電力系統檢修計劃優化思考論文
電力系統檢修計劃優化思考論文
摘要:隨著社會經濟的不斷髮展,對電力的要求也越來越高。在電力系統檢修中,檢修費用在電力成本中佔據很大的一部分。電力系統規模的不斷擴大,電力裝置數目的不斷增長,人工進行檢修的難度也在不斷的增加。經常性的檢修會造成停電,給電力企業帶來一定的損失。針對這些問題,亟需對電力系統的檢修計劃進行優化,以提升檢修效率。該文擬先對電力系統檢修的方式方法進行歷史性的回顧,然後對現有的電力網路模型進行詳細的分析,進而闡述當前電力系統檢修計劃優化的方法,最後對還未能解決的問題進行簡要的陳述。
關鍵詞:電力系統檢修計劃優化方法
當前,隨著電力系統的不斷髮展,在進行電力檢修的時候,通常還是使用人工檢修的方法來進行。這種傳統的方法伴隨著電力結構日趨複雜,已經遠遠不能符合實際的需要,因此急需對原有的檢修計劃進行優化。電力系統的檢修計劃對電力系統的正常執行具有十分重要的影響,使用人工方式進行檢修,不僅無法保證電力系統的正常執行,工作量大、所花成本較高,工作人員的安全性也難以得到保證。在進行電力系統檢修計劃優化時,要兼顧考慮的因素很多,也比較複雜,建立一個標準統一的優化模型也是比較困難的。該文主要採用目標函式以及約束條件來建立優化模型,並進行深入分析,提出優化方法。
1電力檢修方法的發展歷史
進行裝置檢修的主要目的是為了保證裝置維持能夠完成某種工作的能力,合理及時的對裝置進行檢修,能夠保證裝置元件的安全以及系統執行的穩定性,最大程度的提升裝置的使用率,節省成本。裝置檢修的方法主要有:事後檢修、預防性定期維修、狀態檢查以及以可靠性為中心的檢修。對於電力系統來說,使用每種檢修方式都存有利弊,現在進行簡要的分析。事後檢修是指在裝置出現故障之後,對裝置進行檢修。其檢修的主要目的是排除故障。如果故障較輕,這是一種非常經濟的檢修方式。然而使用這種檢修方式,無法確保電力系統的可靠性,如果情況嚴重會引發連鎖反應,並且對停電時間沒有明確的估計。預防性檢修包含兩方面,一是定期維修,一是定期更換。定期檢修是根據裝置磨損的規律,按照相關的時間對裝置定期進行維修。只要到了特定的時間,不論裝置是否存在問題,都要對裝置進行維修。它的優點在於能夠最大限度的減少裝置故障的發生,但也有缺點,主要是檢修出現過剩,浪費人力、物力、財力;另外就是存在一定盲目性,不能根據裝置本身的具體情況來進行檢修,如果出現失誤,就會給裝置的壽命帶來影響。定期更換是指到了規定的時間就要對裝置進行更換。狀態檢修是指以裝置執行的狀態為基礎,進而預測裝置是否會出現故障的一種檢修方法。通過日常對裝置的檢查,將檢查的資料與標準引數作對比,然後對裝置執行的未來趨勢作出一定的判斷。這種檢修方法是為經濟的,但是由於需要事先安裝一定數量的檢測裝置,無形中又提升了成本。以可靠性為中心的檢修方式是對上述檢修方式進行了綜合,它不但考慮的電力裝置執行的狀態,同時還考慮了其在電力系統中的重要性。在我國,電力企業傳統的檢修方法是採用事後檢修以及預防性檢修。現在狀態檢修已經成為未來發展的趨勢。對於未來電力系統的發展,還需要做進一步的觀察,根據實際情況,對電力系統的檢修方式進行優化。
2檢修計劃優化模型的建立
2.1目標函式
在電力系統檢修計劃中,目標函式可以分為單目標函式和多目標函式兩類。其中,單目標函式包括經濟性目標、實用性目標以及可靠性目標。傳統的檢修計劃通常對經濟性目標考慮的較多,目的是為了能夠有效的降低費用,並將可靠性作為約束性條件。隨著電力系統規模的不斷髮展,檢修的問題日益複雜化,針對這種情況,多目標函式被逐漸的引入到檢修計劃中來。
(1)經濟性目標函式,
在這類函式中,通常包含著生產費用和裝置檢修費用。裝置檢修費用包括在長期的執行中,裝置由於磨損而產生的費用以及增加人工而出現的額外費用。生產費用指的是由於停電而導致出現損失的電費。通過對相關文獻的分析,一些案例中使用了經濟性指標,將檢修產生的費用與停電產生的費用相加,其和最為最小的目標函式。還有一些文獻中的案例對電力市場的環境進行了充分的考慮,把由於檢修導致線路潮流變化而出現的無功缺額而增加的購買無功的費用也算到經濟性目標函式裡面。
