CN111563620A - 一种输电线路巡线计划的优化方法 - Google Patents
一种输电线路巡线计划的优化方法 Download PDFInfo
- Publication number
- CN111563620A CN111563620A CN202010355666.4A CN202010355666A CN111563620A CN 111563620 A CN111563620 A CN 111563620A CN 202010355666 A CN202010355666 A CN 202010355666A CN 111563620 A CN111563620 A CN 111563620A
- Authority
- CN
- China
- Prior art keywords
- line
- patrol
- power transmission
- transmission line
- line patrol
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 198
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 238000007689 inspection Methods 0.000 claims description 48
- 239000002245 particle Substances 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06314—Calendaring for a resource
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种输电线路巡线计划的优化方法,包括:获取输电线路故障数据和输电线路故障导致的负荷减少量数据;基于输电线路故障数据获取输电线路故障概率,基于负荷减少量数据设定输电线路故障损失度;基于输电线路故障概率和输电线路故障损失度计算输电线路运行风险;基于输电线路运行风险设定输电线路巡线周期;基于输电线路巡线周期构建巡线计划优化模型;对巡线计划优化模型进行多目标求解,得到最优解。本申请的安全可靠性高。
Description
技术领域
本申请涉及输电线路巡线技术领域,尤其涉及一种输电线路巡线计划的优化方法。
背景技术
随着科技的发展,人们对电的需求量愈发增加,输电线路的规模也在不断扩大。为保证用电的平稳安全,对输电线路进行巡检是保障输电线路安全可靠的重要举措。通过巡检及时掌握线路周边的环境变化,发现设备的缺陷和安全隐患,才能进一步保证线路安全运行。
现阶段,输电线路的巡检方式包括人工巡视和无人机巡视两种。人工巡视即工作人员至输电线路所处现场作业;无人机巡视则是由巡线人员操控无人机对现场的输电线路进行勘察,更加适合比较恶劣的环境。巡检人员会事先制定巡线计划,并按照计划对输电线路进行定期的巡检,以保证输电线路的安全。
然而本申请的发明人发现,现有技术采用的巡线计划较为传统,只进行定期无差异巡检,并没有考虑到外界对输电线路影响。按照这种计划执行任务会导致巡检力度不够而影响电网的安全性。即现有技术存在安全可靠性低的缺点。
发明内容
本申请提供了一种输电线路巡线计划的优化方法,以解决现有技术安全可靠性低的问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
本申请提供了一种输电线路巡线计划的优化方法,该方法包括:
获取输电线路故障数据和输电线路故障导致的负荷减少量数据;
基于所述输电线路故障数据获取输电线路故障概率;基于所述负荷减少量数据设定输电线路故障损失度;
基于所述输电线路故障概率和所述输电线路故障损失度计算输电线路运行风险;
基于所述输电线路运行风险设定输电线路巡线周期;
基于所述输电线路巡线周期构建巡线计划优化模型;
对所述巡线计划优化模型进行多目标求解,得到最优解。
可选的,所述输电线路故障数据包括:输电线路外因故障数据和输电线路内因故障数据;
所述输电线路外因故障数据包括:气象因素引发的故障概率;
所述输电线路内因故障数据包括:使用时长引发的故障概率和运行负荷引发的故障概率。
可选的,所述气象因素引发的故障概率的获取方法包括:
其中:
