一种基于粒子群算法的检修计划编制优化方法技术

本发明专利技术提供了一种基于粒子群算法和多目标优化理论的检修计划编制优化方法，属于电网检修领域，包括：步骤S100，建立一组待编制优化检修任务的包含目标函数的检修计划编制优化模型；步骤S200，通过粒子群算法获得所述检修计划编制优化模型的一个最优解集；所述最优解集的一个最优解为一个检修计划；步骤S300，以所述最优解集为帕累托最优集的，并且，以一个所述目标函数的评价方法的，获取所述帕累托最优集的一个或多个最优折衷解。本发明专利技术通过模糊评价的方式筛选出适合决策者偏好的最优折中解，完成了电网检修计划的自动编制优化，提升了检修计划编制的效率。

【技术实现步骤摘要】
一种基于粒子群算法的检修计划编制优化方法
本专利技术属于电网检修领域，特别涉及一种基于粒子群算法和多目标优化理论的检修计划编制优化方法。
技术介绍
电力设备检修作为供电部门企业日常运行的重要工作，是提高设备健康水平、保证电网安全运行和持续可靠供电的一项必要措施。过去电网检修计划的制定和实施主要依靠人力完成，其准确性和经济性受专业技术能力、工作经验等人为因素影响较大。随着电网规模的不断扩大使得电网结构和运行方式日趋复杂，检修计划的制定和监控实施复杂度呈几何倍数的上升，人为方式已不太适用。同时，由于电网模型太过庞大，建模过于复杂，诸多因素耦合在一起，且难以量化，传统的优化算法大多是基于固定的规则进行推理决策，无法适用日趋复杂的检修模式，且容易陷入局部最优。粒子群算法(PSO)属于群智能算法的一种，是通过模拟鸟群捕食行为设计的。假设区域里就只有一块食物(即通常优化问题中所讲的最优解)，鸟群的任务是找到这个食物源。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，通过这样的协作，来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终，整个鸟群都能聚集在食物源周围，即我们所说的找到了最优解，即问题收敛。帕累托(Pareto)多目标优化理论指出原因和结果、投入和产出、努力和报酬之间本来存在着无法解释的不平衡。在有多个目标时，由于存在目标之间的冲突和无法比较的现象，一个解在某个目标上是最好的，在其他的目标上可能是最差的。这些在改进任何目标函数的同时，必然会削弱至少一个其他目标函数的解称为非支配解或帕累托(Pareto)解。一组目标函数最优解的集合称为帕累托(Pareto)最优集。最优集在空间上形成的曲面称为帕累托(Pareto)前沿面。
技术实现思路
本专利技术目的在于提供一种用于完成电网检修计划的检修计划编制优化方法，便于在电网检修计划编制系统的自动化实施，进一步提供检修计划编制评价策略。本专利技术提供的技术方案是，一种基于粒子群算法的检修计划编制优化方法，包括：步骤S100，建立一组待编制优化检修任务的包含目标函数的检修计划编制优化模型；步骤S200，通过粒子群算法获得所述检修计划编制优化模型的一个最优解集；所述最优解集的一个最优解为一个检修计划；步骤S300，以所述最优解集为帕累托最优集的，并且，以一个所述目标函数的评价方法的，获取所述帕累托最优集的一个或多个最优折衷解。进一步的，在本专利技术的实施例中，所述检修计划编制优化模型的目标函数包括电网安全性模型、检修工作量模型和期望缺供电量模型中的一个或者多个。进一步的，在本专利技术的实施例中，所述检修计划编制优化模型的约束条件的类别包括等式约束条件和非等式约束条件。进一步的，在本专利技术的实施例中，所述等式约束条件包括设备检修时间约束、检修时间段约束、检修工作量约束、同时检修约束、顺序检修约束和不可变更的检修约束中的一个或者多个。进一步的，在本专利技术的实施例中，所述非等式约束条件包括互斥检修约束和/或检修资源约束。进一步的，在本专利技术的实施例中，步骤S300中，所述目标函数的评价方法为模糊满意度评价方法。进一步的，在本专利技术的实施例中，所述电网安全性模型根据设备影响因素的权重计算电网安全风险，所述影响因素包括保护设备电压等级、保护设备类别和保护配置中的一个或者多个。进一步改进的实施例中，所述检修工作量模型采用样本方差衡量检修工作量分布情况，使检修计划的检修工作段平均分布在检修期间。在本专利技术的一个实施例中，所述期望缺供电模型采用蒙特卡洛模拟法进行计算求解。在本专利技术的一个实施例中，所述一组待编制优化检修任务筛选于一组建议检修任务，所述筛选条件为每个待编制优化检修任务对应于筛选时到期需要检修的设备。本专利技术的一个实施例中，通过粒子群算法模型解耦电网检修计划编制中各因素的耦合关系，实例化检修计划编制优化可计算模型，结合粒子群算法全局寻优的能力和多目标优化理论中对解的博弈判定，形成帕累托非支配解集，最后通过模糊评价的方式衡量各个目标的比重，选出符合决策者偏好的最优折中解。本专利技术至少一个方面的有益效果是，通过结合粒子群算法在复杂模型解耦和全局寻优的能力，以及多目标优化理论中关于解的博弈判定，综合电网检修实际经验，建立电网检修计划编制优化可计算模型，通过迭代判定，计算出电网检修计划编制优化最优解集，再在衡量多目标比重的基础上，通过模糊评价的方式筛选出适合决策者偏好的最优折中解，完成了电网检修计划的自动编制优化，提升了检修计划编制的效率。附图说明图1为本专利技术一个实施例中检修计划编制优化方法的流程图；图2为本专利技术一个实施例中元件状态持续时间抽样原理图；图3为本专利技术一个实施例中粒子群优化算法流程图。具体实施方式首先应当说明的是，现有技术中，电网检修计划的编制全部是基于收集资料，在电网检修计划编制系统由人工进行编制调整，该方案依赖于编制人员的专业素质和行业经验，编制思路以主观判断为主，难以实施自动化编制。本专利技术的专利技术构思在于通过将电网检修考虑的主要因素与粒子群算法和多目标优化理论进行结合，通过实例化模型和算法迭代的方式，求得并输出最优的一组解决方案，以供决策人选择。该技术方案尤其适于电网检修计划的编制，使电网检修计划编制系统的实现对推选电网检修计划的自动化实施。一般电力行业会在年底制定第二年的检修计划，通过年计划-月计划-日计划的方式进行逐层次推理，耗时大概在2个月左右，且需要检修部门从上到下的通力合作，在制定完成后，任何的现场突发情况和缺陷信息都会导致计划的调整，工作量十分巨大，而采用计算机算法的方式进行的话，大概在2天左右可以给出预计划，大大节省计划制定的时间周期。本专利技术的多个实施例提供的检修计划编制优化方法是一种基于粒子群算法原理和多目标优化理论的电网检修计划编制优化数学建模方法。一个电网检修计划是针对多个检修任务对象符合约束条件的时间列表，每个检修任务对象是运行计算机程序的存储设备中的一个固定的数据结构，这种检修任务对象的数据结构以下简称任务，当涉及多个不同任务时采用任务1、任务2…的有序方式描述用以区别。在一个实施例中，同一序号的任务指同一任务。在不同实施例中如非特别说明，具用相同序号的任务无相关性。本专利技术涉及的多个公式中，以i作为公共的不确定序数，在不同公式中i的范围和单位由公式本身决定，与其在其他公式的意义无关。如图1所示，本专利技术的以下多个实施例的基于粒子群算法的检修计划编制优化方法，包括步骤S100至S300。其中，步骤S100，建立一组待编制优化检修任务的包含目标函数的检修计划编制优化模型；步骤S200，通过粒子群算法获得所述检修计划编制优化模型的一个最优解集；所述最优解集的一个最优解为一个检修计划；步骤S300，以所述最优解集为帕累托最优集的，并且，以一个所述目标函数的评价方法的，获取所述帕累托最优集的一个或多个最优折衷解。本专利技术的本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的检修计划编制优化方法，其特征在于，包括： 步骤S100，建立一组待编制优化检修任务的包含目标函数的检修计划编制优化模型； 步骤S200，通过粒子群算法获得所述检修计划编制优化模型的一个最优解集；所述最优解集的一个最优解为一个检修计划； 步骤S300，以所述最优解集为帕累托最优集的，并且，根据一个所述目标函数的评价方法的，获取所述帕累托最优集的一个或多个最优折衷解。/n

