电力系统检修计划优化研究

韩金洋

摘 要：随着社会经济的不断发展，对电力的要求也越来越高。在电力系统检修中，检修费用在电力成本中占据很大的一部分。电力系统规模的不断扩大，电力设备数目的不断增长，人工进行检修的难度也在不断的增加。经常性的检修会造成停电，给电力企业带来一定的损失。针对这些问题，亟需对电力系统的检修计划进行优化，以提升检修效率。该文拟先对电力系统检修的方式方法进行历史性的回顾，然后对现有的电力网络模型进行详细的分析，进而阐述当前电力系统检修计划优化的方法，最后对还未能解决的问题进行简要的陈述。

关键词：电力系统 检修计划 优化方法

中图分类号：TM7 文献标识码：A 文章编号：1672-3791（2015）06（c）-0057-02

当前，随着电力系统的不断发展，在进行电力检修的时候，通常还是使用人工检修的方法来进行。这种传统的方法伴随着电力结构日趋复杂，已经远远不能符合实际的需要，因此急需对原有的检修计划进行优化。电力系统的检修计划对电力系统的正常运行具有十分重要的影响，使用人工方式进行检修，不仅无法保证电力系统的正常运行，工作量大、所花成本较高，工作人员的安全性也难以得到保证。在进行电力系统检修计划优化时，要兼顾考虑的因素很多，也比较复杂，建立一个标准统一的优化模型也是比较困难的。该文主要采用目标函数以及约束条件来建立优化模型，并进行深入分析，提出优化方法。

1 电力检修方法的发展历史

进行设备检修的主要目的是为了保证设备维持能够完成某种工作的能力，合理及时的对设备进行检修，能够保证设备元件的安全以及系统运行的稳定性，最大程度的提升设备的使用率，节省成本。设备检修的方法主要有：事后检修、预防性定期维修、状态检查以及以可靠性为中心的检修。对于电力系统来说，使用每种检修方式都存有利弊，现在进行简要的分析。

事后检修是指在设备出现故障之后，对设备进行检修。其检修的主要目的是排除故障。如果故障较轻，这是一种非常经济的检修方式。然而使用这种检修方式，无法确保电力系统的可靠性，如果情况严重会引发连锁反应，并且对停电时间没有明确的估计。

预防性检修包含两方面，一是定期维修，一是定期更换。定期检修是根据设备磨损的规律，按照相关的时间对设备定期进行维修。只要到了特定的时间，不论设备是否存在问题，都要对设备进行维修。它的优点在于能够最大限度的减少设备故障的发生，但也有缺点，主要是检修出现过剩，浪费人力、物力、财力；另外就是存在一定盲目性，不能根据设备本身的具体情况来进行检修，如果出现失误，就会给设备的寿命带来影响。定期更换是指到了规定的时间就要对设备进行更换。

状态检修是指以设备运行的状态为基础，进而预测设备是否会出现故障的一种检修方法。通过日常对设备的检查，将检查的数据与标准参数作对比，然后对设备运行的未来趋势作出一定的判断。这种检修方法是为经济的，但是由于需要事先安装一定数量的检测设备，无形中又提升了成本。

以可靠性为中心的检修方式是对上述检修方式进行了综合，它不但考虑的电力设备运行的状态，同时还考虑了其在电力系统中的重要性。在我国，电力企业传统的检修方法是采用事后检修以及预防性检修。现在状态检修已经成为未来发展的趋势。对于未来电力系统的发展，还需要做进一步的观察，根据实际情况，对电力系统的检修方式进行优化。

2 检修计划优化模型的建立

2.1 目标函数

在电力系统检修计划中，目标函数可以分为单目标函数和多目标函数两类。其中，单目标函数包括经济性目标、实用性目标以及可靠性目标。传统的检修计划通常对经济性目标考虑的较多，目的是为了能够有效的降低费用，并将可靠性作为约束性条件。随着电力系统规模的不断发展，检修的问题日益复杂化，针对这种情况，多目标函数被逐渐的引入到检修计划中来。

（1）经济性目标函数，在这类函数中，通常包含着生产费用和设备检修费用。设备检修费用包括在长期的运行中，设备由于磨损而产生的费用以及增加人工而出现的额外费用。生产费用指的是由于停电而导致出现损失的电费。

通过对相关文献的分析，一些案例中使用了经济性指标，将检修产生的费用与停电产生的费用相加，其和最为最小的目标函数。还有一些文献中的案例对电力市场的环境进行了充分的考虑，把由于检修导致线路潮流变化而出现的无功缺额而增加的购买无功的费用也算到经济性目标函数里面。

（2）可靠性目标函数，可靠性目标函数又可以分成随机与确定两个类别。确定的目标中，如果一个设备停止运行，那么其它设备还能够保持最大的电力供应能力，将其作为目标函数。使用确定性目标函数的时候，通常会认为设备运行状态会一直很好，但实际上运行后各个阶段是有一定的差异的。随机性目标函数对由于故障而导致的停机以及设备可利用率的不稳定性进行了充分的考虑，这样就使得目标函数与实际更加符合。

通过分析相关的文献，一些文献中的实例对机组检修时所占用的一部分备用容量进行了考量，因此，将剩下的净备用容量的最大化来当做目标。还有一些文献中以提升供电的可靠性作为最终的优化目标，并且把每一次停电的户数和停电持续的时间相乘得出的积作为目标函数。

2.2 多目标优化函数

对检修计划进行优化的目标是多样化的，目前许多文献中所采用的方法是对每个函数进行相加，之后再将其转化为单目标函数，这种算法会将一些函数所具有的功能抹杀掉。除此之外，使用单目标函数对于最后的优化结果分析也是不利的，所以为了能够有效的对检修计划进行优化，应该将多目标理论应用到检修计划优化中来。

通过分析相关的文献，一些文献提出了两种检修计划优化法：其一，使用线性加权来对多个目标函数进行转化，使其成为单个目标，把停电带来的损失负荷以及检修的工作量的加权作为目标函数，在此基础上建立优化模型；其二，对检修的经济性与可靠性之间的平衡问题进行了充分的考虑，为了能够反映出可靠性以及经济性，使用期望缺供电量以及维修成本来进行。

2.3 约束条件

为了能够确保检修计划切实可行，必须设定相应的约束条件。约束条件主要包括技术约束、资源约束以及系统运行约束三类种。

（1）技术约束条件，所谓技术约束是指在进行检修的时候，必须要遵守相关的技术规范，按照上级部门的要求进行工作。技术约束包括检修时段的约束、持续时间的上下限、连续性的要求、检修顺序、同时检修以及不可变更的检修等几个方面，每个方面都有各自具体的要求，需要按照规章制度严格遵守。

（2）资源条件约束，所谓的资源约束指的是该电力企业所拥有的检修人员、检修设备包括车辆等资源。按照不同的要求可以将资源约束分为以下几个方面：其一，多组可用检修人员，分类标准是依据专业以及地理位置来划分；其二，同时检修容量约束，分类标准是检修设备以及备品备件等。

（3）系统运行条件约束，所谓系统运行条件约束，指的是在对设备进行检修的期间，除了要确保电力用户用电的可靠性，同时还要确保电力运行的安全稳定。一般情况下，为了确保电力系统运行的稳定性，必须要考虑支路潮流、网络连通性、系统运行的网络辐射性等方面。

在进行电力检修计划优化模型建立的时候，对于上面提到的约束条件，应该根据实际情况进行考虑，无需将所有的约束条件都考虑进去。通过查找相关文献，一些文献的论述中对基本的检修资源、时间以及潮流约束进行了考虑，同时运用缺供电约束来对可靠性进行保证。

对于以上所提出的约束条件，一重要性也各不相同。有一些约束条件是必须要满足的，而有一些就可以不用太多考虑。需要特别重视的约束条件，比如检修计划时间段以及与系统安全运行有关的约束等；对于人力和资源的要求灵活性比较大，可以根据实际情况来考虑。

3 检修优化算法分析

电力系统检修计划模型建立之后，就需要运用算法对模型进行求解。大体上，可以将求解的方法分成传统的数学优化算法、启发式算法以及采用人工智能。下面对这三种算法进行详细的分析。

3.1 传统数学算法

（1）0—1整数规划算法，在整数规划中，这种形式是比较特殊的，变量的取值只有两个，0或者1。求取0—1整数规划最直接的方式是采用枚举法进行。具体做法是对每个变量进行观察，对每个组合的函数值进行比较，进而求取结果；这种方法的好处是能够确保整个过程的最优性，但当变量数目很大时，求解就比较费劲。

（2）线性规划法，这种理论发展的历史比较长，成熟的比较早。它主要是对在一组线性约束条件下，来对线性目标函数的最大或者最小进行优化。它计算简答方便。如果使用线性代数来对检修计划优化进行求解的话，还需要简化优化模型，这样一来，最终的结果可能与实际预期是不同的。所以，一般情况下，可以把线性规划与启发式算法结合在一块，来对电力检修计划优化进行求解。通过对相关文献的分析，一些文献将线性规划和模糊推理相结合，通过两步就可以将检修计划优化进行求解。

3.2 启发式算法

所谓的启发式算法就是根据所要求解问题的基本特性，找寻能够解决问题的最佳途径，其目的是在能够可以接受的范围内寻求最佳的解决方案。它的主要优点在于计算方法简单、速度较快，很容易实现。但同时也存在不少缺陷，比如，所求解答不能保证是最优的结果；如果设计者的技术和经验水平较低，那么求解就会受到一定的限制。

3.3 人工智能算法

（1）智能优化算法，随着科学技术的不断进步，人类在自然规律的启发下，研制出了人工智能算法。电力系统的复杂性在逐渐的增大，在对其进行检修的时候，困难也在逐渐的增加。传统的算法在对检修计划优化进行求解时，遇到的挑战越来越大。因此，在电力检修中，将人工智能算法引入，能够极大的提升求解的效率。目前，电力维修领域使用最多的人工智能算法有模拟退火、遗传算法等。下面对这两种算法进行分析阐述。

（2）模拟退火算法分析，所谓的“模拟退火算法”是指对加热后融化的金属过程加以模拟，进而寻找最优的求解方式的方法。在使用这种算法进行求解的时候，能够接受一定概率的劣解，能够站在全局的角度来进行求解，而不是只关注局部的最优。它对于初始值的依赖程度比较低，并且很容易能够实现，从理论上讲，能够把全局的最优解收集到。当然也存在一些缺点，主要是运算的速度比较缓慢。通过分析相关的文献，一些文献中对于发电机组的检修优化就使用了模拟退火算法来寻求最优解。

（3）遗传算法分析，所谓的“遗传算法”，是在接受了生物进化的启迪之后研究出的智能算法之一，由于这种算法能够实现高效的全局搜索，在许多工程领域已经普遍应用了。它的基本原理是将遗传空间的串结构数据当做解数据，随机的产生初始群体，同时对每一个个体的适应度进行计算，之后进行选择，最后得到适应度最大的个体，这就是所要优化问题的最优解答。通过分析相关的文献，一些文献中，对于遗传算法的复制、变异和交叉，提出了自己的改进方式，进而来提升优化的效率，同时运用改进之后的遗传算法来对电力设备的检修进行优化。

（4）智能混合算法分析随着电力系统的规模不断扩大，其复杂性也在日益的增加，如果采用单一的算法进行最优解的求取，还是会存在一定程度的局限性。因此，把多种智能化算法结合起来，将各自的优点融合在一起的混合智能算法越来越受到人们的欢迎。在电力系统的检修优化中，智能混合算法已经得到了应用。例如，一些文献中，将每个个体局部启发式搜索和遗传算法结合在一块，创造出了一种文化基因算法，同时将这种新创立的算法应用到对发电机组检修计划优化问题的求解中，取得了良好的效果。

4 结语

综上所述，随着电力系统规模的不断扩大，电力系统的检修难度也在逐渐的加大。传统的检修计划存在一些问题，急需对其进行优化。该文先分析了电力检修方式的发展历程，然后针对建立的检修计划优化模型，从目标函数以及约束目标两方面对其进行了分析，最后对优化问题的求解方法进行详细的分析，期待本文的研究能够对电力系统的检修计划优化在理论上有所启迪。

参考文献

[1] 周小艺，唐磊，田方媛，等.电力系统检修计划优化问题研究[J].华北电力大学学报（自然科学版），2014（6）：67-74，87.

[2] 谢丽荣，杨乐勇，吴炳祥，等.一体化检修计划优化管理系统的研究及实现[J].江苏电机工程，2012（1）：1-4.

[3] 任志远，董雷.供电系统检修计划决策系统的研究[J].科技传播，2011（22）：112-113，110.