CN114139838A - 电力设备检修计划优化方法及装置 - Google Patents

电力设备检修计划优化方法及装置 Download PDF

Info

Publication number
CN114139838A
CN114139838A CN202210115852.XA CN202210115852A CN114139838A CN 114139838 A CN114139838 A CN 114139838A CN 202210115852 A CN202210115852 A CN 202210115852A CN 114139838 A CN114139838 A CN 114139838A
Authority
CN
China
Prior art keywords
maintenance
constraint conditions
plan
overhaul
equipment
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.)
Granted
Application number
CN202210115852.XA
Other languages
English (en)
Other versions
CN114139838B (zh
Inventor
汪洋
赖晓文
李思思
熊正勇
张丙金
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.)
Beijing Tsintergy Technology Co ltd
Original Assignee
Beijing Tsintergy Technology Co ltd
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 Beijing Tsintergy Technology Co ltd filed Critical Beijing Tsintergy Technology Co ltd
Priority to CN202210115852.XA priority Critical patent/CN114139838B/zh
Publication of CN114139838A publication Critical patent/CN114139838A/zh
Application granted granted Critical
Publication of CN114139838B publication Critical patent/CN114139838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Abstract

本发明涉及一种电力设备检修计划优化方法及装置，所述方法包括以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。本发明旨在通过算法优化模型实现省网公司年度停电计划编排智能化、自动化，减小停电计划管理人员工作量。

