引言

在智能电网运维一体化建设的过程中，电网企业需要结合当前实际情况，合理优化生产工作流程，将精益化管理模式应用到实际的管理工作中，进而促进推行新型智能电网配电运维一体化模式顺利的实施，最终取得较为理想的实施效果。

1配电运维一体化建设的必要性

电力能源对社会的快速发展起到了很好的支持作用，我国在近年来对电力基础设施展开建设，并且也取得了很大的成就，尤其是我国现在已经建成了贯穿全国的电网系统。但是配电网系统在这一过程中也历经很多次的变革，对于智能电网来说不仅可以给人们的日常生活和工作提供有效又稳定的电力支持，而且也是电网系统主要的发展方向。智能电网的功能之所以十分强大，主要就是因为有很好的技术支持。

2现场运维工单调度影响因素

电力通信现场运维作业调度问题描述如下：整个作业调度过程中需要考虑到运维人员、运维资源、运维工单3大类。对3类运维影响因素进行需求分析，总结出各个影响因素的属性。对于运维人员，其包括各种类型的技能、熟练程度和权限状态；对于运维工单，每个运维项目有不同的工作序列，每道工序有所需工作技能、工作资源和相应完成时间；对于运维资源，包括运维种类和数量。通过研究发现，电力通信网现场可穿戴运维作业工单调度问题可以描述如下：一个项目组有ｍ1，ｍ2，…，ｍｍ成员，每个成员都有不同类型的技能和熟练程度。项目团队现在需要完成ｐ1，Ｐ2，…，ｐｎ不同的项目，每个项目都包含ｊ1，ｊ2，…，ｊｋ任务工作序列。流任务工作序列列预先给出，并且还给出完成每个任务工作序列的时间：ｔ1，ｔ2，…，ｔｋ。每个任务工作序列都由所需的工作技能类型和工作时间（总工作量、小时数）来表示。不同项目的每个任务工作序列可能需要具有不同技能的员工。员工ｗｉ（ｉ＝1，2，…，ｍ）具有技能ｓ1，ｓ2，…，ｓｆ，相应的技能因子是ｙ₁，Ｙ₂，…，ｙｆ（ｆ是技能类别的数量，技能因子ｙｉ等于［0，2］，0表示没有技能；1表示平均技能，这意味着工人已经掌握了基本技能；2表示技能很熟练。技能因子由团队领导给出（可以使用专家评估方法）。由于项目团队成员具有技能因子大于０的各种技能，因此当他们有空时，成员将与任务工作序列进行多对多的关系映射：可以选择一名员工来部署多个任务，一项任务还可选择多名工作人员完成。部署成功后，可以在完成当前任务之前为其分配任务。

3建设配电一体化时的相关策略

3.1对相关工作人员的培训力度加强

在智能电网的背景下建设配电运维一体化的时候需要有很多专业的人才参与其中，无论是后台人员还是前线人员，每个员工都需要掌握过硬的工作本领。所以在配电运维一体化建设的时候，注重工作人员的发展和不断加强工作人员的培训具有着很高的必要性。那么在实际进行建设的时候，作为工作人员首先就需要有一个十分积极的工作态度，上层领导需要对运维人员的工作能力和工作态度格外关注，让运维人员在日后的工作中贡献出一份属于自己的力量，那么就需要对运维人员培训力度不断加强。以此来让运维人员可以更加积极主动地参与到配电运维一体化的建设中，并有效地促进运维一体化的发展。

3.2加强完善激励机制

基于运维一体化工作性质而言，相关运维人员在实际的工作中，面临着较大的工作强度及难度，在很大程度上弱化了运维人员的工作积极性。基于此情况下，必须不断完善激励机制，充分发挥其效能，确保相关运维人员整体水平的提升。在实际的运维过程中，电力企业要帮助企业员工实现其职业规划，逐渐提高对员工的重视度，使得员工在实际的工作中不断实现自我价值。与此同时，还需要根据员工的付出，适当的调整员工的薪资待遇，提高企业员工对电力企业的满意度，增强员工的归属感。

3.3正确看待运维一体化建设所遇到的问题

配电运维一体化的建设方针在智能电网背景下需要大量的时间探索，尤其是在实践的时候所遇到的各种问题，都需要不断地记录并解决，让这一系列的问题在日后的建设中不会再次出现。同时对遇到的问题也需要进行反思，经常开会去讨论这些问题产生的原因，各方都发表完意见之后将这些意见充分整合。以此来对运维一体化建设中所遇到的问题不断地进行改进与修正，并对建设制度和各项管理逐渐的完善，让整个智能电网在今后的实际发展中不仅可以更好地体现它的商业价值，同时也有更好的发展空间。

4基于改进病毒遗传算法的工单调度方法

本文在建立数学模型的基础上，采用改进病毒遗传算法进行工序排序。为确保任务的高质量，现场可穿戴运维人员部署应确保将具有最高技能因子的几名运维人员分配到当前任务。1）初始化。初始化操作中，通过对宿主个体编码来初始化宿主种群，通过对病毒个体编码来初始化所述病毒种群。2）计算适应度和生命力选择操作是对当前个体集合中选择较优的个体进入下一代的过程，本文的选择操作用轮盘赌来实现。基本原则是根据每个染色体适应度值的比例确定个体的选择概率或生存概率。3）主染色体进化交叉操作是保障遗传算法有效性的重要环节，交叉操作一般采用每一对父代个体通过变化基因位产生新一代个体的方法进行。由于本文的遗传算子采用实数编码，采用双个体交叉算子进行交叉操作会增加校正伪解的工作变异操作在遗传算法中作为交叉操作的有益补充，旨在搜索过程中扩大邻域搜索范围，本文的变异操作采用单点变异算子进行。单点变异算子对选择的染色体随机选择两个基因位，将这两个基因位的基因进行对调，这种基于单个基因位的单点变异算子能够有效的改变新个体与旧个体之间的海明距离，有利于搜索范围的扩大，对跳出遗传算法的局部最优有明显的改善。4）病毒的进化①病毒感染。宿主染色体的相应模式基因将被病毒染色体基因所取代，将产生新的宿主个体。每一个病毒感染每个宿主个体的概率是Ｐｉｎｆｅｃｔ，如果宿主个体的适应度在感染后增加，那么感染后的宿主个体将在感染前取代宿主个体。②病毒繁殖。随机选择宿主个体，宿主染色体的每个模式基因将用Ｐｃｏｐｙ概率替换病毒染色体中的相应基因，最初的病毒个体是通过复制产生的，即通过宿主染色体以概率Ｐｃｏｐｙ复制到没有感染能力的病毒个体。复制的作用是增加演化计算能力，或产生部分活跃的新资源模型。

结束语

综上所述，针对同样的运维作业调度问题，改进病毒遗传算法求解的质量均优于基本遗传算法，与遗传算法相比，改进病毒遗传算法不仅缩短了运维作业调度问题计算时间，而且减少了计算代数，可快速获得最优工程解决方案，能够满足提高运维作业任务质量，缩短运维作业任务持续时间的需求，具有更佳的实际应用效果。

参考文献

［1］张亮，王建磊．浅析新形势下电力通信网运维管理方式［Ｊ］．中国科技信息，2013（23）：95－97．

［2］宋亚楠，仲茜，刘斌．基于边际效用函数的网络资源调度［Ｊ］．电子学报，2013，41（4）：632－638．

［3］夏家莉，陈辉，杨兵．一种动态优先级实时任务调度算法［Ｊ］．计算机学报，2012，35（12）：2685－2695．