CN103177403A - 一种综合停电检修计划的控制方法 - Google Patents

Abstract

本发明公开了一种综合停电检修计划的控制方法，包括对设备状态进行跟踪监视，通过综合在线监测、带电检测输入设备状态数据，与存储在中央处理器上的数据进行比较，并确定是否需要检修；中央处理器根据检修状态和检修资源数目确定区域的停电检修效益、效率和停电检修任务之间的适应度联系，得到资源调度适应度矩阵；根据陪停规则和目标设定确定优化目标和约束条件；中央处理器对任务组进行编码，并随机产生抗体；中央处理器采用高效免疫遗传算法进行计算，获得全局收敛的优化结果；本发明实现检修计划中资源和任务全局协同分配，提高了停电检查的资源调度效益、效率，减少了花费的时间、成本、代价。

Description

一种综合停电检修计划的控制方法

技术领域

本发明涉及一种电网实施检修计划的选择方法，具体地说是一种基于高效免疫遗传算法的综合停电检修计划的控制方法。

背景技术

综合停电检修计划决策是进行电网高效管理，确保在停电计划编制过程中电网可靠性的预控、在控、能控的重要方面，也是统筹安排停电工作的要求。

在一个网络拓扑结构电网中，应对各条停电检修计划逐条进行拓扑分析，以确定各条停电检修计划的停电范围，做到减少全局的重复停电次数。因此，停电检修计划决策是一个大规模、多约束、多目标和控制变量离散等特点。目前在制定停电检修计划时，资源和任务不能实现全局协同分配，停电检查的资源调度效益差、效率低、成本高。

实际中，某一停电状态的适应值大幅度超过平均水平时，所带来的局部收敛对整体资源分配效率有重要负面影响。

发明内容

为了解决现有的停电检查决策方法存在的问题，本发明的目的是提供一种综合停电检修计划的控制方法，该方法基于电网实时状态数据的实用性分层优化，基于高效免疫遗传算法，在网络拓扑结构的停电计划关系中，实现检修计划中资源和任务全局协同分配，提高了停电检查的资源调度效益、效率，减少了花费的时间、成本、代价等。

本发明的目的是通过以下技术方案来实现的：

一种综合停电检修计划的控制方法，其特征在于该方法包括以下步骤：

1）对设备状态进行跟踪监视，通过综合在线监测、带电检测输入设备状态数据，与存储在中央处理器上的数据进行比较，并确定是否需要检修；

2）中央处理器根据检修状态和检修资源数目确定区域的停电检修效益、效率和停电检修任务之间的适应度联系，得到资源调度适应度矩阵；

3）根据陪停规则和目标设定确定优化目标和约束条件；中央处理器对任务组进行编码，并随机产生抗体；中央处理器采用高效免疫遗传算法进行计算，获得全局收敛的优化结果；

4）反编码获得全网进行停电检修的方式，各层次和各区域分别检修的优化方式，得到综合停电检修计划。

本发明步骤1）中，读入电网中区域设备实时状态数据，数据信息包括电网设备的状态参数和实时数据，计算停电检修任务需求和成本；根据计算结果将设备状态分为“正常状态”、“注意状态”、“异常状态”和“严重状态”四种；根据资源约束目标函数和约束条件作为免疫遗传算法的抗原输入。

步骤2）中，资源调度适应度矩阵M定义如下：设有m个待分配的资源和n个待完成的检修任务，要求一个资源仅能分配给一个任务，一个任务只能被分配到一个资源；则矩阵M中f_ij表示把第i（i＝1,2,...,m）个检修资源分配给第j(j=1,2,...,n)个停电检修任务的合适程度，合适程度即最小停电范围和最小检修时间成本；此处设m＝n。

步骤3）中，资源调度问题的高效免疫遗传算法步骤如下：

（31）对目标停电检修计划任务组进行编码，用矢量π(k)＝(k₁,k₂,...,k_m)表示抗体π(k)，其中k_i表示抗体中第i个基因确定的资源和任务对应关系；并且随机产生初始可行抗体群，根据适应度矩阵计算的抗体适应度f_i(π)，i＝1,2,...,N；

