CN116822928B - 输电线路检修方法、装置、计算机设备及存储介质 - Google Patents
输电线路检修方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116822928B CN116822928B CN202311092581.1A CN202311092581A CN116822928B CN 116822928 B CN116822928 B CN 116822928B CN 202311092581 A CN202311092581 A CN 202311092581A CN 116822928 B CN116822928 B CN 116822928B
- Authority
- CN
- China
- Prior art keywords
- problem model
- sub
- transmission line
- power transmission
- scene
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 189
- 238000012423 maintenance Methods 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 116
- 230000006870 function Effects 0.000 claims description 78
- 230000015654 memory Effects 0.000 claims description 27
- 230000005283 ground state Effects 0.000 claims description 26
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 101100379081 Emericella variicolor andC gene Proteins 0.000 claims 2
- 238000000354 decomposition reaction Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000003462 Bender reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000002040 relaxant effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101100004404 Salmonella typhimurium (strain LT2 / SGSC1412 / ATCC 700720) bigA gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及输电线路检修技术领域，公开了输电线路检修方法、装置、计算机设备及存储介质，该输电线路检修方法包括：基于待检修输电线路的主问题模型，确定待检修输电线路的当前检修计划结果；基于当前检修计划结果判断各个子问题模型是否向主问题模型返回割集；当各个子问题模型不返回割集时，输出当前检修计划结果为最终输电线路检修计划。通过实施本发明，克服了未来场景新能源出力预测的不确定性，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，基于不同场景设计了安全约束子问题模型，提高了输电线路检修计划的安全性，利用分解技术有效减少计算规模和计算时间和效率。
Description
技术领域
本发明涉及电网技术领域，具体涉及输电线路检修方法、装置、计算机设备及存储介质。
背景技术
输电线路检修计划是指针对输电系统中的电路设备进行维护和检修的计划安排。其目的是确保输电系统的可靠性、安全性和稳定性，有效预防和解决电力设备故障，提高电网运行效率和可用性。输电线路检修计划的制定和执行需要充分考虑设备的重要性和可靠性需求，合理平衡电网运行的稳定性与检修时间的安排，以确保电力系统的安全、可靠和持续运行。
随着电网的发展，未来电网可能存在包含多种不同的场景，在不同的场景下机组的出力不同，电网的潮流也不相同，由于电网约束数量众多，以及潮流越限预测的不确定性，如果考虑所有场景下的电网安全约束，会导致检修计划问题规模过大，导致制定检修计划的过程运算量过大，计算效率较低，甚至是难以求解。
发明内容
有鉴于此，本发明提供了一种输电线路检修方法、装置、计算机设备及存储介质，以解决由于电网约束数量众多，以及潮流越限预测的不确定性，如果考虑所有场景下的电网安全约束，会导致检修计划问题规模过大，导致制定检修计划的过程运算量过大，计算效率较低，甚至是难以求解的问题。
第一方面，本发明提供了一种输电线路检修方法，所述方法包括：基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数；基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件；当所述各个子问题模型不返回割集时，输出所述当前检修计划结果为最终输电线路检修计划，所述当前检修计划结果包括机组出力、检修计划和风电出力。
本实施例提供的输电线路检修方法，首先，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用分解技术有效减少计算规模和计算时间。其次，通过基于所述待检修输电线路的不同场景构建各个子问题模型，克服了未来场景新能源出力预测的不确定性，基于不同场景设计了安全约束子问题模型，提高了输电线路检修计划的安全性。最后，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
在一种可选的实施方式中，所述主问题模型的目标函数为：，其中，t表示时段，T表示总时段数，i表示第i个机组，Ng为机组总数，Ns为可能场景总数，Ci,o、Ci,g、Ci,u和Ci,d为机组i的开机成本、发电成本、正备用成本和负备用成本，Ui,t为组i在时段t的开机状态，1为开机，0为停运，ru,i,t、rd,i,t分别为机组i在时段t提供的正备用和负备用，pi,S,t表示场景s下的机组i在时段t的出力；Ωs为场景s的概率，SB,t、SC,t和SS,t表示所述各个子问题模型场景下的松弛变量，其中，SB,t为基态场景下的第二松弛变量，SC,t为故障场景下的第三松弛变量，SS,t为概率场景下的第一松弛变量；所述主问题模型的约束条件包括机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束。
本实施例提供的输电线路检修方法，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。
