CN117094539B - 一种保电智能工单管控方法、系统、设备及存储介质 - Google Patents
一种保电智能工单管控方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117094539B CN117094539B CN202311363635.3A CN202311363635A CN117094539B CN 117094539 B CN117094539 B CN 117094539B CN 202311363635 A CN202311363635 A CN 202311363635A CN 117094539 B CN117094539 B CN 117094539B
- Authority
- CN
- China
- Prior art keywords
- task
- team
- execution
- coefficient
- work order
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000011835 investigation Methods 0.000 claims abstract description 40
- 238000007726 management method Methods 0.000 claims description 77
- 238000009826 distribution Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 4
- 238000013024 troubleshooting Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 26
- 239000002245 particle Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000007689 inspection Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开保电智能工单管控方法、系统、设备及存储介质,根据预设的排查计划和用户数据生成任务工单,并获取对应任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;基于任务发生地点与任务执行终端之间的距离;将满足预设的就近执行任务条件的若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数之间的关系式中,将任务工单下发至匹配度最高的一任务执行终端。能够自动向保电队伍下发保电任务工单,及时通知保电队伍排查现场设备隐患及检查用电工作内容。
Description
技术领域
本发明涉及电力系统技术领域,具体涉及一种保电智能工单管控方法、系统、设备及存储介质。
背景技术
为顺利举办大型赛事,需要保障大型赛事避免因气象及地理灾害、外力破坏等造成的大面积停电事故,实现对重要用户、电网设备、保障资源、故障告警、风险隐患、活动流线及外部气象等各类要素信息的全景监视,对指挥体系、资源调配、各专业巡视、值守及抢修任务、各层级保电演练的全域管控,辅助常态化保电配置管理。
传统的电力保障模式基于人为经验和组织管理活动获取电气设备、外部气象等各种信息,经常需要组织大量工作人员对现场设备进行地毯式隐患排查,不仅效率低而且难以实现过程跟踪和管控,也容易出现人员管理疏忽导致的任务下达不及时、任务疏漏等问题,不利于保电工作的顺利开展。
发明内容
本发明提供一种保电智能工单管控方法、系统、设备及存储介质,能够自动向保电队伍下发保电任务工单,及时通知保电队伍排查现场设备隐患及检查用电工作内容。
为实现上述目的,本发明实施例提供了一种保电智能工单管控方法,包括以下步骤:
接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;
基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;
将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子大于团队学习因子时,所述任务发生地点为对应所述队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子小于团队学习因子时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
作为上述方案的改进,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限。
作为上述方案的改进,所述任务重要度系数为:
其中,指重要节点补偿,/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量。
作为上述方案的改进,所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数。
作为上述方案的改进,所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级。
作为上述方案的改进,所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积。
作为上述方案的改进,所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
作为上述方案的改进,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPUCortex-M33坐落在所述701芯片的AHB总线上。
作为上述方案的改进,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签。
作为上述方案的改进,在根据预设的排查计划和所述用户数据生成任务工单的步骤之前,所述方法还包括:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
为了解决相同的技术问题,本发明还提供一种保电智能工单管控系统,包括:
数据采集与工单生成模块,用于接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;
队伍搜索与筛查模块,用于基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;
工单匹配与派发模块,用于将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子大于团队学习因子时,所述任务发生地点为对应所述队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子小于团队学习因子时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