nw为预设时间内由气象灾害引发的输电线路故障次数;
N为预设时间内输电线路总故障次数;
所述使用时长引发的故障概率的获取方法包括:
其中:
α为威布尔分布的尺度参数;
β为威布尔分布的形状参数;
t为距离前一次修理的间隔时间;
所述运行负荷引发的故障概率的获取方法包括:
其中:
PN为线路额定传输功率;Plim为线路极限传输功率;
Pi为线路i的实时传输功率;Pi为线路i时段的实时传输功率;
p0为线路运行在额定传输功率及额定传输功率以下时的故障概率。
可选的,所述输电线路故障概率的获取方法包括:
pk=wgpw+pr+pl
其中:
wg为地貌造成的外部故障概率权重;
pw为气象因素引发的故障概率;
pr为使用时长引发的故障概率;
pl为和运行负荷引发的故障概率。
可选的,所述输电线路运行风险的获取方法包括:
Rk=pk·Sk
其中:
Rk为输电线路运行风险值;
pk为输电线路故障概率;
Sk为输电线路故障损失度。
可选的,所述输电线路巡线周期的设定方法,包括:
当所述输电线路运行风险小于80时,设定风险等级为1,巡线周期设定为每六个月一次;
当所述输电线路运行风险小于300且大于等于80时,设定风险等级为2,巡线周期设定为每四个月一次;
当所述输电线路运行风险小于600且大于等于300时,设定风险等级为3,巡线周期设定为每三个月一次;
当所述输电线路运行风险大于等于600时,设定风险等级为4,巡线周期设定为每两个月一次。
可选的,所述巡线计划优化模型的构建方法,包括:
建立输电线路巡线间隔目标函数:
其中:
ti表示每个输电线路间的巡线间隔,i表示巡线班次;
设定巡线间隔约束条件:
hmin≤ti≤hmax
tsi≥T
tsn≤T'
其中:
hmin为最小巡线间隔,hmax为最大巡线间隔;
tsi为第i班次巡线任务的出发日期;
T为当前巡线周期的开始时间,T'为下一个巡线周期的开始时间;建立输电线路巡线资源目标函数:
minZ2=npeo
其中:
npeo为使用巡线人数;
cp为线路p的平均每公里费用;hp为线路的长度;tp为每年巡线次数;
cequ为设备的单位购置价本;
nequ为购置设备数量;aequ为设备的等年值因子;E为巡线设备的集合;
设定巡线资源约束条件,包括:巡线任务约束、工作时间约束、人员数量约束和设备数量约束;其中,所述巡线任务约束还包括:巡线任务完成性约束和巡线任务有效性约束。
可选的,所述巡线任务完成性约束为:
Xleij={0,1}
其中:
K为巡线等级集合;R为巡线线路任务集合;P为巡线人员集合;E为巡线设备集合;
α为巡线小组最多执行的巡线作业数;
所述巡线任务有效性约束为:
其中:
Xleij表示巡线小组l携带巡线设备e执行完线路i后执行线路j;
所述工作时间约束为:
其中:
tsj为巡线线路j的开始时间;tsi为巡线线路i的开始时间;
tleij为巡线线路i和巡线线路j需要的交接时间;
所述人员数量约束为:
其中:
nl为巡线小组l的巡线人数;
所述设备数量约束为:
其中:
nequ为购置设备数量。
可选的,所述对所述巡线计划优化模型进行多目标求解,包括:
采用多目标粒子群算法对所述巡线计划优化模型进行处理,选择最优解。
与现有技术相比,本申请的有益效果为:
本申请提供了一种输电线路巡线计划的优化方法,包括:获取输电线路故障数据和输电线路故障导致的负荷减少量数据;基于输电线路故障数据获取输电线路故障概率,基于负荷减少量数据设定输电线路故障损失度;基于输电线路故障概率和输电线路故障损失度计算输电线路运行风险;基于输电线路运行风险设定输电线路巡线周期;基于输电线路巡线周期构建巡线计划优化模型;对巡线计划优化模型进行多目标求解,得到最优解。本申请考虑到输电线路的故障概率从而得到了输电线路的运行风险并确定了输电线路的巡线周期,保证了输电线路的巡检力度,增加了巡线计划的安全可靠性,提高了巡检效率。同时本申请考虑到巡线周期还对巡线计划进行优化,可以降低巡线成本,增加企业的利润。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的输电线路巡线计划的整体流程图;
图2为本申请实施例中输电线路运行负荷与故障概率关系的示意图;
图3为本申请实施例提供的多目标粒子群算法的整体流程图;
图4为本申请实施例中多目标粒子群算法最优解选择的整体流程图;