Description

电力设备检修计划优化方法及装置
技术领域
本发明属于电力系统技术领域，具体涉及一种电力设备检修计划优化方法及装置。
背景技术
相关技术中，一方面，电力设备向大机组、大容量、高电压方向的不断发展，设备数量的急剧增加，进一步加重设备检修的工作量，造成检修费用的不断攀升；另一方面，设备计划检修是引起用户停电、影响供电可靠性水平的主要原因。因此，必须通过合理地安排设备检修工作，提高检修质量和效率，减少停电次数和停电影响，才能有效确保供电设备安全运行、提高供电可靠性。
目前，各级供电企业在进行电网检修计划编制时，通常是由电网调度中心的检修专职人员依靠经验完成，在编制时需要按照电网运行方式、调度计划的编制原则和设备检修管理规定，统筹安排不同部门上报或下达的设备检修任务，使编制出的检修计划既能满足电网安全可靠运行的需要，又达到尽可能满足停电计划需求、无不合理重复检修的要求。但是现有人工编制停电计划的方法存在以下缺点：
（1）可靠性得不到保证。人工编制停电计划，对设备停电的频率及时间控制不是很精确，导致重复停电，对供电可靠性形成了很大的威胁。
（2）工作量大，效率较低。由于供电设备繁杂，检修任务多，制定检修计划时不仅要考虑检修任务的合理性、不同检修任务之间的互斥性与协调性，还要考虑优化设备检修时间和优化检修设备数量限制等问题，导致人工编制检修计划的工作量很大，工作效率较低。
（3）工作量安排不合理。人工编制计划不尽合理，没有在有限的停电窗口内尽量均衡安排检修计划，工作量安排不适当，分布不均匀的检修工作任务不仅会对电网的安全稳定运行产生较大的影响，而且容易造成检修资源的浪费。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种电力设备检修计划优化方法及装置，以解决现有技术中现有人工编制停电计划的方法存在可靠性得不到保证的问题。
为实现以上目的，本发明采用如下技术方案：一种电力设备检修计划优化方法，包括：
以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
进一步的，所述目标函数为：
Figure 100002_DEST_PATH_IMAGE002
；
其中，a j 为检修总状态变量，表示检修计划j是否执行的状态变量，为1表示执行，为0表示不执行。
进一步的，所述检修结束时间约束条件为：
Figure 100002_DEST_PATH_IMAGE004
；
其中，T j 表示检修计划j的检修工期，T表示总时段；
所述检修时间与检修总状态变量耦合约束条件为：
Figure 100002_DEST_PATH_IMAGE006
；
其中，x j 为检修计划j的停电开始时间；
所述检修时间与检修日状态变量耦合约束条件为：
Figure 100002_DEST_PATH_IMAGE008
；
其中，
Figure 100002_DEST_PATH_IMAGE010
为检修日状态变量，表示检修计划j中的设备在第t天是否安排停电，为1表示安排，为0表示不安排，以实现在检修计划j中的设备的检修区间
Figure 100002_DEST_PATH_IMAGE012
内
Figure 100002_DEST_PATH_IMAGE014
，检修区间外
Figure 100002_DEST_PATH_IMAGE016
；
所述停电窗口期约束条件为：对于有停电窗口的设备，只安排其在停电窗口期内进行检修，数据读入后，设备i在非停电窗口时段的
Figure DEST_PATH_IMAGE010A
都置为0；
所述保电约束条件为：对于预设不能停电的日期，对于
Figure 100002_DEST_PATH_IMAGE018
的所有设备i对应的检修计划j在区域r的保电时段内
Figure 100002_DEST_PATH_IMAGE020
都置为0；
所述主设备不重复停电约束条件为：判断设备检修计划是否合理，若不合理，则对数据进行预处理后，根据检修计划的优先级和检修时间选择优化的检修计划；
所述日检修设备数量限制约束条件为：
Figure 100002_DEST_PATH_IMAGE022
；
其中，J i 表示设备i的检修计划数，D t 表示第t天最大检修设备数量；
所述检修同时约束为：
Figure 100002_DEST_PATH_IMAGE024
；
所述检修互斥约束条件为：
Figure DEST_PATH_IMAGE025
；
其中，
Figure DEST_PATH_IMAGE027
、
Figure DEST_PATH_IMAGE029
表示两个设备，
Figure DEST_PATH_IMAGE031
、
Figure DEST_PATH_IMAGE033
分别为
Figure DEST_PATH_IMAGE027A
、
Figure DEST_PATH_IMAGE029A
这两个设备包含的检修优先级最高计划；
所述时序性约束条件为：
Figure 100002_DEST_PATH_IMAGE034
；
其中，当时序性约束集合对应的项目都包含多个设备的停电计划时，
Figure 100002_DEST_PATH_IMAGE036