作为上述方案的改进,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
作为上述方案的改进,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限。
作为上述方案的改进,所述任务重要度系数为:
其中,指重要节点补偿,/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量。
作为上述方案的改进,所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数。
作为上述方案的改进,所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级。
作为上述方案的改进,所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积。
作为上述方案的改进,所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
作为上述方案的改进,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPUCortex-M33坐落在所述701芯片的AHB总线上。
作为上述方案的改进,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签。
作为上述方案的改进,所述数据采集与工单生成模块,还用于:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
为实现上述目的,本发明实施例还提供了一种保电智能工单管控设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述的保电智能工单管控方法。
为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述的保电智能工单管控方法。
与现有技术相比,本发明实施例公开的保电智能工单管控方法、系统、设备及存储介质,具有如下有益效果:
1)根据用户信息以及任务执行队伍的分析以及智能化匹配,能够有效替代人为经验派单,将任务工单合理、科学、高效的下派到合适的队伍进行执行,实现对用户管理工作的结构化、流程化、痕迹化管理,及时、及早发现重要用户设备及管理中存在的问题,提高用电设备可靠性,实现对保障工作的过程跟踪及管控,提高工作效率,同时避免人员的管理疏忽导致下达不及时,任务疏漏等问题,切实做好保电过程中各项工作。
2)按照用户分级管理要求,实现对重要用户的标签化管理,深入分析现场设备隐患排查及用电检查工作内容,细化检查项至最小单元,在线生成结构化、工单化的排查检查任务单,依托计划-任务的管理模式,构建重要用户数字化管理体系。
3)通过结构化、流程化、痕迹化的数字化管理手段强化对保电用户、保电设备、保障资源、保电队伍的维护,实现基于用户的个性化配置功能,满足不同指挥层级、不同专业、部门对保电设备、保障力量、保电业务流线的监控、指挥主题页面的个性化业务需求。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种保电智能工单管控系统的流程步骤图;
图2是本发明一实施例提供的CPU与信标的坐落关系图;
图3是本发明一实施例提供的保电智能工单管控设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
重特大活动和日常保电活动的保电对象是重要用户的一部分,为切实提高重特大活动和日常保电活动电力保障工作能力和成效,需加强对涉及重要用户基础信息、电气设备情况及运行管理水平的保电任务掌握和跟踪水平,建立一种基于流程自动化的保电任务工单化管控方法。按照用户分级管理要求,实现对重要用户的标签化管理,深入分析现场设备隐患排查及用电检查工作内容,细化检查项至最小单元,在线生成结构化、工单化的排查检查任务单,依托计划-任务的管理模式,构建重要用户数字化管理体系。
参见图1,图1是本发明实施例提供的一种保电智能工单管控方法的流程图,包括以下步骤:
S1、接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;
在本实施例中,支持对重要用户进行标签化管理功能,重大保电工作中会出现各种类型不同的用户,系统根据用户的管理范围、流程的复杂度、设计人员车辆的规模,通过公式化程序定级的形式添加用户标签。为满足各重要用户隐患排查、用电检查,防汛隐患排查等工作的灵活性管理,支持对用电检查,隐患排查,防汛排查项目进行结构化设计,在有新的表单需求时候,先由完成定级算法拟合,输出需求重要等级给业务人员,人员可自定义进行配置选择负反馈参数调整需求等级。
用户需求建档画像自动生产,根据已制定的周期检查月计划或专项检查计划,经用户审批后,管理人员可根据计划制定用电检查任务派发至某下级执行员。系统根据计划需求自动创建隐患排查计划,根据计划制定隐患排查任务,系统自动完成任务的分配,从团队执行架构内再次下发给指定人员。按照计划及其他工作安排,对专项检查,定期检查,特殊检查等不同排查类型的任务进行下派,并在即将到期及到期后进行提醒。
通过结合移动端设备实现对排查任务的执行,支持工单执行全流程管控,以及AI智能研判执行结果,返回执行结果并为下一次智能派单管控提供参数调节依据。同时自动生成任务执行结果通知单,对发现的问题进行整改闭环。多维度、多视角对排查情况进行查询、统计。原来需要各专业部门组织人员花费大量时间精力编写保电设备的一馆一册等保电方案,则通过对历史文档进行业务规则沉淀、模型训练,实现智能生成。
S2、基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;
在本实施例中,基于粒子群算法开展工单下派与管控工作,目标是把当前所有任务关联的队伍对象看作为一堆粒子群,所有粒子都在一个固定的保电范围内活动,所有的队伍都不知道任务即将发生在哪里。但当任务发生时,所有粒子都知道自己的当前位置距离任务发生地有多远,同时系统中通过比对获取离任务执行地最近的粒子位置。
可以理解的是,工单粒子算法的核心思想是利用队伍中的单个粒子对信息的共享使整个团队的运动在任务执行空间中产生从无序到有序的演化过程,从而获得问题更高效的可行解。本实施例赋予队伍一些参数:
C1:队伍遗留因子。这个因子越大,队伍越倾向于前往它自己曾去的任务数最多的地方;
C2:团队学习因子。这个因子越大,队伍越倾向于前往其他队伍曾去的任务数最多的地方;
R1,R2:[0,1]上的随机数。随机模拟了当前每一支队伍的任务执行状态,0表示没有执行任务,1表示任务结束,中间状态表示任务执行中以及对应的完成度;
W:任务重要度权重,这个数越大,代表着队伍越不容易改变当前目的地,更倾向于前往既定任务发生地。
在一可选的实施方式中,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