(2)可靠性目標函式,
可靠性目標函式又可以分成隨機與確定兩個類別。確定的目標中,如果一個裝置停止執行,那麼其它裝置還能夠保持最大的電力供應能力,將其作為目標函式。使用確定性目標函式的時候,通常會認為裝置執行狀態會一直很好,但實際上執行後各個階段是有一定的差異的。隨機性目標函式對由於故障而導致的停機以及裝置可利用率的不穩定性進行了充分的考慮,這樣就使得目標函式與實際更加符合。通過分析相關的文獻,一些文獻中的例項對機組檢修時所佔用的一部分備用容量進行了考量,因此,將剩下的淨備用容量的最大化來當做目標。還有一些文獻中以提升供電的可靠性作為最終的優化目標,並且把每一次停電的戶數和停電持續的時間相乘得出的積作為目標函式。
2.2多目標優化函式
對檢修計劃進行優化的目標是多樣化的,目前許多文獻中所採用的方法是對每個函式進行相加,之後再將其轉化為單目標函式,這種演算法會將一些函式所具有的功能抹殺掉。除此之外,使用單目標函式對於最後的優化結果分析也是不利的,所以為了能夠有效的對檢修計劃進行優化,應該將多目標理論應用到檢修計劃優化中來。通過分析相關的文獻,一些文獻提出了兩種檢修計劃優化法:其一,使用線性加權來對多個目標函式進行轉化,使其成為單個目標,把停電帶來的損失負荷以及檢修的工作量的加權作為目標函式,在此基礎上建立優化模型;其二,對檢修的經濟性與可靠性之間的平衡問題進行了充分的考慮,為了能夠反映出可靠性以及經濟性,使用期望缺供電量以及維修成本來進行。
2.3約束條件
為了能夠確保檢修計劃切實可行,必須設定相應的約束條件。約束條件主要包括技術約束、資源約束以及系統執行約束三類種。
（1)技術約束條件
,所謂技術約束是指在進行檢修的時候,必須要遵守相關的技術規範,按照上級部門的要求進行工作。技術約束包括檢修時段的約束、持續時間的上下限、連續性的要求、檢修順序、同時檢修以及不可變更的檢修等幾個方面,每個方面都有各自具體的要求,需要按照規章制度嚴格遵守。
（2)資源條件約束,
所謂的資源約束指的是該電力企業所擁有的檢修人員、檢修裝置包括車輛等資源。按照不同的要求可以將資源約束分為以下幾個方面:其一,多組可用檢修人員,分類標準是依據專業以及地理位置來劃分;其二,同時檢修容量約束,分類標準是檢修裝置以及備品備件等。
(3)系統執行條件約束
,所謂系統執行條件約束,指的是在對裝置進行檢修的期間,除了要確保電力使用者用電的可靠性,同時還要確保電力執行的安全穩定。一般情況下,為了確保電力系統執行的穩定性,必須要考慮支路潮流、網路連通性、系統執行的網路輻射性等方面。在進行電力檢修計劃優化模型建立的時候,對於上面提到的約束條件,應該根據實際情況進行考慮,無需將所有的約束條件都考慮進去。通過查詢相關文獻,一些文獻的論述中對基本的檢修資源、時間以及潮流約束進行了考慮,同時運用缺供電約束來對可靠性進行保證。對於以上所提出的約束條件,一重要性也各不相同。有一些約束條件是必須要滿足的,而有一些就可以不用太多考慮。需要特別重視的約束條件,比如檢修計劃時間段以及與系統安全執行有關的約束等;對於人力和資源的要求靈活性比較大,可以根據實際情況來考慮。
3檢修優化演算法分析
電力系統檢修計劃模型建立之後,就需要運用演算法對模型進行求解。大體上,可以將求解的方法分成傳統的數學優化演算法、啟發式演算法以及採用人工智慧。下面對這三種演算法進行詳細的分析。
3.1傳統數學演算法
(1)0—1整數規劃演算法,
