一种电力工程现场的人工智能监理系统及方法与流程

摘要: 本发明涉及人工智能监理,尤其涉及一种电力工程现场的人工智能监理系统及方法。背景技术:1、在现有技术中,施工进度预测主要基于工单、人员、物料及工序数据,但仍存在问...
一种电力工程现场的人工智能监理系统及方法与流程

本发明涉及人工智能监理,尤其涉及一种电力工程现场的人工智能监理系统及方法。

背景技术:

1、在现有技术中,施工进度预测主要基于工单、人员、物料及工序数据,但仍存在问题:一是数据上报延迟或集中补录,导致系统状态与实际执行不同步,易误判任务停滞;二是同阶段多异常并存,难以识别真正影响关键施工条件的异常,易误判延期原因;三是模型侧重时间和资源,忽视任务联锁关系和实际路径,可能在前置条件未满足时提前预测进度,导致结果不符合实际约束。

2、中国专利公开号:cn119476915a,公开了一种变电站建设进度监控方法,包括:获取待建设变电站的总工作量、当前施工节点的历史施工数据、当前施工数据以及计划施工数据;其中,每一所述施工数据中包含有若干参数,所述参数包括:施工进度;根据所述当前施工数据以及所述总工作量,计算得到当前施工节点的当前进度量,并根据所述当前进度量与所述计划施工数据所对应的第一计划施工进度之差,计算得到当前施工节点的当前进度偏差量;根据所述计划施工数据、当前施工数据以及历史施工数据,确定所述当前进度偏差量与所述当前施工数据之间的相关系数,并将不为0的相关系数所对应的参数,作为所述当前进度偏差量对应的第一影响因素;根据预设预测时段内的计划施工数据、当前施工数据、所述预设预测时段的时长以及若干预设完成进度预测模型,得到在预设预测时段内的预测进度偏差量;对所述预测进度偏差量、历史施工数据、计划施工数据以及当前施工数据进行主成分分析,根据所述主成分分析的结果,从当前施工数据中选取一个参数,作为所述预测进度偏差量对应的第二影响因素;在所述当前进度偏差量小于第一阈值时,根据所述当前进度偏差量以及所述第一影响因素,生成当前偏差分析报告并预警;在所述预测进度偏差量小于第二阈值时,根据所述预测进度偏差量以及所述第二影响因素,生成预测偏差分析报告并预警。

3、由此可见,所述变电站建设进度监控方法存在由于施工进度数据上报滞后导致预测输入与任务实际执行状态不一致、多个异常事件并发出现导致无效异常被错误认定为延期原因,以及预测模型未充分约束任务间执行条件而导致预计完工时间异常提前的问题。

技术实现思路

1、为此,本发明提供一种电力工程现场的人工智能监理系统及方法,用以克服现有技术中由于施工进度数据上报滞后导致预测输入与任务实际执行状态不一致、多个异常事件并发出现导致无效异常被错误认定为延期原因,以及预测模型未充分约束任务间执行条件而导致预计完工时间异常提前的问题。

2、为实现上述目的,本发明提供一种电力工程现场的人工智能监理系统,包括:

3、数据采集模块,其用以获取变电站施工现场的施工进度数据,并根据施工进度数据的上报时刻判定上报数据与任务执行是否存在偏移;

4、模型构建模块,其用以对所述施工进度数据进行预处理和特征提取以得到进度特征,基于所述进度特征构建深度学习模型;

5、异常分析模块,其用以根据深度学习模型对施工进度数据进行异常分析以得到异常结果,并对异常结果进行关联以生成异常事件,以根据异常事件对应的施工对象和关键施工条件,进行异常阻断复位筛选;

6、预测模块,其用以根据深度学习模型对进行异常阻断复位筛选后的异常事件进行分析以得到变电站施工进度预测结果,以根据预计完工时间进行基于电气拓扑与送电路径的施工条件联锁门控校正。

7、进一步地,所述数据采集模块用以根据所述施工进度数据的上报时刻与任务执行的时刻不同,判定上报数据与任务执行存在偏移;

8、所述数据采集模块用以根据所述施工进度数据的上报时刻与任务执行的时刻相同,判定上报数据与任务执行不存在偏移。

9、进一步地,所述异常分析模块用以对施工进度数据进行时序编码和任务依赖关系传播,以得到各施工任务对应的任务状态表征;

10、所述异常分析模块用以对所述任务状态表征进行状态变化异常识别和施工条件缺失识别,以得到异常结果。

11、进一步地,所述异常分析模块用以对所述异常结果进行施工任务、设备对象、发生时间及关键施工条件关联,以得到关联异常数据;

12、所述异常分析模块用以对所述关联异常数据进行同源聚合和时序连接,以生成异常事件。

13、进一步地,所述异常分析模块用以在异常事件对应的施工对象与后续施工任务存在任务依赖关系,或所述异常事件对应的关键施工条件为后续施工任务的必要执行条件时,将所述异常事件确定为候选异常事件,并进行异常阻断复位筛选。

14、进一步地,所述异常分析模块用以在异常事件对应的施工对象与后续施工任务不存在任务依赖关系,且所述异常事件对应的关键施工条件为后续施工任务的非必要执行条件时,将所述异常事件确定为无影响事件,不需要进行推演。

15、进一步地,所述异常分析模块用以对候选异常事件对应的关键施工条件进行识别,并将由所述候选异常事件造成缺失的目标条件子项虚拟设置为已满足状态,以得到虚拟施工状态;

16、所述异常分析模块用以对所述虚拟施工状态进行任务执行状态重推演,并根据施工任务是否由停滞状态转为可执行状态,对所述候选异常事件进行筛选,以完成异常阻断复位筛选得到有效阻断事件。

17、进一步地,所述预测模块用以根据预计完工时间早于施工任务的最早完工时间,判定施工进度预测结果不合理,并基于电气拓扑与送电路径的施工条件进行联锁门控校正;

18、所述预测模块用以根据预计完工时间不早于施工任务的最早完工时间,判定施工进度预测结果合理。

19、进一步地,所述预测模块用以对施工任务对应的电气拓扑、送电路径及关联施工条件进行映射和状态核验,以得到施工任务联锁门控关系;

20、所述预测模块用以根据所述施工任务联锁门控关系,对关联施工任务的状态转移门控进行限制或恢复,以得到校正后的施工进度预测结果。

21、本发明还提供一种电力工程现场的人工智能监理方法,包括:

22、获取变电站施工现场的施工进度数据,并根据施工进度数据的上报时刻判定上报数据与任务执行是否存在偏移;

23、对所述施工进度数据进行预处理和特征提取以得到进度特征,基于所述进度特征构建深度学习模型;

24、基于深度学习模型对施工进度数据进行异常分析以得到异常结果,并对异常结果进行关联以生成异常事件,以根据异常事件对应的施工对象和关键施工条件,进行异常阻断复位筛选;

25、基于深度学习模型对进行异常阻断复位筛选后的异常事件进行分析以得到变电站施工进度预测结果,以根据预计完工时间进行基于电气拓扑与送电路径的施工条件联锁门控校正。

26、与现有技术相比,本发明的有益效果在于,本发明所述系统通过设置数据采集模块,可获取变电站施工现场的施工工单、人员投入、设备物料、工序验收及任务执行状态等施工进度数据,并根据施工进度数据的上报时刻与对应任务执行时刻进行时序偏移判定,及时识别延迟上报、集中补录及数据更新滞后等问题,保障施工进度数据与现场实际执行过程保持一致;通过设置模型构建模块,对施工进度数据进行预处理和特征提取,并基于所得进度特征构建深度学习模型,形成对施工任务状态、异常变化及预计完工时间的智能分析能力,提高施工进度分析的自动化程度;通过设置异常分析模块,依托深度学习模型识别施工进度异常,对异常结果进行关联以生成异常事件,并结合异常事件对应的施工对象和关键施工条件进行异常阻断复位筛选,筛除未实际阻断后续任务的伴随异常和重复异常,准确保留真实影响施工推进的有效阻断事件;通过设置预测模块,对筛选后的异常事件进行进度推演以得到变电站施工进度预测结果,并根据预计完工时间执行基于电气拓扑与送电路径的施工条件联锁门控校正,限制施工条件尚未满足的关联任务提前转移,同时保障独立电气间隔任务正常推进,提高了变电站施工现场的施工进度的预测准确性。

27、进一步地,本发明所述系统通过施工进度数据的上报时刻判定上报数据与任务执行是否存在偏移,由于变电站施工进度预测需要综合多类业务数据,各类数据对应的实际发生时间应当与施工任务的真实执行过程保持时序一致;当施工现场存在施工日报集中补录、工单状态延迟更新等情况时,数据上报时间与业务事件实际发生时间之间产生偏移,系统容易将数据未及时更新错误识别为施工任务停滞,导致施工任务有效施工时长、延期风险预测结果出现偏差,通过判定施工进度数据时序状态,可以发现施工进度数据中的延迟上报、集中补录及时间顺序冲突问题,保障施工进度预测输入数据与施工任务真实执行过程之间的时序一致性,避免因业务数据更新滞后或时间错位引发施工停滞状态误判及延期风险高估,进一步提高了变电站施工现场的施工进度的预测准确性。

28、进一步地,本发明所述系统通过根据异常事件对应的施工对象和关键施工条件,确定可能影响后续施工任务的候选异常事件,并进行异常阻断复位筛选,由于变电站施工过程中可能同时出现设备到货延迟、作业面未交付、前置工序滞后、专业交接未完成、专用机具故障及停电窗口未开放等异常事件,且部分异常事件仅与施工停滞同时发生,并未实际阻断后续任务所需的关键施工条件,造成伴随异常、重复异常或已被施工组织措施吸收的异常事件被错误认定为工期延期原因的情况,通过进行异常阻断复位筛选,可以仅虚拟恢复待判定异常事件造成缺失的条件子项,并重新推演后续任务能否恢复执行,从而筛除未形成实际阻断的异常事件,明确真实失效条件、直接受阻任务及后续影响关系,提高工期延期原因识别的准确性,进一步提高了变电站施工现场的施工进度的预测准确性。

29、进一步地,本发明所述系统通过预计完工时间判定施工进度的预测结果是否合理,并基于电气拓扑与送电路径的施工条件进行联锁门控校正,由于变电站各施工任务除受一般工序关系约束外,还受到设备间隔、一次接线拓扑、保护回路、停电范围及送电顺序的联锁限制,造成局部任务状态更新后,与其电气条件尚未闭合的后续任务被提前释放,或者单一间隔的施工异常被错误扩散至其他独立间隔的情况,通过进行基于电气拓扑与送电路径的施工条件联锁门控校正,可以将真实失效条件及受阻任务映射至对应设备间隔和送电路径,仅关闭受影响路径关联任务的状态转移门控,并保留独立间隔任务继续推进,从而避免施工任务越级转移及异常影响范围过度扩张,进一步提高了变电站施工现场的施工进度的预测准确性。