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上, 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现 的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流 程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知 了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所 附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和 修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离 本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权 利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在 内。
Claims (10)
1.一种用于核查自动化检定系统的方法,所述方法包括:
将核查自动化检定系统的核查成本最小及检定效率最大,作为目标建立核查最优频次数学模型;
对最优频次核查数据模型求解,确定最优求解方案;
根据最优求解方案,确定待核查的自动化检定系统的最优核查方案,并以最优核查方案对待核查的自动化检定系统进行核查。
2.根据权利要求1所述的方法,所述核查最优频次数学模型,包括:核查综合成本模型,流水线检定效率模型及产能比率模型;
所述核查综合成本模型,用于核查成本,误检成本及错检成本的计算;
所述流水线检定效率模型,用于自动化检定系统的检定效率的计算;
所述产能比率模型,用于动化检定系统的产能比率的计算。
3.根据权利要求1所述的方法,所述对最优频次核查数据模型求解,使用帕累托快速非支配多目标优化算法求解。
4.根据权利要求1所述的方法,所述最优核查方案的确定,具体包括:
确定待核查的自动化检定系统的参数信息,将参数信息及错检成本带入核查最优频次数学模型中求解,得到的最优解即为最优核查方案。
5.根据权利要求1所述的方法,所述最优核查方案,包括:自动化检定系统的最优化核查频次,核查标准的数量及单次核查的次数。
6.一种用于核查自动化检定系统的系统,所述系统包括:
模型搭建模块,将核查自动化检定系统的核查成本最小及检定效率最大,作为目标建立核查最优频次数学模型;
求解模块,对最优频次核查数据模型求解,确定最优求解方案;
核查模块,根据最优求解方案,确定待核查的自动化检定系统的最优核查方案,并以最优核查方案对待核查的自动化检定系统进行核查。
7.根据权利要求1所述的系统,所述核查最优频次数学模型,包括:核查综合成本模型,流水线检定效率模型及产能比率模型;
所述核查综合成本模型,用于核查成本,误检成本及错检成本的计算;
所述流水线检定效率模型,用于自动化检定系统的检定效率的计算;
所述产能比率模型,用于动化检定系统的产能比率的计算。
8.根据权利要求1所述的系统,所述对最优频次核查数据模型求解,使用帕累托快速非支配多目标优化算法求解。
9.根据权利要求1所述的系统,所述最优核查方案的确定,具体包括:
确定待核查的自动化检定系统的参数信息,将参数信息及错检成本带入核查最优频次数学模型中求解,得到的最优解即为最优核查方案。
10.根据权利要求1所述的系统,所述最优核查方案,包括:自动化检定系统的最优化核查频次,核查标准的数量及单次核查的次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789465.XA CN114063448A (zh) | 2021-07-13 | 2021-07-13 | 一种用于核查自动化检定系统的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789465.XA CN114063448A (zh) | 2021-07-13 | 2021-07-13 | 一种用于核查自动化检定系统的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114063448A true CN114063448A (zh) | 2022-02-18 |
Family
ID=80233297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110789465.XA Pending CN114063448A (zh) | 2021-07-13 | 2021-07-13 | 一种用于核查自动化检定系统的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114063448A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038609A (zh) * | 2018-08-14 | 2018-12-18 | 广东电网有限责任公司 | 电力系统无功优化方法和系统 |
WO2019141041A1 (zh) * | 2018-01-22 | 2019-07-25 | 佛山科学技术学院 | 一种风电场机组布局多目标优化方法 |
CN110907883A (zh) * | 2019-10-25 | 2020-03-24 | 湖北省计量测试技术研究院 | 一种电能表自动化检定系统的计量监督方法和系统 |
CN110956266A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 基于层次分析法的多电源电力系统多目标优化调度方法 |
CN112183933A (zh) * | 2020-08-28 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于混合变邻域进化算法的检定流水线调度方法及系统 |
-
2021
- 2021-07-13 CN CN202110789465.XA patent/CN114063448A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019141041A1 (zh) * | 2018-01-22 | 2019-07-25 | 佛山科学技术学院 | 一种风电场机组布局多目标优化方法 |
CN109038609A (zh) * | 2018-08-14 | 2018-12-18 | 广东电网有限责任公司 | 电力系统无功优化方法和系统 |
CN110956266A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 基于层次分析法的多电源电力系统多目标优化调度方法 |
CN110907883A (zh) * | 2019-10-25 | 2020-03-24 | 湖北省计量测试技术研究院 | 一种电能表自动化检定系统的计量监督方法和系统 |
CN112183933A (zh) * | 2020-08-28 | 2021-01-05 | 中国电力科学研究院有限公司 | 基于混合变邻域进化算法的检定流水线调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107123982B (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
CN111103565A (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
CN112200489B (zh) | 有色金属冶炼产供销一体优化系统、方法、装置 | |
CN103440556A (zh) | 一种基于经济传导的用电量预测方法 | |
CN107944765B (zh) | 智能制造生产调度协同管控能力的评估系统和评估方法 | |
CN112734128A (zh) | 一种基于优化rbf的7日电力负荷峰值预测方法 | |
CN109118012A (zh) | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 | |
CN113554213A (zh) | 一种天然气需求预测方法、系统、存储介质及设备 | |
CN111680452A (zh) | 基于全要素数据挖掘的电网工程精准投资决策仿真方法 | |
Abada et al. | An innovative approach for the optimal sizing of mini-grids in rural areas integrating the demand, the supply, and the grid | |
CN110837952A (zh) | 一种基于博弈论的电网新技术设备选择方法及系统 | |
CN111864728B (zh) | 一种可重构配电网重要设备识别方法和系统 | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN114063448A (zh) | 一种用于核查自动化检定系统的方法及系统 | |
Balijepalli et al. | A holistic approach for transmission system expansion planning studies: An Indian experience | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
CN109978299B (zh) | 用于海上风电业务的数据分析方法、装置和存储介质 | |
Pusnik et al. | Role of the national energy system modelling in the process of the policy development | |
Zhu et al. | Multi-Objective Sizing Optimization Method of Microgrid Considering Cost and Carbon Emissions | |
CN113381417B (zh) | 一种配电网台区三相负荷不平衡优化方法、装置及终端 | |
CN115187134A (zh) | 基于网格的配电网规划方法、装置及终端设备 | |
Zhang et al. | A simulation‐based differential evolution algorithm for stochastic parallel machine scheduling with operational considerations | |
Peralta et al. | Unit commitment with load uncertainty by joint chance-constrained programming | |
CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
Feng et al. | A review of uncertain factors and analytic methods in long-term energy system optimization models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |