一种电力通信备件资源全网一体化动态调配方法及装置与流程

本发明涉及电力通信技术领域，特别涉及一种电力通信备件资源全网一体化动态调配方法及装置。

背景技术：

电力通信网是电力系统的重要组成，支撑电力系统中发电、输电、变电、配电、用电、调度、企业管理等诸多环节上电力生产控制和经营管理业务信息的安全可靠传输。随着全球能源互联网的建设和发展，电力通信网络将需要跨越更大地理范围，对地理上分布的多个调配中心电力通信备件资源采购、入库、出库、运行、退役等过程的优化调配效率提出更高的要求。

现有技术中，电力通信网络包括通信站点和通信线路，地理跨度大、空间覆盖范围广，各电力通信备件中心独立运营管理，只有当运行设备出现故障时，人为进行报修，才开始调配备件和维护，目前电力企业是按照行政区域设置多个各自独立运营管理的电力通信备件中心，按照所辖管理范围、按照年度计划各自进行备件采购、管理和调配。因此，现有的分布式配置的电力通信备件中心通信设备对于电力通信系统的运行风险水平控制、运行安全稳定性和调拨的效率较低，难以满足现今社会的要求。

所以研发一种一体化的备件资源管控方法，能够及时控制运行风险水平，缩短故障时间是需要克服的难关。

技术实现要素：

有鉴于此，本发明的目的在于提供一种电力通信备件资源全网一体化动态调配方法及装置，能够及时控制运行风险水平，缩短故障处置和资产处置时间。其具体方案如下：

一种电力通信备件资源全网一体化动态调配方法，包括：

获取通信设备的状态信息；

利用所述状态信息分析出所述通信设备的风险水平；

判断所述风险水平是否高于预设的阈值；

当所述风险水平高于所述阈值，则分析所述通信设备的备件需求量、最优存储位置和备件存储量，并生成预测结果。

优选的，所述获取通信设备的状态信息的过程包括：

获取所述通信设备的编号以及资产状态信息，其中，所述通信设备的编号为所述设备在全网范围内身份唯一的设备编号；

利用所述通信设备的编号，获取所述通信设备的实时运行状态参数和历史故障状态信息。

优选的，所述利用所述状态信息分析所述通信设备的风险水平的过程包括：

对所述状态信息进行数据质量检查、数据清洗和预处理，得到去噪数据，利用所述去噪数据分析出所述通信设备的风险水平。

优选的，所述利用所述去噪数据分析出所述通信设备的风险水平的过程包括：

利用所述去噪数据，基于支持向量回归算法分析出所述通信设备的运行故障风险水平因子，利用所述运行故障风险水平因子，得到所述风险水平。

优选的，还包括：

当接收到用户发送的备件调拨请求信息，则解析所述备件调拨请求信息，获得配送信息；

利用所述配送信息，基于遗传算法优化计算出最优配送路径，得出配送方案。

本发明还公开了一种电力通信备件资源全网一体化动态调配装置，包括：

信息获取模块，用于获取通信设备的状态信息；

风险水平分析模块，用于利用所述状态信息分析出所述通信设备的风险水平；

风险水平判断模块，用于判断所述风险水平是否高于预设的阈值；

备件资源分析模块，用于当所述风险水平高于所述阈值，则分析所述通信设备的备件需求量、最优存储位置和备件存储量；

预测结果生成模块，用于生成预测结果。

优选的，所述信息获取模块包括：

资产管理单元，用于获取所述通信设备的编号以及资产状态信息，其中，所述通信设备的编号为所述设备在全网范围内身份唯一的设备编号；

运行管理单元，用于利用所述通信设备的编号，获取所述通信设备的实时运行状态参数和历史故障状态信息。

优选的，所述风险水平分析模块包括：

预处理子模块，用于对所述状态信息进行数据质量检查、数据清洗和预处理，得到去噪数据；

分析子模块，用于利用所述去噪数据分析出所述通信设备的风险水平。

优选的，所述分析子模块包括：

风险因子分析单元，用于利用所述去噪数据，基于支持向量回归算法分析出所述通信设备的运行故障风险水平因子；

风险水平计算单元，用于利用所述运行故障风险水平因子，得到所述风险水平。

优选的，还包括：

请求接收模块，用于接收备件调拨请求信息；