表示当前项目索引到的所有计划集合，
Figure 100002_DEST_PATH_IMAGE038
表示前序项目索引到的所有计划集合，当检修计划集合
Figure DEST_PATH_IMAGE038A
中的所有计划都检修完成后，检修计划集合
Figure DEST_PATH_IMAGE036A
中的计划才开始检修，
Figure 100002_DEST_PATH_IMAGE040
表示有时序性要求的特定检修计划j的时序性间隔；
所述项目内同停约束条件为：
Figure DEST_PATH_IMAGE041
；
当有项目内同停情况存在时，外部数据会将同停设备所属项目设置为同一个子项目，以子项目去耦合多个同停设备的停电计划；
所述决策变量上下限约束条件为：
Figure DEST_PATH_IMAGE042
。
进一步的，所述基于多层分步迭代计算的方式求解所述优化模型，包括：
获取初始数据并根据初始数据计算日检修平均数；其中，所述初始数据包括：检修计划申报日期，其中所述申报日期包括开始时间和结束时间、检修计划窗口期、日检修最大数，根据检修计划申报开始时间和结束时间以及总检修周期计算日检修平均值；
基于将检修开始时间的取值范围不断增大方式对所述优化模型逐层迭代计算求解，直至所述检修开始时间的取值范围超出预设范围，停止迭代计算，得到优化的检修计划并进行固定；其中，检修计划包括多个；其中，所述检修开始时间每次增大时的取值变化量由预设参数决定；
判断是否存在未优化的检修计划，并在下一次优化时采用预处理后的日检修最大限制数对未优化的检修计划进行优化处理；其中，检修最大限制数为检修计划的最大限制数；
输出所有优化后的检修计划。
进一步的，所述预处理后的日检修最大限制数为：
将日检修最大限制数设为日检修平均值，使得每日检修数逼近日检修平均值；
对日检修最大限制数进行松弛处理，直至所有检修计划安排完毕。
进一步的，还包括：
在每一层计算完成后，判断是否存在未优化的检修计划；
若有，则进行下一层优化计算，直至所有检修计划被成功安排输出。
进一步的，所述输出所有优化后的检修计划，包括：
输出每条可编排检修计划索引项目、设备，及其对应的检修开始时间和检修结束时间。
本申请实施例提供一种电力设备检修计划优化装置，包括：
构建模块，用于以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
求解模块，用于基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
本申请实施例提供一种计算机设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述任一实施例提供的电力设备检修计划优化方法的步骤。
本申请实施例还提供一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述任一实施例提供的电力设备检修计划优化方法的步骤。
本发明采用以上技术方案，能够达到的有益效果包括：
本发明提供一种电力设备检修计划优化方法及装置，具有以下有意效果：
1，解决停电检修计划人工编制及调整效率低、灵活性差的问题，本发明最大限度地利用好停电窗口，实现一停多用。
2，解决现行停电检修计划编制不够精细化的问题，本发明考虑检修同时约束、时序性约束、检修互斥约束、重复停电约束等多种约束条件，满足电网安全稳定运行条件。
3，解决人工编制停电检修计划工作量不合理的问题，本发明考虑日检修设备数量限制约束，在全年有效停电窗口期内实现日检修计划数量尽量均衡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明电力设备检修计划优化方法的步骤示意图；
图2为本发明电力设备检修计划优化装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的电力设备检修计划优化方法及装置。
如图1所示，本申请实施例中提供的电力设备检修计划优化方法包括：
S101，以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
S102，基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
电力设备检修计划优化方法的工作原理为：本申请通过设置目标函数和多个约束条件构建优化模型，该优化模型的求解能够完成年度检修计划的智能编排，即在停电需求大、停电主设备量多，而全年有效停电窗口期短的条件下，满足电网安全运行要求，实现尽可能多的安排停电计划，且保证月内每天停电设备数量相对均衡的目标，而经过调度审核的申报检修计划是由设备、所属项目、计划检修开始时间、计划检修结束时间一一匹配组成的。
本申请解决停电检修计划人工编制及调整效率低、灵活性差的问题，本发明最大限度地利用好停电窗口，实现一停多用。解决现行停电检修计划编制不够精细化的问题，本发明考虑检修同时约束、时序性约束、检修互斥约束、重复停电约束等多种约束条件，满足电网安全稳定运行条件。解决人工编制停电检修计划工作量不合理的问题，本发明考虑日检修设备数量限制约束，在全年有效停电窗口期内实现日检修计划数量尽量均衡。