（32）对抗体进行免疫选择，定义抗体π(k)＝(k₁,k₂,...,k_m)和抗体π(l)＝(l₁,l₂,...,l_m)之间的相似度S_kl，则S_kl越大抗体π(k)和抗体π(l)所映射的停电任务计划组越像似；

$S_{\mathrm{kl}}=\frac{1}{1+\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(k_i-l_i)}^2}}---\left(1\right)$

式中，N是抗体群体抗体的总数，x'_kl是决策变量，λ是浓度抑制阈值，则个体i被选择的概率定义为：

$P_i^{\&prime;}=\mathrm{\&alpha;}\frac{f_{\mathrm{\&pi;}\left(i\right)}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{\mathrm{\&pi;}\left(i\right)}}+\mathrm{\&beta;}(1-\frac{\underset{l=1}{\overset{m}{\mathrm{\&Sigma;}}}{x^{\&prime;}}_{\mathrm{kl}}}{N}),$ ${x^{\&prime;}}_{\mathrm{kl}}=\left\{\begin{array}{cc}1& S_{\mathrm{kl}}\&GreaterEqual;\mathrm{\&lambda;}\\ 0& S_{\mathrm{kl}}<\mathrm{\&lambda;}\end{array}\right.---\left(2\right)$

(0≤α≤1,0≤β≤1,α+β＝1)

（33）得到抗体群中的被选择概率后，采用轮盘赌法选择抗体；

（34）PMX抗体交叉，交叉算法为：当生成随机数小于交叉概率设定的p_c时，选中抗体作为父代A，同时从抗体种群中随机选择父代B，随机选择两个交叉点i,j,i≠j且i＜j，交换两个父个体两个交叉点之间的基因段；

对于两个子个体点的左端和右端部分，若与交换后的基因段有某些基因位的基因出现重复，则根据父个体中间段的映射关系决定所取基因；如果映射关系中存在交换关系，则选择此前未确定的一个基因做交换；

（35）对交叉后的抗体进行贪婪修复操作,如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤（36）畸形抗体变异操作，否则进行重复贪婪修复操作后转至步骤（35）；

贪婪修复操作过程为：

假设有4个进行检修资源和4个停电检修任务，任务重要程度THREAT=[0.85，0.5，0.95，0.3]，适应度矩阵为：

${\mathrm{FITN}}^{4-4}=\left(\begin{array}{cccc}0.7& 0.6& 0.45& 0.8\\ 0.5& 0.7& 0.4& 0.9\\ 0.6& 0.5& 0.75& 0.7\\ 0.4& 0.45& 0.2& 0.75\end{array}\right)$

假设抗体C=1 4 2 3，以一定的概率选取若干位，假设选取1到3位，任务按重要程度排序得n₁、n₂、n₄。对于n₁，FITN^1-1为最大，分配m₁给n₁；对于n₂，FITN^2-2最大，分配m₂给n₂；对于n₄，FITN^2-4＞FITN^1-4＞FITN^4-4，但是m₁，m₂已分配完毕，所以只能分配m₄给n₄，最终，抗体C被修改为C=1 2 4 3；

（36）抗体变异，当生成随机数小于交叉概率p_m时，选中父代，在抗体上随机选择两点，将两点间的字串倒置；

（37）对变异后抗体进行贪婪修复操作；如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤（38），否则重复贪婪修复操作后转至步骤（37）；

（38）重新计算抗体适应度，然后检查是否满足停机准则，若满足则停机输出结果调至步骤（39），否则，转至步骤（32）；

（39）对免疫遗传优化结果进行反编码，输出优化结果，得到综合停电检修计划。

与现有技术相比，本发明引入了免疫遗传算法中的抗体间的亲和性计算以及基于抗体浓度的调节更新机制，设计抗体杂交、变异和修复，针对电网资源约束和陪同停电影响要求，避免了辐射性检查过程，综合提高了停电检查的资源调度效益、效率，减少了花费的时间、成本、代价。