图5为本申请实施例和传统方法相比的成本比较图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
参见图1,为本申请实施例提供的输电线路巡线计划的优化方法的整体流程图。如图1所示,该方法包括以下步骤:
S1、获取输电线路故障数据和输电线路故障导致的负荷减少量数据;
S2、基于上述输电线路故障数据获取输电线路故障概率;基于上述负荷减少量数据设定输电线路故障损失度;
S3、基于上述输电线路故障概率和上述输电线路故障损失度计算输电线路运行风险;
S4、基于上述输电线路运行风险设定输电线路巡线周期;
S5、基于上述输电线路巡线周期构建巡线计划优化模型;
S6、对上述巡线计划优化模型进行多目标求解,得到最优解。
下面对各个步骤进行详细描述:
步骤S1:获取输电线路故障数据和输电线路故障导致的负荷减少量数据。
具体的,包括以下步骤:
S101:获取输电线路故障数据。
本申请实施例考虑对输电线路故障率产生影响的因素,可分为由外部自然环境引起的外部原因和由线路自身运行引起的内部原因。
即输电线路故障数据包括:输电线路外因故障数据和输电线路内因故障数据。
S1011:其中,上输电线路外因故障数据包括:气象因素引发的故障概率。
输电线路的可靠性与气候息息相关,在恶劣的气象条件下的故障概率将显著提高,如雷电、冰雪、大风等气候将增加输电线路的故障概率。根据历史观测数据,统计过去一年内由气象灾害引发架空输电线路故障次数与线路总故障次数的比值,构建由气象原因产生的线路故障概率。
上述气象因素引发的故障概率的获取方法包括:
其中:
nw为预设时间内由气象灾害引发的输电线路故障次数;
N为预设时间内输电线路总故障次数。
本申请实施例预设的时间为一年。
S1012:上述输电线路内因故障数据包括:使用时长引发的故障概率和运行负荷引发的故障概率。
(1)使用时长引发的故障概率。
在不维修的情况下,线路运行时间越长,故障发生的可能性越大。本申请实施例构建线路故障概率与距上一次修理间隔时间的函数,采用两参数的威布尔模型来表征使用时长引发的故障概率。威布尔模型又称威布尔概率密度函数,在工业上广泛应用于电子产品的寿命检测。具体包括:
其中:
α为威布尔分布的尺度参数;
β为威布尔分布的形状参数;
t为距离前一次修理的间隔时间。
(2)运行负荷引发的故障概率。
图2为输电线路运行负荷与故障概率关系的示意图。如图2所示,当输电线路的传输功率超过一定值时,由系统内部因素(隐性故障)造成的故障概率会随着传输功率的上升而增大。
上述运行负荷引发的故障概率的获取方法包括:
其中:
PN为线路额定传输功率;Plim为线路极限传输功率,本申请实施例中设定Plim=1.4PN;
Pi为线路i的实时传输功率;Pi为线路i时段的实时传输功率;
p0为线路运行在额定传输功率及额定传输功率以下时的故障概率。
S102:获取输电线路故障导致的负荷减少量数据。
本申请实施例统计地区电网减供负荷的百分比值作为负荷减少量数据。
步骤S2:基于上述输电线路故障数据获取输电线路故障概率;基于上述负荷减少量数据设定输电线路故障损失度。
具体的,包括以下步骤:
S201:获取输电线路故障概率。
综合考虑外部自然环境引起的外部原因和由线路自身运行引起的内部原因,本申请实施例得到输电线路的综合故障概率。
具体的,上述输电线路故障概率的获取方法包括:
pk=wgpw+pr+pl
其中:
wg为地貌造成的外部故障概率权重;
pw为气象因素引发的故障概率;
pr为使用时长引发的故障概率;
pl为和运行负荷引发的故障概率。
需要说明的是,外部故障概率权重的分析如下:
地貌会对输电线路产生影响。比较典型的地貌影响有高原、山地的影响,山地地区由于较高的森林覆盖率输电线路更易受树障、鸟害、山火的影响;高原地区由于其高海拔的特点,季节性洪水、冰雪频发,同样强烈的紫外线也加速了设备的老化。
因此本申请实施例中,根据不同地貌上输电线路故障的历史数据,由专家进行评估得到外部故障概率权重。
S202:设定输电线路故障损失度。
当输电线路发生故障时,会对输电安全、电能质量、社会生产等多方面产生影响,本申请实施例基于负荷减少量数据对线路故障损失度进行赋值,具体的,参照《中国南方电网有限责任公司设备风险评估管理办法》进行赋值,如表1所示。
表1线路故障损失赋值表
步骤S3:基于上述输电线路故障概率和上述输电线路故障损失度计算输电线路运行风险。
