李淮海, 孙向东, 杨俊, 胡俊琛, 周博阳
(1.国网安徽省电力有限公司经济技术研究院,安徽 合肥 230000; 2.安徽省电力工程质量监督中心站,安徽 合肥 230000; 3. 安徽南瑞继远电网技术有限公司,安徽 合肥 230000)
在整个电力工程项目中,工程的施工、验收阶段等每个环节都相互关联,一旦任何一个流程出现问题,都会使整个电力工程的施工受到严重的影响[1-2]。文献[3]公开了一种AR技术,该技术为一种新型的领域,在施工现场环境中建立1∶1模型,使施工方能够更快地了解施工信息,但目前该方案较不成熟,还未达到广泛应用,对施工进度信息的管理还不是很精确。文献[4]使用聚类分析算法实现对施工异常的信息处理,该算法通过把一个异常对象集合通过某种算法划分为几类,同一类异常信息对象相似,不同类不相似,其优点在于能分析出施工工程异常原因属于哪一类,但是异常信息原因不够精确,达不到智能施工的目的。
针对上述技术存在的缺陷,本文通过分析电力工程施工信息的管理方案,构建了电力工程施工信息管理结构图。该技术方案中,使用人工智能技术对施工信息管理,使电力工程施工效率更高,能更精确地处理施工中的故障,进一步满足不同电力工程施工现场的信息管理[5]。信息管理架构示意图如图1所示。
图1 电力工程施工信息管理架构示意图
电力工程施工信息管理分为三个结构,包括信息收集模块、数据处理以及信息管理三个结构层面[6]。首先使用人工智能、传感器、二维码和视频等技术对电力工程施工现场进行信息收集,通过B/S服务器进行信息交互。然后构建建筑信息模型(building information modeling, BIM)信息管理平台,进行施工数据传输监控与操作记录,施工工程信息与反馈,以及信息管理者身份定义模块对各种信息结构进行管理。信息管理结构主要分为对人员信息管理、设备以及物料信息的管理、施工安全信息的管理、现场环境信息管理以及质量验收与合同管理。本文主要使用BIM方法构建信息管理平台,并采用模糊信息分析方法,以实现信息管理的高效性,分析施工过程中异常的原因,提高施工效率[7]。
利用BIM方法以构建电力工程项目模型信息以及在工程项目施工中所产生的相关信息,这些信息都是施工进度信息的主要来源[8]。
BIM的模型平台通过三个环节来实现:信息收集、信息组织和信息处理。首先,信息收集是通过人工一一录入照片等方法完成;再根据电力工程行业的相关标准以及这些数据管理者对施工过程控制的要求,对所有收集到的信息进行归类、编码和储存后完成整理这些信息的组织工作;最后,该系统结合了相关信息对施工进度进行建模,管理物料、管理质量、管理安全性、管理成本以及其他信息的处理。
本文将计划进度与实际进度进行比较,通常根据电力工程深化模型将施工进度计划的信息与工程项目施工的实际进度进行对比分析,以找出施工进度的差异原因。保证项目进度的合理控制和优化,提高对施工进度的管控能力,为调整施工进度提供可靠依据。经过研究与分析,优化了电力项目的现有施工进度控制系统和当前BIM技术的进度控制流程,以建立基于BIM技术的进度控制改进流程,如图2所示。
由图2可知,BIM方案进度控制的改进流程可分成四个部分。
图2 基于BIM技术进度控制的改进流程
(1)信息预处理,校验施工模型。根据电力工程项目施工图资料进行初步建模,并根据电力公司要求以及工程施工现场的实际情况,进行三维施工模型的深化设计得出的深化模型;再由电力公司或者第三方咨询公司对施工深化模型进行复核,主要复核模型表达细节、精度、碰撞冲突以及可细分性等。如果要深化电力工程模型中的问题,则应该再次深化建模,同时根据施工计划和施工现场的实际进度,确定影响工程进度控制的因素,并利用进度控制问题建立深化模型,提出解决方案。
(2)将施工深化模型根据进度计划的工作分解结构进行拆分,确保拆分的模型能够与工作分解结构一一对应,分解完成后得到细分模型,细分后模型可以通过BIM技术计算软件进行计算。
(3)在细分模型的基础上轻量化处理,并在最终模型上绑定电力工程项目进度计划信息和实际项目进度信息,为下一步的进度对比分析提供依据。
(4)根据细分模型上绑定的计划进度信息和现实进度信息,生成各个阶段的进度。对比分析通过视频模拟来实现。通常,在对电力工程的施工进度进行分析比较之前,可以将实际的进度信息与整个施工过程联系在一起。将细分模型和相关工程进度数据集导入5D平台,以模拟和优化计划。控制电力工程施工进度遇到项目目标不科学、控制工程项目施工信息进度依据不科学、施工进度不合理、不符合资源分配计划和检查不足等问题,无法根据现实的状况及时调整施工进度的综合解决方案。将进度信息对比分析的结果以及改进或者优化后最终制订工程项目进度控制计划,由施工单位的技术部门进行审核校验,通过后生成相应的进度信息分析报告。
首先从平日的项目实例数据库和历史信息记录中选择较为合适的异常样本。设当前要分析的施工故障检测项目为p1、p2、…、pm,保留样本中pi(i=1,2,…,m)类检测的信息值,删除剩余的项目。再将样本的信息标准化。设标准化的样本集为:
S={s1,s2,s3,…,sn}
(1)
式中:sn为不同数据信息的数据信息。
原因集为:
C={c1,c2,c3,…,cn}
(2)
式中:Cn为不同数据信息的原因集。C中也许有相等的元素,即两个样本的原因也有可能相同。
使用模糊分析法进行聚类分析,按照式(3)求出各个样本之间的相似程度。
(3)
式中:sik为第i个模本第k项监测的标准化后值;sjk为第j个样本第k项观测的标准化后值。
利用式(3)来构成相似的关系R:
(4)
由(4)式得,R满足自反性和对称性。R是否满足信息的传递性,若不满足,则令R×R=R2,再自乘R2×R2=R4,然后再得R8,直到R2k=Rk为止。再令R=Rk。聚类方法为:先决定一个λ值,再作R的λ截距阵Rλ,即令:
(5)
这样既可得到分类结果:在λ水平上,si与sj同类Rλ(ij)=1。
设si与sj被分为同一类,有两种可能:
(1)si与sj对应C集的因素相同,则舍去cj,令sj的原因针对ci。
(2)si与sj对应C的因素不相同,则在原因集中加入一个全新的元素cij,其意义为可能是si也可能是sj的原因,舍去ci及cj,且令i样本及j样本的原因指向cij。
设样本集为S={s1,s2,s3,…,sn},原因集为C={c1,c2,c3,…,cn}。此时的C中仍可能有相似的原因,可以解释为原因的程度不相同,而视为不同原因予以保留。
然后使用逐步分析法求各个样本的聚类中心。将n个模本分成h类,形成初始分划矩阵U0:
(6)
式中:Uij为U0中i行j列的元素。
令xjk(k=1,2,…,m)为第j个模本的第k项监测信息数值。定义距离为:
(7)
依据以下公式实现迭代计算。
(8)
(9)
式中:i=1,2,…,h;j=1,2,…,n;r为大于1的一个参数;vi={vi1,vi2,…,vim};xk={xk1,xk2,…,xkm};k=1,2,…,n。式(8)是m个等式的缩写形式。
具体迭代步骤为:
第一步:根据U0和式(8)算出聚类中心vi。
第二步:再根据式(9)和已计算的vi,算出全新的分划矩阵U。
最后对施工故障异常原因进行分析。将要分析的故障信息标准化,设结果为f={f1,f2,…,fm},然后算出与其各聚类中心的间距,与哪个聚类中心相近,那么信息即属于与它相近的那一类,即若:
‖f-vi0‖=min{‖f-vi‖},i=1,2,…,h
(10)
则xj属于i0第类,其施工故障原因为ci0。
在某电力工程施工现场进行信息管理,使用BIM技术构建信息管理平台,并使用模糊方法分析信息在本次试验中。采用的硬件计算机操作系统为Microsoft Windows 2015,64 位,主要开发工具为Visual Studio 2015,OpenCV 3.0。运行环境硬件参数为CPU:Inter(R)Core(TM)i7;主频为2.59 GHz;内存16 G。
将数据库内部信息数量设定为试验样本,在此试验共计8组试验样本,采用文献[3]方案与文中所设计的BIM方法构建信息平台方案分别进行信息管理,并对比各数据信息数量的负载能力,具体试验模本的数据设定见表1。
表1 系统测试样本数据
使用以上数据作为试验测试的样本,通过式(1)~式(9)对以上信息进行处理,得到系统测试结果如表2所示。
表2 系统测试结果对比
通过测试结果可直观看出,文献[3]方法信息的负载量远低于本文研究的方案,文献[3]方法在进行第8次测试时出现系统异常的情况,在第9次与第10次试验时,施工系统已无法正常运转。通过以上测试数据结果可知,本文研究方案信息管理性优于文献[3]管理信息系统,将BIM方法应用于电力施工项目信息管理中,可有效提升管理效率,以达到最优的施工效率。
图3为本文方法分析故障原因与工程师人工分析两者准确率对比图。
图3 故障原因准确率对比
图3结果可以看出,本文模糊信息分析方法对监测故障原因准确率有较理想的优势,传统工程师分析故障原因准确率为95%左右,而模糊信息分析方法准确率可达到98%以上。试验结果表明,本文模糊信息分析法比传统的工程师故障分析能够得到更为理想准确的故障原因结果。
本文基于人工智能技术来对电力工程施工信息进行管理,该设计将MIS方法和模糊信息分析法对电力工程施工故障信息监测管理和数据模糊化分析,全面实现电力项目施工管理的信息化。本文通过测试验证在电力工程施工中使用两种方法,对其电力工程施工信息管理提升了一个高度,也对其他工程施工信息管理进一步的提升奠定了理论基础。