【技术特征摘要】
1.一种基于粒子群算法的检修计划编制优化方法，其特征在于，包括：步骤S100，建立一组待编制优化检修任务的包含目标函数的检修计划编制优化模型；步骤S200，通过粒子群算法获得所述检修计划编制优化模型的一个最优解集；所述最优解集的一个最优解为一个检修计划；步骤S300，以所述最优解集为帕累托最优集的，并且，根据一个所述目标函数的评价方法的，获取所述帕累托最优集的一个或多个最优折衷解。


2.根据权利要求1所述的检修计划编制优化方法，其特征在于：所述检修计划编制优化模型的目标函数包括电网安全性模型、检修工作量模型和期望缺供电量模型中的一个或者多个。


3.根据权利要求1所述的检修计划编制优化方法，其特征在于：所述检修计划编制优化模型的约束条件的类别包括等式约束条件和非等式约束条件。


4.根据权利要求3所述的检修计划编制优化方法，其特征在于：所述等式约束条件包括设备检修时间约束、检修时间段约束、检修工作量约束、同时检修约束、顺序检修约束和不可变更的检修约束中的一个或者多个。


5.根据...

【专利技术属性】
技术研发人员：常风然，赵子根，高岩，刘宏君，何亚坤，张雷，
申请(专利权)人：国网河北省电力有限公司，国网河北省电力有限公司保定供电分公司，长园深瑞继保自动化有限公司，国家电网有限公司，
类型：发明
国别省市：河北;13