在本申请实施例中,输电线路运行风险具体指输电线路运行风险值。
具体的,上述输电线路运行风险的获取方法包括:
Rk=pk·Sk
其中:
Rk为输电线路运行风险值;
pk为输电线路故障概率;
Sk为输电线路故障损失度。
步骤S4:基于上述输电线路运行风险设定输电线路巡线周期。
本申请实施例根据输电线路运行风险值的大小,参照《云南电网有限责任公司2019年设备主要风险及重点维护策略》,将评估得到的线路综合运行风险值分为四个等级,并为每个风险等级设定不同的巡线周期。
具体的,上述输电线路巡线周期的设定方法如表2所示,包括:
当上述输电线路运行风险小于80时,设定风险等级为1,巡线周期设定为每六个月一次;
当上述输电线路运行风险小于300且大于等于80时,设定风险等级为2,巡线周期设定为每四个月一次;
当上述输电线路运行风险小于600且大于等于300时,设定风险等级为3,巡线周期设定为每三个月一次;
当上述输电线路运行风险大于等于600时,设定风险等级为4,巡线周期设定为每两个月一次。
表2线路巡线周期表
步骤S5:基于上述输电线路巡线周期构建巡线计划优化模型。
具体的,上述巡线计划优化模型的构建方法,包括:
(1)本申请实施例根据实际运营要求,考虑到巡线任务的时间排布应该在满足巡线需求的条件下使巡线间隔尽可能平滑,不宜将巡线任务集中排在某一时段,因此进行巡线时间间隔优化,并用巡线间隔的标准差Z1来刻画任务间隔的平滑性。
首先,将各线路间的巡线间隔ti作为决策变量:
ti=tsi-ts(i-1)
其中:
tsi为第i班次巡线任务的出发日期,i=2,3,...,n;
i为i-1班次的出发日期。
建立输电线路巡线间隔目标函数:
其中:
ti表示每个输电线路间的巡线间隔,i表示巡线班次;
设定巡线间隔约束条件:
hmin≤ti≤hmax
tsi≥T
tsn≤T'
其中:
hmin为最小巡线间隔,hmax为最大巡线间隔;
tsi为第i班次巡线任务的出发日期;tei为第i班次巡线任务的结束日期;
T为当前巡线周期的开始时间,T'为下一个巡线周期的开始时间。
最大巡线间隔取值与行业规定的服务水平有关,最小巡线间隔取值和运营成本有关。
(2)本申请实施例考虑到巡线资源,以巡线人员(巡线小组)数量最少以及巡线成本最低为目标,建立输电线路巡线资源目标函数:
minZ2=npeo
其中:
npeo为使用巡线人数;
cp为线路p的平均每公里费用;hp为线路的长度(千米);tp为每年巡线次数;
cequ为设备的单位购置价本;
nequ为购置设备数量;aequ为设备的等年值因子;E为巡线设备的集合。
aequ的计算公式如下:
其中:
r为年利率;zequ为设备的生命期(年)。
设定巡线资源约束条件,包括:巡线任务约束、工作时间约束、人员数量约束和设备数量约束。
具体的,上述巡线任务约束还包括:巡线任务完成性约束和巡线任务有效性约束。
(1)巡线任务完成性约束为:
Xleij={0,1}
其中:
K为巡线等级集合;R为巡线线路任务集合;P为巡线人员集合;E为巡线设备集合;
α为巡线小组最多执行的巡线作业数。
式(1)和式(2)为班次衔接约束,保证每个巡线任务均有巡线小组执行且被执行一次;式(3)保证从总部出发的巡线小组最终回到总部;式(4)保证巡线小组的巡线次数不超过最大巡线数。
(2)巡线任务有效性约束为:
其中:
Xleij表示巡线小组l携带巡线设备e执行完线路i后执行线路j;
上述公式表示对于两个连续的巡线作业任务,保证由同一组巡线人员执行。
(3)工作时间约束为:
其中:
tsj为巡线线路j的开始时间;tsi为巡线线路i的开始时间;
tleij为巡线线路i和巡线线路j需要的交接时间。
上述公式表示下一班次巡线任务的开始时间要大于等于上一班次的结束时间加上任务的交接时间。
(4)人员数量约束为:
其中:
nl为巡线小组l的巡线人数。
式(5)表示如果巡线小组l执行了某一巡线任务,则Nl=1;式(6)表示执行各巡线任务的巡线人员数小于等于聘用的巡线人员数。
(5)设备数量约束为:
其中:
nequ为购置设备数量。
式(7)表示如果设备e执行了某一巡线任务,则=1;式(8)表示参与各巡线任务的设备数小于等于购置的设备数。
步骤S6:对上述巡线计划优化模型进行多目标求解,得到最优解。
具体的,本申请实施例采用多目标粒子群算法对所述巡线计划优化模型进行处理,选择最优解。