在一可选的实施方式中,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子C1大于团队学习因子C2时,所述任务发生地点为对应所述队伍遗留因子C1的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
在一可选的实施方式中,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子C1小于团队学习因子C2时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
在一可选的实施方式中,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
S3、将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端。
在一可选的实施方式中,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限。
在一可选的实施方式中,所述任务重要度系数为:
其中,指重要节点补偿,/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;/>
指对应所述任务工单的供电路径上涉及输电线路数量。
在一可选的实施方式中,所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数。
在一可选的实施方式中,所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级。
在一可选的实施方式中,所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积。
每执行一次位置,位置P和Q都会不断发生变化,最后会收敛到一个位置,这个位置就是任务执行最多的一个位置。
在一种可选的实施方式中,所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
为更好的理解本发明实施例,以下对本发明实施例进行具体说明:
(一)工单分发逻辑
本发明实施例基于粒子群算法开展工单下派与管控工作,目标是把当前所有任务关联的队伍对象看作为一堆粒子群,所有粒子都在一个固定的保电范围内活动,所有的队伍都不知道任务即将发生在哪里。但当任务发生时,所有粒子都知道自己的当前位置距离任务发生地有多远,同时系统中通过比对获取离任务执行地最近的粒子位置。
此时有这几个因素将影响工单派单的计算方法:
1、每支队伍将依据每个地点预计产生的任务量,按照保障点位要求到达初始位置,记为起点A;
2、所有队伍会在一场保电活动内同步,或者联合执行任务,选定每个分区队伍的集合地,可以把G记为粒子密集度最高的点位G;
3、每支队伍会时刻记录自己已执行的历史任务,回顾并更新执行任务最多的地点P;
4、每支队伍在无任务或者任务结束状态,会前往G待命,同时,当任务量激增的时候,或者保电时段重要等级提高的时候,每支队伍会更改集结策略,前往P点待命;
5、已参与任务集结的队伍,如果在到达任务执行地前,任务已经终止,则该队伍会前往最近的集合点Q;
6、当新任务发布时,每支队伍会以G为起点,按照2-3-4-5-6的顺序来接受任务工单;
当某支队伍正在按计划向P和G集合时,如果计划发生变更,它还有可能新增目的地Q,最终,队伍一定会停留在一个固定点,但对下一次任务分配的起点来说,P/Q都在不断更新,最终收敛到任务发生率最大的地方。
其中,任务分发过程中,利用任务主核心分发终端完成任务的录入、队伍集结、任务下派。任务主核心分发终端采用高性能几何计算能力芯片701为计算核心,通过改变CPU接入的总线配置和总线上同步信标位置,缩短存取外设的响应时间,与保证响应时间确定性,见图2,图2中CM33为CPU Cortex-M33的简称,CA7为CPU Cortex-A7的简称,AXI为AXI总线,AHB为AHB总线。
(二)工单粒子算法
工单粒子算法的核心思想是利用队伍中的单个粒子对信息的共享使整个团队的运动在任务执行空间中产生从无序到有序的演化过程,从而获得问题更高效的可行解。
现在赋予队伍一些参数:
C1:队伍遗留因子。这个因子越大,队伍越倾向于前往它自己曾去的任务数最多的地方;
C2:团队学习因子。这个因子越大,队伍越倾向于前往其他队伍曾去的任务数最多的地方;
R1,R2:[0,1]上的随机数。随机模拟了当前每一支队伍的任务执行状态,0表示没有执行任务,1表示任务结束,中间状态表示任务执行中以及对应的完成度;
W:任务重要度权重,这个数越大,代表着队伍越不容易改变当前目的地,更倾向于前往既定任务发生地;
此外还需要这些匹配因子:设备复杂度系数、任务重要度系数/>、执行队伍要求系数/>、气象事件系数/>和建筑复杂度系数/>。
(三)任务分发至队伍
当前队伍第N步所在的位置=第N1步所在的位置+第N/>1步所在的位置/>任务执行的时间(每一步运动的时间t一般取1);
这支队伍第N步的任务执行位置=上一步自身的任务执行位置+队伍遗留因子+团队遗留因子;
在(二)工单粒子算法中,获得了一支队伍针对每一个任务变量的匹配因子,也就是设备复杂度系数、/>任务重要度系数、/>执行队伍要求系数、/>气象事件系数、/>建筑复杂度因子,因此,当面临多支队伍应对对象任务的时候,首先需要建立一个任务管理池,为当前所有任务工单从1到M排序,排序依据为任务生产时间T,再从当前所有能执行任务的队伍去跟任务工单一一匹配,针对每一项任务排出从高到低的队伍匹配度,选取匹配度最高的队伍前往执行当前任务。然后将已分配完成的队伍和任务工单剔出队列,继续匹配下一项任务。单项匹配的案例如下,以表1为例:
表1 n个队伍分别与第一个任务工单之间的匹配度
每支队伍对应当前任务的任务匹配流程包含如下6个步骤:
(1)数据读取与匹配因子计算:如(二)工单粒子算法中所述,提取各环境参数,并生成设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数。
(2)匹配模型构建:基于任务匹配度计算方式,加入因子参与计算,判断出每一支队伍,对应当前待匹配任务的匹配度。
设备复杂度系数为:
其中,指重要负荷补偿,如果当前设备负责给重要负荷,例如场馆内重要音响话筒、贵宾室照明等供电,则需额外增加补偿系数,/>,补偿系数不得超过基础值的150%,也即/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限。
任务重要度系数为:
其中,指重要节点补偿,根据每一节点保障等级/>,额外增加补偿系数,,补偿系数不得超过基础值的150%,也即/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级,特级/>,特级相关和一级/>,一级相关和二级/>,二级相关和三级/>;
分别指保电范围内的变电站、输电线路、配电站线总数量;/>
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量。