调拨请求信息分析模块，用于当所述请求接收模块接收到用户发送的备件所述调拨请求信息，则解析所述备件调拨请求信息，获得配送信息；

配送路径分析模块，用于利用所述配送信息，基于遗传算法优化计算出最优配送路径，得出配送方案。

本发明中，电力通信备件资源全网一体化动态调配方法，包括：获取通信设备的状态信息；利用状态信息分析出通信设备的风险水平；判断风险水平是否高于预设的阈值；当风险水平高于阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，并生成预测结果。可见，本发明在通信设备发生故障前或者资产退运处置前，提前利用通信设备的状态信息，分析通信设备的风险水平，判断通信设备可能发生故障的几率，如果风险水平高于预设的阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，生成预测结果，使用户能够利用预测结果，及时为将到来的故障或者通信设备资产退运做出准备，调拨备件和准备维护，以此来控制运行风险水平，形成快速响应机制，利用优化计算方法最优化备件配送路径，将故障时间和运维处置时间降到最短，特别是减轻因故障引起的运维损失，有效管控电力通信系统的运行风险水平。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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实施例，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，还可以利用提供的附图获得其他的附图。

图1为本发明实施例提供的一种电力通信备件资源全网一体化动态调配方法的流程图；

图2为本发明实施例提供的另一种电力通信备件资源全网一体化动态调配方法的流程图；

图3为本发明实施例提供的另一种电力通信备件资源全网一体化动态调配装置的结构示意图。

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。

本发明实施例公开了一种电力通信备件资源全网一体化动态调配方法，参见图1所示，该方法包括：

步骤S11：获取通信设备的状态信息。

具体的，用户启用预测系统，输入分析请求，其中，用户在输入的分析请求中可以是对整个预测系统覆盖的区域进行分析，即对全网通信设备进行预测分析，也可以是用户限定是对预测系统覆盖的整个区域中的某各区域或某种通信设备，甚至是具体的一个通信设备进行分析，预测系统利用接收到的分析请求，对指定的通信设备的状态信息进行获取，以用来进行后续的分析。

可以理解的是，通信设备的状态信息可以包括通信设备的全寿命周期管理相关属性、状态数据、实时运行状态参数和历史故障状态信息等与该通信设备相关的各类信息，以此利用这些信息对通信设备当前风险水平进行分析。

例如，用户输入分析请求，对预测系统覆盖区域内通信设备进行风险评估，预测系统前往资产管理单元获取区域内的通信设备的编号与通信设备的资产状态信息，利用通信设备的编号前往运行管理单元获取通信设备的实时运行状态参数和历史故障状态信息，预测系统获取通信设备的编号、资产状态信息、实时运行状态参数和历史故障状态信息，准备分析。

其中，资产状态信息包括通信设备的全寿命周期管理相关属性和状态数据，这部分信息可以通过对通信设备定期的返厂维护时获得，或是定期的前往运行现场收集，以弥补实时运行状态参数只能获取特定信息，不能全面反映通信设备状态的问题。

步骤S12：利用状态信息分析出通信设备的风险水平。

具体的，利用通信设备的状态信息，例如，资产状态信息、实时运行状态参数和历史故障状态信息，配合基于支持向量回归算法进行风险水平的综合评估，通过历史数据(历史状态信息，风险水平结果等)作为支持向量回归模型的基准训练数据集，训练学习模型参数，然后把实时获取的状态信息作为训练后模型的输入数据，预测计算出风险参数，从而评定通信设备的风险水平因子，利用风险水平因子，在对批量通信设备进行分析时调用基于Spark框架进行高性能分布式计算，得到当前通信设备的风险水平。

在实际应用中，在利用状态信息分析出通信设备的风险水平之前，可以对状态信息进行预处理，由于数据来源于多个业务信息预测系统，往往存在数据格式不一致、编号不一致和内容重复等问题，因此需要评估分析前对多源数据进行预处理，去除数据中的噪声，为此预处理提供数据清洗、检查、数据转换、一致性匹配等功能，得到预处理后的去噪数据，利用去噪数据，基于支持向量回归算法分析出通信设备的运行故障风险水平因子，利用运行故障风险水平因子，得到当前通信设备的风险水平，使预测系统分析时获取的数据更加准确。

步骤S13：判断通信设备的风险水平是否高于预设的阈值。

具体的，将当前通信设备的风险水平与预设的阈值进行对比，如果风险水平高于预设的阈值，则进入步骤S14，如果风险水平低于预设的阈值，则不进行操作或返回步骤S13，获取下一台通信设备的信息。

步骤S14：当风险水平高于阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，并生成预测结果。

具体的，当风险水平高于阈值，则预测系统分析通信设备发生故障后，维护时需要的备件需求量，并且查找与该通信设备最近的备件库，且查找全网范围内各备件中心的与该通信设备相对应的备件存储量，将备件需求量、最近的备件库和备件存储量进行总结，生成预测结果，提供给用户，以使用户能够利用预测结果内容进行调度和准备。

其中，为了能够查找最优存储位置和备件存储量，需要预先存储所有地理分布的备件库中的备件资源数据信息，包括备件编码、型号、进库日期和生产日期等，实现全网备件资源一体化的管理。

可以理解的是，生成预测结果后，系统可以对预测结果进行进一步的处理，例如，分类和建表，使预测结果以预测报告的形式呈现给用户，便于用户使用。

需要说明的是，针对全网的风险水平分析将包含大量的通信设备，因此为了提高预测效率，采用分布式计算的方式，同时对多个通信设备进行风险水平分析，生成预测结果，加快分析速度，例如，需要对100台通信设备进行风险水平的预测，则可以分出10个进程，每个进程对10个通信设备进行预测，即同时分别对10个通信设备获取状态信息、分析风险水平、判断风险水平是否高于阈值和生成预测结果，当然，如果计算能力足够也可以根据通信设备数量，使进程数等同通信设备数量，进一步的加快分析速度。

可见，本发明实施例在通信设备发生故障前，提前利用通信设备的状态信息，分析通信设备的风险水平，判断通信设备可能发生故障的几率，如果风险水平高于预设的阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，生成预测结果，使用户能够利用预测结果，及时为将到来的故障做出准备，调拨备件，准备维护，以此来控制运行风险水平，形成快速响应机制，将故障时间降到最短，减轻因故障引起的损失。

本发明实施例公开了一种具体的电力通信备件资源全网一体化动态调配方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。参见图2所示，具体的：

步骤S21：获取通信设备的状态信息。

步骤S22：利用状态信息分析出通信设备的风险水平。

步骤S23：判断通信设备的风险水平是否高于预设的阈值。

步骤S24：当风险水平高于阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，并生成预测结果。

步骤S21至步骤S24同上一实施例步骤S11至S14，具体步骤可以参考上一实施例，在此不做赘述。

步骤S25：当接收到用户发送的备件调拨请求信息，则解析备件调拨请求信息，获得配送信息。

具体的，生成预测结果后，用户利用预测结果中的内容，认定需要对备件进行调拨，以满足相应的通信设备发生故障时，对于备件的需求量，输入备件调拨请求，接收用户输入的调拨请求信息后，解析调拨请求信息，从中获取需要调拨的备件的信息、目的地和备件调拨量，利用备件的信息检索所有存有该型号的备件库数据信息，获得配送信息。

需要说明的是，配送系统也可以直接接收预测系统生成的预测结果，利用预测结果进行分析，对比最优存储位置的现有库存量是否满足备件需求量，如果满足，则不进行调拨，如果不满足，则对比备件存储量和备件需求量，判断备件存储量是否大于等于备件需求量，如果大于等于，则接受请求，如果小于，则可以拒绝接收请求。

其中，当判定备件存储量小于备件需求量，但备件存储量不为零时，还可以显示提醒信息，提示用户是否仍要进行调拨，如果是，则进行调拨，如果否，则不再进行调拨，中断操作。

在本发明实施例的另一种方案中，还可以增加采购步骤，当判定备件存储量小于备件需求量时，提示用户是否需要进行采购，如果否，则中断操作，如果是，则向预先设定的采购中心发送欠缺的备件数量，进行采购，同时将接收地址信息设定为最优存储位置，同时设定最迟收货时间。

步骤S26：利用配送信息和实时交通信息，基于遗传算法优化计算出最优配送路径，得出配送方案。

具体的，利用备件库数据信息、目的地和备件调拨量，查询出距离配送目的地最近的交通节点，按照交通模式(铁路、公路、航空或者混合模式)，结合交通线路的动态服务信息，将备件库数据信息、目的地、交通节点、交通模式、交通线路的动态交通服务信息等配送信息，基于遗传算法对配送路径规划选择进行优化计算处理，在路径遗传优化计算中，采用一条随机生成实际交通路径为初始路径，适应度函数采用时间最优原则，然后进行复制选择操作、交叉操作、变异操作等步骤；在Spark框架下，执行优化计算任务，快速计算出备件配送目的地与可能的备件中心配送时间，接着，从计算出所有可能的配送路径，按照交通行程时间比较所有的路径计算结果，选择交通行程时间最短的作为最优配送路径，最后将最优配送路径方案返回给用户。

可见，本发明实施例在上一实施例的基础上，增加了配送环节的优化，使得预测后，用户对备件的转移和通信设备发生故障时，能够更快的将备件运送到目的地，进一步的提升备件管理效率。

另外，本发明实施例还提供了一种电力通信备件资源全网一体化动态调配装置，参见图3所示，该平台包括：

信息获取模块11，用于获取通信设备的状态信息；

风险水平分析模块12，用于利用状态信息分析出通信设备的风险水平；

风险水平判断模块13，用于判断通信设备的风险水平是否高于预设的阈值；

备件资源分析模块14，用于当风险水平高于阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量；

预测结果生成模块15，用于生成预测结果。

具体的，信息获取模块11，具体包括资产管理单元和运行管理单元，其中，

资产管理单元，用于获取通信设备的编号与通信设备的资产状态信息；

运行管理单元，用于利用通信设备的编号，获取通信设备的实时运行状态参数和历史故障状态信息。

风险水平分析模块12，具体包括：

预处理子模块，用于对状态信息进行数据格式转换和去重，得到去噪数据；

分析子模块，用于利用去噪数据分析出通信设备的风险水平。

上述分析子模块，还可以具体包括风险因子分析单元和风险水平计算单元；其中，

风险因子分析单元，用于利用去噪数据，基于支持向量回归算法分析出通信设备的运行故障风险水平因子；

风险水平计算单元，用于利用运行故障风险水平因子，得到风险水平；

在本发明实施例中的电力通信备件资源全网一体化动态调配装置还可以包括：

请求接收模块，用于接收备件调拨请求信息；

调拨请求信息分析模块，用于当请求接收模块接收到用户发送的备件调拨请求信息，则解析备件调拨请求信息，获得配送信息；

配送路径分析模块，用于利用配送信息和实时交通信息，基于遗传算法优化计算出最优配送路径，得出配送方案。

可见，本发明实施例在通信设备发生故障前，提前利用通信设备的状态信息，分析通信设备的风险水平，判断通信设备可能发生故障的几率，如果风险水平高于预设的阈值，则分析通信设备的备件需求量、最优存储位置和备件存储量，生成预测结果，使用户能够利用预测结果，及时为将到来的故障做出准备，调拨备件，准备维护，以此来控制运行风险水平，形成快速响应机制，将故障时间降到最短，减轻因故障引起的损失。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种电力通信备件资源全网一体化动态调配方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。