在整數規劃中,這種形式是比較特殊的,變數的取值只有兩個,0或者1。求取0—1整數規劃最直接的方式是採用列舉法進行。具體做法是對每個變數進行觀察,對每個組合的函式值進行比較,進而求取結果;這種方法的好處是能夠確保整個過程的最優性,但當變數數目很大時,求解就比較費勁。(2)線性規劃法,這種理論發展的歷史比較長,成熟的比較早。它主要是對在一組線性約束條件下,來對線性目標函式的最大或者最小進行優化。它計算簡答方便。如果使用線性代數來對檢修計劃優化進行求解的話,還需要簡化優化模型,這樣一來,最終的結果可能與實際預期是不同的。所以,一般情況下,可以把線性規劃與啟發式演算法結合在一塊,來對電力檢修計劃優化進行求解。通過對相關文獻的分析,一些文獻將線性規劃和模糊推理相結合,通過兩步就可以將檢修計劃優化進行求解。
3.2啟發式演算法
所謂的啟發式演算法就是根據所要求解問題的基本特性,找尋能夠解決問題的最佳途徑,其目的是在能夠可以接受的範圍內尋求最佳的解決方案。它的主要優點在於計算方法簡單、速度較快,很容易實現。但同時也存在不少缺陷,比如,所求解答不能保證是最優的結果;如果設計者的技術和經驗水平較低,那麼求解就會受到一定的限制。
3.3人工智慧演算法
(1)智慧優化演算法,
隨著科學技術的不斷進步,人類在自然規律的啟發下,研製出了人工智慧演算法。電力系統的複雜性在逐漸的增大,在對其進行檢修的時候,困難也在逐漸的增加。傳統的演算法在對檢修計劃優化進行求解時,遇到的挑戰越來越大。因此,在電力檢修中,將人工智慧演算法引入,能夠極大的提升求解的效率。目前,電力維修領域使用最多的人工智慧演算法有模擬退火、遺傳演算法等。下面對這兩種演算法進行分析闡述。
(2)模擬退火演算法分析
,所謂的“模擬退火演算法”是指對加熱後融化的金屬過程加以模擬,進而尋找最優的求解方式的方法。在使用這種演算法進行求解的時候,能夠接受一定概率的劣解,能夠站在全域性的角度來進行求解,而不是隻關注區域性的最優。它對於初始值的依賴程度比較低,並且很容易能夠實現,從理論上講,能夠把全域性的最優解收集到。當然也存在一些缺點,主要是運算的速度比較緩慢。通過分析相關的文獻,一些文獻中對於發電機組的檢修優化就使用了模擬退火演算法來尋求最優解。
(3)遺傳演算法分析,
所謂的“遺傳演算法”,是在接受了生物進化的啟迪之後研究出的智慧演算法之一,由於這種演算法能夠實現高效的全域性搜尋,在許多工程領域已經普遍應用了。它的基本原理是將遺傳空間的串結構資料當做解資料,隨機的產生初始群體,同時對每一個個體的適應度進行計算,之後進行選擇,最後得到適應度最大的個體,這就是所要優化問題的最優解答。通過分析相關的文獻,一些文獻中,對於遺傳演算法的複製、變異和交叉,提出了自己的改進方式,進而來提升優化的效率,同時運用改進之後的遺傳演算法來對電力裝置的檢修進行優化。
(4)智慧混合演算法
分析隨著電力系統的規模不斷擴大,其複雜性也在日益的增加,如果採用單一的演算法進行最優解的求取,還是會存在一定程度的侷限性。因此,把多種智慧化演算法結合起來,將各自的優點融合在一起的混合智慧演算法越來越受到人們的歡迎。在電力系統的檢修優化中,智慧混合演算法已經得到了應用。例如,一些文獻中,將每個個體區域性啟發式搜尋和遺傳演算法結合在一塊,創造出了一種文化基因演算法,同時將這種新創立的演算法應用到對發電機組檢修計劃優化問題的求解中,取得了良好的效果。
4結語
綜上所述,隨著電力系統規模的不斷擴大,電力系統的檢修難度也在逐漸的加大。傳統的檢修計劃存在一些問題,急需對其進行優化。該文先分析了電力檢修方式的發展歷程,然後針對建立的檢修計劃優化模型,從目標函式以及約束目標兩方面對其進行了分析,最後對優化問題的求解方法進行詳細的分析,期待本文的研究能夠對電力系統的檢修計劃優化在理論上有所啟迪。
參考文獻
[1]周小藝,唐磊,田方媛,等.電力系統檢修計劃優化問題研究[J].華北電力大學學報(自然科學版),2014(6):67-74,87.
[2]謝麗榮,楊樂勇,吳炳祥,等.一體化檢修計劃優化管理系統的研究及實現[J].江蘇電機工程,2012(1):1-4.
[3]任志遠,董雷.供電系統檢修計劃決策系統的研究[J].科技傳播,2011(22):112-113,110.