执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,根据每一节点等级/>,额外增加补偿系数,/>,补偿系数不得超过基础值的150%,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数。
气象事件系数为:
其中,指气象节点补偿,根据每一节点涉及到的气象要素类型,额外增加补偿系数,/>,补偿系数不得超过基础值的150%,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数(指需要保障的设备处于室外环境下、会遭受气象风险要素影响的保障节点数量);
指气象参数的关联度方差:/>;
指气象风险等级(气象风险等级越大,恶劣天气对保障设备的造成的影响概率越大、可能造成的破坏更大),特级/>,特级相关和一级/>,一级相关和二级,二级相关和三级/>;
指对应所述任务工单的保障等级。
建筑复杂度系数为:/>
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积。
(3)训练匹配模型:实例化模型,选择模型训练资源(CPU),指定模型迭代的计算方式。在这里我们特指采用集成了701芯片的训练模型CPU,参与模型前期因子计算、中期训练、后期匹配度排序以及最终结果校验与输出。
(4)保存训练模型:执行多轮模型计算,得到每一支队伍对当前任务的匹配度并保存。
(5)模型验证与评估:对当前所有匹配度进行机器筛选,以匹配度为核心,从高到低完成队伍排序。其中匹配度最高的队伍排最前,匹配度稍低的队伍依次向后排序。
例如每个任务执行终端的队伍对应当前第一个任务的任务匹配度(以为例)的计算方式如下:
Σ=/>
将匹配案例进行从高到低排序,令Σ>Σ/>>...Σ/>,最终判断队伍序号1的队伍与执行任务1的匹配度最高,则最终选择队伍1去执行当前任务。同理,接下来将第2个任务工单与余下的n-1支队伍作排序匹配,最终完成所有的任务分发。
每支保电队伍在某处位置能够执行任务可以通过适应值来刻画,每支队伍利用自己的历史任务发生位置,并且找到其中的最佳位置(局部最优,相当于极值点),团体中所有队伍的最佳位置就可以看做整个团队的最佳任务等候点(全局最优,相当于最值点)。可以预见的是,整个保电活动的保电任务总体上一定是往这个全局最优的任务等候区域运动的,通过队伍执行任务位置的不断移动即不断地迭代,任务进度的不断更新,所有队伍往该最优位置步步逼近。
粒子:优化问题的候选解;
位置:候选任务所在的位置;
速度:候选任务发展的速度;
适应度:评价粒子与任务匹配度的值,一般设置为目标函数值;
队伍最佳位置:单个粒子迄今为止找到的最佳位置;
团体最佳位置:所有粒子迄今为止找到的最佳位置。
在一种可选的实施方式中,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPU Cortex-M33坐落在所述701芯片的AHB总线上。
因为701计算芯片的AXI总线上有DDR SDRAM控制器,Giga-bit 以太网控制器,USBOTG控制器,LCD控制器等器件,需要大量总线频宽以进行高速互联。若由坐落在此AXI总线上的CPU Cortex-A7来存取低速外设,则需要分别经过AXI、AHB、APB总线而提高响应时间。其中,总线共享资源的存取,会对存取时间引入不确定性。
利用701计算芯片作为任务主核心分发终端有以下技术优势:
优势一:
(1)本发明实施例中CPU Cortex-M33 是坐落在AHB总线上。可以与AXI总线上的资源共享适当隔离,使总线上的器件较迅速的对系统需求做出即时反应,提高了总体的反应速率,进而提高芯片性能。
(2)在等时的应用中,确定性的中断响应可确保即时反应的品质,进一步提升处理器的处理能力和反应能力,一定程度上提高了芯片的性能和质量。
(3)在CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,被配置在离负责实时处理,能满足低响应延迟的CPU Cortex-M33存取上较近的总线上。此缩短了存取的响应时间,优化即时反应的品质。
创新点二:通过建立专用总线通道,隔离总线资源共享,保障存取DDR DRAM时的频宽,使CPU和LCD的确定性获得保证。
AXI总线有专用通道,让CPU Cortex-A7在存取DDR DRAM时,能隔离AXI总线上其它的总线主控器对总线资源的共享。使CPU在存取存储器的频宽与确定性获得保证。另一个AXI总线专用通道,让LCD控制器在存取DDR DRAM时,存取频宽与确定性获得保证。
优势二:
(1)AXI总线设有专用通道,隔离总线的资源共享,达到CPU应用时频宽得到有力的保障,避免出现频宽受限的问题,提高存储器的存取性能。
AXI总线对LCD控制器也设有专用通道,在总线上器件进行高速互联时,对控制器进行频宽保证,优化存储器的整体性能。
在一种可选的实施方式中,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签。
在一种可选的实施方式中,在根据预设的排查计划和所述用户数据生成任务工单的步骤之前,所述方法还包括:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
为做好重特大活动保电工作,在保电指挥体系内,利用针对性的制定电力保障工作计划及任务清单,便于对电力保障工作内容及开展情况进行管控。通过数字化手段、人工智能手段构建保电工作在线协同机制,结构化电力保障工作任务清单,建设以活动保电计划为主线,保障工作任务清单为驱动的电力保障工作任务在线管控模块,可以实现各级指挥机构、各阶段电力保障工作任务、工作问题、工作计划的线上维护、动态跟踪和在线管控等功能。
系统根据当前用户采集的实时数据,包括任务重要度(根据本次任务保电规模、保电对象数量,判定任务重要等级)设备复杂度(通过本次保障的设备类型、设备数量、监测节点数来判定任务涉及到的保障设备复杂程度)、队伍(根据本次参与执行任务的人员因素,综合考虑专业、人数、驻守点位与任务地距离、到达事件等因素来判定此支队伍与本次工单的匹配程度)、环境(根据任务执行时间地点的周边环境要素,包括气象、地形、海拔等参数,判断此次任务的复杂程度)、突发(根据本次任务执行过程中是否叠加突发因素,用实时负反馈调节任务复杂度参数,追加调配符合执行条件的保电力量),任务执行完成后反馈至系统端。
本发明通过对重要用户管理工作的结构化、流程化、痕迹化管理,及时、及早发现重要用户设备及管理中存在的问题,并动态跟踪问题整改过程,指导用户提升电气设备运维管理水平,提高用电设备可靠性,实现对保障工作的过程跟踪及管控,提高工作效率,同时避免人员的管理疏忽导致下达不及时,任务疏漏等问题,切实做好保电过程中各项工作。
通过结构化、流程化、痕迹化的数字化管理手段强化对保电用户、保电设备、保障资源、保电队伍的维护,实现基于用户的个性化配置功能,满足不同指挥层级、不同专业、部门对保电设备、保障力量、保电业务流线的监控、指挥主题页面的个性化业务需求。
为了解决相同的技术问题,本发明还提供一种保电智能工单管控系统,包括:
数据采集与工单生成模块,用于接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;
队伍搜索与筛查模块,用于基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;
工单匹配与派发模块,用于将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端。
可选地,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
可选地,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子大于团队学习因子时,所述任务发生地点为对应所述队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
可选地,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子小于团队学习因子时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
可选地,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
可选地,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限。
可选地,所述任务重要度系数为:
其中,指重要节点补偿,/>;/>
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量。
可选地,所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数。
可选地,所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级。
可选地,所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;/>
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积。
可选地,所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
可选地,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPU Cortex-M33坐落在所述701芯片的AHB总线上。
可选地,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签。
可选地,所述数据采集与工单生成模块,还用于:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一实施例所述的保电智能功能管控方法。
参见图3,图3是本发明实施例提供的一种保电智能工单管控设备的结构框图,所述保电智能工单管控设备20包括:处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述保电智能功能管控方法实施例中的步骤。或者,所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器22中,并由所述处理器21执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述保电智能工单管控设备20中的执行过程。
所述保电智能工单管控设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述保电智能工单管控设备20可包括,但不仅限于,处理器21、存储器22。本领域技术人员可以理解,所述示意图仅仅是保电智能工单管控设备20的示例,并不构成对保电智能工单管控设备20的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述保电智能工单管控设备20还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器21是所述保电智能工单管控设备20的控制中心,利用各种接口和线路连接整个保电智能工单管控设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块,所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块,以及调用存储在存储器22内的数据,实现所述保电智能工单管控设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述保电智能工单管控设备20集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器21执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (16)
1.一种保电智能工单管控方法,其特征在于,包括以下步骤:
接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;其中,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签;
基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;其中,所述队伍遗留因子和所述团队学习因子是预先赋予的,所述队伍遗留因子越大,执行队伍越倾向于前往自身曾去的任务数最多的地方,所述团队学习因子越大,执行队伍越倾向于前往其他执行队伍曾去的任务数最多的地方;
将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端;
其中,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限;
所述任务重要度系数为:
其中,指重要节点补偿,/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量;
所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数;
所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级;
所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积;
所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
2.如权利要求1所述的保电智能工单管控方法,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
3.如权利要求1所述的保电智能工单管控方法,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子大于团队学习因子时,所述任务发生地点为对应所述队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
4.如权利要求1所述的保电智能工单管控方法,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子小于团队学习因子时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
5.如权利要求2-4任一项所述的保电智能工单管控方法,其特征在于,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
6.如权利要求1所述的保电智能工单管控方法,其特征在于,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPUCortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPU Cortex-M33坐落在所述701芯片的AHB总线上。
7.如权利要求1所述的保电智能工单管控方法,其特征在于,在根据预设的排查计划和所述用户数据生成任务工单的步骤之前,所述方法还包括:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
8.一种保电智能工单管控系统,其特征在于,包括:
数据采集与工单生成模块,用于接收已验证并授权的管理终端录入的用户数据,根据预设的排查计划和所述用户数据生成任务工单,并获取对应所述任务工单的任务发生地点、设备复杂度系数、任务重要度系数、执行队伍要求系数、气象事件系数、建筑复杂度系数;其中,所述管理终端根据所述用户数据中用户的管理范围、流程的复杂度、设计人员车辆规模,遍历预设的用户标签数据库并为每一用户匹配对应的用户标签;
队伍搜索与筛查模块,用于基于所述任务发生地点与任务执行终端之间的距离,并基于每一任务执行终端的队伍遗留因子、团队学习因子、当前任务重要度权重选择满足预设的就近执行任务条件的若干任务执行终端;其中,所述队伍遗留因子和所述团队学习因子是预先赋予的,所述队伍遗留因子越大,执行队伍越倾向于前往自身曾去的任务数最多的地方,所述团队学习因子越大,执行队伍越倾向于前往其他执行队伍曾去的任务数最多的地方;
工单匹配与派发模块,用于将所述若干任务执行终端的每一任务执行终端的队伍参数代入至预设的关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式中,将所述任务工单下发至匹配度最高的一任务执行终端;
其中,所述设备复杂度系数为:
其中,指重要负荷补偿,/>;
指对应所述任务工单的电气设备种类;
指对应所述任务工单的电气设备的平均使用年限;
指对应所述任务工单的电气设备的投入运作年限;
所述任务重要度系数为:
其中,指重要节点补偿,/>;
指对应所述任务工单的电气设备的总数;
指对应所述任务工单的保障等级;
分别指保电范围内的变电站、输电线路、配电站线总数量;
指对应所述任务工单的供电路径上涉及的变电站数量;
指对应所述任务工单的供电路径上涉及输电线路数量;
所述执行队伍要求系数为:
其中,指配置有任务执行终端的保障节点补偿,/>;
指对应所述任务工单的最大队伍人数上限;
指任务执行终端对应的队伍人数;
指对应所述任务工单的队伍总人数;
指当前队伍内包含的专业专家人数;
所述气象事件系数为:
其中,指气象节点补偿,/>;
指对应所述任务工单的供电路径总节点数;
指对应所述任务工单的供电路径节点中涉及气象要素的节点总数;
指气象参数的关联度方差:/>;
指气象风险等级;
指对应所述任务工单的保障等级;
所述建筑复杂度系数为:
其中,指楼层数量,/>指平均楼层数;
指每楼层配电房数量,/>指每楼层平均配电房数量;
指每楼层建模设备种类,/>指建筑占地面积,/>指当前计算范围内建筑平均占地面积;
所述关于任务匹配度与所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数、所述建筑复杂度系数之间的关系式为:
Σ=/>
式中,Σ表示第n个任务执行终端的队伍与第m个任务工单之间的共a项任务匹配度,a表示5种任务匹配度计算所需的系数,其包括所述设备复杂度系数、所述任务重要度系数、所述执行队伍要求系数、所述气象事件系数和所述建筑复杂度系数,n表示任务执行终端的队伍序号,m表示待匹配的任务工单序号,/>表示第1个任务执行终端的队伍与第1个任务工单之间的设备复杂度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的设备复杂度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的任务重要度系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的任务重要度系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的执行队伍要求系数,/>表示第n个任务执行终端的队伍与第m个任务工单之间的执行队伍要求系数,/>表示第1个任务执行终端的队伍与第1个任务工单之间的气象事件系数,表示第n个任务执行终端的队伍与第m个任务工单之间的气象事件系数,第1个任务执行终端的队伍与第1个任务工单之间的建筑复杂度系数,表示第n个任务执行终端的队伍与第m个任务工单之间的建筑复杂度系数。
9.如权利要求8所述的保电智能工单管控系统,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;其中,
当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
10.如权利要求8所述的保电智能工单管控系统,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子大于团队学习因子时,所述任务发生地点为对应所述队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
11.如权利要求8所述的保电智能工单管控系统,其特征在于,所述就近执行任务条件为:
所述任务执行终端的任务接收位置与所述任务发生地点之间的距离小于等于预设的就近执行任务最大距离;
且,当所述任务执行终端的队伍遗留因子小于团队学习因子时,所述任务发生地点为对应其他队伍遗留因子的任务数最多地点;
其中,当所述任务执行终端处于无任务或上一任务结束状态时,所述任务接收位置为任务待命集合位置,所述任务接收位置与所述任务发生地点之间的距离为所述任务待命集合位置与所述任务发生地点之间的路程;
当所述任务执行终端处于任务执行中状态时,所述任务接收位置为当前任务执行位置,所述任务接收位置与所述任务发生地点之间的距离为所述当前任务执行位置与所述任务发生地点之间的路程、任务执行待完成时间乘以预设的单位时间对应路程之和。
12.如权利要求8-11任一项所述的保电智能工单管控系统,其特征在于,所述就近执行任务条件还包括:
