劉正義

摘要：針對(duì)傳統(tǒng)檢修方法存在的弊端，以電力設(shè)備檢修費(fèi)用最小化及系統(tǒng)可用輸變電容量最大化為目標(biāo)，建立了考慮多種約束條件的檢修計(jì)劃優(yōu)化數(shù)學(xué)模型，并采用遺傳算法求解優(yōu)檢修模型。

關(guān)鍵詞：電力設(shè)備；遺傳算法；檢修優(yōu)化；檢修計(jì)劃

中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2012）30-7321-02

電力設(shè)備優(yōu)化檢修的核心是狀態(tài)檢修，狀態(tài)檢修計(jì)劃涉及到一個(gè)多目標(biāo)多約束的數(shù)學(xué)優(yōu)化問(wèn)題，包括很多不確定因素，如故障的隨機(jī)性，電價(jià)的波動(dòng)，負(fù)荷變化的不確定性；傳統(tǒng)的狀態(tài)檢修算法對(duì)最優(yōu)目標(biāo)及約束條件表達(dá)式要求極嚴(yán)格，但是在設(shè)備狀態(tài)檢修決策優(yōu)化模型中，最優(yōu)目標(biāo)和部分約束條件無(wú)法用嚴(yán)格的變量表達(dá)式表達(dá)，又由于電力系統(tǒng)中存在眾多的檢修設(shè)備，且自變量矩陣的元素多，采用傳統(tǒng)的優(yōu)化算法難以同時(shí)滿足收斂速度及解最優(yōu)化。因此，為了進(jìn)一步提高電力系統(tǒng)供電的可靠性，安全性及經(jīng)濟(jì)性，必須采用先進(jìn)的算法對(duì)現(xiàn)有的設(shè)備檢修計(jì)劃進(jìn)行優(yōu)化，本文將遺傳算法應(yīng)用到在電力設(shè)備狀態(tài)檢修優(yōu)化中，利用自適應(yīng)交叉和變異不斷修正自適應(yīng)函數(shù)，加快了收斂時(shí)間，優(yōu)化后的檢修計(jì)劃明顯減少了停電次數(shù)、停電范圍及停電量。

1 電力設(shè)備檢修優(yōu)化

1.1 目標(biāo)函數(shù)

以最小的電力設(shè)備檢修費(fèi)用、最大的系統(tǒng)可用輸變電容量為目標(biāo)，建立電力設(shè)備檢修優(yōu)化模型如下：

1.2 約束條件

為了檢修工作能合理有序的開(kāi)展，并保證系統(tǒng)的安全可靠運(yùn)行，檢修計(jì)劃優(yōu)化問(wèn)題包括大量的約束條件。

1）檢修時(shí)間約束

2）地理位置順序檢修約束

3）同時(shí)檢修約束

4）節(jié)點(diǎn)功率平衡

5）線路傳輸極限約束

設(shè)備因檢修而退出運(yùn)行，電網(wǎng)潮流分布會(huì)改變，有可能導(dǎo)致轉(zhuǎn)供線路的傳輸功率過(guò)載，故必須對(duì)線路通過(guò)潮流計(jì)算進(jìn)行校驗(yàn)。

6）檢修人員及檢約束修時(shí)間

7）互斥約束

2 遺傳算法的求解

采用遺傳算法求解電力設(shè)備檢修最優(yōu)化的流程如圖1所示，在求解前，將需要順序檢修和同時(shí)檢修的設(shè)備分為一組，選取同一組中檢修持續(xù)時(shí)間最長(zhǎng)的設(shè)備首先進(jìn)行檢修，在目標(biāo)函數(shù)中通過(guò)增加懲罰函數(shù)項(xiàng)的方法對(duì)其他約束不等式進(jìn)行處理。

首先對(duì)原始數(shù)據(jù)進(jìn)行染色體編碼和信息矩陣處理，接著確定發(fā)電計(jì)劃、檢修計(jì)劃、最優(yōu)目標(biāo)函數(shù)及約束條件，使用增加懲罰函數(shù)項(xiàng)的方法處理不滿足的約束，之后使用處理后的約束條件和目標(biāo)函數(shù)計(jì)算出群體的適應(yīng)度函數(shù)值，再對(duì)父代進(jìn)行選擇、交叉、變異，選出新一代個(gè)體，再重新計(jì)算其適應(yīng)度函數(shù)，把最優(yōu)個(gè)體保存代數(shù)和最大遺傳代數(shù)作為終止條件，只要滿足其中一個(gè)條件，就終止迭代，輸出最后的優(yōu)化結(jié)果。

其中，遺傳算法的個(gè)體編碼采用二進(jìn)制編碼表示檢修起始日期的方式，每個(gè)設(shè)備的一次檢修對(duì)應(yīng)一組起始時(shí)段，隨機(jī)生成一定數(shù)量的染色體，組成了初始種群，種群規(guī)模M取為 100，其中各染色體上的基因分別對(duì)應(yīng)電力設(shè)備的編號(hào)，各位基因的隨機(jī)排列組成的染色體代表對(duì)應(yīng)的檢修計(jì)劃，最大遺傳代數(shù) 為400 代，群體中的適應(yīng)度是各部分經(jīng)濟(jì)數(shù)據(jù)加權(quán)求和并取倒數(shù)而得到，適應(yīng)函數(shù)為Pc和變異概率 Pm，采用橫向交叉，在父代中隨機(jī)選中兩個(gè)個(gè)體作為配對(duì)編碼串，再設(shè)置個(gè)體的交叉位置，將兩個(gè)配對(duì)編碼串按照交叉位置進(jìn)行交叉替換，在選擇操作中，為了把選中的優(yōu)化個(gè)體保留下來(lái)并且直接遺傳到下一代，以適應(yīng)度函數(shù)的大小作為選擇依據(jù)，在變異操作中，先隨機(jī)確定基因變異的位置，再用事先設(shè)定的變

異概率來(lái)對(duì)基因座的基因進(jìn)行變異，當(dāng)變異率很小時(shí)，解群體的穩(wěn)定性好，但容易陷入局部最優(yōu)解，為了避免收斂速度過(guò)慢及容易陷入局部最優(yōu)解，采用自適應(yīng)調(diào)整方法對(duì)交叉變異概率進(jìn)行改進(jìn)。

3 結(jié)束語(yǔ)

使用本文提出的方法對(duì)變壓器及路進(jìn)行檢修計(jì)劃優(yōu)化計(jì)算，軟件開(kāi)發(fā)可以使用MATLAB遺傳算法工具箱進(jìn)行，在模型求解過(guò)程中，將逐次逼近算法與啟發(fā)式搜索的優(yōu)點(diǎn)結(jié)合起來(lái)，檢修安排的初始結(jié)果是使用啟發(fā)式搜索，再將該結(jié)果作為逐次逼近算法的初始可行解，通過(guò)循環(huán)不斷的迭代，逐步尋找最優(yōu)解，從而能夠獲得滿足各類等式與不等式約束的最優(yōu)結(jié)果，因此，將遺傳算法應(yīng)用到電力設(shè)備檢修優(yōu)化中，具有良好的應(yīng)用前景。

參考文獻(xiàn)：

[1] 李明.變電站狀態(tài)檢修決策模型與求解[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012（25）.

[2] 林靈兵.供電設(shè)備檢修計(jì)劃優(yōu)化模型和算法[J].電力自動(dòng)化設(shè)備，2012（8）.

[3] 馬仲能.基于電力設(shè)備全壽命周期成本最優(yōu)的檢修策略研究[J].電力系統(tǒng)保護(hù)與控制，2011（16）.

[4] 旭鋒.供電設(shè)備檢修優(yōu)化算法及其在地區(qū)電網(wǎng)中的應(yīng)用[J].電網(wǎng)技術(shù)，2009（14）.