附图说明

图1综合停电计划优化流程图。

图2求解资源调度问题的高效的免疫遗传算法流程图。

具体实施方式

结合附图，对本发明详细说明：

一种综合停电检修计划的控制方法，图1是基于电网实施状态数据停电检修优化流程图。图2求解资源调度问题的高效的免疫遗传算法流程图。

1）对设备状态进行跟踪监视，通过综合在线监测、带电检测输入设备状态数据，与存储在中央处理器上的数据进行比较，并确定是否需要检修。

读入电网中区域设备实时状态数据。数据信息包括电网设备的状态参数和实时数据，计算停电检修任务需求和成本。计算结果将设备状态分为“正常状态”、“注意状态”、“异常状态”和“严重状态”四种。根据资源约束目标函数和约束条件作为免疫遗传算法的抗原输入。

2）中央处理器根据检修状态和检修资源数目确定区域的停电检修效益、效率和停电检修任务之间的适应度联系，得到资源调度适应度矩阵。

根据进行停电检修的资源和电网中实时停电检修点任务组成矩阵，资源调度适应度矩阵M定义如下：设有m个待分配的资源和n个待完成的检修任务，要求一个资源仅能分配给一个任务，一个任务只能被分配到一个资源。则矩阵M中f_ij表示把第i（i＝1,2,...,m）个检修资源分配给第j(j=1,2,...,n)个停电检修任务的合适程度（最小停电范围和最小检修时间成本）。此处设m＝n，对于m≠n的情况，可根据具体问题采取不同的解决方案。

3）根据陪停规则和目标设定确定优化目标和约束条件；中央处理器对任务组进行编码，并随机产生抗体；中央处理器采用高效免疫遗传算法进行计算，获得全局收敛的优化结果。

求解停电检修计划中，资源调度问题的高效免疫遗传算法，其步骤如下：

31：对目标停电检修计划任务组进行编码，用矢量π(k)＝(k₁,k₂,...,k_m)表示抗体π(k)，其中k_i表示抗体中第i个基因确定的资源和任务对应关系。并且随机产生初始可行抗体群，根据适应度矩阵计算的抗体适应度f_i(π)，i＝1,2,...,N；

32：对抗体进行免疫选择，定义抗体π(k)＝(k₁,k₂,...,k_m)和抗体π(l)＝(l₁,l₂,...,l_m)之间的相似度S_kl，则S_kl越大抗体π(k)和抗体π(l)所映射的停电任务计划组越像似。

$S_{\mathrm{kl}}=\frac{1}{1+\sqrt{\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{(k_i-l_i)}^2}}---\left(1\right)$

用表示N是抗体群体抗体的总数，x'_kl是决策变量，λ是浓度抑制阈值。则个体i被选择的概率定义为：

$P_i^{\&prime;}=\mathrm{\&alpha;}\frac{f_{\mathrm{\&pi;}\left(i\right)}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{\mathrm{\&pi;}\left(i\right)}}+\mathrm{\&beta;}(1-\frac{\underset{l=1}{\overset{m}{\mathrm{\&Sigma;}}}{x^{\&prime;}}_{\mathrm{kl}}}{N}),$ ${x^{\&prime;}}_{\mathrm{kl}}=\left\{\begin{array}{cc}1& S_{\mathrm{kl}}\&GreaterEqual;\mathrm{\&lambda;}\\ 0& S_{\mathrm{kl}}<\mathrm{\&lambda;}\end{array}\right.---\left(2\right)$

(0≤α≤1,0≤β≤1,α+β＝1)

33：计算出抗体群中的被选择概率后，采用轮盘赌法选择的抗体。

34:PMX抗体交叉，交叉算法为：当生成随机数小于交叉概率设定的p_c时，选中抗体作为父代A，同时从抗体种群中随机选择父代B，随机选择两个交叉点i,j,i≠j且i＜j，交换两个父个体两个交叉点之间的基因段。