本申请实施例构建的巡线计划优化模型包括三个优化目标:巡线间隔、巡线人员和巡线成本。因此采用多目标粒子群算法对该多目标优化问题进行求解。
图3为多目标粒子群算法的整体流程图。具体的,如图3所示,包括以下步骤:
(1)种群初始化,并设置参数。
(2)计算所有粒子的适应度。
对上述巡线计划优化模型的三个目标函数分别计算最小值,并将最小值作为适应度值,将各约束条件的作为罚函数加入至目标函数。
(3)更新个体历史最优以及全局最优。
(4)判断是否满足终止条件,若是,则选择最优解;若否,则跳到第二步,重新计算粒子适应度。
需要说明的是,在输电线路巡线的实际运营中,通常优先考虑巡线效果,在保障巡线效果的基础上使巡线人数最低,最后考虑巡线成本。图4为多目标粒子群算法最优解选择的整体流程图。最优解的选择方法如图4所示,包括:
对上述巡线计划优化模型求解,得到Pareto最优解集,作为集合A;
选择集合A中三个目标指标(巡线效果、巡线人数和巡线成本)均优于传统方案的解作为集合B;
从集合B中选择人物间隔平滑度最小的解作为集合C;
从集合C中选择巡线人数最低的三个解作为集合D;
从集合D中选择巡线成本最低的解作为模型最优解。
具体的,本申请的一个实施例以具体算例验证本申请实施例的准确性:
根据本申请提供的方法对某区域输电线路巡线计划进行优化,输电线路基本信息如表3所示:
表3某区域巡线线路基本信息表
以500kV漫昆Ⅰ回线为例,其外部风险率为20.1%,内部风险率为27.11%(取值为10.18,取值为16.93[5]),线路故障损失分值为1500,则可得到其综合风险值:
Rki=(wgipwi+pri+pli)·Ski=707
因此,该线路的风险等级属于Ⅳ级,巡线频率应为1次/2月。同理,得到其他线路的巡线频率如表4所示:
表4某区域巡线线路频率表
基于巡线频率,使用多目标粒子群算法进行巡线计划优化,参数设置如表5所示:
表5模型所用参数表
结合问题规模,设置不同的学习因子和惯性权重,使用Matlab求解,当多目标粒子群算法参数如表6所示时,该结果为模型的最优解:
表6多目标粒子群算法参数表
根据选择最优解的步骤,从最优解集中选择最符合输电线路巡线的实际运营的模型解,结果如表7所示:
表7模型目标值比较表
优化巡线计划后,所需的巡线人员数量为15,比原有方案减少了5人;任务间隔标准差也相对较小,巡线的时间间隔更加平滑;巡线的成本比原有方案降低了13%。图5为本申请实施例和传统方法相比的成本比较图。
因此,上述巡线计划优化模型优化了巡线任务的时间间隔,提高了巡线平滑度,同时减少了巡线人员的投入,有效降低了电网的巡线成本。
综上所述,与现有技术相比,具备以下有益效果:
1.本申请实施例根据线路的具体情况进行动态风险评价,可以有效指导巡线频率的设置,避免了固定周期的传统巡线模式下存在的巡检过度或巡检不足的问题,保证了输电线路的巡检力度,增加了巡线计划的安全可靠性,提高了巡检效率。同时该评价方法可根据不同地区的实际情况进行调整扩展,有效满足实际需求。
2.本申请实施例构建的巡线计划优化模型优化了巡线任务的时间间隔,提高了巡线平滑度,同时减少了巡线人员的投入,有效降低了电网的巡线成本。优化了电网企业的输电线路巡线计划,为制定低成本、高效率的输电线路巡线方案提供决策参考。
由于以上实施方式均是在其他方式之上引用结合进行说明,不同实施例之间均具有相同的部分,本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
需要说明的是,在本说明书中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个......”限定的要素,并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求的内容指出。以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (9)
1.一种输电线路巡线计划的优化方法,其特征在于,所述方法包括:
获取输电线路故障数据和输电线路故障导致的负荷减少量数据;
基于所述输电线路故障数据获取输电线路故障概率;基于所述负荷减少量数据设定输电线路故障损失度;
基于所述输电线路故障概率和所述输电线路故障损失度计算输电线路运行风险;
基于所述输电线路运行风险设定输电线路巡线周期;
基于所述输电线路巡线周期构建巡线计划优化模型;
对所述巡线计划优化模型进行多目标求解,得到最优解。
2.根据权利要求1所述的方法,其特征在于,所述输电线路故障数据包括:输电线路外因故障数据和输电线路内因故障数据;
所述输电线路外因故障数据包括:气象因素引发的故障概率;
所述输电线路内因故障数据包括:使用时长引发的故障概率和运行负荷引发的故障概率。
4.根据权利要求2所述的方法,其特征在于,所述输电线路故障概率的获取方法包括:
pk=wgpw+pr+pl
其中:
wg为地貌造成的外部故障概率权重;
pw为气象因素引发的故障概率;
pr为使用时长引发的故障概率;
pl为和运行负荷引发的故障概率。
5.根据权利要求1所述的方法,其特征在于,所述输电线路运行风险的获取方法包括:
Rk=pk·Sk
其中:
Rk为输电线路运行风险值;
pk为输电线路故障概率;
Sk为输电线路故障损失度。
6.根据权利要求1所述的方法,其特征在于,所述输电线路巡线周期的设定方法,包括:
当所述输电线路运行风险小于80时,设定风险等级为1,巡线周期设定为每六个月一次;
当所述输电线路运行风险小于300且大于等于80时,设定风险等级为2,巡线周期设定为每四个月一次;
当所述输电线路运行风险小于600且大于等于300时,设定风险等级为3,巡线周期设定为每三个月一次;
当所述输电线路运行风险大于等于600时,设定风险等级为4,巡线周期设定为每两个月一次。
7.根据权利要求1所述的方法,其特征在于,所述巡线计划优化模型的构建方法,包括:
建立输电线路巡线间隔目标函数:
其中:
ti表示每个输电线路间的巡线间隔,i表示巡线班次;
设定巡线间隔约束条件:
hmin≤ti≤hmax
tsi≥T
tsn≤T'
其中:
hmin为最小巡线间隔,hmax为最大巡线间隔;
tsi为第i班次巡线任务的出发日期;
T为当前巡线周期的开始时间,T'为下一个巡线周期的开始时间;
建立输电线路巡线资源目标函数:
min Z2=npeo
其中:
npeo为使用巡线人数;
cp为线路p的平均每公里费用;hp为线路的长度;tp为每年巡线次数;
cequ为设备的单位购置价本;
nequ为购置设备数量;aequ为设备的等年值因子;E为巡线设备的集合;
设定巡线资源约束条件,包括:巡线任务约束、工作时间约束、人员数量约束和设备数量约束;其中,所述巡线任务约束还包括:巡线任务完成性约束和巡线任务有效性约束。
8.根据权利要求7所述的方法,其特征在于,所述巡线任务完成性约束为:
Xleij={0,1}
其中:
K为巡线等级集合;R为巡线线路任务集合;P为巡线人员集合;E为巡线设备集合;
α为巡线小组最多执行的巡线作业数;
所述巡线任务有效性约束为:
其中:
Xleij表示巡线小组l携带巡线设备e执行完线路i后执行线路j;
所述工作时间约束为:
其中:
tsj为巡线线路j的开始时间;tsi为巡线线路i的开始时间;
tleij为巡线线路i和巡线线路j需要的交接时间;
所述人员数量约束为:
其中:
nl为巡线小组l的巡线人数;
所述设备数量约束为:
其中:
nequ为购置设备数量。
9.根据权利要求1所述的方法,其特征在于,所述对所述巡线计划优化模型进行多目标求解,包括:
采用多目标粒子群算法对所述巡线计划优化模型进行处理,选择最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010355666.4A CN111563620A (zh) | 2020-04-29 | 2020-04-29 | 一种输电线路巡线计划的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010355666.4A CN111563620A (zh) | 2020-04-29 | 2020-04-29 | 一种输电线路巡线计划的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111563620A true CN111563620A (zh) | 2020-08-21 |
Family
ID=72074450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010355666.4A Pending CN111563620A (zh) | 2020-04-29 | 2020-04-29 | 一种输电线路巡线计划的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563620A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767570A (zh) * | 2020-12-18 | 2021-05-07 | 天津大学 | 一种用于巡检人员优化调度的配电网故障区域巡检方法 |
CN113092932A (zh) * | 2021-03-18 | 2021-07-09 | 电子科技大学 | 一种电网线路山火故障快速预警方法 |
CN113394706A (zh) * | 2021-08-13 | 2021-09-14 | 众芯汉创(北京)科技有限公司 | 一种输电线路巡检区域确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793854A (zh) * | 2014-01-21 | 2014-05-14 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多重组合优化的架空输电线路运行风险信息化评估方法 |
US20150127425A1 (en) * | 2013-11-07 | 2015-05-07 | Palo Alto Research Center Incorporated | Strategic modeling for economic optimization of grid-tied energy assets |
CN104700161A (zh) * | 2015-03-06 | 2015-06-10 | 深圳市燃气集团股份有限公司 | 一种基于风险因素识别的施工工地巡查优化方法及系统 |
CN106327013A (zh) * | 2016-08-24 | 2017-01-11 | 广东工业大学 | 一种输电线巡检路径规划方法及系统 |
-
2020
- 2020-04-29 CN CN202010355666.4A patent/CN111563620A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150127425A1 (en) * | 2013-11-07 | 2015-05-07 | Palo Alto Research Center Incorporated | Strategic modeling for economic optimization of grid-tied energy assets |
CN103793854A (zh) * | 2014-01-21 | 2014-05-14 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多重组合优化的架空输电线路运行风险信息化评估方法 |
CN104700161A (zh) * | 2015-03-06 | 2015-06-10 | 深圳市燃气集团股份有限公司 | 一种基于风险因素识别的施工工地巡查优化方法及系统 |
CN106327013A (zh) * | 2016-08-24 | 2017-01-11 | 广东工业大学 | 一种输电线巡检路径规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
文志强等: "输电线路差异化运维计划优化" * |
滕靖等: "纯电动公交时刻表和车辆排班计划整体优化" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767570A (zh) * | 2020-12-18 | 2021-05-07 | 天津大学 | 一种用于巡检人员优化调度的配电网故障区域巡检方法 |
CN112767570B (zh) * | 2020-12-18 | 2022-04-29 | 天津大学 | 一种用于巡检人员优化调度的配电网故障区域巡检方法 |
CN113092932A (zh) * | 2021-03-18 | 2021-07-09 | 电子科技大学 | 一种电网线路山火故障快速预警方法 |
CN113092932B (zh) * | 2021-03-18 | 2021-12-10 | 电子科技大学 | 一种电网线路山火故障快速预警方法 |
CN113394706A (zh) * | 2021-08-13 | 2021-09-14 | 众芯汉创(北京)科技有限公司 | 一种输电线路巡检区域确定方法及装置 |
CN113394706B (zh) * | 2021-08-13 | 2021-11-09 | 众芯汉创(北京)科技有限公司 | 一种输电线路巡检区域确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563620A (zh) | 一种输电线路巡线计划的优化方法 | |
Hemmati et al. | Reliability constrained generation expansion planning with consideration of wind farms uncertainties in deregulated electricity market | |
CN107480793B (zh) | 海上风电场的维护费用计算及维护调度的方法及系统 | |
CN107133702A (zh) | 一种风电场全场功率预测方法 | |
CN110378549B (zh) | 一种基于fahp-熵权法的输电杆塔鸟害等级评估方法 | |
CN110889587B (zh) | 配电网线路风险评估方法 | |
Moradi et al. | A mathematical framework for reliability‐centered maintenance in microgrids | |
CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
CN113569411A (zh) | 一种面向灾害天气的电网运行风险态势感知方法 | |
CN114826392B (zh) | 一种电力通信网网络可靠性评估方法 | |
CN106651140B (zh) | 台风区输电线路风险的模块差异评估方法和装置 | |
CN114969010A (zh) | 一种配电网络监控处理方法及装置 | |
CN114386675A (zh) | 变电站智能鸟害防治管理系统和装置 | |
CN104574211A (zh) | 基于风险源的电网调度操作风险预警方法和系统 | |
CN116896063B (zh) | 变配电智能控制方法及系统 | |
CN103839112A (zh) | 一种配电网架空线路检修方案优化方法及系统 | |
CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
Geng et al. | Research on early warning method of overhead transmission line damage caused by typhoon disaster | |
Jaramillo-Leon et al. | Multi-objective optimization for preventive tree trimming scheduling in overhead electric power distribution networks | |
CN114723204A (zh) | 一种基于监督学习的输电线路舞动分级预警方法 | |
CN116308299A (zh) | 一种站房设备风险评估方法及装置 | |
CN116127855A (zh) | 一种电网覆冰灾害风险判断方法及相关设备 | |
Trunova et al. | The substantiation of reconstruction of power distribution networks objects | |
CN116484149A (zh) | 配网停电检修计划量化评估方法 | |
CN114399082A (zh) | 一种输电线路融冰优先级制定方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200821 |