CN111967636A - 用于辅助决策配电网维修策略的系统和方法 - Google Patents

用于辅助决策配电网维修策略的系统和方法 Download PDF

Info

Publication number
CN111967636A
CN111967636A CN202010512254.7A CN202010512254A CN111967636A CN 111967636 A CN111967636 A CN 111967636A CN 202010512254 A CN202010512254 A CN 202010512254A CN 111967636 A CN111967636 A CN 111967636A
Authority
CN
China
Prior art keywords
maintenance
distribution network
power distribution
child node
node
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
Application number
CN202010512254.7A
Other languages
English (en)
Inventor
黄雨
廖家伟
苏剑
刘伟
周莉梅
尚宇炜
刘姝嫔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
Peking University
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peking University, State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, China Electric Power Research Institute Co Ltd CEPRI filed Critical Peking University
Priority to CN202010512254.7A priority Critical patent/CN111967636A/zh
Publication of CN111967636A publication Critical patent/CN111967636A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于辅助决策配电网维修策略的系统及方法。系统包括：信息获取单元，被配置为获取配电网的网络结构信息和维修成本信息；策略集合构建单元，被配置为基于网络结构信息构建匹配配电网的维修策略集合；处理单元，被配置为：从维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；推送单元，被配置为向维修终端推送优选维修策略。利用本发明的方案，利用筛选函数启发性搜索奖赏值大的维修策略，从而得到近似最优的维修策略，有效地降低维修成本。