在一种可选的实施方式中，第一子问题模型以概率场景下的第一松弛变量SS,t的最小值为第一子目标函数，所述第一松弛变量SS,t是大于或等于0的变量；所述基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，包括：采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量；当所述第一松弛变量SS,t等于0时，所述第一子问题模型对应的场景不存在安全隐患，不返回割集；当所述第一松弛变量SS,t不等于0时，所述第一子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量，确保了在概率场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
在一种可选的实施方式中，第二子问题模型以基态场景下的第二松弛变量SB,t的最小值为第二目标函数，所述第二松弛变量SB,t是大于或等于0的变量；所述基于所述第一检修计划判断各个子问题模型是否向所述主问题模型返回割集，包括：采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值；基于所述第二目标函数和所述第二约束条件，得到所述第二松弛变量SB,t；当所述第二松弛变量SB,t等于0时，第二子问题模型对应的场景不存在安全隐患，不返回割集；当所述第二松弛变量SB,t不等于0时，第二子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
在一种可选的实施方式中，第三子问题模型是基于第三子问题模型对应的场景下的故障集构建的，所述故障集包括停止工作后导致所述待检修输电线路存在安全隐患的机组，构建所述第三子问题模型的过程，包括：基于故障因素，获得各个机组的故障指标值，所述故障因素包括：机组对线路的灵敏度、线路潮流和机组输出功率；基于所述故障指标值进行排序，选择至少一个目标机组构成所述故障集；以故障集中任一目标机组停机时无安全隐患为目标函数，构建所述第三子问题模型。
本实施例提供的输电线路检修方法，通过对故障的智能排序方法，有效识别起作用的故障场景，针对性地减少检修计划对故障后备用调整的影响。
在一种可选的实施方式中，第三子问题模型以故障场景下的第三松弛变量SC,t的最小值为目标函数，所述第三松弛变量SC,t是大于或等于0的变量；所述基于所述第一检修计划判断各个子问题模型是否向所述主问题模型返回割集，包括：采用直流潮流方法表示第三约束条件，其中检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，机组出力基于故障集中的故障场景进行调整得到；基于所述第三目标函数和所述第三约束条件，得到所述第三松弛变量SC,t；当所述第三松弛变量SC,t等于0时，第三问题模型对应的场景不存在安全隐患，不返回割集；当所述第三松弛变量SC,t不等于0时，第三子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。本实施例提供的输电线路检修方法，通过提出迭代更新的考虑灵敏度、机组功率和线路潮流的故障智能排序方法，有效提取与检修计划相对应的起作用故障集，缩减了故障场景的计算规模，显著提升了检修计划计算效率，不仅可以覆盖未来预测场景的基态越限情况，还同时考虑了故障和概率场景的电网安全，提高了检修计划的鲁棒性和安全性。
在一种可选的实施方式中，若返回割集，基于所述割集对所述主问题模型进行调整，并返回执行所述基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果的步骤至基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集的步骤，直至所述各个子问题模型不返回割集，输出当前检修计划结果为最终输电线路检修计划。
本实施例提供的输电线路检修方法，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
第二方面，本发明提供了一种输电线路检修装置，所述装置包括：确定模块，用于基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数；判断模块，用于基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件；输出模块，用于当所述各个子问题模型不返回割集时，输出当前检修计划结果为最终输电线路检修计划。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的输电线路检修方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的输电线路检修方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的输电线路检修方法的流程示意图；
图2是根据本发明实施例的另一输电线路检修方法的流程示意图；
图3是根据本发明实施例的第一子问题模型返回方法的流程示意图；
图4是根据本发明实施例的第二子问题模型返回方法的流程示意图；
图5是根据本发明实施例的构建所述第三子问题模型方法的流程示意图；
图6是根据本发明实施例的第三子问题模型返回方法的流程示意图；
图7是根据本发明实施例的输电线路检修装置的结构框图；
图8是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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，都属于本发明保护的范围。
输电线路检修计划是指针对输电系统中的电路设备进行维护和检修的计划安排。其目的是确保输电系统的可靠性、安全性和稳定性，有效预防和解决电力设备故障，提高电网运行效率和可用性。输电线路检修计划的制定和执行需要充分考虑设备的重要性和可靠性需求，合理平衡电网运行的稳定性与检修时间的安排，以确保电力系统的安全、可靠和持续运行。随着电网的发展，未来电网可能存在包含多种不同的场景，在不同的场景下机组的出力不同，电网的潮流也不相同，由于电网约束数量众多，以及潮流越限预测的不确定性，如果考虑所有场景下的电网安全约束，会导致检修计划问题规模过大，导致制定检修计划的过程运算量过大，计算效率较低，甚至是难以求解。
本实施例提供的输电线路检修方法，首先，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。其次，通过基于所述待检修输电线路的不同场景构建各个子问题模型，克服了未来场景新能源出力预测的不确定性，基于不同场景设计了Benders安全约束子问题模型，提高了输电线路检修计划的安全性。最后，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
根据本发明实施例，提供了一种输电线路检修方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种输电线路检修方法，图1是根据本发明实施例的输电线路检修方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数，所述当前检修计划结果包括机组出力、检修计划和风电出力。
具体地，所述待检修输电线路包括待检修的输电线和机组，从输电站获取待检修输电线路的参数，基于检修时各场景的网络约束，利用Benders分解方法进行高效建模，得到主问题模型。检修计划的Benders主问题模型利用检修计划和机组组合的联合优化，精细化地模拟检修后的机组出力情况，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，其中，在机组运行成本最小的基础上，机组开停成本和备用成本在不同场景下保持一致，机组的出力基于各场景进行调整，以符合待检修输电线路的实际运行情况。进一步地，考虑到输电线路检修计划编制范围一般为中长期时间尺度，未来的功率预测存在较大的不确定性，因此构建基态场景（预测功率）和极端场景（如新能源出力和预测值偏差20%）下的场景，并根据历史数据统计各场景对应的概率，得到概率场景的数据，主问题模型中基于各种场景对当前检修计划结果进行初步约束。主问题模型为混合整数规划问题，可以将主问题模型的目标函数和约束条件输入求解软件，如CPLEX进行求解，获得检修计划结果，所述当前检修计划结果包括机组出力、检修计划和风电出力。
步骤S102，基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件。
具体地，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，所述待检修输电线路在检修时，需要关停当前检修的输电线或者机组，此时，其他电路或者机组可能会出现输电线越限或者机组越限的问题，优先选取安全隐患高的几个场景，如基态场景、故障场景和概率场景，构建各个子问题模型，当所述各个子问题模型以与其对应的场景无安全隐患时，可以认为主问题模型输出的当前检修计划结果是没有安全隐患的。将当前检修计划结果发送至各个子问题模型，所述各个子问题模型为线性规划问题，基于对应的目标函数和约束条件求解获得松弛变量、待检修输电线路的线路参数和拉格朗日乘子，当所述松弛变量的最小值可以取到0时，主问题模型输出的当前检修计划结果是没有安全隐患的，子问题模型不返回割集；当所述松弛变量的最小值无法取到0时，主问题模型输出的当前检修计划结果存在安全隐患，子问题模型返回割集，所述割集由松弛变量、待检修输电线路的线路参数和拉格朗日乘子组成，用于对所述当前检修计划结果进行约束，主问题模型基于所述割集调整主问题模型的约束条件。
步骤S103，当所述各个子问题模型不返回割集时，输出所述当前检修计划结果为最终输电线路检修计划。
具体地，当所述各个子问题模型不返回割集时，说明主问题模型输出的当前检修计划结果是没有安全隐患的，输出所述当前检修计划结果为最终输电线路检修计划。
本实施例提供的输电线路检修方法，首先，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。其次，通过基于所述待检修输电线路的不同场景构建各个子问题模型，克服了未来场景新能源出力预测的不确定性，基于不同场景设计了Benders安全约束子问题模型，提高了输电线路检修计划的安全性。最后，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
在本实施例中提供了一种输电线路检修方法，图2是根据本发明实施例的输电线路检修方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数，所述当前检修计划结果包括机组出力、检修计划和风电出力。
具体地，所述主问题模型的目标函数为：
，
其中，t表示时段，T表示总时段数，i表示第i个机组，Ng为机组总数，Ns为可能场景总数，Ci,o、Ci,g、Ci,u和Ci,d为机组i的开机成本、发电成本、正备用成本和负备用成本，Ui,t为组i在时段t的开机状态，1为开机，0为停运，ru,i,t、rd,i,t分别为机组i在时段t提供的正备用和负备用，pi,S,t表示场景s下的机组i在时段t的出力；Ωs为场景s的概率，SB,t、SC,t和SS,t表示所述各个子问题模型场景下的松弛变量，其中SB,t为基态场景下的第二松弛变量，SC,t为故障场景下的第三松弛变量，SS,t为概率场景下的第一松弛变量。
所述主问题模型的约束条件包括机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束。
在一些实施例的可选方式中，主问题模型中的检修计划模型不考虑网络约束，考虑机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束，主问题模型的约束条件如下：
其中，Ii,t为机组i在时段t的开机状态，1为开机，0为停运；Ui,t为机组i由停运转为开机时取1，其余时刻取0；τ是辅助时间变量，Di,t为机组i由开机转为停运时取1，其余时刻取0；、/>为机组i的最小连续开机时间和最小连续停机时间。ql,t为线路l在时段t的检修状态，1为检修，0为运行；ql,t-1为线路l在时段t-1的检修状态，1为检修，0为运行，t表示时段，T表示总时段数；gl,t为线路由运行转为检修时取1，其余时刻取0；hl,t为线路由检修转为运行时取1，其余时刻取0；Dl为线路l的检修工期。pD,t为时刻t的系统负荷。Nw为风电机组总数，Ng为机组总数，pi,t和pi,S,t表示机组i在时段t的基态场景出力和概率场景s下的出力，pw,S,t和Ww,S,t表示场景s下的风电机组w在时段t的计划出力和预测出力。ru,i,t和rd,i,t表示机组在时段t的正备用和负备用。Ru,t,min和Rd,t,min表示电网在时段t需要预留的最小正备用和最小负备用，Wa,max为限制的最大弃风量。Pi,max和Pi,min表示机组i的出力上下限。
本实施例提供的输电线路检修方法，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。
步骤S202，基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件。
具体地，第一子问题模型以概率场景下的第一松弛变量SS,t的最小值为第一子目标函数，所述第一松弛变量SS,t是大于或等于0的变量，如图3所示，图3是根据本发明实施例的第一子问题模型返回方法的流程示意图，上述步骤S202包括：
步骤a1，采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量。
具体地，概率场景中，安全约束通过松弛变量SS,t来保证子问题获得可行解，当SS,t等于0时，表明概率场景无安全隐患，不为0时则返回Benders割集，第一目标函数为：
采用直流潮流方法进行潮流计算，其中机组出力、风电出力、检修计划采用当前检修计划结果中的值，满足安全约束，所述第一约束条件为：
其中，i表示第i个机组，Ns为可能场景总数，w为风电机组，ΦUj、ΦLj和ΦWj为节点j上相连的机组、线路和风电集合，pj,t为节点j在时段t的负荷。pl,t为线路l在时刻t的基态潮流，pl,S,t为场景s下线路l在时刻t的潮流，αj,l为线路l潮流方向，首端在j则为1，否则为-1，θls,S,t、θle,S,t为场景s下线路l在时刻t的首末端相角，θj,S,t为场景s下在时刻t的节点j的相角，xl为线路l的电抗，Pl,max、Pl,min为线路l潮流上下限。带^的变量表示采用了主问题计算结果。A表示一个数值大的功率常量，可以取2000MW。
可以将第一目标函数和第一约束条件输入求解软件，获得松弛变量、待检修输电线路的线路参数和拉格朗日乘子。
步骤a2，当所述第一松弛变量SS,t等于0时，所述第一子问题模型对应的场景不存在安全隐患，不返回割集。
具体地，当所述第一松弛变量SS,t的最小值可以取到0时，所述第一子问题模型对应的概率场景不存在安全隐患，不返回割集。
步骤a3，当所述第一松弛变量SS,t不等于0时，所述第一子问题模型对应的场景存在安全隐患，返回割集。
具体地，所述割集为：
其中，pl,S,t为场景s下线路l在时刻t的潮流，θls,S,t、θle,S,t为场景s下线路l在时刻t的首末端相角，θj,S,t为场景s下在时刻t的节点j的相角，A表示一个数值大的功率常量，μ1S,j,t、μ2S,j,t、μ3S,j,t、μ4S,j,t、μ5S,j,t、μ6S,j,t为拉格朗日乘子。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量，确保了在概率场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
具体地，第二子问题模型以基态场景下的第二松弛变量SB,t的最小值为第二目标函数，所述第二松弛变量SB,t是大于或等于0的变量，如图4所示，图4是根据本发明实施例的第二子问题模型返回方法的流程示意图，上述步骤S202包括：
步骤b1，采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值。
具体的，基态场景中，安全约束通过松弛变量SB,t来保证子问题获得可行解，当SB,t等于0时，表明基态场景无安全隐患，不为0时则返回Benders割集，第二目标函数为：
采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，所述第二约束条件为：
其中，i表示第i个机组，Ns为可能场景总数，w为风电机组，ΦUj、ΦLj和ΦWj为节点j上相连的机组、线路和风电集合，pj,t为节点j在时段t的负荷。pl,t为线路l在时刻t的基态潮流，θlS,t、θle,t为线路l在时刻t的首末端相角，θj,t、θslack,t为节点j在时刻t的相角和参考节点slack的相角，xl为线路l的电抗，Pl,max、Pl,min为线路l潮流上下限。带^的变量表示采用了主问题计算结果。A表示一个数值大的功率常量，可以取2000MW，αj,l为线路l潮流方向，首端在j则为1，否则为-1。
步骤b2，基于所述第二目标函数和所述第二约束条件，得到所述第二松弛变量SB,t。
具体地，可以将所述第二目标函数和所述第二约束条件输入求解软件，如CPLEX，获得松弛变量、待检修输电线路的线路参数和拉格朗日乘子。
步骤b3，当所述第二松弛变量SB,t等于0时，第二子问题模型对应的场景不存在安全隐患，不返回割集。
具体地，当所述第二松弛变量SB,t的最小值可以取到0时，所述第二子问题模型对应的基态场景不存在安全隐患，不返回割集。
步骤b4，当所述第二松弛变量SB,t不等于0时，第二子问题模型对应的场景存在安全隐患，返回割集。
具体地，所述割集为：
其中，pl,S,t为场景s下线路l在时刻t的潮流，θls,S,t、θle,S,t为场景s下线路l在时刻t的首末端相角，θj,S,t为场景s下在时刻t的节点j的相角，A表示一个数值大的功率常量，μ1B,j,t、μ2B,j,t、μ3B,j,t、μ4B,j,t、μ5B,j,t、μ6B,j,t为拉格朗日乘子。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
具体地，第三子问题模型是基于第三子问题模型对应的场景下的故障集构建的，所述故障集包括停止工作后导致所述待检修输电线路存在安全隐患的机组。如图5所示，图5是根据本发明实施例的构建所述第三子问题模型方法的流程示意图，构建所述第三子问题模型的过程，包括：
步骤c1，基于故障因素，获得各个机组的故障指标值，所述故障因素包括：机组对线路的灵敏度、线路潮流和机组输出功率。
具体地，N-1故障是故障场景中的一种，表示其中一个机组故障关停的场景。检修计划需要考虑当出现机组强迫停运时也要维持电网安全运行，但如果对所有的N-1故障进行扫描，将会导致问题规模巨大。因为大部分的故障并不会对电网运行造成大的影响，为了降低模型的复杂性，采用智能排序方法评估机组故障对线路阻塞的影响。考虑到线路阻塞与机组的关系与以下三个因素相关：机组对线路的灵敏度、线路潮流和机组输出功率，因此设计机组i的故障重要度指标如下：
式中：αI,l为机组i对线路l的灵敏度。
步骤c2，基于所述故障指标值进行排序，选择至少一个目标机组构成所述故障集。
具体地，根据指标CIi的大小进行排序后，选择前Nc（如=3）个故障进行场景子问题求解。因为CIi随着检修计划、机组出力和电网潮流的变化而变化，所以在每轮迭代中都要重新进行计算和更新。因此该方法可以确保所选择的起作用故障集将与最终解匹配。
步骤c3，以故障集中任一目标机组停机时无安全隐患为目标函数，构建所述第三子问题模型。
具体地，所述第三子问题模型需要保证故障集中任一目标机组停机时无安全隐患。
本实施例提供的输电线路检修方法，通过对故障的智能排序方法，有效识别起作用的故障场景，针对性地减少检修计划对故障后备用调整的影响。
具体地，第三子问题模型以故障场景下的第三松弛变量SC,t的最小值为目标函数，所述第三松弛变量SC,t是大于或等于0的变量，如图6所示，图6是根据本发明实施例的第三子问题模型返回方法的流程示意图，上述步骤S202包括：
所述基于所述第一检修计划判断各个子问题模型是否向所述主问题模型返回割集，包括：
步骤d1，采用直流潮流方法表示第三约束条件，其中检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，机组出力基于故障集中的故障场景进行调整得到。
具体地，故障场景中，安全约束通过松弛变量SC,t来保证子问题获得可行解，当SC,t等于0时，表明故障场景无安全隐患，不为0时则返回Benders割集，第三目标函数为：
采用直流潮流方法进行潮流计算，其中检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景求解结果的期望值，机组出力需要根据故障进行调整，满足安全约束，所述第三约束条件为：
/>
其中，pl,C,t为故障c下线路l在时刻t的潮流，Ωs为场景s的概率，pj,t为节点j在时段t的负荷，αj,l为线路l潮流方向，首端在j则为1，否则为-1，xl为线路l的电抗，θls,C,t、θle,C,t为故障c下线路l在时刻t的首末端相角，θslack,t为节点j在时刻t的相角和参考节点slack的相角θj,C,t为故障c下在时刻t的节点j的相角，pi,C,t表示故障c下机组i在时段t的出力。
步骤d2，基于所述第三目标函数和所述第三约束条件，得到所述第三松弛变量SC,t。
将所述第三目标函数和所述第三约束条件输入求解软件，如CPLEX，对所述第三目标函数和所述第三约束条件进行求解，获得松弛变量、待检修输电线路的线路参数和拉格朗日乘子。
步骤d3，当所述第三松弛变量SC,t等于0时，第三问题模型对应的场景不存在安全隐患，不返回割集。
具体地，当所述第三松弛变量SC,t的最小值可以取到0时，所述第一子问题模型对应的概率场景不存在安全隐患，不返回割集。
步骤d4，当所述第三松弛变量SC,t不等于0时，第三子问题模型对应的场景存在安全隐患，返回割集。
具体地，所述割集为：
其中，pl,S,t为场景s下线路l在时刻t的潮流，θls,S,t、θle,S,t为场景s下线路l在时刻t的首末端相角，θj,S,t为场景s下在时刻t的节点j的相角，A表示一个数值大的功率常量，μ1C,j,t、μ2C,j,t、μ3C,j,t、μ4C,j,t、μ5C,j,t、μ6C,j,t、μ7C,j,t、μ8C,j,t为拉格朗日乘子。
步骤S203，当所述各个子问题模型不返回割集时，输出所述当前检修计划结果为最终输电线路检修计划。详细请参见图1所示实施例的步骤S103，在此不再赘述。
本实施例提供的输电线路检修方法，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。本实施例提供的输电线路检修方法，通过提出迭代更新的考虑灵敏度、机组功率和线路潮流的故障智能排序方法，有效提取与检修计划相对应的起作用故障集，缩减了故障场景的计算规模，显著提升了检修计划计算效率，不仅可以覆盖未来预测场景的基态越限情况，还同时考虑了故障和概率场景的电网安全，提高了检修计划的鲁棒性和安全性。
在一些实施例的可选方式中，若返回割集，基于所述割集对所述主问题模型进行调整，并返回执行所述基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果的步骤至基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集的步骤，直至所述各个子问题模型不返回割集，输出当前检修计划结果为最终输电线路检修计划。
具体地，若返回割集，将所述割集对应的约束条件加入所述主问题模型的约束条件中，对所述主问题模型进行调整，并返回执行所述基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果的步骤至基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集的步骤，直至所述各个子问题模型不返回割集，输出当前检修计划结果为最终输电线路检修计划。
本实施例提供的输电线路检修方法，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
在本实施例中还提供了一种输电线路检修装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种输电线路检修装置，如图7所示，包括：
确定模块701，用于基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数。
判断模块702，用于基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件。
输出模块703，用于当所述各个子问题模型不返回割集时，输出当前检修计划结果为最终输电线路检修计划。
本实施例提供的输电线路检修装置，首先，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。其次，通过基于所述待检修输电线路的不同场景构建各个子问题模型，克服了未来场景新能源出力预测的不确定性，基于不同场景设计了Benders安全约束子问题模型，提高了输电线路检修计划的安全性。最后，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
在一些可选的实施方式中，确定模块701中，所述主问题模型的目标函数为：，其中，t表示时段，T表示总时段数，i表示第i个机组，Ng为机组总数，Ns为可能场景总数，Ci,o、Ci,g、Ci,u和Ci,d为机组i的开机成本、发电成本、正备用成本和负备用成本，Ui,t为组i在时段t的开机状态，1为开机，0为停运，ru,i,t、rd,i,t分别为机组i在时段t提供的正备用和负备用，pi,S,t表示场景s下的机组i在时段t的出力；Ωs为场景s的概率，SB,t、SC,t和SS,t表示所述各个子问题模型场景下的松弛变量，其中，SB,t为基态场景下的第二松弛变量，SC,t为故障场景下的第三松弛变量，SS,t为概率场景下的第一松弛变量；所述主问题模型的约束条件包括机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束。
本实施例提供的输电线路检修装置，通过基于待检修输电线路的参数和多场景的约束建立所述主问题模型，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，对检修过程中的多场景进行综合考虑，更好地保障电网的安全和经济运行，利用Benders分解技术有效减少计算规模和计算时间。
在一些可选的实施方式中，第一子问题模型以概率场景下的第一松弛变量SS,t的最小值为第一子目标函数，所述第一松弛变量SS,t是大于或等于0的变量，判断模块702包括：
第一子问题求解单元，用于采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量。
第一子问题通过单元，用于当所述第一松弛变量SS,t等于0时，所述第一子问题模型对应的场景不存在安全隐患，不返回割集。
第一子问题返回单元，用于当所述第一松弛变量SS,t不等于0时，所述第一子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修装置，通过采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量，确保了在概率场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
在一些可选的实施方式中，第二子问题模型以基态场景下的第二松弛变量SB,t的最小值为第二目标函数，所述第二松弛变量SB,t是大于或等于0的变量，判断模块702包括：
第二约束条件建立单元，用于采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值。
第二子问题求解单元，用于基于所述第二目标函数和所述第二约束条件，得到所述第二松弛变量SB,t。
第二子问题通过单元，用于当所述第二松弛变量SB,t等于0时，第二子问题模型对应的场景不存在安全隐患，不返回割集。
第二子问题返回单元，用于当所述第二松弛变量SB,t不等于0时，第二子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修装置，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。
在一些可选的实施方式中，第三子问题模型是基于第三子问题模型对应的场景下的故障集构建的，所述故障集包括停止工作后导致所述待检修输电线路存在安全隐患的机组，所述输电线路检修装置包括：
故障指标值获取模块，用于基于故障因素，获得各个机组的故障指标值，所述故障因素包括：机组对线路的灵敏度、线路潮流和机组输出功率。
故障集建立模块，用于基于所述故障指标值进行排序，选择至少一个目标机组构成所述故障集。
第三子问题模型构建模块，用于以故障集中任一目标机组停机时无安全隐患为目标函数，构建所述第三子问题模型。
本实施例提供的输电线路检修装置，通过对故障的智能排序方法，有效识别起作用的故障场景，针对性地减少检修计划对故障后备用调整的影响。
在一些可选的实施方式中，第三子问题模型以故障场景下的第三松弛变量SC,t的最小值为目标函数，所述第三松弛变量SC,t是大于或等于0的变量，判断模块702包括：
第三约束条件建立单元，用于采用直流潮流方法表示第三约束条件，其中检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，机组出力基于故障集中的故障场景进行调整得到。
第三子问题求解单元，用于基于所述第三目标函数和所述第三约束条件，得到所述第三松弛变量SC,t。
第三子问题通过单元，用于当所述第三松弛变量SC,t等于0时，第三问题模型对应的场景不存在安全隐患，不返回割集。
第三子问题返回单元，用于当所述第三松弛变量SC,t不等于0时，第三子问题模型对应的场景存在安全隐患，返回割集。
本实施例提供的输电线路检修装置，通过采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，确保了在基态场景下进行输电线路检修时，不会发生越限的情况，提高了输电线路检修计划的安全性。本实施例提供的输电线路检修方法，通过提出迭代更新的考虑灵敏度、机组功率和线路潮流的故障智能排序方法，有效提取与检修计划相对应的起作用故障集，缩减了故障场景的计算规模，显著提升了检修计划计算效率，不仅可以覆盖未来预测场景的基态越限情况，还同时考虑了故障和概率场景的电网安全，提高了检修计划的鲁棒性和安全性。
在一些可选的实施方式中，所述输电线路检修装置包括：
主问题模型调整模块，用于若返回割集，基于所述割集对所述主问题模型进行调整，并返回执行所述基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果的步骤至基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集的步骤，直至所述各个子问题模型不返回割集，输出当前检修计划结果为最终输电线路检修计划。
本实施例提供的输电线路检修装置，通过基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，利用所述割集对主问题模型进行调整，实现了子问题模型和主问题模型之间的协调求解流程，建立了检修计划-机组组合高效模型，提高了输电线路检修计划的计算效率。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的输电线路检修装置是以功能单元的形式来呈现，这里的单元是指ASIC（Application Specific Integrated Circuit，专用集成电路）电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图7所示的输电线路检修装置。
请参阅图8，图8是本发明可选实施例提供的一种计算机设备的结构示意图，如图8所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的第一存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种输电线路检修方法，其特征在于，所述方法包括：
基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数，所述当前检修计划结果包括机组出力、检修计划和风电出力；
基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件；
当所述各个子问题模型不返回割集时，输出所述当前检修计划结果为最终输电线路检修计划，
所述主问题模型的目标函数为：
，
其中，t表示时段，T表示总时段数，i表示第i个机组，N g为机组总数，N s为可能场景总数，C i,o、C i,g、C i,u和C i,d为机组i的开机成本、发电成本、正备用成本和负备用成本，U i,t为组i在时段t的开机状态，1为开机，0为停运，r u,i,t、r d,i,t分别为机组i在时段t提供的正备用和负备用，p i,s,t表示场景s下的机组i在时段t的出力；Ωs为场景s的概率，S B,t、S C,t和S S,t表示所述各个子问题模型场景下的松弛变量，SB,t为基态场景下的第二松弛变量，SC,t为故障场景下的第三松弛变量，SS,t为概率场景下的第一松弛变量；
所述主问题模型的约束条件包括机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束。
2.根据权利要求1所述的方法，其特征在于，第一子问题模型以概率场景下的第一松弛变量S S,t的最小值为第一子目标函数，所述第一松弛变量S S,t是大于或等于0的变量；
所述基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，包括：
采用直流潮流方法表示第一约束条件，基于所述当前检修计划结果、第一子目标函数和所述第一约束条件，得到所述第一子问题模型的第一松弛变量；
当所述第一松弛变量S S,t等于0时，所述第一子问题模型对应的场景不存在安全隐患，不返回割集；
当所述第一松弛变量S S,t不等于0时，所述第一子问题模型对应的场景存在安全隐患，返回割集。
3.根据权利要求2所述的方法，其特征在于，第二子问题模型以基态场景下的第二松弛变量S B,t的最小值为第二目标函数，所述第二松弛变量S B,t是大于或等于0的变量；
所述基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，包括：
采用直流潮流方法表示第二约束条件，其中机组出力、检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值；
基于所述第二目标函数和所述第二约束条件，得到所述第二松弛变量S B,t；
当所述第二松弛变量S B,t等于0时，第二子问题模型对应的场景不存在安全隐患，不返回割集；
当所述第二松弛变量S B,t不等于0时，第二子问题模型对应的场景存在安全隐患，返回割集。
4.根据权利要求3所述的方法，其特征在于，第三子问题模型是基于第三子问题模型对应的场景下的故障集构建的，所述故障集包括停止工作后导致所述待检修输电线路存在安全隐患的机组，构建所述第三子问题模型的过程，包括：
基于故障因素，获得各个机组的故障指标值，所述故障因素包括：机组对线路的灵敏度、线路潮流和机组输出功率；
基于所述故障指标值进行排序，选择至少一个目标机组构成所述故障集；
以故障集中任一目标机组停机时无安全隐患为目标函数，构建所述第三子问题模型。
5.根据权利要求4所述的方法，其特征在于，第三子问题模型以故障场景下的第三松弛变量S C,t的最小值为第三目标函数，所述第三松弛变量S C,t是大于或等于0的变量；
所述基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，包括：
采用直流潮流方法表示第三约束条件，其中检修计划采用所述当前检修计划结果中的值，风电出力采用主问题模型中概率场景对应的风电出力期望值，机组出力基于故障集中的故障场景进行调整得到；
基于所述第三目标函数和所述第三约束条件，得到所述第三松弛变量S C,t；
当所述第三松弛变量S C,t等于0时，第三问题模型对应的场景不存在安全隐患，不返回割集；
当所述第三松弛变量S C,t不等于0时，第三子问题模型对应的场景存在安全隐患，返回割集。
6.根据权利要求1-5中任一项所述的方法，其特征在于，
若返回割集，基于所述割集对所述主问题模型进行调整，并返回执行所述基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果的步骤至基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集的步骤，直至所述各个子问题模型不返回割集，输出当前检修计划结果为最终输电线路检修计划。
7.一种输电线路检修装置，其特征在于，所述装置包括：
确定模块，用于基于待检修输电线路的主问题模型，确定所述待检修输电线路的当前检修计划结果，所述主问题模型是基于所述待检修输电线路的参数建立的，所述主问题模型以机组的开停、机组的备用以及多场景期望出力的总成本最小为目标函数，建立待检修输电线路的检修计划的目标函数；
判断模块，用于基于所述当前检修计划结果判断各个子问题模型是否向所述主问题模型返回割集，所述各个子问题模型是基于所述待检修输电线路的不同场景构建的，各个子问题模型以与其对应的场景无安全隐患为目标建立松弛变量最小值的目标函数，所述割集是对所述各个子问题模型进行求解得到的，所述割集是由所述松弛变量和所述待检修输电线路的线路参数组成的约束条件；
输出模块，用于当所述各个子问题模型不返回割集时，输出当前检修计划结果为最终输电线路检修计划；
所述主问题模型的目标函数为：
，
其中，t表示时段，T表示总时段数，i表示第i个机组，N g为机组总数，N s为可能场景总数，C i,o、C i,g、C i,u和C i,d为机组i的开机成本、发电成本、正备用成本和负备用成本，U i,t为组i在时段t的开机状态，1为开机，0为停运，r u,i,t、r d,i,t分别为机组i在时段t提供的正备用和负备用，p i,s,t表示场景s下的机组i在时段t的出力；Ωs为场景s的概率，S B,t、S C,t和S S,t表示所述各个子问题模型场景下的松弛变量，SB,t为基态场景下的第二松弛变量，SC,t为故障场景下的第三松弛变量，SS,t为概率场景下的第一松弛变量；
所述主问题模型的约束条件包括机组组合约束、检修工期约束、备用约束、各场景下的新能源出力约束和电力平衡约束。
8.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至6中任一项所述的输电线路检修方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至6中任一项所述的输电线路检修方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311092581.1A CN116822928B (zh) | 2023-08-29 | 2023-08-29 | 输电线路检修方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311092581.1A CN116822928B (zh) | 2023-08-29 | 2023-08-29 | 输电线路检修方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116822928A CN116822928A (zh) | 2023-09-29 |
| CN116822928B true CN116822928B (zh) | 2023-11-21 |
Family
ID=88114836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311092581.1A Active CN116822928B (zh) | 2023-08-29 | 2023-08-29 | 输电线路检修方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822928B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422183B (zh) * | 2023-12-18 | 2024-03-19 | 国网四川省电力公司 | 机组检修优化方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413182A (zh) * | 2013-07-24 | 2013-11-27 | 清华大学 | 基于诱导函数的月度发输电一体化检修优化方法 |
| CN114188973A (zh) * | 2021-11-18 | 2022-03-15 | 贵州电网有限责任公司 | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 |
| WO2022104311A1 (en) * | 2020-11-13 | 2022-05-19 | Siemens Healthcare Diagnostics Inc. | Computationally-efficient load planning systems and methods of diagnostic laboratories |
| CN114662799A (zh) * | 2022-05-18 | 2022-06-24 | 国网四川省电力公司电力科学研究院 | 一种输电线路检修计划优化方法、装置、设备及存储介质 |
| WO2023282983A1 (en) * | 2021-07-09 | 2023-01-12 | Mastercard International Incorporated | Variable freezing method for an objective optimisation problem |
| CN115822887A (zh) * | 2022-12-05 | 2023-03-21 | 中国华能集团清洁能源技术研究院有限公司 | 风电机组的性能评估与能效诊断方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10732621B2 (en) * | 2016-05-09 | 2020-08-04 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for process adaptation in an internet of things downstream oil and gas environment |
-
2023
- 2023-08-29 CN CN202311092581.1A patent/CN116822928B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413182A (zh) * | 2013-07-24 | 2013-11-27 | 清华大学 | 基于诱导函数的月度发输电一体化检修优化方法 |
| WO2022104311A1 (en) * | 2020-11-13 | 2022-05-19 | Siemens Healthcare Diagnostics Inc. | Computationally-efficient load planning systems and methods of diagnostic laboratories |
| WO2023282983A1 (en) * | 2021-07-09 | 2023-01-12 | Mastercard International Incorporated | Variable freezing method for an objective optimisation problem |
| CN114188973A (zh) * | 2021-11-18 | 2022-03-15 | 贵州电网有限责任公司 | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 |
| CN114662799A (zh) * | 2022-05-18 | 2022-06-24 | 国网四川省电力公司电力科学研究院 | 一种输电线路检修计划优化方法、装置、设备及存储介质 |
| CN115822887A (zh) * | 2022-12-05 | 2023-03-21 | 中国华能集团清洁能源技术研究院有限公司 | 风电机组的性能评估与能效诊断方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116822928A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046395B (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
| CN112183855B (zh) | 区域电力现货市场出清方法、装置和电子设备 | |
| Aghaei et al. | Transmission switching, demand response and energy storage systems in an innovative integrated scheme for managing the uncertainty of wind power generation | |
| CN116822928B (zh) | 输电线路检修方法、装置、计算机设备及存储介质 | |
| Aghaei et al. | MIP-based stochastic security-constrained daily hydrothermal generation scheduling | |
| US20120310608A1 (en) | Method for Scheduling Power Generators Based on Optimal Configurations and Approximate Dynamic Programming | |
| Nikoobakht et al. | Securing highly penetrated wind energy systems using linearized transmission switching mechanism | |
| CN112597633B (zh) | 考虑多故障场景的电力系统备用优化方法及系统 | |
| KR20210100699A (ko) | 하이브리드 발전소 | |
| CN106775884A (zh) | 风力发电机组的控制程序的升级方法和设备 | |
| CN110705808A (zh) | 新能源接入下考虑检修的输电网规划方案生成系统及方法 | |
| CN111049196A (zh) | 现货环境下调峰辅助服务的出清方法、系统、装置及介质 | |
| Ghavidel et al. | Risk‐constrained demand response and wind energy systems integration to handle stochastic nature and wind power outage | |
| CN108233357A (zh) | 基于非参数概率预测及风险期望的风电日前消纳优化方法 | |
| Haggi et al. | Security-Constrained Unit Commitment considering large-scale compressed air energy storage (CAES) integrated with wind power generation | |
| CN115764899A (zh) | 一种基于深度调峰的联合优化调度方法及相关装置 | |
| CN115514016A (zh) | 电力系统机组组合确定方法、装置及设备 | |
| CN115603308A (zh) | 一种考虑需求响应替代效益的源网协调规划方法及系统 | |
| CN114552672A (zh) | 电力系统的数据处理方法和存储介质 | |
| CN115310678A (zh) | 电力市场出清优化方法、装置、终端设备及存储介质 | |
| CN115310679A (zh) | 一种电力资源的优化调度方法、装置、存储介质以及系统 | |
| JP2024503999A (ja) | 電力グリッド資源割当て | |
| Tsoi et al. | Artificial intelligence algorithms for short term scheduling of thermal generators and pumped-storage | |
| CN116308301B (zh) | 协调多区域的输电检修方法、装置、计算机设备及介质 | |
| CN115241878B (zh) | 一种考虑风电备用可靠性的备用优化方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |