智能电能表配送优化及平台系统设计研究

发布时间：2022-12-04 16:09

　　智能电能表是智能电网的基本计量装置,随着智能电网的快速发展,智能电能表的推广使用和使用已经成为了一项重要工作,这给电力公司对智能电能表的配送提出了更高的要求。作为建设智能电网的一项基础性工作,大规模更换智能电能表会使电力公司计量中心物流配送规模不断扩大,所以提升智能电能表配送效率,减少智能电能表配送过程中的各种成本,减少智能电能表堆积在计量中心仓库的库存成本已经成为电力公司的一项重要课题。本文首先对国内外物流车辆配送优化问题的研究进行了梳理,通过对文献的研究和总结,确定了智能电能表配送优化问题的研究思路和研究内容。其次对现有理论进行梳理,包括配送、配送中心和物流车辆路径问题的各种理论,通过回顾总结相关理论,为智能电能表配送优化模型的建立奠定了良好的理论基础。然后在基本配送优化模型基础上,建立了智能电能表配送优化模型,通过遗传算法和粒子群算法的对比,选择应用粒子群算法求解智能电能表配送优化模型,求解出智能电能表配送的最优路径。最后构建了智能电能表配送平台系统,通过平台系统的构建,使得智能电能表的配送工作更有效率。 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 物流车辆配送优化问题国内外研究现状
        1.2.1 国外物流车辆配送优化问题研究现状
        1.2.2 国内物流车辆配送优化问题研究现状
    1.3 本文的研究内容与创新点
    1.4 本章小结
第2章 配送及路径优化相关理论基础
    2.1 配送及配送中心
        2.1.1 配送的概念
        2.1.2 配送的分类
        2.1.3 配送中心概述
    2.2 物流车辆路径问题
        2.2.1 物流车辆路径问题的定义
        2.2.2 物流车辆路径问题的构成要素
        2.2.3 物流车辆路径问题的分类
        2.2.4 物流车辆路径配送优化的目标
    2.3 本章小结
第3章 智能电能表配送优化模型的构建
    3.1 物流配送优化问题的模型
        3.1.1 基于行驶距离最短和使用车辆最少的物流配送优化问题
        3.1.2 基于开放式车辆路径物流配送优化问题
        3.1.3 基于顾客满意度的物流配送优化问题
    3.2 模型建立的思路总结
    3.3 智能电能表配送路径优化模型的建立
        3.3.1 模型构建的假设条件
        3.3.2 模型的约束条件
        3.3.3 模型的变量描述
        3.3.4 建立智能电能表配送优化模型
    3.4 本章小结
第4章 智能电能表配送优化模型求解及仿真研究
    4.1 粒子群算法
        4.1.1 粒子群算法简介
        4.1.2 粒子群算法的特点
        4.1.3 粒子群算法的基本原理
        4.1.4 粒子群算法的参数释义
        4.1.5 粒子群算法的流程
    4.2 遗传算法
        4.2.1 遗传算法基本思想
        4.2.2 遗传算法步骤
        4.2.3 遗传算法的特点
        4.2.4 遗传算法的应用领域
    4.3 粒子群算法与遗传算法总结与比较
    4.4 模型求解及仿真研究
    4.4 本章小结
第5章 智能电能表配送平台系统
    5.1 平台系统构建的必要性
    5.2 需求分析
        5.2.1 用户需求
        5.2.2 业务需求
        5.2.3 功能需求
        5.2.4 非功能需求
        5.2.5 数据需求
        5.2.6 性能需求
    5.3 建设目标
    5.4 建设原则
    5.5 系统开发
        5.5.1 系统功能
        5.5.2 系统的作用
        5.5.3 平台开发
    5.6 智能电能表配送大数据平台设计
        5.6.1 整体设计思想
        5.6.2 大数据平台系统构成
    5.7 本章小结
第6章 研究结论与展望
    6.1 本文结论
    6.2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]考虑物料配送的飞机移动生产线调度问题优化[J]. 胡鑫铭,陆志强.  北京航空航天大学学报. 2017(12)
[2]基于局部优化遗传算法求解车辆路径问题[J]. 鲁春燕.  信息通信. 2017(02)
[3]基于PSO算法的物流配送车辆路径问题的研究[J]. 赵宇橙.  现代经济信息. 2017(01)
[4]基于同时取送货的多温共配冷链车辆路径优化[J]. 胡卫,梁承姬,樊陆彬.  广西大学学报(自然科学版). 2016(05)
[5]基于遗传算法的电力设备配送优化研究[J]. 张璨辉,陈向群,谈晓妍,郭丁荧,吕游.  仪器仪表用户. 2016(06)
[6]交通管制时限条件下城市物流配送优化双层规划模型[J]. 戢晓峰,普永明,梁斐雯,覃文文.  公路交通科技. 2014(12)
[7]带时间窗车辆调度问题的改进粒子群算法[J]. 王飞.  计算机工程与应用. 2014(06)
[8]基于改进遗传算法的物流配送路径优化[J]. 罗勇,陈治亚.  系统工程. 2012(08)
[9]带容量约束的车辆路径问题算法综述[J]. 晁晓菲,杨晓龙.  价值工程. 2012(05)
[10]求解VRPSDP问题的改进模拟退火遗传算法[J]. 葛洪伟,王银年.  计算机工程与应用. 2010(30)

博士论文
[1]林副产品配送优化辅助决策模型及GIS集成研究[D]. 郭建宏.北京林业大学 2008
[2]随机库存—运输联合优化问题研究[D]. 袁庆达.西南交通大学 2002

硕士论文
[1]电力应急物资配送系统优化研究[D]. 王丽国.华北电力大学 2014
[2]基于硬时间窗的军车管理优化调度系统设计与研究[D]. 蒲兴荣.重庆大学 2010
[3]城市物流配送体系及其路线优化的研究[D]. 孙洪茹.山东科技大学 2005



本文编号：3708578