Description

用于辅助决策配电网维修策略的系统和方法
技术领域
本发明涉及电力系统技术领域，更具体而言涉及一种用于辅助决策配电网维修策略的系统和方法。
背景技术
配电网是电力系统的重要组成部分，处于电网末端，分布广泛、构成复杂、负荷多样，它是分布式发电、储能、电动汽车等的基础平台，由于配电网端设备的参数、老化程度和质量参差不齐，导致整个配电网各种间歇性、随机性、不确定性因素涌现，对电力公司运维管控造成重大挑战，成为一流配电网和城市能源互联网建设的重要障碍。国网公司目前拥有110kV及以下配变837万台、馈线29万条、开关 190万台；电能表4.52亿只，采集终端4015.96万只，配电网端具有点多、量大、面广、价低的配电设备故障频发等问题(超过85％故障在配网侧)，每年电力公司都需要对配电网进行人工检修，评估各个设备的健康状况，最后制定一套维修方案，而维修方案的制定需要参考多个因素，比如设备的健康状况、维修成本、维修后能获得的收益、用户的停电次数和时长等等，所以制定维修方案是一个十分复杂的问题，但是不同的维修方案又对配电网最终的健康状况、维修成本和用户体验影响巨大。
因此，需要提供一种能够制定优化维修策略的技术方案，从而使得配电网的维修成本最小化。
发明内容
为了解决上述技术问题，本发明提供一种用于辅助决策配电网维修策略的系统和方法。
作为本发明第一方面，提供一种于辅助决策配电网维修策略的系统，其中，所述系统包括：
信息获取单元，被配置为获取所述配电网的网络结构信息和维修成本信息；
策略集合构建单元，被配置为基于所述网络结构信息构建匹配所述配电网的维修策略集合；
处理单元，被配置为：从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；
推送单元，被配置为向维修终端推送所述优选维修策略。
在一个实施例中，所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线；
所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。
在一个实施例中，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。
在一个实施例中，所述处理单元被进一步配置为：
(1)确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；
(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；
(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；
(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；
(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略；
其中，
述奖赏函数为：
Figure RE-GDA0002693889260000031
所述筛选函数为：
Figure RE-GDA0002693889260000032
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值， c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
作为本发明第二方面，提供一种服务器，其中，所述服务器包括本发明所述的系统。
作为本发明第三方面，提供一种用于辅助决策配电网维修策略的方法，其中，所述方法包括：
获取所述配电网的网络结构信息和维修成本信息；
基于所述网络结构信息构建匹配所述配电网的维修策略集合；
从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；
向维修终端推送所述优选维修策略。
在一个实施例中，所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线；
所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。
在一个实施例中，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。
在一个实施例中，所述从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略，包括：
(1)确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；
(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；
(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；
(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；
(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略；
其中，
所述奖赏函数为：
Figure RE-GDA0002693889260000051
所述筛选函数为：
Figure RE-GDA0002693889260000052
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值， c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
作为本发明第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现本发明所述的方法。
本发明公开的上述技术方案，采用基于启发性搜索算法的蒙特卡洛树方法构建所述配电网维修策略模型，将维修成本与所述奖赏函数联系起来，然后利用所述筛选函数(UCB公式)启发性搜索奖赏值大的维修策略，从而得到近似最优的维修策略，有效地降低维修成本，经济效益显著。
附图说明
以示例的方式参考以下附图描述本发明的非限制性且非穷举性实施例，其中：
图1是示出根据本发明一个实施例的用于辅助决策配电网维修策略的系统示意图；
图2是示出根据本发明一个实施例的用于辅助决策配电网维修策略的方法流程图；
图3a-图3b是示出根据本发明一个实施例的用于辅助决策配电网维修策略的系统和/或方法的应用示意图。
具体实施方式
为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。
作为本发明第一方面，提供一种用于辅助决策配电网维修策略的系统。图1示意性示出根据本发明一个实施例的用于辅助决策配电网维修策略的系统100。所述系统100包括信息获取单元110、策略集合构建单元120、处理单元130以及推送单元140，各个单元之间通信地耦合。所述系统100可设置于服务端，例如服务器上。
信息获取单元110可以被配置为获取所述配电网的网络结构信息和维修成本信息。
如能理解的，信息获取单元110可通过任何适用的方式获取所述配电网的网络结构信息和维修成本信息。例如，可以与能提供所述配电网的网络结构信息和维修成本信息的数据源通信，所述数据源例如可以为国家电网的数据服务器。
在一实施例中，所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线。参照图3a所示的配电网中的一条馈线F1，包括12条电线和7个变压器，其中，12条电线的设备编号分别为L0、L1、L2、...L11，7个变压器的设备编号分别为tr1、tr2、tr3...tr7。
在一实施例中，所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。通常造成配电网停电的原因包括以下两种，其一为配电网进行预防性维修，其二为配电网意外故障，因此，所述维修成本包括预防性维修成本和意外维修成本。以维修图3a所示的配电网中的一条馈线F1为例，设备的维修的物料费、维修人工费以及维修时长可参照以下表格一和表二：
Figure RE-GDA0002693889260000061
Figure RE-GDA0002693889260000071
表一预防性维修所需物料费和维修人工费
Figure RE-GDA0002693889260000072
表二意外维修所需物料费和维修人工费
参照图3a所示配电网中的馈线F1中，熔断保险装置CB1，配电网的负载的编号分别为LD1、LD2、LD3、...LD7。所述负载的功率可参照以下表三：
Figure RE-GDA0002693889260000073
表三负载功率表
所设备的故障率λ可以包括配电网各个设备的出厂故障率或初始故障率，基于此初始故障率，可计算出每年所述配电网设备的当年故障率，具体计算在下文描述。所述电线长度可依据配电网网络结构计算或直接从数据源获取，所述停电时长也可根据配电网的实施维修情况而定，例如，预防性维修情况下可预估停电时长，意外故障停电情况下，就需要依据实际维修情况而定。
策略集合构建单元120可以被配置为基于所述网络结构信息构建匹配所述配电网的维修策略集合。
如能理解的，策略集合构建单元120可通过任何可能的方式构建所述维修策略集合。例如，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。具体地，可用数字1表示维修状态，用数字0表示不维修状态；然后以图3a所示的配电网的一条馈线F1为例，按照设备编号，馈线F1中全部的设备的顺序可以为L0、L1、L2、...L11、tr1、tr2、tr3...tr7；那么，对应的维修策略可以是包括19个元素的一维数组，由于每个设备都有2种维修状态，因此理论上所述维修策略集合中总的维修策略数为219种，以其中一种为例，所示维修策略按照一维数组的形式可描述为 [1,0,1,0,1,0,1,0,1,...,0,1,0,1]。
处理单元130可以被配置为：从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略。
如能理解的，处理单元130可基于对其可利用的计算资源的最大利用率，执行上述基于蒙特卡洛树搜索算法的维修策略搜索过程。
例如，在一实施例中，所述处理单元130可以被进一步配置为：(1) 确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略。
进一步地，在上述实施例中，所述奖赏函数和所述筛选函数分别为：
Figure RE-GDA0002693889260000091
Figure RE-GDA0002693889260000092
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第 m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值， c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
关于所述维修成本C，以图3a所示配电网的一条馈线F1为例，可参照以下公式(1)～(6)进行计算：
Figure RE-GDA0002693889260000093
Figure RE-GDA0002693889260000094
Figure RE-GDA0002693889260000095
Figure RE-GDA0002693889260000096
Figure RE-GDA0002693889260000097
C＝CPM+CCM+CPE+CUE (6)
具体地，由上述处理单元130的实施例可知，维修策略是从所述维修策略集合中随机选取的，因此在已经选定维修策略的情况下，可预知配电网中那些设备需要进行维修。基于此，预防性维修所需物料费和人工费CPM很容易通过公式(1)计算出来。其中，其中πj代表设备j 是否需要进行维修，
Figure RE-GDA0002693889260000101
代表所需维修物料费，
Figure RE-GDA0002693889260000102
代表人工费，
Figure RE-GDA0002693889260000103
代表维修时长，lj代表电线长度，如果设备j为变压器，则lj等于1，
Figure RE-GDA0002693889260000104
代表馈线F1中所有变压器的集合，
Figure RE-GDA0002693889260000105
代表馈线F1中所有电线的集合。
由于我们无法预知哪个设备将会发生故障，所以意外故障维修成本 CCM只能根据设备的故障率(老化程度)λ来计算其费用的期望，具体参照上述公式(2)和(3)；其中，其中
Figure RE-GDA0002693889260000106
和
Figure RE-GDA0002693889260000107
分别代表设备j意外维修所需的物料费、人工费和维修时长，λj代表设备j一年内发生故障的频率，λj,t代表当年设备的故障率，λj,t-1代表上一年设备的故障率，πj代表是否对设备j进行了维修，e为自然常数，bj为常数，
Figure RE-GDA0002693889260000108
代表设备每年因老化而增加的故障率，一般设为常数，具体参见表四：
Figure RE-GDA0002693889260000109
表四设备常数值
其中
Figure RE-GDA00026938892600001010
和
Figure RE-GDA00026938892600001011
代表设备每年因老化而增加的故障率，
Figure RE-GDA00026938892600001012
和
Figure RE-GDA00026938892600001013
代表设备最低故障率。需要解释的是，对于所述馈线F1的多个设备而言，其在出厂时会有一个理论上的故障率λj，该故障率λj可保存在所述根节点中。
对于由预防性维修而导致的停电，可参照上述公式(4)计算出停电损失的电费CPE。其中，ρi代表负载i是否会停电，可以根据维修策略计算出来，LDi代表负载i的功率，Hi代表负载i停电时间，
Figure RE-GDA00026938892600001014
代表馈线F1上所有负载。
对于由意外故障而导致的停电，可参照上述公式(3)和(5)计算出停电损失的电费CUE，其中，λj代表设备j故障率，
Figure RE-GDA00026938892600001015
代表因设备j 故障而停电的所有负载。总的维修成本C参照公式(6)计算。
为便于进一步理解本发明的技术方案，下面结合图3b对处理单元 130为配电网的一条馈线F1搜索相对最优化的维修策略的工作过程进行详细描述：
考虑到现有技术条件下，处理单元130的计算资源有限，这里假设处理单元130可支持1000次搜索计算，即可从维修策略集合中随机选取1000种维修策略。以所述馈线F1中各个设备的出场时的状态作为所述初始状态，将该初始状态作为根节点St0,0。由于计算资源有限，可设定所述根节点包括50个可拓展的子节点。下面描述所述蒙特卡洛树创建中的一次搜索过程：访问并判断所述根节点St0,0是否还有未拓展的子节点，即判断根节点的子节点数量是否小于50，若是，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到例如子节点St1,1，若否，利用上述筛选函数从所述根节点的所有子节点(如图3b中，St1,1...St1,k...St1,n)中进行筛选，选取使得筛选函数取最大值的子节点，这里所述筛选函数取最大值表示该子节点被访问的次数最多。然后，判断当前节点的访问次数是否为0，若是，则当前子节点为叶节点，利用上述奖赏函数计算该叶节点的奖赏值，这里，将配电网的维修费用的相反数作为奖赏值；若否，则从所述维修策略集合中随机选取维修策略(例如，维修策略πt2,1和πt3,b)对该子节点进行拓展直至拓展至叶节点(例如，子节点St3,b)为止，然后计算该叶节点St3,b的奖赏值。然后，基于所述叶节点St3,b的奖赏值更新该叶节点的全部父节点的奖赏值和访问次数，即更新子节点St2,1、St1,1以及根节点St0,0的奖赏值以及访问次数。至此，一次搜索结束，创建了蒙特卡洛树的一条分枝：根节点St0,0--子节点St1,1--子节点St2,1--子节点St1,b。重复上述过程，直至计算资源耗尽，即可创建出如图3b所示的蒙特卡洛述，然后分别计算已经创建的蒙特卡洛树中各个分枝的奖赏值之和，将和值最大的分枝对应的维修策略作为所述优选维修策略。其中，由于将配电网的维修费用的相反数作为奖赏值，维修费用为正数，因此奖赏值作为维修费用的相反数为负数，负数之和越大，其绝对值月越小，因此，维修成本越低。
其中，如图3b所示，对应的是获取配电网的三年的优化维修策略为目标的蒙特卡洛树，深度为3，每一层深度代表一年，因为搜索目标为三年，所以这里深度为3。该蒙特卡洛树的根节点St0,0,其中保存着配电网各个设备的出场时的初始故障率(即理论上使用一年后的故障率)，执行第一年的维修策略πt1,1...πt1,k...πt1,n后，得到子节点St1,1...St1, k...St1,n；执行第二年的维修策略πt2,1...πt2,i...πt2,j...πt2,p...πt2,q...πt2,a，得到子节点St2,1...St2,i...St2,j...St2,p...St2,q...St2,a；执行第三年的维修策略πt3,1...πt3,b，...，πt3,c...πt3,d后，得到子节点St3,1...St3,b，...，St3,c...St3,d。上述子节点中均保存着所述配电网中的设备的当年的故障率。
推送单元140可以被配置为向维修终端推送所述优选维修策略。
如能理解的，推送单元140可以合适的方式与维修终端通信，例如，可通过无线网络(Wi-Fi)或者移动网络通信。所述维修终端可以为维修配电网的工程师的智能移动设备，例如，智能手机、平板电脑等，或者，也可为独立配置的专用智能设备。
综上，本发明公开的上述技术方案，采用基于启发性搜索算法的蒙特卡洛树方法构建所述配电网维修策略模型，将维修成本与所述奖赏函数联系起来，然后利用所述筛选函数(UCB公式)启发性搜索奖赏值大的维修策略，从而得到近似最优的维修策略，有效地降低维修成本，经济效益显著。
作为本发明的第二方面，提供一种服务器，其中，所述服务器包括本发明所述的用于辅助决策配电网维修策略的系统。
作为本发明的第三个方面，提供一种用于辅助决策配电网维修策略的方法。图2示意性示出根据本发明一个实施例的用于辅助决策配电网维修策略的方法200。
如图2所示，所述用于辅助决策配电网维修策略的方法200，包括： S210、获取所述配电网的网络结构信息和维修成本信息；S220、基于所述网络结构信息构建匹配所述配电网的维修策略集合；S230、从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；S240、向维修终端推送所述优选维修策略。
在一个实施例中，所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线；所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。
在一个实施例中，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。
在一个实施例中，所述从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略，包括：(1)确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略；其中，
所述奖赏函数为：
Figure RE-GDA0002693889260000131
所述筛选函数为：
Figure RE-GDA0002693889260000132
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第 m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值， c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
应理解，本文中前述第一方面关于辅助决策配电网维修策略的系统所描述的具体特征也可类似地应用于第三方面的用于辅助决策配电网维修策略的方法中进行类似扩展。为简化起见，未对其进行详细描述。
应理解，本发明的用于辅助决策配电网维修策略的系统100的各个单元可全部或部分地通过软件、硬件、固件或其组合来实现。所述各单元各自可以硬件或固件形式内嵌于计算机设备的处理器中或独立于所述处理器，也可以软件形式存储于计算机设备的存储器中以供处理器调用来执行所述各单元的操作。所述各单元各自可以实现为独立的部件或模块，或者两个或更多个单元可实现为单个部件或模块。
本领域普通技术人员应理解，图1中示出的用于辅助决策配电网维修策略的系统100的示意图仅仅是与本发明的方案相关的部分结构的示例性说明框图，并不构成对体现本发明的方案的计算机设备、处理器或计算机程序的限定。具体的计算机设备、处理器或计算机程序可以包括比图中所示更多或更少的部件或模块，或者组合或拆分某些部件或模块，或者可具有不同的部件或模块布置。
作为本发明第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现本发明第三方面的方法的步骤。在一个实施例中，所述计算机程序被分布在网络耦合的多个计算机设备或处理器上，以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/ 操作，或者两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或执行两个或更多个方法步骤/操作。
作为本发明第五方面，提供了一种计算机设备，其包括存储器和处理器，所述存储器上存储有可由处理器执行的计算机指令，所述计算机指令在由所述处理器执行时指示所述处理器执行本发明第三方面的用于辅助决策配电网维修策略的方法的各步骤。该计算机设备可以广义地为服务器，或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中，该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。
本领域普通技术人员可以理解，本发明的用于辅助决策配电网维修策略的方法的全部或部分步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成，所述的计算机程序可存储于非暂时性计算机可读存储介质中，该计算机程序被执行时实现本发明的辅助方法的步骤。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。
尽管结合实施例对本发明进行了描述，但本领域技术人员应理解，上文的描述和附图仅是示例性而非限制性的，本发明不限于所公开的实施例。在不偏离本发明的精神的情况下，各种改型和变体是可能的。

Claims (10)

1.一种用于辅助决策配电网维修策略的系统，其特征在于，所述系统包括：
信息获取单元，被配置为获取所述配电网的网络结构信息和维修成本信息；
策略集合构建单元，被配置为基于所述网络结构信息构建匹配所述配电网的维修策略集合；
处理单元，被配置为：从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；
推送单元，被配置为向维修终端推送所述优选维修策略。
2.根据权利要求1所述的系统，其特征在于，
所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线；
所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。
3.根据权利要求2所述的系统，其特征在于，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。
4.根据权利要求1-3中任一项所述的系统，其特征在于，所述处理单元被进一步配置为：
(1)确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；
(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；
(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；
(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；
(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略；
其中，
述奖赏函数为：
Figure FDA0002528839350000021
所述筛选函数为：
Figure FDA0002528839350000022
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值，c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
5.一种服务器，其特征在于，所述服务器包括权利要求1-4中任一项所述的系统。
6.一种用于辅助决策配电网维修策略的方法，其特征在于，所述方法包括：
获取所述配电网的网络结构信息和维修成本信息；
基于所述网络结构信息构建匹配所述配电网的维修策略集合；
从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略；
向维修终端推送所述优选维修策略。
7.根据权利要求6所述的方法，其特征在于，
所述网络结构信息至少包括：表征所述配电网中设备的相对位置的设备编号，其中，所述设备至少包括配电变压器和电线；
所述为维修成本信息至少包括：维修物料费、维修人工费、维修时长、电线长度、配电网的负载功率、停电时间以及所述设备的故障率。
8.根据权利要求7所述的方法，其特征在于，所述配电网中的设备的维修状态包括维修和不维修，所述维修策略为表征多个所述设备的维修状态的数组，其中，所述数组中元素的顺序与所述设备的设备编号顺序对应。
9.根据权利要求6-8中任一项所述的方法，其特征在于，所述从所述维修策略集合中随机选取预设数量的维修策略执行基于蒙特卡洛树搜索算法的搜索，生成表征所述配电网维修策略的蒙特卡洛树，并基于预设的奖赏函数从所述配电网维修策略的蒙特卡洛树中筛选出维修成本最小化的维修策略作为优选维修策略，包括：
(1)确定所述配电网的待维修的初始状态，将所述初始状态作为蒙特卡洛树的根节点，从所述根节点开始执行所述维修策略后得到的配电网的状态作为子节点，其中，所述节点中保存有所述配电网的各个设备的故障率；
(2)判断所述根节点是否存在未拓展的子节点，若存在，从所述维修策略集合中随机选取一维修策略对所述根节点进行拓展得到所述子节点；若不存在，基于预设的筛选函数从所述根节点的所有子节点中进行筛选，选取使得筛选函数取最大值的子节点；
(3)判断当前所述子节点是否为叶节点，若是，则基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息；若否，则从所述维修策略集合中随机选取维修策略对该子节点进行拓展直至拓展至叶节点为止，基于所述奖赏函数计算该子节点的奖赏值，并更新该子节点的全部父节点的统计信息，其中，统计信息包括所述子节点以及其全部父节点的访问次数和奖赏值；
(4)统计并判断从所述维修策略集合中已经选取的维修策略的数量是否大于所述预设数量，若是，转至(5)，若否，返回(2)执行；
(5)基于多组子节点及其父节点的奖赏值选取出维修成本最小化的一组，将该组子节点及其父节点的对应的维修策略作为所述优选维修策略；
其中，
所述奖赏函数为：
Figure FDA0002528839350000041
所述筛选函数为：
Figure FDA0002528839350000042
其中，R表示奖赏函数值，y表示维修执行的年份，Cm表示对应第m年的维修成本，m、n以及y均为正整数；v表示所述配电网当前状态的节点，v’表示v的一个子节点，Q(v’)表示子节点v’的奖赏值，c为常数，N(v’)表示子节点v’的访问次数，N(v)表示节点v的访问次数。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被处理器执行时实现权利要求6-9任一项所述的方法。
CN202010512254.7A 2020-06-08 2020-06-08 用于辅助决策配电网维修策略的系统和方法 Pending CN111967636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010512254.7A CN111967636A (zh) 2020-06-08 2020-06-08 用于辅助决策配电网维修策略的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010512254.7A CN111967636A (zh) 2020-06-08 2020-06-08 用于辅助决策配电网维修策略的系统和方法

Publications (1)

Publication Number Publication Date
CN111967636A true CN111967636A (zh) 2020-11-20

Family

ID=73360291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010512254.7A Pending CN111967636A (zh) 2020-06-08 2020-06-08 用于辅助决策配电网维修策略的系统和方法

Country Status (1)

Country Link
CN (1) CN111967636A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114004550A (zh) * 2022-01-04 2022-02-01 山东大学 自然灾害下电网应急抢修与恢复调度协同决策方法及系统
CN114186718A (zh) * 2021-11-19 2022-03-15 贵州电网有限责任公司 一种基于卫星影像的输变电工程智能管理方法及系统
CN116526477A (zh) * 2023-06-30 2023-08-01 南方电网数字电网研究院有限公司 电网重构策略的确定方法、装置、计算机设备和存储介质
CN117057773A (zh) * 2023-06-30 2023-11-14 东风设备制造有限公司 一种设备维修策略的推荐方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100262574A1 (en) * 2009-04-13 2010-10-14 Palo Alto Research Center Incorporated System and method for combining breadth-first and depth-first search strategies with applications to graph-search problems with large encoding sizes
CN103218758A (zh) * 2013-04-28 2013-07-24 广东电网公司电力调度控制中心 电力通信设备维修方法和系统
CN108573303A (zh) * 2018-04-25 2018-09-25 北京航空航天大学 一种基于改进强化学习的复杂网络局部破坏的自改进恢复策略
CN109376882A (zh) * 2018-12-29 2019-02-22 华润电力技术研究院有限公司 维修策略制定方法、终端和计算机存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100262574A1 (en) * 2009-04-13 2010-10-14 Palo Alto Research Center Incorporated System and method for combining breadth-first and depth-first search strategies with applications to graph-search problems with large encoding sizes
CN103218758A (zh) * 2013-04-28 2013-07-24 广东电网公司电力调度控制中心 电力通信设备维修方法和系统
CN108573303A (zh) * 2018-04-25 2018-09-25 北京航空航天大学 一种基于改进强化学习的复杂网络局部破坏的自改进恢复策略
CN109376882A (zh) * 2018-12-29 2019-02-22 华润电力技术研究院有限公司 维修策略制定方法、终端和计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵洪山等: "考虑不完全维修的风电机组状态机会维修策略", 《中国电机工程学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114186718A (zh) * 2021-11-19 2022-03-15 贵州电网有限责任公司 一种基于卫星影像的输变电工程智能管理方法及系统
CN114004550A (zh) * 2022-01-04 2022-02-01 山东大学 自然灾害下电网应急抢修与恢复调度协同决策方法及系统
CN116526477A (zh) * 2023-06-30 2023-08-01 南方电网数字电网研究院有限公司 电网重构策略的确定方法、装置、计算机设备和存储介质
CN117057773A (zh) * 2023-06-30 2023-11-14 东风设备制造有限公司 一种设备维修策略的推荐方法及系统
CN116526477B (zh) * 2023-06-30 2024-03-26 南方电网数字电网研究院有限公司 电网重构策略的确定方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN111967636A (zh) 用于辅助决策配电网维修策略的系统和方法
CN109936136B (zh) 一种配电网接线线路的规划方法、装置及设备
CN110909920B (zh) 考虑多故障场景的输电网容量规划优化方法及系统
CN107682211B (zh) 一种网络拓扑结构确定方法、装置及计算机可读存储介质
JP2013529879A (ja) 発電機の運転をスケジューリングするための方法
Tavana et al. An evolutionary computation approach to solving repairable multi-state multi-objective redundancy allocation problems
CN108462603A (zh) 电力信息网络流量数据的预测、网络升级的方法及装置
CN114091610A (zh) 智能决策方法及装置
CN107808200B (zh) 配电网短时检修计划优化方法和装置
Gandulfo et al. Generation capacity expansion planning under demand uncertainty using stochastic mixed-integer programming
Chang et al. Power system network partitioning using tabu search
CN114358447A (zh) 一种柔性互联装置配置方法、装置、电子设备及存储介质
CN111210169B (zh) 基于branch矩阵的无环网无孤岛配电网络生成方法
CN108808670B (zh) 一种大停电后电力系统恢复的分区方案优化方法及装置
CN115879742A (zh) 配电网改造方法、系统、电子设备及存储介质
CN113629769B (zh) 一种基于线路权重的电网分区搜索方法和系统
Eng et al. Distribution system restoration using spanning tree based on depth first search visual in GUI
CN110717079B (zh) 电价分区方法、装置、计算机设备和存储介质
CN110829413B (zh) 基于道路矩阵的辐射状配电网可靠性评估方法
CN111969638B (zh) 基于整数线性规划的多直流馈入电网恢复分区方法及系统
CN109978678B (zh) 一种参数管理方法及相关设备
CN113506188A (zh) 考虑不确定性和主动负荷的输电网扩展规划方法及系统
Skok et al. Dynamic planning of medium voltage open-loop distribution networks under uncertainty
CN116976060B (zh) 分布式新能源集群-负荷-网络动态重构的灵活组网方法
CN110148927B (zh) 一种应用于定值校核系统的局域电网增量动态分区方法

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20231117