当所述任务执行终端处于任务执行中状态,且所述任务执行终端的队伍未抵达所述当前任务对应的任务发生地点时,若当前任务对应的任务重要度系数小于待下发的所述任务工单对应的任务重要度系数,则满足就近执行任务条件。
13.如权利要求8所述的保电智能工单管控系统,其特征在于,所述管理终端为任务主核心分发终端,所述任务主核心分发终端采用701芯片为计算核心,并将CPU Cortex-A7与CPU Cortex-M33之间负责对共享内存外设存取上进行同步的信标,配置为在离负责实时处理,以使CPU Cortex-M33存取上预设距离内的总线上;其中,所述CPU Cortex-A7坐落在所述701芯片的AXI总线上,所述CPU Cortex-M33坐落在所述701芯片的AHB总线上。
14.如权利要求8所述的保电智能工单管控系统,其特征在于,所述数据采集与工单生成模块,还用于:
基于所述用户标签生成对应的排查计划并发送至用户端;
响应于所述用户端回传的审批通过信息,所述管理终端根据所述用户数据、所述排查计划生成所述任务工单。
15.一种保电智能工单管控设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1~7任一项所述的保电智能工单管控方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1~7任一项所述的保电智能工单管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363635.3A CN117094539B (zh) | 2023-10-20 | 2023-10-20 | 一种保电智能工单管控方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311363635.3A CN117094539B (zh) | 2023-10-20 | 2023-10-20 | 一种保电智能工单管控方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094539A CN117094539A (zh) | 2023-11-21 |
CN117094539B true CN117094539B (zh) | 2024-01-16 |
Family
ID=88781566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311363635.3A Active CN117094539B (zh) | 2023-10-20 | 2023-10-20 | 一种保电智能工单管控方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094539B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001016838A2 (en) * | 1999-08-30 | 2001-03-08 | Strategic Simulation Systems, Inc. | Project management, scheduling system and method |
CN104102981A (zh) * | 2014-07-31 | 2014-10-15 | 国家电网公司 | 一种配电设备管理系统的电子工单处理方法 |
CN106815647A (zh) * | 2016-12-28 | 2017-06-09 | 国家电网公司 | 一种基于数据分析的高效率配电网故障抢修系统及方法 |
CN110956437A (zh) * | 2019-10-17 | 2020-04-03 | 广东电网有限责任公司 | 一种输电线路运维工单编制派发方法及系统 |
CN111340334A (zh) * | 2020-02-12 | 2020-06-26 | 国网湖南省电力有限公司 | 一种智能工单分派方法、系统及介质 |
CN112381241A (zh) * | 2020-11-03 | 2021-02-19 | 广西电网有限责任公司南宁供电局 | 一种变电站反事故措施精益化排查辅助系统及其方法 |
CN113298322A (zh) * | 2021-06-23 | 2021-08-24 | 国网四川省电力公司成都供电公司 | 一种多维优化的电力工单智能派发方法 |
CN113487192A (zh) * | 2021-07-09 | 2021-10-08 | 国网北京市电力公司 | 工单处理系统、方法、电子设备及计算机可读存储介质 |
CN114066420A (zh) * | 2021-11-18 | 2022-02-18 | 建信金融科技有限责任公司 | 工单派发方法、系统、电子设备和计算机可读介质 |
CN114372596A (zh) * | 2022-03-21 | 2022-04-19 | 广东电网有限责任公司佛山供电局 | 一种基于数据融合的电力数据分析方法和系统 |
CN114493376A (zh) * | 2022-04-02 | 2022-05-13 | 广州平云小匠科技有限公司 | 一种基于工单数据的任务调度管理方法及系统 |
CN115018434A (zh) * | 2021-03-05 | 2022-09-06 | 优得新能源科技(宁波)有限公司 | 一种新能源电站远程运维管理系统 |
CN115913891A (zh) * | 2022-09-02 | 2023-04-04 | 国家电网有限公司 | 一种基于大数据分析的提前运维系统及运维方法 |
CN116071043A (zh) * | 2022-12-29 | 2023-05-05 | 国网山东省电力公司临沂供电公司 | 一种基于工单数据的配网维修计划精细化管控方法 |
CN116415912A (zh) * | 2023-04-17 | 2023-07-11 | 重庆长安汽车股份有限公司 | 一种代码管理装置及管理代码的方法 |
CN116681264A (zh) * | 2023-07-31 | 2023-09-01 | 国网浙江省电力有限公司杭州供电公司 | 一种保电指挥调度系统及方法 |
-
2023
- 2023-10-20 CN CN202311363635.3A patent/CN117094539B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001016838A2 (en) * | 1999-08-30 | 2001-03-08 | Strategic Simulation Systems, Inc. | Project management, scheduling system and method |
CN104102981A (zh) * | 2014-07-31 | 2014-10-15 | 国家电网公司 | 一种配电设备管理系统的电子工单处理方法 |
CN106815647A (zh) * | 2016-12-28 | 2017-06-09 | 国家电网公司 | 一种基于数据分析的高效率配电网故障抢修系统及方法 |
