[发明专利]一种大规模多目标机组检修优化方法

说明书

本发明提供了一种大规模多目标机组检修优化方法，包括建立多目标机组检修优化模型；基于智能化随机抽样方法，从解空间随机抽取满足多目标机组检修优化模型的N个可行解；建立基于MLP‑Bi‑LSTM堆叠网络的粗糙评估模型，遍历表征集合，逐一对N个可行解进行粗糙评估；基于粗糙评估结果，对N个可行解进行排序分层，依据比较结果绘制OPC曲线，采用改进DTW方法确定所建立模型的类型；基于所确定的多目标机组检修优化问题的类型和相应的规则，确定需要精确仿真的选定集合S；对S集合再次进行排序分层，获取Pareto解集，选择合适的解作为最优机组检修方案。本发明所提方法能保证以足够高的概率求解出足够好解，十分适用于求解工程实际中的机组检修优化问题。

技术领域

本发明涉及电力机组检修，具体涉及一种大规模多目标机组检修优化方法。

背景技术

机组检修是电力系统中的传统规划问题，良好的机组检修计划一方面可以延长机组寿命，另一方面可以提前消除机组故障带来的系统停运等安全隐患，为系统日前调度和规划带来支撑。在现实层面，我国西南地区水力资源丰富，目前已建设了较为完善和成熟的梯级水电站工程，其他梯级电站的建设也在持续推进中。在理论层面，机组检修优化问题本质是一个含复杂约束的混合整数非线性优化问题，属于最优化问题领域，探讨高效求解最优化问题的方法具有理论意义。

针对机组检修优化问题，传统的仅考虑检修费用或运行成本等单目标的检修优化模型已经无法满足电网运行需求，兼顾多个优化目标成为检修优化模型的研究重点。

近年来，多目标检修优化问题考虑的优化目标主要包括两类：其一是系统经济性目标，如检修费用、发电商收益、系统购电成本等，其二是系统稳定性目标，如系统备用率、电力不足期望等。对于多目标检修优化问题的求解，其求解方法可大致分为传统优化方法、改进智能算法两类。传统优化方法的求解思路为将多目标检修优化问题简化处理为单目标问题，主要包括约束法、字典排序法、最小-最大法、NNC法、线性加权法等，此类方法均需要依赖实际情况和专家经验等来选取多个目标的合适参数，因此一般存在权重难以确定、多目标权衡不充分的情况。改进智能算法则直接求解多目标检修优化问题，通过不断迭代更新求解 Pareto前沿解集，主要包括差分进化算法、蚁群算法、粒子群算法、遗传算法等。但由于改进智能算法自身的局限性，在求解多目标检修优化问题时往往陷入局部最优。此外，在工程实际应用中，多目标检修优化问题的规模往往较大，如某地区电网含86台机组、202个负荷节点、1485条线路，基于该地区电网的实际数据建立的检修优化模型中，连续变量达30785 个、0-1整数变量达26055个，整个优化模型规模大、变量数目多、计算复杂度高，此时采用上述求解方法均存在计算复杂、难以收敛等问题。

专利文献CN113837494A公开了一种多目标机组检修调度优化方法及装置，该方法以系统可靠性指标的标准差最小、区域碳排放成本最小和系统总成本最小为多目标，以机组安全运行为约束条件，建立一种多目标机组检修优化调度模型；然后采用多目标粒子群算法对机组检修优化调度模型进行求解，优化出帕累托最优解集；最后采用一种逼近理想解排序法选取最终的调度解。该方法在机组检修调度中引入碳交易机制，既能在一定程度上降低电力系统的碳排放量，又能保证电力系统安全经济运行。但该方法仍然是采用蚁群算法的方式，仍然存在存在计算复杂、难以收敛等问题

发明内容

为了解决上述背景技术所存在的至少一技术问题，本发明提供一种大规模多目标机组检修优化方法。

为实现上述目的，本发明的技术方案是：

一种大规模多目标机组检修优化方法，所述方法包括：

根据机组类型、检修资源、检修优化目标、系统运行控制约束来建立多目标机组检修优化模型；

基于智能化随机抽样方法，从解空间随机抽取满足多目标机组检修优化模型的N个可行解，构成表征集合Θ_N；