对于两个子个体点的左端和右端部分，若与交换后的基因段有某些基因位的基因出现重复，则根据父个体中间段的映射关系决定所取基因。如果映射关系中存在交换关系，则选择此前未确定的一个基因做交换。

35:对交叉后的抗体进行贪婪修复操作,如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤36畸形抗体变异操作，否则进行重复贪婪修复操作后转至步骤35。

贪婪修复操作过程为：

假设有4个进行检修资源和4个停电检修任务，任务重要程度THREAT=[0.85，0.5，0.95，0.3]，适应度矩阵为：

${\mathrm{FITN}}^{4-4}=\left(\begin{array}{cccc}0.7& 0.6& 0.45& 0.8\\ 0.5& 0.7& 0.4& 0.9\\ 0.6& 0.5& 0.75& 0.7\\ 0.4& 0.45& 0.2& 0.75\end{array}\right)$

假设抗体C=1 4 2 3，以一定的概率选取若干位，假设选取1到3位，任务按重要程度排序得n₁、n₂、n₄。对于n₁，FITN^1-1为最大，分配m₁给n₁；对于n₂，FITN^2-2最大，分配m₂给n₂；对于n₄，FITN^2-4＞FITN^1-4＞FITN^4-4，但是m₁，m₂已分配完毕，所以只能分配m₄给n₄，最终，抗体C被修改为C=1 2 4 3。

36:抗体变异，当生成随机数小于交叉概率p_m时，选中父代，在抗体上随机选择两点，将两点间的字串倒置。

37:对变异后抗体进行贪婪修复操作。如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤38，否则重复贪婪修复操作后转至步骤37

38重新计算抗体适应度，然后检查是否满足停机准则，若满足则停机输出结果调至步骤39，否则，转至步骤32

39：对免疫遗传优化结果进行反编码，输出优化结果，得到综合停电检修计划。

本发明综合提高了停电检查的资源调度效益、效率，减少了花费的时间、成本、代价。

Claims (4)

1.一种综合停电检修计划的控制方法，其特征在于该方法包括以下步骤：

1）对设备状态进行跟踪监视，通过综合在线监测、带电检测输入设备状态数据，与存储在中央处理器上的数据进行比较，并确定是否需要检修；

2）中央处理器根据检修状态和检修资源数目确定区域的停电检修效益、效率和停电检修任务之间的适应度联系，得到资源调度适应度矩阵；

3）根据陪停规则和目标设定确定优化目标和约束条件；中央处理器对任务组进行编码，并随机产生抗体；中央处理器采用高效免疫遗传算法进行计算，获得全局收敛的优化结果；

4）反编码获得全网进行停电检修的方式，各层次和各区域分别检修的优化方式，得到综合停电检修计划。

2.根据权利要求1所述的综合停电检修计划的控制方法，其特征在于：步骤1）中，读入电网中区域设备实时状态数据，数据信息包括电网设备的状态参数和实时数据，计算停电检修任务需求和成本；根据计算结果将设备状态分为“正常状态”、“注意状态”、“异常状态”和“严重状态”四种；根据资源约束目标函数和约束条件作为免疫遗传算法的抗原输入。

3.根据权利要求1所述的综合停电检修计划的控制方法，其特征在于：步骤2）中，资源调度适应度矩阵M定义如下：设有m个待分配的资源和n个待完成的检修任务，要求一个资源仅能分配给一个任务，一个任务只能被分配到一个资源；则矩阵M中f_ij表示把第i（i＝1,2,...,m）个检修资源分配给第j(j=1,2,...,n)个停电检修任务的合适程度，合适程度即最小停电范围和最小检修时间成本；此处设m＝n。

