港口岸桥节能操作量化评定方法及系统与流程

本发明涉及能耗监测领域，特别涉及一种港口岸桥节能操作量化评定方法。

背景技术

目前，各大港口都在积极总结公司岸桥司机节能操作法，并通过《操作指南》《操作规程》等经验总结材料，提高广大岸桥司机操作技能，降低岸桥装卸作业能源消耗。交通运输部也在行业内大力推广节能操作法。但目前各港口总结的节能操作法均是基于司机操作经验的定性总结，尚未形成更易于学习掌握、广泛传播的标准化的节能操作法。

目前，对于岸桥能源利用状况评定技术方法还不健全，仅有《港口电动式起重机能源利用效率检测方法》(jt/t314-2009)，该标准提出的方法主要用于岸桥有效能的测试与计算，仅能针对标准工况下能源消耗数据进行测试，所得数据也仅反映测试工况下能效，对实际装卸生产操作指导作用有限。

现阶段，国内港口在岸桥能耗监测方面开展了大量工作，利用智能电表等电能计量设备，实时采集岸桥能耗，并发送至后方统计平台，实现了岸桥能耗数据的在线采集和统计，但尚未将岸桥生产及运行数据与能耗数据进行关联分析，无法形成对岸桥操作司机的有效管理和信息反馈。

因此，发明一种将定性总结的岸桥节能操作法量化的方法，利用能耗及生产数据形成节能操作的基准，对岸桥司机操作能源利用效果进行量化评定及报警反馈，对于推广岸桥节能操作法、降低岸桥运行能耗具有重要意义。

技术实现要素：

本发明的目的是提供一种能够对对岸桥司机操作进行量化评定的港口岸桥节能操作量化评定方法。

本发明的另一个目的是提供一种实现对港口岸桥节能操作进行量化评定的港口岸桥节能操作量化评定系统。

为此，本发明技术方案如下：

一种港口岸桥节能操作量化评定方法，步骤如下：

s1、基于岸桥节能操作法，分别在岸桥空载以及不同额定载荷质量负载下，进行装卸操作，并按照相同时间间隔对装卸全程的岸桥能耗数据集e、吊具吊装质量数据集m、起吊高度数据集h、小车水平运行距离数据集l和小车速度数据集v进行采集和分析，建立岸桥节能运行能耗分析模型，以获取在吊具吊装质量、起吊高度、小车水平运行距离和小车速度四个约束条件下的能源消耗基准值ei；

s2、实时采集岸桥司机进行岸桥装卸操作过程中的岸桥能耗数据集e’、吊具吊装质量数据集m’、起吊高度数据集h’、小车水平运行距离数据集l’和小车速度数据集v’，并以实时获取的吊具吊装质量数据集m’、起吊高数据集度h’、小车水平运行距离数据集l’和小车速度数据集v’为输入量，利用步骤s1建立的岸桥节能运行能耗分析模型，获取该操作下吊具吊装质量、起吊高度、小车水平运行距离和小车速度四个约束条件下的能源消耗基准值ei’；

s3、将实时采集的岸桥能耗ei’与ei进行比较：

当实时岸桥能耗ei’高于基准能耗ei20％时，进行二级报警；

当实时岸桥能耗ei’高于基准能耗ei50％时，进行一级报警。

进一步地，实现上述步骤s1的具体步骤为：

s101、数据采集：

基于岸桥节能操作法，分别在岸桥空载、以及在岸桥额定载荷质量的10％、20％、30％、40％、50％、60％、70％、80％、90％和100％的负载工况下进行装卸操作，并在不同负载工况下采用相同的间隔时间获取实时的能耗数据集e＝{e0，e1，…，e10}、吊具吊装质量数据集m＝{m0，m1，…，m10}、起吊高度数据集h＝{h0，h1，…，h10}、小车水平运行距离数据集l＝{l0，l1，…，l10}和小车速度数据集v＝{v0，v1，…，v10}；其中，各数据集中的分类数据标签0，1，2，…，10依次表示在岸桥空载、以及在岸桥额定载荷质量的10％、20％、30％、40％、50％、60％、70％、80％、90％和100％的负载工况；

s102、数据处理：

s1021、将基于相同负载工况下获取的能耗数据集e0～e10、吊具吊装质量数据集m0～m10、起吊高度数据集h0～h10、小车水平运行距离数据集l0～l10和小车速度数据集v0～v10，以矩阵a表示如下：

上述矩阵a中岸桥能耗数据集e中e0＝{e0¹，e0²，…，e0ⁱ，…，e0ⁿ}，e0ⁱ表示空载工况下i时刻岸桥能耗数据，e1～e10以此类推；数据集m、h、l和v中的各数据按此规定定义。

s1022、对上述样本数据矩阵a进行归一化处理，以矩阵表示如下：

s103、建立岸桥运行能耗分析模型：

s1031、建立bp神经网络模型并进行初始化；其中，所述bp神经网络模型的拓扑结构包括输入层、隐含层和输出层；其中，输入层神经元个数取4，输出层神经元个数取1，隐含层神经元个数可取4～12间的整数；将bp神经网络权值、阈值用向量ξ＝[v1，w1，b1，b2]表示，其中v1为隐含层与输入层连接权值，w1为输出层与隐含层连接权值，b1为隐含层神经元阈值，b2为输出层神经元阈值；v1，w1，b1，b2可取[-0.5，0.5]区间的随机数。

s1032、利用matlab软件，随机选取矩阵中的列向量作为样本数据，并分别进行训练样本数据和测试样本数据的提取；其中，训练样本数据为在样本数据中随机抽取的70％的数据，训练样本数据集x＝{ex，mx，lx，hx，vx}；测试样本数据为样本数据中余下的30％的数据，测试样本数据集y＝{ey，my，ly，hy，vy}；

s1033、在matlab软件中将训练样本数据集x中的能耗训练样本数据集ex作为输出量，吊具吊装质量训练样本数据集mx、起吊高度训练样本数据集hx、小车水平运行距离训练样本数据集lx和小车速度训练样本数据集vx为输入量，导入经步骤s1031建立的bp神经网络模型中，对模型进行优化，形成岸桥运行能耗预测初级模型；

s1034、将测试样本数据集y中的能耗测试样本数据集ey作为输出量，吊具吊装质量测试样本数据集my、起吊高度测试样本数据集hy、小车水平运行距离测试样本数据集ly和小车速度测试样本数据集vy为输入量，作为校正数据导入经步骤s1303建立的岸桥运行能耗预测初级模型中，利用遗传算法对bp神经网络初始值和阈值进行优化，得到更新后的bp神经网络模型；

s1035、对更新后的bp神经网络模型中的岸桥能耗预测数据进行反归一化计算，形成在不同吊具吊装质量m、起吊高度h、小车水平运行距离l和小车速度v约束下的岸桥能耗预测数据，即岸桥节能操作条件下的能源消耗基准值ei。

进一步地，在步骤s1中，获取实时数据的间隔时间可选取为10s～60s的任意时间间隔。

进一步地，在步骤s1022中，归一化处理的计算公式为：

其中，为归一化后的值，ii为进行归一化处理的实际值，iimax和iimin分别为样本数据中的最大值和最小值。

进一步地，在步骤s1035中，反归一化处理的计算公式为：

其中，ei为经过反归一化计算后实际的岸桥能耗预测值，为归一化后的岸桥能耗值，eimax和eimin分别为实际的岸桥能耗实际样本数据的最大值和最小值。

一种能够实现上述港口岸桥节能操作量化评定方法的评定系统，包括信号采集系统、信号收发系统、数据分析装置、报警装置、存储装置和显示装置；其中，

所述信号采集系统包括安装在岸桥受电端的电能计量装置、安装在岸桥吊具上的负荷传感器、安装在岸桥小车上的速度传感器、安装在岸桥缆绳卷盘轴上的旋转编码器和安装在岸桥大梁尾部的倾转系统上的直线位移传感器；

所述信号收发系统包括一个设置在岸桥上的无线信号发射装置和一个设置在所述数据分析装置上的信号接收装置；所述电能计量装置、负荷传感器、速度传感器、旋转编码器和直线位移传感器上分别采用信号传输线与无线信号发射装置连接；

所述数据分析装置、所述显示装置和所述报警装置设置在岸桥操作室内，所述报警装置具体安装在操作平台上；所述数据分析装置分别与所述存储装置、所述显示装置和所述报警装置通过数据传输线连接；所述数据分析装置处理所述信号采集系统采集获得的源数据并计算出对应工况下的岸桥能耗预测值ei经过与电能计量装置实时测得的岸桥能耗ei’比较，判断是否触发所述报警装置；所述存储装置接收并存储由所述数据分析装置接收的源数据和计算得到结果数据；所述显示装置显示所述数据分析装置计算得到结果数据。

进一步地，所述报警装置包括声音提示器、红灯提示器和黄灯提示器；当所述数据分析装置计算出的ei’高于ei20％时，声音提示器发出报警提示音且黄灯提示器闪烁黄色灯光。，当所述数据分析装置计算出的ei’高于ei50％时，声音提示器和红灯提示器启动，声音提示器发出报警提示音且红灯提示器闪烁红色灯光。

与现有技术相比，在该节能操作法作业工况下，基于岸桥能耗和运行数据利用bp神经网络建模确定能耗基准值，并确定能耗阈值，利用相应的评价系统对采集到的实时岸桥能耗及运行数据进行计算获得实时能耗基准值，并与确定的能耗阈值对比，确定偏离度，对超出能耗阈值的作业进行报警，实现对岸桥司机操作进行量化评定，并根据作业要求给予岸桥司机操作建议反馈，对异常操作及不规范操作进行报警，有利于推广节能操作法，降低岸桥能源消耗量。

附图说明

图1为本发明的港口岸桥节能操作量化评定方法的流程图；

图2为本发明的港口岸桥节能操作量化评定系统的结构图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。

实施例1

如图1所示，该港口岸桥节能操作量化评定方法一种港口岸桥节能操作量化评定方法，具体步骤如下：

s1、基于岸桥节能操作法，分别在岸桥空载以及不同额定载荷质量负载下，进行装卸操作，并按照相同时间间隔对装卸全程的岸桥能耗数据集e、吊具吊装质量数据集m、起吊高度数据集h、小车水平运行距离数据集l和小车速度数据集v进行采集和分析，建立岸桥节能运行能耗分析模型，以获取在吊具吊装质量、起吊高度、小车水平运行距离和小车速度四个约束条件下的能源消耗基准值ei；

其中，步骤s1中的岸桥节能操作法指根据岸桥操作司机综合机械理论、岸桥实际操作经验，总结凝练而形成的操作方法，即通过把握岸桥起升机构的做工特点，减少操作中的无效动作频率，达到的一种减少操作能耗的高效作业的方法。

s2、实时采集岸桥司机进行岸桥装卸操作过程中的岸桥能耗数据集e’、吊具吊装质量数据集m’、起吊高度数据集h’、小车水平运行距离数据集l’和小车速度数据集v’，并以实时获取的吊具吊装质量数据集m’、起吊高数据集度h’、小车水平运行距离数据集l’和小车速度数据集v’为输入量，利用步骤s1建立的岸桥节能运行能耗分析模型，获取该操作下由吊具吊装质量、起吊高度、小车水平运行距离和小车速度四个约束条件下的能源消耗基准值ei’；

s3、将实时采集的岸桥能耗ei’与ei进行比较：

当实时岸桥能耗ei’高于基准能耗ei20％时，进行二级报警；

当实时岸桥能耗ei’高于基准能耗ei50％时，进行一级报警。

其中，上述步骤s1的具体步骤如下：

s101、数据采集：

基于岸桥节能操作法分别在岸桥空载、以及在岸桥额定载荷质量的10％、20％、30％、40％、50％、60％、70％、80％、90％和100％的负载工况下进行装卸操作，并在不同负载工况下以30s的固定间隔时间获取实时的数据集，具体如下：

(1)能耗数据集e＝{e0，e1，…，e10}，其中，e0＝{e0¹，e0²，…，e0ⁱ，…，e0ⁿ}，e1＝{e1¹，e1²，…，e1ⁱ，…，e1ⁿ}，……，e10＝{e10¹，e10²，…，e10ⁱ，…，e10ⁿ}；

(2)吊具吊装质量数据集m＝{m0，m1，…，m10}，其中，m0＝{m0¹，m0²，…，m0ⁱ，…，m0ⁿ}，m1＝{m1¹，m1²，…，m1ⁱ，…，m1ⁿ}，……，m10＝{m10¹，m10²，…，m10ⁱ，…，m10ⁿ}；

(3)起吊高度数据集h＝{h0，h1，…，h10}，其中，h0＝{h0¹，h0²，…，h0ⁱ，…，h0ⁿ}，h1＝{h1¹，h1²，…，h1ⁱ，…，h1ⁿ}，……，h10＝{h10¹，h10²，…，h10ⁱ，…，h10ⁿ}；

(4)小车水平运行距离数据集l＝{l0，l1，…，l10}，其中，l0＝{l0¹，l0²，…，l0ⁱ，…，l0ⁿ}，l1＝{l1¹，l1²，…，l1ⁱ，…，l1ⁿ}，……，l10＝{l10¹，l10²，…，l10ⁱ，…，l10ⁿ}；

(5)小车速度数据集v＝{v0，v1，…，v10}，其中，v0＝{v0¹，v0²，…，v0ⁱ，…，v0ⁿ}，v1＝{v1¹，v1²，…，v1ⁱ，…，v1ⁿ}，……，v10＝{v10¹，v10²，…，v10ⁱ，…，v10ⁿ}；

其中，各数据集中的分类数据标签0，1，2，…，10依次表示在岸桥空载、以及在岸桥额定载荷质量的10％、20％、30％、40％、50％、60％、70％、80％、90％和100％的负载工况；各实时数据中的n为样本数据的个数，i表示在装卸操作时间段内的i时刻。

其中，以能耗数据集e为例进行说明。在能耗数据集e＝{e0，e1，…，e10}中，e表示在岸桥空载、以及在岸桥额定载荷质量的10％、20％、30％、40％、50％、60％、70％、80％、90％和100％的负载工况下共计十一种工况下获取的总的能耗数据集；进一步地，e0表示在岸桥空载工况下获取的能耗数据集，e1表示在岸桥额定载荷质量的10％的工况下获取的能耗数据集，以此类推，e10表示在岸桥额定载荷质量的100％的工况下获取的能耗数据集；而对于能耗数据集e0来说，e0表示在岸桥空载工况下共计获取了n个实时的能耗数据，其中，e0¹表示在空载工况下的装卸操作时间段内第一个数据获取时刻的岸桥能耗数值，e0²表示在空载工况下的装卸操作时间段内第二个数据获取时刻的岸桥能耗数值，e0ⁱ表示在空载工况下的装卸操作时间段内i时刻的岸桥能耗数值，e1ⁱ～e10ⁱ以此类推。

同理，上述的吊具吊装质量数据集m、起吊高度数据集h、小车水平运行距离数据集l和小车速度数据集v中的各项数据表示含义同样按照上述规定定义。

s102、数据处理：

s1021、将基于相同负载工况下获取的能耗数据集e0～e10、吊具吊装质量数据集m0～m10、起吊高度数据集h0～h10、小车水平运行距离数据集l0～l10和小车速度数据集v0～v10，以矩阵a表示如下：

上述矩阵a中岸桥能耗数据集e中e0＝{e0¹，e0²，…，e0ⁱ，…，e0ⁿ}，e0ⁱ表示空载工况下i时刻岸桥能耗数据，e1～e10以此类推；数据集m、h、l和v中的各数据按此规定定义。

s1022、对上述样本数据矩阵a进行归一化处理，以矩阵表示如下：

其中，归一化处理的计算公式为：

其中，为归一化后的值，ii为进行归一化处理的实际值，iimax和iimin分别为样本数据中的最大值和最小值；

s103、建立岸桥运行能耗分析模型：

s1031、建立bp神经网络模型并进行初始化；其中，所述bp神经网络模型的拓扑结构包括输入层、隐含层和输出层；其中，输入层神经元个数取4，输出层神经元个数取1，隐含层神经元个数可取4～12间的整数；将bp神经网络权值、阈值用向量ξ＝[v1，w1，b1，b2]表示，其中v1为隐含层与输入层连接权值，w1为输出层与隐含层连接权值，b1为隐含层神经元阈值，b2为输出层神经元阈值；v1，w1，b1，b2可取[-0.5，0.5]区间的随机数。

s1032、利用matlab软件，随机选取矩阵中的列向量作为样本数据，并分别进行训练样本数据和测试样本数据的提取；其中，训练样本数据为在样本数据中随机抽取的70％的数据，训练样本数据集x＝{ex，mx，lx，hx，vx}；测试样本数据为样本数据中余下的30％的数据，测试样本数据集y＝{ey，my，ly，hy，vy}；

s1033、在matlab软件中将训练样本数据集x中的能耗训练样本数据集ex作为输出量，吊具吊装质量训练样本数据集mx、起吊高度训练样本数据集hx、小车水平运行距离训练样本数据集lx和小车速度训练样本数据集vx为输入量，导入经步骤s1301建立的bp神经网络模型中，对模型进行优化，形成岸桥运行能耗预测初级模型；

s1034、将测试样本数据集y中的能耗测试样本数据集ey作为输出量，吊具吊装质量测试样本数据集my、起吊高度测试样本数据集hy、小车水平运行距离测试样本数据集ly和小车速度测试样本数据集vy为输入量，作为校正数据导入经步骤s1303建立的岸桥运行能耗预测初级模型中，利用遗传算法对bp神经网络初始值和阈值进行优化，得到更新后的bp神经网络模型；

s1035、对更新后的bp神经网络模型中的岸桥能耗预测数据进行反归一化计算，形成在不同吊具吊装质量m、起吊高度h、小车水平运行距离l和小车速度v约束下的岸桥能耗预测数据，即岸桥节能操作条件下的能源消耗基准值ei。

其中，反归一化处理的计算公式为：

其中，ei为经过反归一化计算后实际的岸桥能耗预测值，为归一化后的岸桥能耗值，eimax和eimin分别为实际的岸桥能耗实际样本数据的最大值和最小值。

实施例2

如图2所示为实现上述港口岸桥节能操作量化评定方法的相应评定系统，具体包括：信号采集系统、信号收发系统、数据分析装置、报警装置、存储装置和显示装置；其中，

所述信号采集系统包括安装在岸桥受电端的电能计量装置、安装在岸桥吊具上的负荷传感器、安装在岸桥小车上的速度传感器、安装在岸桥缆绳卷盘轴上的旋转编码器和安装在岸桥大梁尾部的倾转系统上的直线位移传感器；

所述信号收发系统包括一个设置在岸桥上的无线信号发射装置和一个设置在所述数据分析装置上的信号接收装置；所述电能计量装置、负荷传感器、速度传感器、旋转编码器和直线位移传感器上分别采用信号传输线与无线信号发射装置连接；

所述数据分析装置分别与所述存储装置、所述显示装置和所述报警装置，通过数据传输线连接；所述数据分析装置处理所述信号采集系统采集获得的源数据并计算出对应工况下的岸桥能耗预测值ei经过与电能计量装置实时测得的岸桥能耗ei’比较，判断是否触发所述报警装置；所述存储装置接收并存储由所述数据分析装置接收的源数据和计算得到结果数据；所述显示装置显示所述数据分析装置计算得到结果数据。

其中，所述报警装置包括声音提示器、红灯提示器和黄灯提示器；当所述数据分析装置的计算结果为ei’高于ei20％时，声音提示器和黄灯提示器被触发，当所述数据分析装置的计算结果为ei’高于ei50％时，声音提示器和红灯提示器被触发。