一些实施例中，本申请提供的优化模型的目标函数为
Figure DEST_PATH_IMAGE044
；
其中，a j 为检修总状态变量，表示检修计划j是否执行的状态变量，为1表示执行，为0表示不执行。上式表示尽可能多地满足检修计划需求。
一些实施例中，约束条件包括：
（1）检修结束时间约束
Figure DEST_PATH_IMAGE046
；
其中，T j 表示检修计划j的检修工期，T表示总时段（天数）。
（2）检修时间与检修总状态变量耦合约束
Figure DEST_PATH_IMAGE048
；
其中，x j 表示检修计划j的停电开始时间，取值为0~T，为0表示不停电。通过上式实现
Figure DEST_PATH_IMAGE050
时
Figure DEST_PATH_IMAGE052
，
Figure DEST_PATH_IMAGE054
时
Figure DEST_PATH_IMAGE056
。
（3）检修时间与检修日状态变量耦合约束
Figure DEST_PATH_IMAGE058
；
其中，
Figure DEST_PATH_IMAGE060
为检修日状态变量，表示检修计划j中的设备在第t天是否安排停电，为1表示安排，为0表示不安排，以实现在检修计划j中的设备的检修区间
Figure DEST_PATH_IMAGE062
内
Figure DEST_PATH_IMAGE064
，检修区间外
Figure DEST_PATH_IMAGE066
。
由逆否定理：
Figure DEST_PATH_IMAGE068
；
引入辅助变量
Figure DEST_PATH_IMAGE070
，上式可进一步线性化等效为：
Figure DEST_PATH_IMAGE072
；
通过上式约束：
当
Figure DEST_PATH_IMAGE074
时
Figure DEST_PATH_IMAGE076
，上式恒成立；
当
Figure DEST_PATH_IMAGE078
时
Figure DEST_PATH_IMAGE080
，此时：当
Figure DEST_PATH_IMAGE082
时，此两式恒成立，因此不构成约束；
当
Figure DEST_PATH_IMAGE084
时，
Figure DEST_PATH_IMAGE086
必有一个成立，取决于
Figure DEST_PATH_IMAGE088
的取值，当
Figure DEST_PATH_IMAGE090
时
Figure DEST_PATH_IMAGE092
成立，反之则
Figure DEST_PATH_IMAGE094
成立。
同理，由逆否定理：
Figure DEST_PATH_IMAGE096
；
上式可进一步线性化等效为：
Figure DEST_PATH_IMAGE098
；
当
Figure DEST_PATH_IMAGE100
时，
Figure DEST_PATH_IMAGE102
成立；
当
Figure DEST_PATH_IMAGE104
时，
Figure DEST_PATH_IMAGE106
恒成立，不构成约束。
另增加如下当
Figure DEST_PATH_IMAGE108
时
Figure DEST_PATH_IMAGE110
的约束：
Figure DEST_PATH_IMAGE112
；
因此，最终该约束线性化等效为：
Figure DEST_PATH_IMAGE114
；
（4）停电窗口期约束
对于有停电窗口的设备，只能安排其在停电窗口期内进行检修，数据读入后，设备i在非停电窗口时段的
Figure DEST_PATH_IMAGE116
都置为0。
（5）保电约束
节假日不能停电，特殊的会议期间不能停电。保电约束按区域划分，与停电窗口期约束类似，数据读入后，对于
Figure DEST_PATH_IMAGE118
的所有设备i对应的检修计划j在区域r的保电时段内
Figure DEST_PATH_IMAGE120
都置为0。
（6）主设备不重复停电约束
当设备检修计划不是合理的重复停电计划时，尽可能合并检修工期一次完工。算法通过对数据的预处理，根据检修计划的优先级和检修时间选择唯一进入模型可自由优化的检修计划（低优先级项目配合高优先级项目），其余检修计划认为可被该计划代表，模型计算完毕后，根据选定检修计划的编排结果，后处理恢复相关检修计划的结果。
（7）日检修设备数量限制约束
Figure DEST_PATH_IMAGE121
；
式中，J i 表示设备i的检修计划数，D t 表示第t天最大检修设备数量。
（8）检修同时约束
同一个约束中同一天设备检修状态变量相等。
例如，一个检修同时集中有
Figure DEST_PATH_IMAGE123
两个设备，
Figure DEST_PATH_IMAGE125
分别为这两个设备包含的检修优先级最高计划，那么
Figure DEST_PATH_IMAGE127
；
（9）检修互斥约束
同一个约束中同一天检修状态变量之和小于等于1（一个检修互斥集对应一个约束）：
例如，一个检修互斥集中有
Figure DEST_PATH_IMAGE123A
两个设备，那么
Figure DEST_PATH_IMAGE128
；
（10）时序性约束
特定项目会设置前序项目，且设有时间间隔，例如项目B的开始时间必须在项目A的结束时间之后，且只有项目A检修结束满足一定时间间隔后，项目B才能安排停电。
当时序性约束集合对应的项目都包含多个设备的停电计划时，
Figure DEST_PATH_IMAGE130
表示当前项目索引到的所有计划集合（根据项目和计划索引到设备i），
Figure DEST_PATH_IMAGE132
表示前序项目索引到的所有计划集合（根据项目和计划索引到设备
Figure DEST_PATH_IMAGE134
），一定是检修计划集合
Figure DEST_PATH_IMAGE132A
中的所有计划都检修完成后，检修计划集合
Figure DEST_PATH_IMAGE130A
中的计划才开始检修。
Figure DEST_PATH_IMAGE136
表示有时序性要求的特定检修计划j的时序性间隔。
Figure DEST_PATH_IMAGE137
；
（11）项目内同停约束
发生在某一项目中的特定属性，比如项目A中设备1、2是同停，项目B中设备1、2不一定需要同停。
当有项目内同停情况存在时，外部数据会将同停设备所属项目设置为同一个子项目，以子项目去耦合多个同停设备的停电计划。例如某一项目内设备
Figure DEST_PATH_IMAGE123AA
存在同停情况，通过项目ID和设备ID索引到的检修计划为
Figure DEST_PATH_IMAGE125A
，则有
Figure DEST_PATH_IMAGE139
（12）决策变量上下限
Figure DEST_PATH_IMAGE140
。
具体的，本申请以可编排检修计划数量最大化为优化目标，考虑检修同时约束、检修互斥约束、停电窗口期约束、日检修设备数量限制约束、时序性约束等约束条件的优化模型是一个大规模整数规划模型，为了在合理的计算时间内求得可行解，提出基于多层分步迭代计算的方法对模型进行求解，该方法根据检修计划尽可能按照上报检修日期进行安排的原则，采取从上报检修日期到整个检修周期不断放宽整数变量“检修开始时间”寻优空间的方式，利用混合整数规划法对模型进行多次求解，以尽可能多地安排检修计划，并实现每日检修计划执行数量的均衡。
一些实施例中，所述基于多层分步迭代计算的方式求解所述优化模型，包括：
获取初始数据并根据初始数据计算日检修平均数；其中，所述初始数据包括：检修计划申报日期，其中所述申报日期包括开始时间和结束时间、检修计划窗口期、日检修最大数，根据检修计划申报开始时间和结束时间以及总检修周期计算日检修平均值；
基于将检修开始时间的取值范围不断增大方式对所述优化模型逐层迭代计算求解，直至所述检修开始时间的取值范围超出预设范围，停止迭代计算，得到优化的检修计划并进行固定；其中，检修计划包括多个；其中，所述检修开始时间每次增大时的取值变化量由预设参数决定；
判断是否存在未优化的检修计划，并在下一次优化时采用预处理后的日检修最大限制数对未优化的检修计划进行优化处理；其中，检修最大限制数为检修计划的最大限制数；
输出所有优化后的检修计划。
优选的，所述预处理后的日检修最大限制数为：
将日检修最大限制数设为日检修平均值，使得每日检修数逼近日检修平均值。
对日检修最大限制数进行松弛处理，直至所有检修计划安排完毕。
优选的，在每一层计算完成后，判断是否存在未优化的检修计划；
若有，则进行下一层优化计算，直至所有检修计划被成功安排输出。
优选的，所述输出所有优化后的检修计划，包括：
输出每条可编排检修计划索引项目、设备，及其对应的检修开始时间和检修结束时间。
具体的，本申请中求解优化模型的算法流程为：
（1）输入初始数据，包括检修计划申报日期（开始时间和结束时间）、检修计划窗口期、日检修最大数等，根据检修计划申报开始时间和结束时间以及总检修周期计算日检修平均数
Figure DEST_PATH_IMAGE141
。
（2）开始第一层迭代计算，按照将检修开始时间
Figure DEST_PATH_IMAGE142
的取值范围不断放宽的思路调用CPLEX软件对模型进行多次迭代求解。第1次计算将所有检修计划的检修开始时间设为申报开始时间
Figure DEST_PATH_IMAGE144
，第2次计算将检修开始时间取值放宽为
Figure DEST_PATH_IMAGE146
，第3次计算放宽为
Figure DEST_PATH_IMAGE148
，…，第m次计算放宽为
Figure DEST_PATH_IMAGE150
，若
Figure DEST_PATH_IMAGE152
，则取
Figure DEST_PATH_IMAGE154
；若
Figure DEST_PATH_IMAGE156
，则取
Figure DEST_PATH_IMAGE158
，直到检修开始时间的取值范围超出
Figure DEST_PATH_IMAGE160
，迭代计算终止。将每次优化的检修计划固定下来，没有优化的检修计划在下一次计算中放宽约束继续优化，每次优化的检修计划总数量为
Figure DEST_PATH_IMAGE162
。另外，参数n决定了计算的次数及每次计算的取值宽度，如果取值太大，计算次数减少，但是计算效率及收敛性会受到影响；取值太小，虽然收敛性会提高，但是计算次数会增加，同样会影响到计算效率，并且可能会降低解的质量，因此应根据实际情况合理设置参数n。
（3）若第一层迭代计算完毕后，仍有检修计划未被优化，则进行第二层迭代计算。为达到每日检修数均衡的目的，将日检修最大限制数设为日检修平均值，使得每日检修数逼近日检修平均值。计算逻辑与第一层迭代计算相同，每次计算后被成功安排下来的检修计划总数为
Figure DEST_PATH_IMAGE163
。
（4）若第二层计算完成后，仍有检修计划未被优化，则进行第三层计算。同样为使得每日检修数均衡，该层计算每次对日检修最大数松弛1个数，直到所有检修计划被成功安排为止。
（5）输出每条可编排检修计划索引项目、设备，及检修开始时间和检修结束时间。
通过本申请提供的技术方案，实现检修计划的智能编排，在停电需求大、停电主设备量多，而全年有效停电窗口期短的条件下，相比人工编制检修计划，不仅能适应电网安全运行要求，满足检修同时、检修互斥等各类规则库约束，尽可能多的安排停电计划，且能实现日检修设备数量相对均衡的目标。
如图2所示，本申请提供一种电力设备检修计划优化装置，包括：
构建模块201，用于以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
求解模块202，用于基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
本申请提供的电力设备检修计划优化装置的工作原理为，构建模块201以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；求解模块202基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
本申请提供一种计算机设备，包括：存储器和处理器，还可以包括网络接口，所述存储器存储有计算机程序，存储器可以包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。该计算机设备存储有操作系统，存储器是计算机可读介质的示例。所述计算机程序被所述处理器执行时，使得所述处理器执行电力设备检修计划优化方法。
在一个实施例中，本申请提供的电力设备检修计划优化方法可以实现为一种计算机程序的形式，计算机程序可在计算机设备上运行。
一些实施例中，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
本申请还提供一种计算机存储介质，计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光光盘（DVD）或其他光学存储、磁盒式磁带存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
一些实施例中，本发明还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
综上所述，本发明提供一种电力设备检修计划优化方法及装置，所述方法包括以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。本发明旨在通过算法优化模型实现省网公司年度停电计划编排智能化、自动化，减小停电计划管理人员工作量。
可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种电力设备检修计划优化方法，其特征在于，包括：
以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
2.根据权利要求1所述的方法，其特征在于，
所述目标函数为：
Figure DEST_PATH_IMAGE002
；
其中，a j 为检修总状态变量，表示检修计划j是否执行的状态变量，为1表示执行，为0表示不执行。
3.根据权利要求1或2所述的方法，其特征在于，
所述检修结束时间约束条件为：
Figure DEST_PATH_IMAGE004
；
其中，T j 表示检修计划j的检修工期，T表示总时段；
所述检修时间与检修总状态变量耦合约束条件为：
Figure DEST_PATH_IMAGE006
；
其中，x j 为检修计划j的停电开始时间；
所述检修时间与检修日状态变量耦合约束条件为：
Figure DEST_PATH_IMAGE008
；
其中，
Figure DEST_PATH_IMAGE010
为检修日状态变量，表示检修计划j中的设备在第t天是否安排停电，为1表示安排，为0表示不安排，以实现在检修计划j中的设备的检修区间
Figure DEST_PATH_IMAGE012
内
Figure DEST_PATH_IMAGE014
，检修区间外
Figure DEST_PATH_IMAGE016
；
所述停电窗口期约束条件为：对于有停电窗口的设备，只安排其在停电窗口期内进行检修，数据读入后，设备i在非停电窗口时段的
Figure DEST_PATH_IMAGE018
都置为0；
所述保电约束条件为：对于预设不能停电的日期，对于
Figure DEST_PATH_IMAGE020
的所有设备i对应的检修计划j在区域r的保电时段内
Figure DEST_PATH_IMAGE022
都置为0；
所述主设备不重复停电约束条件为：判断设备检修计划是否合理，若不合理，则对数据进行预处理后，根据检修计划的优先级和检修时间选择优化的检修计划；
所述日检修设备数量限制约束条件为：
Figure DEST_PATH_IMAGE024
；
其中，J i 表示设备i的检修计划数，D t 表示第t天最大检修设备数量；
所述检修同时约束为：
Figure DEST_PATH_IMAGE026
；
所述检修互斥约束条件为：
Figure DEST_PATH_IMAGE028
；
其中，i 1 、i 2 表示两个设备，j 1 、j 2 分别为i 1 、i 2 这两个设备包含的检修优先级最高计划；
所述时序性约束条件为：
Figure DEST_PATH_IMAGE030
；
其中，当时序性约束集合对应的项目都包含多个设备的停电计划时，
Figure DEST_PATH_IMAGE032
表示当前项目索引到的所有计划集合，
Figure DEST_PATH_IMAGE034
表示前序项目索引到的所有计划集合，当检修计划集合
Figure DEST_PATH_IMAGE034A
中的所有计划都检修完成后，检修计划集合
Figure DEST_PATH_IMAGE032A
中的计划才开始检修，
Figure DEST_PATH_IMAGE036
表示有时序性要求的特定检修计划j的时序性间隔；
所述项目内同停约束条件为：
Figure DEST_PATH_IMAGE038
；
当有项目内同停情况存在时，外部数据会将同停设备所属项目设置为同一个子项目，以子项目去耦合多个同停设备的停电计划；
所述决策变量上下限约束条件为：
Figure DEST_PATH_IMAGE040
。
4.根据权利要求1所述的方法，其特征在于，所述基于多层分步迭代计算的方式求解所述优化模型，包括：
获取初始数据并根据初始数据计算日检修平均数；其中，所述初始数据包括：检修计划申报日期，其中所述申报日期包括开始时间和结束时间、检修计划窗口期、日检修最大数，根据检修计划申报开始时间和结束时间以及总检修周期计算日检修平均值；
基于将检修开始时间的取值范围不断增大方式对所述优化模型逐层迭代计算求解，直至所述检修开始时间的取值范围超出预设范围，停止迭代计算，得到优化的检修计划并进行固定；其中，检修计划包括多个；其中，所述检修开始时间每次增大时的取值变化量由预设参数决定；
判断是否存在未优化的检修计划，并在下一次优化时采用预处理后的日检修最大限制数对未优化的检修计划进行优化处理；其中，检修最大限制数为检修计划的最大限制数；
输出所有优化后的检修计划。
5.根据权利要求4所述的方法，其特征在于，所述预处理后的日检修最大限制数为：
将日检修最大限制数设为日检修平均值，使得每日检修数逼近日检修平均值；
对日检修最大限制数进行松弛处理，直至所有检修计划安排完毕。
6.根据权利要求5所述的方法，其特征在于，还包括：
在每一层计算完成后，判断是否存在未优化的检修计划；
若有，则进行下一层优化计算，直至所有检修计划被成功安排输出。
7.根据权利要求6所述的方法，其特征在于，所述输出所有优化后的检修计划，包括：
输出每条可编排检修计划索引项目、设备，及其对应的检修开始时间和检修结束时间。
8.一种电力设备检修计划优化装置，其特征在于，包括：
构建模块，用于以可编排检修计划数量最大化为目标函数，考虑检修结束时间约束条件、检修时间与检修日状态变量耦合约束、检修时间与检修总状态变量耦合约束条件、停电窗口期约束条件、保电约束条件、主设备不重复停电约束、日检修设备数量限制约束条件、检修同时约束条件、检修互斥约束条件、时序性约束条件、项目内同停约束条件及决策变量上下限约束条件构建优化模型；
求解模块，用于基于多层分步迭代计算的方式求解所述优化模型，实现日检修数量均衡。
9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的电力设备检修计划优化方法。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的电力设备检修计划优化方法。
CN202210115852.XA 2022-01-27 2022-01-27 电力设备检修计划优化方法及装置 Active CN114139838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210115852.XA CN114139838B (zh) 2022-01-27 2022-01-27 电力设备检修计划优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210115852.XA CN114139838B (zh) 2022-01-27 2022-01-27 电力设备检修计划优化方法及装置

Publications (2)

Publication Number Publication Date
CN114139838A true CN114139838A (zh) 2022-03-04
CN114139838B CN114139838B (zh) 2022-05-24

Family

ID=80381841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210115852.XA Active CN114139838B (zh) 2022-01-27 2022-01-27 电力设备检修计划优化方法及装置

Country Status (1)

Country Link
CN (1) CN114139838B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010027044A (ja) * 2008-06-18 2010-02-04 Central Res Inst Of Electric Power Ind 電力流通設備保守支援装置、電力流通設備保守支援方法および電力流通設備保守支援プログラム
CN102081765A (zh) * 2011-01-19 2011-06-01 西安交通大学 输电设备状态检修的系统性控制方法
CN103198222A (zh) * 2013-04-10 2013-07-10 国家电网公司 一种用于综合停电检修计划的平衡优化方法
CN103295192A (zh) * 2013-05-08 2013-09-11 西安电子科技大学 基于gpu加速的图像实时超分辨重建方法
CN104077651A (zh) * 2014-06-12 2014-10-01 国家电网公司 电网检修计划优化方法
WO2016088180A1 (ja) * 2014-12-01 2016-06-09 東京電力ホールディングス株式会社 設備の保守管理方法
CN111612170A (zh) * 2020-04-03 2020-09-01 中国电力科学研究院有限公司 一种输电设备的检修计划制定方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010027044A (ja) * 2008-06-18 2010-02-04 Central Res Inst Of Electric Power Ind 電力流通設備保守支援装置、電力流通設備保守支援方法および電力流通設備保守支援プログラム
CN102081765A (zh) * 2011-01-19 2011-06-01 西安交通大学 输电设备状态检修的系统性控制方法
CN103198222A (zh) * 2013-04-10 2013-07-10 国家电网公司 一种用于综合停电检修计划的平衡优化方法
CN103295192A (zh) * 2013-05-08 2013-09-11 西安电子科技大学 基于gpu加速的图像实时超分辨重建方法
CN104077651A (zh) * 2014-06-12 2014-10-01 国家电网公司 电网检修计划优化方法
WO2016088180A1 (ja) * 2014-12-01 2016-06-09 東京電力ホールディングス株式会社 設備の保守管理方法
CN111612170A (zh) * 2020-04-03 2020-09-01 中国电力科学研究院有限公司 一种输电设备的检修计划制定方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XINWEI ZHANG等: "Research on the Application of Artificial Intelligence in Operation and Maintenance for Power Equipment", 《2020 IOP CONF. SER:EARTH ENVIRON.SCI》 *
赵登福 等: "考虑设备状态和系统风险的输电设备检修计划", 《西安交通大学学报》 *

Also Published As

Publication number Publication date
CN114139838B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Ding et al. Parallel machine scheduling under time-of-use electricity prices: New models and optimization approaches
US10510029B2 (en) Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes
Wu et al. Security-constrained generation and transmission outage scheduling with uncertainties
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
Bertsimas et al. Adaptive robust optimization for the security constrained unit commitment problem
Wang et al. Coordination of generation maintenance scheduling in electricity markets
Ghazvini et al. Coordination between mid-term maintenance outage decisions and short-term security-constrained scheduling in smart distribution systems
Li et al. Elastic resource provisioning for cloud workflow applications
Wang et al. An approach for integrated generation and transmission maintenance scheduling considering N-1 contingencies
Chen et al. Security-constrained unit commitment for electricity market: Modeling, solution methods, and future challenges
Keller et al. Energy supply orientation in production planning systems
CN112308411A (zh) 基于动态碳交易模型的综合能源站随机规划方法及系统
Baslis et al. Simulation of optimal medium-term hydro-thermal system operation by grid computing
CN111832785A (zh) 一种电能替代潜力的预测方法和系统
Zhang et al. Multi‐objective economic dispatch of power system with wind farm considering flexible load response
An et al. An energy-efficient collaborative strategy of maintenance planning and production scheduling for serial-parallel systems under time-of-use tariffs
Maenhoudt et al. Strategic offering to maximize day-ahead profit by hedging against an infeasible market clearing result
Yu et al. A hybrid fuzzy-stochastic technique for planning peak electricity management under multiple uncertainties
Ebrahimi et al. Decentralized approach for security enhancement of wind‐integrated energy systems coordinated with energy storages
CN114139838B (zh) 电力设备检修计划优化方法及装置
CN115566680B (zh) 一种新能源电力系统时序生产模拟运行优化方法及装置
Pütz et al. Revealing interactions between HVDC cross-area flows and frequency stability with explainable AI
CN116341816A (zh) 一种中长期调度计划多业务统筹协调方法、装置、存储器及设备
CN112186813B (zh) 一种电力系统区域电网调度方法、系统、装置及存储介质
Shahidehpour et al. An overview of power generation scheduling in the optimal operation of a large scale power system

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
GR01 Patent grant
GR01 Patent grant