4.根据权利要求1所述的综合停电检修计划的控制方法，其特征在于：步骤3）中，资源调度问题的高效免疫遗传算法步骤如下：

（31）对目标停电检修计划任务组进行编码，用矢量π(k)＝(k₁,k₂,...,k_m)表示抗体π(k)，其中k_i表示抗体中第i个基因确定的资源和任务对应关系；并且随机产生初始可行抗体群，根据适应度矩阵计算的抗体适应度f_i(π)，i＝1,2,...,N；

（32）对抗体进行免疫选择，定义抗体π(k)＝(k₁,k₂,...,k_m)和抗体π(l)＝(l₁,l₂,...,l_m)之间的相似度S_kl，则S_kl越大抗体π(k)和抗体π(l)所映射的停电任务计划组越像似；

$S_{\mathrm{kl}}=\frac{1}{1+\sqrt{\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{(k_i-l_i)}^2}}---\left(1\right)$

式中，N是抗体群体抗体的总数，x'_kl是决策变量，λ是浓度抑制阈值，则个体i被选择的概率定义为：

$P_i^{\&prime;}=\mathrm{\&alpha;}\frac{f_{\mathrm{\&pi;}\left(i\right)}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{\mathrm{\&pi;}\left(i\right)}}+\mathrm{\&beta;}(1-\frac{\underset{l=1}{\overset{m}{\mathrm{\&Sigma;}}}{x^{\&prime;}}_{\mathrm{kl}}}{N}),$ ${x^{\&prime;}}_{\mathrm{kl}}=\left\{\begin{array}{cc}1& S_{\mathrm{kl}}\&GreaterEqual;\mathrm{\&lambda;}\\ 0& S_{\mathrm{kl}}<\mathrm{\&lambda;}\end{array}\right.---\left(2\right)$

(0≤α≤1,0≤β≤1,α+β＝1)

（33）得到抗体群中的被选择概率后，采用轮盘赌法选择抗体；

（34）PMX抗体交叉，交叉算法为：当生成随机数小于交叉概率设定的p_c时，选中抗体作为父代A，同时从抗体种群中随机选择父代B，随机选择两个交叉点i,j,i≠j且i＜j，交换两个父个体两个交叉点之间的基因段；

对于两个子个体点的左端和右端部分，若与交换后的基因段有某些基因位的基因出现重复，则根据父个体中间段的映射关系决定所取基因；如果映射关系中存在交换关系，则选择此前未确定的一个基因做交换；

（35）对交叉后的抗体进行贪婪修复操作,如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤（36）畸形抗体变异操作，否则进行重复贪婪修复操作后转至步骤（35）；

贪婪修复操作过程为：

假设有4个进行检修资源和4个停电检修任务，任务重要程度THREAT=[0.85，0.5，0.95，0.3]，适应度矩阵为：

${\mathrm{FITN}}^{4-4}=\left(\begin{array}{cccc}0.7& 0.6& 0.45& 0.8\\ 0.5& 0.7& 0.4& 0.9\\ 0.6& 0.5& 0.75& 0.7\\ 0.4& 0.45& 0.2& 0.75\end{array}\right)$

假设抗体C=1 4 2 3，以一定的概率选取若干位，假设选取1到3位，任务按重要程度排序得n₁、n₂、n₄。对于n₁，FITN^1-1为最大，分配m₁给n₁；对于n₂，FITN^2-2最大，分配m₂给n₂；对于n₄，FITN^2-4＞FITN^1-4＞FITN^4-4，但是m₁，m₂已分配完毕，所以只能分配m₄给n₄，最终，抗体C被修改为C=1 2 4 3；

（36）抗体变异，当生成随机数小于交叉概率p_m时，选中父代，在抗体上随机选择两点，将两点间的字串倒置；

（37）对变异后抗体进行贪婪修复操作；如果抗体满足约束条件或者执行贪婪修复操作次数大于n,则转至步骤（38），否则重复贪婪修复操作后转至步骤（37）；

（38）重新计算抗体适应度，然后检查是否满足停机准则，若满足则停机输出结果调至步骤（39），否则，转至步骤（32）；

（39）对免疫遗传优化结果进行反编码，输出优化结果，得到综合停电检修计划。

Images