CN110956437A (zh) * | 2019-10-17 | 2020-04-03 | 广东电网有限责任公司 | 一种输电线路运维工单编制派发方法及系统 |
CN111340334A (zh) * | 2020-02-12 | 2020-06-26 | 国网湖南省电力有限公司 | 一种智能工单分派方法、系统及介质 |
CN112381241A (zh) * | 2020-11-03 | 2021-02-19 | 广西电网有限责任公司南宁供电局 | 一种变电站反事故措施精益化排查辅助系统及其方法 |
CN115018434A (zh) * | 2021-03-05 | 2022-09-06 | 优得新能源科技(宁波)有限公司 | 一种新能源电站远程运维管理系统 |
CN113298322A (zh) * | 2021-06-23 | 2021-08-24 | 国网四川省电力公司成都供电公司 | 一种多维优化的电力工单智能派发方法 |
CN113487192A (zh) * | 2021-07-09 | 2021-10-08 | 国网北京市电力公司 | 工单处理系统、方法、电子设备及计算机可读存储介质 |
CN114066420A (zh) * | 2021-11-18 | 2022-02-18 | 建信金融科技有限责任公司 | 工单派发方法、系统、电子设备和计算机可读介质 |
CN114372596A (zh) * | 2022-03-21 | 2022-04-19 | 广东电网有限责任公司佛山供电局 | 一种基于数据融合的电力数据分析方法和系统 |
CN114493376A (zh) * | 2022-04-02 | 2022-05-13 | 广州平云小匠科技有限公司 | 一种基于工单数据的任务调度管理方法及系统 |
CN115913891A (zh) * | 2022-09-02 | 2023-04-04 | 国家电网有限公司 | 一种基于大数据分析的提前运维系统及运维方法 |
CN116071043A (zh) * | 2022-12-29 | 2023-05-05 | 国网山东省电力公司临沂供电公司 | 一种基于工单数据的配网维修计划精细化管控方法 |
CN116415912A (zh) * | 2023-04-17 | 2023-07-11 | 重庆长安汽车股份有限公司 | 一种代码管理装置及管理代码的方法 |
CN116681264A (zh) * | 2023-07-31 | 2023-09-01 | 国网浙江省电力有限公司杭州供电公司 | 一种保电指挥调度系统及方法 |
Non-Patent Citations (2)
Title |
---|
新型配电网抢修指挥平台及其业务;段智;吴保文;罗强;李韧;张培基;王玉;;安徽电力(第04期);全文 * |
配网故障抢修辅助支撑系统研究;沈建明;彭扬劼;;中国电力企业管理(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094539A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105225017B (zh) | 一种多Agent的水电站群短期优化调度方法 | |
CN105005570B (zh) | 基于云计算的海量智能用电数据挖掘方法及装置 | |
CN102063336B (zh) | 一种分布式计算多应用功能异步并发调度方法 | |
CN108009023A (zh) | 混合云中基于bp神经网络时间预测的任务调度方法 | |
Liu et al. | Resource preprocessing and optimal task scheduling in cloud computing environments | |
CN111045828A (zh) | 基于配电网台区终端的分布式边缘计算方法和相关装置 | |
CN102169505A (zh) | 基于云计算的推荐系统构建方法 | |
CN104751269A (zh) | 一种工程维修调度管理系统 | |
CN104298550A (zh) | 一种面向Hadoop的动态调度方法 | |
CN102707995A (zh) | 基于云计算环境的业务调度的方法及装置 | |
CN105824686A (zh) | 一种虚拟机宿主机的选择方法和选择系统 | |
Li et al. | A cloud-terminal-based cyber-physical system architecture for energy efficient machining process optimization | |
CN101582043A (zh) | 一种异构计算系统动态任务分配方法 | |
Zhao et al. | The resource allocation model for multi-process instances based on particle swarm optimization | |
US20200272956A1 (en) | Sensor and Machine Learning-Based Office Space Stacking Optimization System and Method | |
Nawrocki et al. | Data-driven adaptive prediction of cloud resource usage | |
Van Hentenryck et al. | Joint assessment and restoration of power systems | |
CN117094539B (zh) | 一种保电智能工单管控方法、系统、设备及存储介质 | |
CN107274135A (zh) | 基于协同信息共享的烟叶原料统筹方法及系统 | |
CN116700966A (zh) | 一种K8S集群的pod资源分配方法 | |
CN116126515A (zh) | 一种基于算力的网络流程编排方法、存储介质及设备 | |
CN106530110A (zh) | 一种基于大数据的海洋工程管理系统及方法 | |
Borokhovich et al. | Improving impact sourcing via efficient global service delivery | |
Zhu et al. | A Resource scheduling method for enterprise management based on artificial intelligence deep learning | |
Caux et al. | Smart datacenter electrical load model for renewable sources management |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |