CN113095587A - 变电站的检修路径计算方法 - Google Patents
变电站的检修路径计算方法 Download PDFInfo
- Publication number
- CN113095587A CN113095587A CN202110452919.4A CN202110452919A CN113095587A CN 113095587 A CN113095587 A CN 113095587A CN 202110452919 A CN202110452919 A CN 202110452919A CN 113095587 A CN113095587 A CN 113095587A
- Authority
- CN
- China
- Prior art keywords
- path
- substation
- overhaul
- matrix
- screening
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 103
- 238000012216 screening Methods 0.000 claims abstract description 94
- 238000012423 maintenance Methods 0.000 claims abstract description 56
- 239000013598 vector Substances 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 23
- 230000008439 repair process Effects 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种变电站的检修路径计算方法,所述方法包括:根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵;根据当前待检修变电站的总数值,建立路径筛选矩阵的初始种群;按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵;根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,计算出最优检修路径。本发明根据变电站位置分布及路途时间对检修效率的影响,通过求解最优的检修顺序,有效提升了检修的效率和经济性。
Description
技术领域
本发明涉及变电站检修技术领域,具体涉及一种变电站的检修路径计算方法。
背景技术
电能量采集装置是一种远端采集、存储、远传装置,在电能计量计费自动化系统中,电能量采集装置是电能数据的通讯中枢,一方面采集、存储数字电能表以串行通讯形式输出的电能数据;另一方面将采集到的电能数据通过上行通道传输到电能计费自动化系统的主站中,因此对变电站的电能量采集装置的运维与检修是保证变电站安全可靠运行的重要工作。
随着电网规模的不断扩张,同一天可能存在多个电能量采集装置出现故障或异常,为应对繁重的检修任务,考虑到检修人力限制以及各检修任务间的互斥性和协调性,需要制定检修计划;目前变电站的位置分布比较分散,使检修人员在路途上消耗的时间较长,而现有技术对变电站的检修计划并未考虑路途时间及变电站的位置分布情况,导致出现检修效率和经济效益低的问题。
发明内容
针对现有技术中所存在的不足,本发明提供的变电站的检修路径计算方法,其解决了现有技术对变电站的检修计划未考虑路途时间及变电站的位置分布情况导致出现检修效率和经济效益低的问题,有效提升了检修的效率和经济性。
本发明提供一种变电站的检修路径计算方法,所述方法包括:根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵;根据当前待检修变电站的总数值,建立路径筛选矩阵的初始种群;按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵;根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,计算出最优检修路径。
可选地,按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵,包括:按照预设条件对所述初始种群中的每个个体进行筛选,得到多个路径筛选矩阵;获取所述每个路径筛选矩阵的目标函数值;判断当前迭代次数是否达到预设迭代次数;若当前迭代次数达到所述预设迭代次数时,将最小目标函数值对应的路径筛选矩阵作为最优路径筛选矩阵。
可选地,所述方法还包括:若当前迭代次数未达到所述预设迭代次数时,对当前种群中的个体进行交叉变异,生成的优化种群作为下次迭代训练的初始种群。
其中,G表示初始种群中的路径筛选矩阵,m表示当前待检修变电站的总数值,sum(sum(G=1))表示G中1的个数。
可选地,获取所述每个路径筛选矩阵的目标函数值,包括:根据所述初始检修路径矢量矩阵和当前路径筛选矩阵,得到当前检修路径策略;根据当前检修路径策略,获取到每个待检测变电站的检修开始时刻和检修完成时刻;根据每个待检测变电站的负荷曲线、每个待检测变电站的检修开始时刻和检修完成时刻,得到每个待检测变电站的漏记电费和检修人工成本;根据所述每个待检测变电站的漏记电费和检修人工成本,得到所述当前路径筛选矩阵对应的目标函数值。
其中,T0表示从初始位置的出发时刻,T2-i表示第i个变电站的检修开始时刻,T3-i表示第i个变电站的检修结束时刻,Wi(t)为当前变电站所带负荷的总有功功率,H(t)为单位时间的检修人工费用,R(t)为电价,R(t)和H(t)为分段函数。
可选地,根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵,包括:以初始位置为原点建立坐标系;获取所有待检修变电站在所述坐标系中的坐标;根据所述初始位置和每个待检修变电站的坐标,得到的初始检修路径矢量矩阵为:
其中,S的第1行表示初始位置到每个变电站的路径矢量,第i+1行表示变电站i到初始位置和其他变电站的路径矢量。
可选地,根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,得到最优检修路径包括:S*=S·G*,其中,G*为最优路径筛选矩阵。
可选地,所述路径筛选矩阵表示为:
其中,gi-j的取值为1或0,G总共有m+1个元素为1。
相比于现有技术,本发明具有如下有益效果:
本发明通过当前多个变电站的坐标建立初始检修路径矢量矩阵确定检修路程,通过定义路径筛选矩阵以描述变电站的检修顺序,然后对路径筛选矩阵进行迭代优化,筛选出最优路径筛选矩阵,根据最优路径筛选矩阵确定出最优检修路径,因此本发明根据变电站位置分布及路途时间对检修效率的影响,通过求解最优的检修顺序,有效提升了检修的效率和经济性。
附图说明
图1所示为本发明实施例提供的一种变电站的检修路径计算方法的流程示意图;
图2所示为图1中步骤S103的具体流程图;
图3所示为本发明实施例提供的检修路径示意图;
图4所示为图2中步骤S202的具体流程图;
图5所示为本发明实施例提供的变电站的负荷曲线示意图;
图6所示为本发明实施例提供的一种路径筛选矩阵的占比示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。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的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1所示为本发明实施例提供的一种变电站的检修路径计算方法的流程示意图,如图1所示,该变电站的检修路径计算方法具体包括如下步骤:
步骤S101,根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵。
在本实施例中,对变电站的检修是对变电站中的电能量采集装置进行检修,所述电能量采集装置主要负责收集变电站所有电表采集的信息(电压、电流、功率),并把这些信息上送至远方主站,主站可用这些信息来进行线损分析、电费计算等,电能量采集装置的检修一般是针对装置硬件或软件配置出现的问题进行的处理,可更换新的电能量采集装置,将原装置返厂维修,新装置需要厂家重新配置后方可使用。
具体地,根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵,包括:以初始位置为原点建立坐标系;获取所有待检修变电站在所述坐标系中的坐标;根据所述初始位置和每个待检修变电站的坐标,得到的初始检修路径矢量矩阵为:
其中,S的第1行表示初始位置到每个变电站的路径矢量,第i+1行表示变电站i到初始位置和其他变电站的路径矢量。
需要说明的是,在本实施例中的初始位置以公司为例,当前待检修变电站的数量为多个,设公司的位置为原点(0,0)建立坐标系,则由公司至变电站i的矢量由变电站i至变电站j的矢量为则建立的初始检修路径失量矩阵S为:
其中,S的第1行表示初始位置到每个变电站的路径矢量,第i+1行表示变电站i到初始位置和其他变电站的路径矢量,矩阵S中的第一列表示公司,第二列表示第一个站点,依次类推。
步骤S102,根据当前待检修变电站的总数值,建立路径筛选矩阵的初始种群。
需要说明的是,建立路径筛选矩阵G用于从初始检修路径矢量矩阵S中筛选出路径矢量以构成检修路径,路径筛选矩阵G确定了检修顺序,其表达式如下:
初始种群中包含多个个体,每个个体即为一个路径筛选矩阵G,在本实施例中路径筛选矩阵G中的元素只包括0和1,可以用程序随机生成m+1维的01矩阵,就构成了初始种群,具体语句可用matlab的round,每个个体的差异就是0、1元素的分布不同。
步骤S103,按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵。
进一步地,如图2所示,按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵具体包括以下步骤:
步骤S201,按照预设条件对所述初始种群中的每个个体进行筛选,得到多个路径筛选矩阵;
需要说明的是,按照预设条件对所述初始种群中的每个个体进行筛选是:根据公式(1)R(G)=m+1对初始种群中的每个个体进行筛选,使筛选出的路径筛选矩阵中取1的元素两两之间不能位于同一列或者同一行,可得路径筛选矩阵G满秩;根据公式(2)sum(sum((GT-G)=1))=sum(sum(G=1))对上个步骤筛选出的路径筛选矩阵满足取1的元素两两之间不能关于主对称轴对称,从而得到多个路径筛选矩阵,其中G表示初始种群中的路径筛选矩阵,m表示当前待检修变电站的总数值,sum(sum(G=1))表示G中1的个数。
由此可知,所述多个路径筛选矩阵需满足以下三个条件:(1)gi-j的取值为1或0,G总共有m+1个元素为1;(2)取1的元素两两之间不能位于同一列或者同一行;(3)取1的元素两两之间不能关于主对称轴对称。
需要进一步说明的是,如图3所示,当需要检修三个变电站时,可选择先检修变电站1,再检修变电站2,之后再检修变电站3,最后回公司。由此选择的检修路径矢量为 可以得到,检修路径矢量将构成一个闭环;需要去检修的变电站与公司的位置构成图的顶点,检修从公司出发,经过各个变电站,最后回到公司,这种检修路径在图论中叫做欧拉路径,即从一个点出发,经过每一条边恰好一次,最后能回到这个点的路径。不在两个站之间往复行驶,节约路程。依据欧拉路径的充要条件可以推导出G矩阵满足的条件。(1)第一个条件:G中的数值取1,表示检修路径中包含S中对应位置的矢量,取0则表示不包括。假设有3个站需要检修,加公司位置就是四个点,检修路径中一共有4个检修矢量,所以需要从S中选4个路径矢量,G中为1的元素就有4个,也就是m+1,站的个数加1。(2)第二个条件:用反证法来推断,假设G中存在同一行有两个元素为1,假设就是第一行两个元素为1。参见图1,从公司出来就要到两个地方,如果还要构成闭环路径,就必然在两个地点间走两次,无法构成欧拉路径。欧拉路径的充要条件就是:每个点的入度等于出度(进入每个点的路径和离开它的路径数量相等),每个点的度数为偶数。(3)第三个条件:用反证法。假设存在对角的元素为1,即G1-2=G2-1=1,则表示第1个站与第2个站之间来回走了两次,重复走了,浪费了路程,这种检修路径也不能叫做欧拉路径。在本实施例中可以通过编程实现公式(1)和公式(2)对对所述初始种群中的每个个体进行筛选,得到多个满足上述3个条件的路径筛选矩阵。
步骤S202,获取所述每个路径筛选矩阵的目标函数值;
进一步地,如图4所示,获取所述每个路径筛选矩阵的目标函数值具体包括以下步骤:
步骤S301,根据所述初始检修路径矢量矩阵和当前路径筛选矩阵,得到当前检修路径策略;
步骤S302,根据当前检修路径策略,获取到每个待检测变电站的检修开始时刻和检修完成时刻;
步骤S303,根据每个待检测变电站的负荷曲线、每个待检测变电站的检修开始时刻和检修完成时刻,得到每个待检测变电站的漏记电费和检修人工成本;
步骤S304,根据所述每个待检测变电站的漏记电费和检修人工成本,得到所述当前路径筛选矩阵对应的目标函数值。
需要说明的是,所述初始检修路径矢量矩阵与不同的路径筛选矩阵相乘,可得到不同的检修路径策略,从而得到不同的检修顺序,若当前的路径筛选矩阵确定后,可得到当前检修路径策略中的检修顺序,设变电站i、j的位置分别为(xi,yi)、(xj,yj),则距离为:设平均行车速度为V,则可估算路程时间,设平均检修时间为T,则结合各变电站的检修顺序即可得到各站检修完成的时刻;结合变电站的负荷曲线计算装置故障后至装置检修完成时损失的电费,考虑工作时段的差异计算检修人力成本;如图5所示,电力负荷随时间变化的曲线,一般是根据实际运行情况得出,具有规律性,存在高峰负荷和低谷,可以进行短期的负荷预测,即依据历史负荷曲线预测出明天或者更远时段的负荷。
举例说明,设在T0时刻检修人员从公司出发,第i个变电站的电能量采集装置在T2-i时刻开始检修,在T3-i时刻检修好,则该变电站电能量采集装置的漏记电费C1-i及检修人工成本C2-i为:
其中,Wi(t)为当前变电站所带负荷的总有功功率,H(t)为单位时间的检修人工费用,夜间的检修人工费用更高,H(t)和R(t)为分段函数,R(t)为电价,一般夜间电价较为便宜,H(t)和R(t)表示为:
其中,H1和H2分别为夜间、白天的单位时间人工成本,R1、R2、R3分别对应低峰时段、平常时段、高峰时段的电价。根据所述每个待检测变电站的漏记电费和检修人工成本,得到所述当前路径筛选矩阵对应的目标函数值,其中所述目标函数的公式表达式为:
步骤S203,判断当前迭代次数是否达到预设迭代次数,若当前迭代次数达到所述预设迭代次数时执行步骤S204,若当前迭代次数未达到所述预设迭代次数时执行步骤S205;
步骤S204,将最小目标函数值对应的路径筛选矩阵作为最优路径筛选矩阵;
步骤S205,对当前种群中的个体进行交叉变异,生成的优化种群作为下次迭代训练的初始种群;
需要说明的是,如图6所示,随着待检修变电站数量m的逐渐增加,满足条件的路径筛选矩阵G′占随机生成的路径筛选矩阵G的比例迅速衰减,最后接近于0。当待检修的变电站个数为m,则可选择的检修顺序共有m!,则可列出m!个路径筛选矩阵,假设有五个变电站需要检修,选择的检修顺序,选第一个有5个选择,选第二个就只有4个选择,选择第三个只有3选择,因此共有5×4×3×2×1,也就是5!,则可列出5的阶乘种顺序。当检修的变电站较多时,G的阶数较高,若通过枚举法列出路径筛选矩阵,再分别求解目标函数F,计算量很大且计算速度很慢。若直接套用遗传算法等优化算法进行求解,由于满足条件的路径筛选矩阵占随机生成的路径筛选矩阵的很小一部分,若随机生成初始种群进行计算,则必然会降低算法的计算效率甚至影响收敛结果,满足条件的G阵的取值仅有2(m+1)2种。因此,本发明对遗传算法进行了适当改进调整,对生成的G阵按照公式(1)和公式(2)进行判定,只让满足条件的路径筛选矩阵G′阵参与计算,有效提升了计算效率,适应于本优化模型的求解。
在本实施例中,首先初始化路径筛选矩阵G,建立关于矩阵G的初始种群,种群中包含多个个体,每个个体即为一个矩阵G,对初始种群按照上述公式(1)和公式(2)进行筛选,选出满足条件的路径筛选矩阵G′阵。设平均速度为V,依据经验,设备平均检修时间为1小时,T3-i=T2-i+1,则可得到各站的开始检修时刻与检修结束时刻,再计算目标函数F,目标函数值越小,个体进入下一次迭代的机率越高,经过多次迭代后输出的目标函数值最小的路径筛选矩阵为最优路径筛选矩阵G*。
步骤S104,根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,计算出最优检修路径。
具体地,最优检修路径为所述初始检修路径矢量矩阵与所述最优路径筛选矩阵的乘积:S*=S·G*。
举例说明,设公司坐标为(0,0),变电站1~5的坐标分别为(7.5km,11.25km)、(18.75km,3.75km)、(11.25km,-3.75km)、(-11.25km,-11.25km)、(-7.5km,7.5km),负荷系数分别为1、1.1、0.5、1.5、0.7,平均行车速度为30km/h,设各站的负荷曲线趋势相同,所示曲线乘以负荷系数可得该站的负荷曲线,不同时段的电价R1、R2、R3分别为0.43元/度、0.65元/度、0.97元/度。不同时段的单位时间的人力成本H1、H2分别为200元/时、100元/时。
设检修队伍早上8点从单位出发开始检修工作,通过本文的优化模型,求得最优检修顺序对应的G*阵为:
可得最优检修顺序为:变电站5、变电站4、变电站1、变电站2、变电站3。最低检修总费用为1.149万元。变电站1~5的检修结束时刻及回到公司的时刻分别为:12.1553时、13.6060时、14.9596时、10.5303时、9.3536时、15.3549时。可以看出,最先检修的站并不是负荷最大的,最优检修顺序与变电站的分布位置及负荷情况均相关。
相比现有技术,本发明具有以下有益效果:
本发明通过当前多个变电站的坐标建立初始检修路径矢量矩阵确定检修路程,通过定义路径筛选矩阵以描述变电站的检修顺序,然后对路径筛选矩阵进行迭代优化,筛选出最优路径筛选矩阵,根据最优路径筛选矩阵确定出最优检修路径,因此本发明根据变电站位置分布及路途时间对检修效率的影响,通过求解最优的检修顺序,有效提升了检修的效率和经济性。
进一步说明,本发明定义了路径筛选矩阵以描述检修顺序,进而确定各变电站检修完成的时刻,再结合负荷曲线计算电能损失,依据出工时间计算人力成本,通过改进后的遗传算法求解使得总费用最低的最佳检修顺序,有效提升了检修的效率和经济性;种群中的个体为路径筛选矩阵,随机生成的路径筛选矩阵很容易不满足限制条件,其计算结果也无效,为剔除无效的矩阵,提升计算效率和收敛结果的准确性,本发明对遗传算法的初始种群及迭代过程中产生的下一代种群进行了筛选。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,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,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。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过程、方法、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过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种变电站的检修路径计算方法,其特征在于,所述方法包括:
根据当前待检修变电站的坐标,建立初始检修路径矢量矩阵;
根据当前待检修变电站的总数值,建立路径筛选矩阵的初始种群;
按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵;
根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,计算出最优检修路径。
2.如权利要求1所述的变电站的检修路径计算方法,其特征在于,按照预设规则对所述初始种群进行迭代筛选,获取到最优路径筛选矩阵,包括:
按照预设条件对所述初始种群中的每个个体进行筛选,得到多个路径筛选矩阵;
获取所述每个路径筛选矩阵的目标函数值;
判断当前迭代次数是否达到预设迭代次数;
若当前迭代次数达到所述预设迭代次数时,将最小目标函数值对应的路径筛选矩阵作为最优路径筛选矩阵。
3.如权利要求2所述的变电站的检修路径计算方法,其特征在于,所述方法还包括:
若当前迭代次数未达到所述预设迭代次数时,对当前种群中的个体进行交叉变异,生成的优化种群作为下次迭代训练的初始种群。
5.如权利要求3所述的变电站的检修路径计算方法,其特征在于,获取所述每个路径筛选矩阵的目标函数值,包括:
根据所述初始检修路径矢量矩阵和当前路径筛选矩阵,得到当前检修路径策略;
根据当前检修路径策略,获取到每个待检测变电站的检修开始时刻和检修完成时刻;
根据每个待检测变电站的负荷曲线、每个待检测变电站的检修开始时刻和检修完成时刻,得到每个待检测变电站的漏记电费和检修人工成本;
根据所述每个待检测变电站的漏记电费和检修人工成本,得到所述当前路径筛选矩阵对应的目标函数值。
9.如权利要求8所述的变电站的检修路径计算方法,其特征在于,根据所述初始检修路径矢量矩阵和所述最优路径筛选矩阵,得到最优检修路径包括:
S*=S·G*
其中,G*为最优路径筛选矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110452919.4A CN113095587A (zh) | 2021-04-26 | 2021-04-26 | 变电站的检修路径计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110452919.4A CN113095587A (zh) | 2021-04-26 | 2021-04-26 | 变电站的检修路径计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095587A true CN113095587A (zh) | 2021-07-09 |
Family
ID=76680413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110452919.4A Pending CN113095587A (zh) | 2021-04-26 | 2021-04-26 | 变电站的检修路径计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095587A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451896A (zh) * | 2023-06-14 | 2023-07-18 | 北京国电通网络技术有限公司 | 设备检修路径生成方法、装置、电子设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006220536A (ja) * | 2005-02-10 | 2006-08-24 | Chugoku Electric Power Co Inc:The | 電気料金の停電割引計算システム及び電力量計 |
KR20110131537A (ko) * | 2010-05-31 | 2011-12-07 | 한전케이디엔주식회사 | 실시간 에너지 정보 표시 시스템 |
CN102870534A (zh) * | 2012-09-21 | 2013-01-16 | 浙江大学 | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 |
CN107784380A (zh) * | 2016-08-30 | 2018-03-09 | 上海创和亿电子科技发展有限公司 | 一种巡检最短路径的优化方法及优化系统 |
CN109523178A (zh) * | 2018-11-22 | 2019-03-26 | 国网冀北电力有限公司信息通信分公司 | 一种面向电力通信现场的运维方法及装置 |
CN110610304A (zh) * | 2019-08-28 | 2019-12-24 | 广西电网有限责任公司电力科学研究院 | 基于混合遗传-蚁群算法的巡检机器人跨区域调度方法 |
CN111007874A (zh) * | 2019-09-18 | 2020-04-14 | 合肥工业大学 | 无人机与车辆协同的电力巡检方法和装置 |
CN111612217A (zh) * | 2020-04-20 | 2020-09-01 | 哈尔滨工程大学 | 一种用于海上风电场巡检的水面无人艇改进ga-sa路径规划方法 |
-
2021
- 2021-04-26 CN CN202110452919.4A patent/CN113095587A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006220536A (ja) * | 2005-02-10 | 2006-08-24 | Chugoku Electric Power Co Inc:The | 電気料金の停電割引計算システム及び電力量計 |
KR20110131537A (ko) * | 2010-05-31 | 2011-12-07 | 한전케이디엔주식회사 | 실시간 에너지 정보 표시 시스템 |
CN102870534A (zh) * | 2012-09-21 | 2013-01-16 | 浙江大学 | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 |
CN107784380A (zh) * | 2016-08-30 | 2018-03-09 | 上海创和亿电子科技发展有限公司 | 一种巡检最短路径的优化方法及优化系统 |
CN109523178A (zh) * | 2018-11-22 | 2019-03-26 | 国网冀北电力有限公司信息通信分公司 | 一种面向电力通信现场的运维方法及装置 |
CN110610304A (zh) * | 2019-08-28 | 2019-12-24 | 广西电网有限责任公司电力科学研究院 | 基于混合遗传-蚁群算法的巡检机器人跨区域调度方法 |
CN111007874A (zh) * | 2019-09-18 | 2020-04-14 | 合肥工业大学 | 无人机与车辆协同的电力巡检方法和装置 |
CN111612217A (zh) * | 2020-04-20 | 2020-09-01 | 哈尔滨工程大学 | 一种用于海上风电场巡检的水面无人艇改进ga-sa路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451896A (zh) * | 2023-06-14 | 2023-07-18 | 北京国电通网络技术有限公司 | 设备检修路径生成方法、装置、电子设备和介质 |
CN116451896B (zh) * | 2023-06-14 | 2023-09-12 | 北京国电通网络技术有限公司 | 设备检修路径生成方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Short term load forecasting using artificial neural network | |
US9509176B2 (en) | Energy storage modeling and control | |
Dai et al. | Annual risk assessment for overload security | |
Soares et al. | Multi-objective parallel particle swarm optimization for day-ahead vehicle-to-grid scheduling | |
CN103268526B (zh) | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 | |
CN112085285A (zh) | 母线负荷预测方法、装置、计算机设备和存储介质 | |
CN111784030B (zh) | 一种基于空间相关性的分布式光伏功率预测方法及装置 | |
CN113962717A (zh) | 面向发电侧虚拟电厂共享储能的报价及持仓策略预测方法、装置 | |
CN115480486A (zh) | 一种集中式光伏电站运维方法及装置 | |
CN113095587A (zh) | 变电站的检修路径计算方法 | |
Yilmaz | Real measure of a transmission line data with load fore-cast model for the future | |
Bukhsh et al. | A robust optimisation approach using CVaR for unit commitment in a market with probabilistic offers | |
Pokhrel et al. | An intelligent approach to observability of distribution networks | |
CN104933476A (zh) | 发电资产发电量的预测系统、方法及价值估计方法 | |
Pinson et al. | Generation of statistical scenarios of short-term wind power production | |
JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
Guan et al. | Advanced load forecast with hierarchical forecasting capability | |
Bahrami et al. | Long-term generation maintenance scheduling with integration of pumped storage units | |
Deng et al. | Medium-term rolling load forecasting based on seasonal decomposition and long short-term memory neural network | |
Bucher et al. | Balancing reserve procurement and operation in the presence of uncertainty and transmission limits | |
Blank et al. | Lagrangian Relaxation of Large-scale Congestion Management using Extended Subgradient Methods | |
Priolkar et al. | Forecasting of Load and Solar PV Power to Assess Demand Response Potential | |
Bellenbaum et al. | Probabilistic methodology for adequacy assessment under uncertainty for a multi-region system | |
CN112132325B (zh) | 考虑天气置信度的输电线路载流量限额评估方法及装置 | |
Shendryk et al. | Study of Structural Relationships and models of Information Support for Energy Life Cycle Management in Microgrid |
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 |