大型水电站机组检修计划优化数字化模型构建及应用

何立新 ，石 强

（1.三峡大学 电气与新能源学院，湖北宜昌 443002；2.葛洲坝电厂，湖北宜昌 443002；3.梯级水电站运行与控制湖北省重点实验室（三峡大学），湖北宜昌 443002）

引言

大型水电站机组的检修可以大致分为计划检修和非计划检修（包括不定期预防检修、预知性检修和状态检修等）。多年来，国内外研究者和电力工作者对机组检修计划的优化进行了大量的研究，提出了各种满足不同系统运行要求和约束条件的模型，在实际机组检修工作中，实现了机组设备和经济效益的提升。文献[2]采用等备用容量法对发电系统的机组检修计划进行优化；文献[3]以系统运行费用最小为目标，建立了机组检修计划模型；文献[4]建立了以系统最小备用率最大及机组检修计划调整事项最少为目标的机组检修计划优化模型，并提出了线性混合整数优化模型进行求解的方法；文献[5]建立了中长期调度和检修计划双层优化模型，采用遗传算法和0-1规划算法进行求解；文献[6-8]提出以机组生产费用和检修费用之和最小化为优化目标，利用遗传和模拟退火算法对机组检修模型进行求解。文献[9]详述了机组A修项目进度计划的编制过程，并对项目进度计划进行优化和控制；文献[10]对设备检修管理流程的基本情况进行了介绍，提出了设备检修管理流程优化的方法；文献[12]给出了基于动态规划的项目工期优化方法，并解决了多关键线路的复杂网络工期优化问题。

基于某大型水电站电站机组检修计划的优化研究，充分考虑水电发电站的检修安全成本、发电效益成本、设备健康成本和人力资源成本，从水电站发电的经济效益以及机组生产成本和检修成本来综合考虑机组检修计划的优化，建立大型水电站机组检修计划优化模型，并利用蚁群算法进行求解。在确定机组检修计划后，根据机组检修流程设计了大型水电站机组检修计划数字化模型，进一步加强机组检修计划的标准化和流程化，提高机组检修管理的效率和人员的工作效率，为实现水力资源的高效利用和保证机组设备的检修质量提供了较好的解决办法。

1 大型水电站机组检修计划优化模型构建

1.1 模型建立

考虑水电站的发电效益最高和机组的运行成本、检修成本最低，目标函数可以表示为：

式中，F表示水电站总的经济效益；E表示水电站机组的发电效益；C表示水电站机组运行时的生产成本和检修时的检修成本；α表示水电站机组发电和检修的权重。

水电站的发电效益由电站入库流量、机组运行水头、机组运行台数、机组运行时长和上网电价等决定，因此水电站的发电效益函数可以表示为：

式中，m为时段数，以一天为一个时段；n为电站在t时段投入运行的机组数；Pi,t为第i号机组在t时段内的出力（单位为MW）；Hi,t为t时段的净水头（单位为m）；Qt为在t时段内的电站入库流量；T(t)为机组运行小时数；r(t)为电站在t时段内的电价。

同时考虑机组的运行和检修成本，可以根据电站多年统计数据来建立模型[11-15]，机组的成本函数表示为：

式中，N为电站机组总数，Yi,t为第i号机组在t时段内的运行成本（单位为元/MW·天），Ji,t为第i号机组在t时段内的检修成本（单位为元/MW·天），机组检修时xi,t=0（否则为1）。

1.2 模型的约束条件

为求解模型和满足机组正常运行的需求需要遵循以下约束条件：

式中：tis为机组i开始检修的最早时间段，tie为机组i开始检修的最迟时间段，ti0为机组i开始检修的时间段；di为机组i检修持续时间；ai,t为第i号机组在t时段内所需的人员数量，A为检修人员总数量；bi,t为第i号机组在t时段内所需的设备物资数量，B为电站检修设备物资总数量。

2 大型水电站机组检修计划数字化模型构建

2.1 数字化模块定义

在建立了大型水电站机组检修计划优化模型后，设计大型水电站机组检修计划数字化模型，对机组检修工作进行模块化定义，包含班组编号、工期、关键节点计时、工作任务描述等数字信息。同时还包括机组检修中的工作票、操作票和具有关键节点的快速工单报告等内容，通过各模块之间的排列和连线来展现各工作内容之间的时间先后顺序和紧前紧后关系。各模块间可并行可顺控，达到对检修流程的过程展示及控制。通过对机组检修开工与完工的两段式关键流程控制，加强运行人员设备操作与检修维护班组设备检修工作之间的协调与联系，实现对机组检修关键过程的流程控制。在每段流程中又可分成多个关键节点，通过对关键节点的控制来实现对整个检修流程的控制。

对机组检修各班组进行数字化编号，并用不同颜色区分。当存在不同工作面的检修工作交叉时，要充分考虑协同作业，对机组检修各班组进行数字化编号，并使用不同颜色区分，可保证机组的检修工作顺利地开展。为了更有效地表示各检修工作模块之间的时间先后顺序和紧前紧后关系，在模块中引入了D+n和E-n：其中D表示计划的开工日期，E表示计划的完工日期，D+n表示开工后第n天的工作，E-n表示完工前第n天的工作。通过这样的设置，各检修维护部门可以提前了解紧前检修工作的开展情况，有利于根据调度部门批准的工期来合理安排自己的工作，实现工作进度的灵活控制。机组A级检修开工阶段的主要工作如表1所示。

表1 机组A级检修开工阶段的工序表

根据机组A级检修开工阶段的主要工作明细情况，结合各项检修工作的紧前紧后逻辑顺序，编制双代号网络图。确定机组A级检修开工阶段关键线路为A-B-C-D-F-G-H-I-J-K-N-O。

2.2 数字化机组检修流程设计

在具体设计机组检修流程时，考虑到使用的便捷直观及图表的精准高效，需将机组检修工作内容进行数字化处理。在机组检修开工之前完成流程图编制，流程图中的各个模块显示其前项工作进度条，当该项工作各前项工作完成之后，进度条由红变绿，表示该工作可以开始。当模块代表的检修工作开始时，模块变成红色，可以通过流程图一目了然知晓正在开工的工作；工作完成后，模块变成绿色，实现流程的向下流转。具体来说，就是把机组检修工作内容按照工期进度、工作时长、工作部门进行数据化展示，实现对各项检修工作工期和时长的精准控制。

3 大型水电站机组检修计划优化模型求解

3.1 数据收集

以2018年9月至2019年12月某大型水电站发电量、水位、水头、流量等数据进行实例计算，为此收集获取某大型水电站2018～2019年度机组检修计划开展研究工作，如表2所示。

表2 某大型水电站2018～2019年度机组检修计划

3.2 蚁群算法和模型求解

假设蚁群中所有蚂蚁的数量为m，所有路径间的信息素矩阵为P，为获取最佳路径，蚁群算法计算过程如下。

（1）转移概率计算

式中：pkij(t)表示蚂蚁k选择路径j的概率；τij(t)表征t时刻在i,j路径的信息素浓度；ηij(t)表征t时刻在i,j路径的可见度；α为信息素重要性要素；β为启发因子重要性要素，Jk(i)为蚂蚁k下步选取的种群集合，ηij(t)为启发因子。

（2）信息素计算

假设全体蚂蚁完成一次寻找，路径上的信息素τij(t)(t+n)为：

式中：仅当蚂蚁k选择i,j路径时否则为0；Q,ρ为控制参数，Lk为蚂蚁k该次寻找的路径长度。

（3）信息素更新

令t=t+n，路径上的信息素矩阵P可更新为：

（4）路径寻找终止

当达到最大迭代次数时，获得最佳路径，输出结果。

假定最早检修开工时间为2018年9月1日，最晚检修完工时间为2019年6月30日。根据以上数据采用ACO算法求解，为确保算法有较好的收敛性，迭代次数取200，种群规模与水电站数取1.5∶2，α取0.8，计算2018～2019年度机组检修期间的发电效益、运行成本和检修成本，结果如下：

由于2018年12月至2019年3月，该水电站入库流量低于10 000 m3/s，在此期间应尽量多安排机组检修计划，同时尽可能考虑人力资源和检修物资的约束。针对机组检修计划优化问题，通过蚁群算法进行求解。假定初始状态为t时段电站所有机组检修状态的集合，计算t+1时段各机组检修状态下的发电效益和检修成本，并确定t+1时段的经济效益为蚂蚁由t时段到t+1时段的路线长度，经过所有时段的水电机组检修状态遍历，蚁群的最优总路线长度即为电站总的经济效益。经过Python程序计算得到优化后，水电站总的经济效益增加1652万元，发电效益增加1950万元，运行成本和检修成本降低462万元。

3.3 结果分析

在建立大型水电站优化检修模型的基础上，提出了发电效益最高和成本最低的检修方案，并采用蚁群算法（ACO）求解得到最优的大型水电站机组运行检修计划。通过充分考虑电站入库流量、电站水头以及检修人力资源和物资限制，对机组检修计划进行了组合和优化，从而提高了电站的发电效益，降低了电站的运行成本和检修成本。

对机组的检修流程进行了工期优化和模块优化，设计了数字化的机组检修流程图，通过预先计划的时间节点来整体控制检修工作进度，明确各工作的开始时间和结束时间；根据工作实际完成时间，即时变更后续工作的开始时间。在机组检修过程中，对每项检修工作的工期精确到小时，各项检修工作既可以按照流程顺序开展，也可以在安全措施不冲突的情况下并行开展，从而实现机组检修进度的精准控制。

4 结论

为解决大型水电站机组安全经济开展检修工作的问题，建立了考虑机组检修计划发电效益最高和检修成本最低的优化模型，并设计了大型水电站机组检修计划数字化模型，采用蚁群算法求解所提模型，实现了预期目标。研究表明，所提方案有利于实现安全高效地开展大型水电站机组检修任务，能够充分发挥水电资源效益。