基于免疫优化算法的变电运维班驻地选址方法

陈良耳 姚江 成艺斌 刘嘉雯

摘要：随着无人值守变电站的广泛应用，供电公司目前采用调控中心和变电运维班相结合的变电站运行管理模式。而无人值守变电站数量急剧增加和路网复杂程度不断增长，使得依靠人工经验设置运维班驻地的方式不够科学合理。因此，本文提出了一种基于免疫优化算法的变电运维班驻地选址方法。首先分析了各个变电站的外勤需求和各个变电站之间的行驶路程，然后建立以外勤需求权重和行驶路程乘积的累加和最小为目标函数，并通过免疫优化算法对模型进行求解，最后以某运维班所辖变电站分布为例，验证了所提方法能显著提升运维班的外勤效率。

关键词：驻地选址方法，外勤需求权重，免疫优化算法

1 引言

伴随社会用电需求的不断增长，变电站的数量也在急剧增加，目前各电压等级的变电站已经转向无人值守的运行模式[1]，该模式依托某个地理位置相对中心的变电站设置运维班驻地，对辖区内的变电站进行管理，根据规定，地市公司运维班驻地的工作半径不得大于60千米或者60分钟车程[2]。变电运维班在选择驻地时，需要以辖区内变电站的分布情况作为参考，在满足变电站应急处理需求的基础上，科学合理地设置驻地，尽量减少总的行驶路程和时间[3]。目前国内外针对变电运维班驻地选址的研究较少，与其相关的理论研究多是针对物流领域[4]。

因此，本文提出一种基于免疫优化算法的变电运维班驻地选址方法。建立以外勤需求权重和行驶路程乘积的累加和最小为目标函数，并通过免疫优化算法对模型进行求解，该方法能显著缩短运维班总的外勤路程和时间，具有较强的应用价值。

2 驻地选址问题数学模型

首先对驻地选址问题做出如下假设：

（1）运维班驻地设立在辖区内的某个变电站，不再另行选址;

（2）运维班的人员车辆总能满足辖区内变电站的外勤需求;

（3）一个变电站仅由一个运维班驻地管辖。

其中，k表示变电站重要度系数，电压等级越高，k的数值越大，也可根据是否是枢纽型变电站适当调整k的数值。 表示巡视需求， 表示操作需求， 表示应急需求。三者的数值可根据历年外勤次数的统计情况进行取平均值等规范化处理后导入计算。驻地的设置应优先满足各个变电站的应急需求，同时兼顾历年应急外勤占其他外勤的比例，故 前的系数应较其他两者大，本文取0.4作为 前的系数，其他两者前的系数取0.3。

最后用免疫优化算法进行求解，免疫优化算法集成了自然界免疫系统的特性，即产生多样抗体、自我调节、免疫记忆功能特征，是一种能克服其他寻优函数寻优过程中难处理的“早熟”问题，最终求得全局最优解的智能算法。

3 算例分析

以沿海某地区变电运维班所管辖的变电站为例，该班管辖32座110kV变电站，10座35kV变电站。将所有变电站外勤需求权重和路网数据经过规范化处理后导入程序。图1是该变电运维班所管辖变电站的分布示意图，图中五角星所示变电站的位置不代表变电站的实际位置，而是将路网行驶路程映射在直角坐标系中的相对位置。图中东南片区的变电站分布较为密集，其他片区的分布较为稀疏，分布没有规律可循，以肉眼很难看出哪个站位于图中的正中心位置。

图1中，BW变是依靠人工经验设置的驻地，TB变是通过免疫优化算法求解出的驻地，BW变和TB变均位于图中相对中心的位置，分析两个备选驻地的基本信息可以得出BW变和TB变均为新建110kV户内式变电站，位于交通主干道路边，交通便利且具有改造成驻地的基本条件。为进一步验证所提驻地选址方法的合理性和优越性，进行备选驻地到各个变电站的路程和时间对比。

以BW变为驻地到各个变电站的平均路程为13.31km，平均时间为18.21min，以TB变为驻地到各个变电站的平均路程为13.03km，平均时间为17.8min。从整体平均数据来看，设TB变为驻地在满足各个变电站外勤需求的基础上，能减少运维班驻地到各个变电站总的行驶路程和时间，至此证明了本文所提驻地选址方法的优越性和合理性。

4 結论

针对变电运维班驻地人工选址存在主观性和随意性问题，本文提出了一种基于免疫优化算法的变电运维班驻地选址方法，能减少运维班到各个变电站总的行驶路程和时间，同时得到以下结论：

1）该选址方法引入了外勤需求权重的概念，可以根据不同变电站的外勤需求设置权重比例，在计算出辖区绝对正中心的基础上根据实际需要优化调整驻地选址。

2）该选址方法建立以外勤需求权重和行驶路程乘积的累加和最小为目标函数，并通过免疫优化算法对模型进行求解，所选驻地能显著提升运维班的外勤效率。

参考文献

[1] 谢敬. 无人值守变电站发展与电力自动化应用研究[J]. 中国设备工程， 2020（06）：240-242.

[2] 张吉. 变电站无人值守运维管理问题及解决策略[J]. 大众标准化， 2019（18）：186-187.

[3] 程殿全. 企业电网变电运行管理中风险点及防范措施[J]. 电气时代， 2020（08）：47-48.

[4] 吴菁芃. 现代物流配送中心分类与规划分析[J]. 物流技术与应用， 2020， 25（07）：159-163.