[发明专利]一种计及可靠性的配电变压器组年度检修计划生成方法

摘要

本发明公开了一种计及可靠性的配电变压器组年度检修计划生成方法，包括以下步骤：S1、建立基于健康指数的配电变压器故障率模型；S2、建立检修模式与配电变压器健康指数的关系模型；S3、建立计及可靠性的配电变压器组年度检修计划优化模型；S4、采用自适应遗传算法求解检修计划优化模型。本方法弥补了现有配电变压器组检修计划优化模型的不足，所建立的模型考虑的因素更为全面；有效地减少设备故障发生机率，提高了高配电变压器的可靠性性能。

主权项

一种计及可靠性的配电变压器组年度检修计划生成方法，其特征在于：所述方法以配电变压器的检修时间和检修模式作为关键变量生成配电变压器组年度检修计划；所述方法采用基于实数编码的自适应遗传算法求解得到配电变压器组年度检修计划；所述方法包括一下步骤：S1、建立基于健康指数的配电变压器故障率模型；所述健康指数是通过对绕组、套管、分接开关、冷却系统、油箱、非电量保护、接地系统、绝缘油及标识等的状态评价得到；健康指数与配电变压器故障率的关系如(1)式所示：λδ＝KeCδ  (1)式中，λδ为配电变压器故障率；K为比例系数；C为曲率系数，δ为变压器实时健康指数，取值越大表示变压器状态越差；所述变压器实时健康指数如(2)式所示；δ＝δ0eB△T  (2)式中，δ0为最近一次状态评价后得到的健康指数；B为老化系数；ΔT为当前时刻到上一次状态评价的间隔时间；S2、建立检修模式与配电变压器健康指数的关系模型；所述检修模式分为大修和小修；所述大修是指通过更换或修复失效部件等手段的整体性检修；所述小修是指通过清扫套管、补充绝缘油等手段的局部性检修；检修模式与配电变压器健康指数的关系如(3)式所示：δa＝βδ  (3)式中，δa为检修后的配电变压器健康指数；β为修复因子，大修和小修的修复因子β取值分别为0.6和0.8；S3、建立计及可靠性的配电变压器组年度检修计划优化模型；以检修时间和检修模式为决策变量建立基于最小费用的检修计划优化模型，如(4)式所示：min CTOTAL＝CM+CLOSS  (4)式中，CTOTAL为系统总费用；CM为计划检修费用；CLOSS为随机故障停电损失费用；所述计划检修费用，如(5)式所示：CM=Σn=1NΣt=1TΣm=1M(CENS.nmt+CPM.nm)xnmt---(5)]]>式中，N为配电变压器总数；T为检修月份数；M为检修模式数；xnmt为检修变量(0为不检修，1为检修)；CENS.nmt为对变压器进行检修引起的计划停电损失；CPM.nm为变压器检修费用；所述计划停电损失CENS.nmt，如(6)式所示：CENS.nmt＝Ln.tTPM.mPV.n  (6)式中，Ln.t为变压器n在时间段t的平均负载；TPM.m为对变压器进行第m种模式检修的平均计划停电时间；PV.n为负荷点的单位电价；所述随机故障停电损失费用CLOSS，如(7)式所示：CLOSS=Σt=1TΣp=1PUp.tLp.tIEARp---(7)]]>式中，Up.t为时间段t内负荷点p的平均故障停电时间；IEARp为负荷点p的单位停电损失；所述优化模型的约束条件包括检修次数约束、检修资源约束和系统可靠性约束：所述检修次数约束，如(8)式所示：Σt=1TΣm=1Mxnmt≤XN.n---(8)]]>式中，XN.n为变压器n的检修次数上限；所述检修资源约束，如(9)式所示：Σn=1NΣm=1Mxnmt≤XT.t---(9)]]>式中，XT.t为第t月内的检修台数上限；系统可靠性约束，如(10)式所示：ASAIL≤ASAI  (10)式中，ASAIL为配电系统供电可用率指标下限；ASAI为配电系统供电可用率指标；S4、采用自适应遗传算法求解检修计划优化模型；所述自适应遗算法的染色体包括变压器台数个基因段，所述每个基因段包括两个基因位，且第一位表示检修时间，第二位表示检修模式；所述自适应遗传算法的适应值函数如(11)所示：Fitness(x)=1CTOTALpen(x)---(11)]]>式中，Fitness(x)为染色体x对应的适应值；pen(x)为罚函数；当检修约束满足时，pen(x)＝1；当检修资源约束不满足时，pen(x)>1，对目标函数值进行惩罚；pen(x)如(12)式所示：pen(x)=1+η1max(0,Σt=1TΣm=1Mx1mt-XN1,...,Σt=1TΣm=1MxNmt-XNN)+η2max(0,Σn=1NΣm=1Mxnm1-XT1,...,Σn=1NΣm=1MxnmT-XNT)+η2max(0,ASAIL-ASAI)---(12)]]>式中，η1、η2、η3为正常数，值越大表明惩罚力度越大；所述自适应遗传算法的遗传操作策略包括顺序选择策略、两点交叉策略、变异策略和自适应交叉变异概率调整策略；所述顺序选择策略采用适应值大小对染色体排序，如式(13)式所示：Pks=Pbs(1-Pbs)k-11-(1-Pbs)K---(13)]]>式中，Pbs为最佳染色体的选择概率；Pks为排序后第k个染色体的选择概率；所述两点交叉策略进行交叉操作如式(14)式所示：x‾int=round((1-r)xint+rxjnt),x‾inm=round((1-r)xinm+rxjnm)]]>x‾jnt=round((1-r)xjnt+rxint),x‾jnm=round((1-r)xjnm+rxinm)---(14)]]>式中xint、xinm分别表示染色体i中变压器n的检修时间和检修模式，xjnt、xjnm分别表示染色体j中变压器n的检修时间和检修模式，r为[0,1]之间的随机数；round(x)表示对x依据四舍五入法进行取整；所述变异策略对染色体i中第j个基因进行变异的操作如式(15)式所示：xij=xij+round(r(xjmax-xij)(1-g/G)2),r>0.5xij+round(r(xjmin-xij)(1-g/G)2),r≤0.5---(15)]]>式中，xjmin、xjmax为基因xj的上下界；g为当前迭代次数；G为最大迭代次数；所述自适应交叉变异概率调整策略，自动调整交叉概率Pc和变异概率Pm，如式(16)～(17)式所示：Pc=gc1(Fitnessmax-Fitnessc)Fitnessmax-Fitnessavg,Fitnessc≥Fitnessavggc2,Fitnessc<Fitnessavg---(16)]]>Pm=gm1(Fitnessmax-Fitnessm)Fitnessmax-Fitnessavg,Fitnessm≥Fitnessavggm2,Fitnessm<Fitnessavg---(17)]]>式中，Fitnessmax、Fitnessavg为种群中最大的适应值和平均的适应值；Fitnessc为交叉的两个染色体中较大的适应值；Fitnessm为变异染色体的适应值；gc1、gc2、gm1、gm2均为常数。