基于遺傳算法的電力設備狀態(tài)維修預測方法
【技術領域】
[0001] 本發(fā)明設及電力系統(tǒng)狀態(tài)維修技術領域，特別是設及一種基于遺傳算法的電力設 備狀態(tài)維修預測方法。
【背景技術】
[0002] 電力設備的狀態(tài)維修問題是一個W設備檢修開始時間為優(yōu)化變量的多約束規(guī)劃 問題。目前，國外研究主要集中在發(fā)電機組或發(fā)輸電側，對于輸電側和配電側的研究尚處于 起步階段。電力系統(tǒng)檢修計劃優(yōu)化的目標函數(shù)可分為單目標和多目標兩大類。單目標函數(shù) 主要包含=類：經(jīng)濟性目標、可靠性目標和實用性目標。隨著檢修優(yōu)化問題考慮的因素越 來越多，多目標優(yōu)化被引入檢修計劃優(yōu)化問題之中。在現(xiàn)有的檢修計劃優(yōu)化研究中，一般W 經(jīng)濟性為目標，將可靠性作為約束條件，即可靠性滿足一定要求即可。在對可靠性要求較高 的情況下，也可W考慮將可靠性作為目標函數(shù)，或者采用兼顧經(jīng)濟性和可靠性的多目標函 數(shù)。目前，很多研究學者致力于對多個目標函數(shù)之間的協(xié)調和均衡，尋求達到真正意義上的 多目標優(yōu)化。
[0003] 如何對電力設備的狀態(tài)維修問題進行有效的預測優(yōu)化也是一個廣為關注的重要 課題。在該方面，已經(jīng)有大量的研究，運籌學中的很多方法W及傳統(tǒng)的和現(xiàn)代啟發(fā)式方法都 被應用于求解該一問題。從總體上講，現(xiàn)有求解方法可分為傳統(tǒng)數(shù)學優(yōu)化算法、啟發(fā)式優(yōu)化 算法和人工智能算法。現(xiàn)有技術中，由于大型復雜電力設備的內部結構復雜，包含了非常多 的元件，其故障類型眾多、故障原因復雜，因此目前的方法大多數(shù)無法提供可靠性較高的對 電力設備進行維修的策略。

【發(fā)明內容】

[0004] 基于此，本發(fā)明提供一種基于遺傳算法的電力設備狀態(tài)維修預測方法，該方法計 算過程簡單、獲得的結果可靠性高。
[0005] 一種基于遺傳算法的電力設備狀態(tài)維修預測方法，包括如下步驟：
[0006] 建立電力設備的故障樹；
[0007] 根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可靠 度；
[000引 W在所述經(jīng)濟周期內，扣除預設的維修成本后，因維修使所述電力設備的可靠度 提高而獲得的收益最大為最優(yōu)維修目標，利用遺傳算法求解所述電力設備的維修時間和維 修次數(shù)。
[0009] 上述基于遺傳算法的電力設備狀態(tài)維修預測方法，首先建立電力設備的故障樹， 對該故障樹，可求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可靠度；最后根據(jù) 遺傳算法，W在所述經(jīng)濟周期內，扣除預設的維修成本后，因維修使所述電力設備的可靠度 提高而獲得的收益最大為最優(yōu)維修目標進行求解，獲得了最優(yōu)的維修時間和維修次數(shù)；本 發(fā)明針對電力系統(tǒng)的實際情況，利用故障樹和遺傳算法的相關方法，預測結果兼顧了維修 的經(jīng)濟性和可靠性。本發(fā)明方法計算速度快、計算過程運算量少，預測結果可靠性高。
【附圖說明】
[0010] 圖1為本發(fā)明方法基于遺傳算法的電力設備狀態(tài)維修預測在一實施例中的流程 不意圖。
[0011] 圖2為故障樹的示意圖。
[0012] 圖3為簡化后的故障樹的不意圖。
[0013] 圖4為采用第一組模擬參數(shù)時獲得的變壓器的原始可靠度曲線及不可靠度曲線 不意圖。
[0014] 圖5為采用第二組模擬參數(shù)時獲得的變壓器的原始可靠度曲線及不可靠度曲線 不意圖。
【具體實施方式】
[0015] 下面結合實施例及附圖對本發(fā)明作進一步詳細說明，但本發(fā)明的實施方式不限于 此。
[0016] 如圖1所述，是本發(fā)明一種基于遺傳算法的電力設備狀態(tài)維修預測方法的流程示 意圖，包括如下步驟：
[0017] S11、建立電力設備的故障樹；
[0018] 在一較佳實施例中，所述建立電力設備的故障樹的步驟包括：
[0019] 根據(jù)預設的電力設備可能發(fā)生的故障，建立故障樹；其中，所述故障樹包括頂故 障、中間故障和底故障，所述頂故障、中間故障和底故障之間通過邏輯元件表示；
[0020] 對所述故障樹進行簡化，獲得簡化后的包括頂故障與底故障之間的邏輯關系的故 障樹；
[0021] 本實施例中，對于復雜設備，如電力變壓器等，可W采用故障樹分析方法描述其 發(fā)生故障的原因與結果之間的邏輯關系。該里將威脅設備安全運行而需要盡快安排維修的 故障視作頂故障并用T表示。故障樹分析方法的基本流程如下：首先從系統(tǒng)最不希望發(fā)生 的故障（稱為頂故障）出發(fā)，逐步分析其發(fā)生原因，依次獲得中間原因（也稱中間故障） 和無需再分的基本原因（也稱基本故障或底故障）；之后，利用邏輯元件（與或口）將故障 原因與結果之間的邏輯關系表示為倒樹型結構。導致設備發(fā)生故障的一個（或多個）基本 故障的集合稱為一階（或多階）割集。最小割集是故障樹分析方法中的一個重要概念，它 表征能夠導致頂故障發(fā)生的最少的基本故障的組合。最小割集中的所有基本故障都發(fā)生時 最小割集才激活，而任一最小割集的激活都會導致頂故障的發(fā)生。
[0022] 根據(jù)不同層次的故障之間的邏輯關系依次由頂故障向下逐步展開直至所有基本 故障，建立設備的故障樹，如圖2所示。圖中，e表示基本故障，其上標表示割集的階數(shù)，下標 則表示該階數(shù)的割集中基本故障對應的序號；和"+ "分別表示"邏輯或"和"邏輯與"。 可W通過邏輯分析方法對故障樹進行簡化，得到直接顯示頂故障與基本故障之間的邏輯關 系的簡化樹（也稱等效框圖）。
[0023] S12、根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可 靠度；
[0024] 在一較佳實施例中，所述根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修 時所述電力設備的可靠度的步驟包括：
[0025] 根據(jù)下式計算未經(jīng)過維修時所述電力設備的不可靠度，得到所述電力設備的可靠 度；其中，所述可靠度等于1減去所述不可靠度；
[0026]
【主權項】
1. 一種基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于，包括如下步驟： 建立電力設備的故障樹； 根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可靠度； 以在所述經(jīng)濟周期內，扣除預設的維修成本后，因維修使所述電力設備的可靠度提高 而獲得的收益最大為最優(yōu)維修目標，利用遺傳算法求解所述電力設備的維修時間和維修次 數(shù)。
2. 根據(jù)權利要求1所述的基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于， 所述建立電力設備的故障樹的步驟包括： 根據(jù)預設的電力設備可能發(fā)生的故障，建立故障樹；其中，所述故障樹包括頂故障、中 間故障和底故障，所述頂故障、中間故障和底故障之間通過邏輯元件表示； 對所述故障樹進行簡化，獲得簡化后的包含頂故障與底故障之間的邏輯關系的故障 樹。
3. 根據(jù)權利要求2所述的基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于， 所述根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可靠度的步 驟包括： 根據(jù)下式計算未經(jīng)過維修時所述電力設備的不可靠度，得到所述電力設備的可靠度； 其中，所述可靠度等于1減去所述不可靠度；
其中：Q(t)為所述不可靠度；所述電力設備的故障樹中包括m個基本故障，所述故障樹 中包括^個1階割集，X 2個2階割集，…，X 5個p階割集；不同階數(shù)的割集對應的不可靠度 依次為：
4. 根據(jù)權利要求3所述的基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于， 所述以在所述經(jīng)濟周期內，扣除預設的維修成本后，因維修使所述電力設備的可靠度提高 而獲得的收益最大為最優(yōu)維修目標，利用遺傳算法求解所述電力設備的維修時間和維修次 數(shù)的步驟包括： 通過遺傳算法求解以下模型，得到所述電力設備的維修時間和維修次數(shù)：
Cm為預設的所述電力設備的單次維修費用；C 預設的所述電力設備故障所導致的 損失；η為所述維修次數(shù)；Q(t)和QM(t)分別為未經(jīng)維修和經(jīng)過維修后的所述電力設備的 不可靠度。
5. 根據(jù)權利要求4所述的基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于， 在利用遺傳算法求解所述電力設備的維修時間和維修次數(shù)時，將經(jīng)濟周期平均分為N = Tctc/ Λ t個時間段，在每個時間段上，用1表示所述電力設備安排維修，用O表示所述電力設 備不安排維修。
6. 根據(jù)權利要求4所述的基于遺傳算法的電力設備狀態(tài)維修預測方法，其特征在于， 在利用遺傳算法求解所述電力設備的維修時間和維修次數(shù)時，隨機產生種群規(guī)模為M、長度 為N-I的二進制數(shù)字串，將所述二進制數(shù)字串作為遺傳算法中的染色體，根據(jù)預設的選擇 算子、交叉算子和變異算子對所述染色體進行運算，直到達到預設的收斂指標或結束指標； 將運算結束后得到最優(yōu)的染色體作為所述最優(yōu)維修目標，得到所述電力設備的維修時間和 維修次數(shù)。
【專利摘要】本發(fā)明提供一種基于遺傳算法的電力設備狀態(tài)維修預測方法，包括：建立電力設備的故障樹；根據(jù)所述故障樹，求取在預設的經(jīng)濟周期內未經(jīng)過維修時所述電力設備的可靠度；以在所述經(jīng)濟周期內，扣除預設的維修成本后，因維修使所述電力設備的可靠度提高而獲得的收益最大為最優(yōu)維修目標，利用遺傳算法求解所述電力設備的維修時間和維修次數(shù)。本發(fā)明方法計算過程簡單、獲得的結果可靠性高。
【IPC分類】G06Q10-04, G06N3-12, G06Q50-06
【公開號】CN104537437
【申請?zhí)枴緾N201410810580
【發(fā)明人】翁奕珊, 周小藝, 唐磊, 李偉華, 黃懷輝, 郭宗寶, 徐兵, 田方媛, 向真, 裴星宇, 文福拴, 齊軍, 譚喆, 崔江靜, 吳宏曉, 凌建, 吳熳紅, 肖立軍, 楊銳雄, 甘德樹, 陳建鈿
【申請人】廣東電網(wǎng)有限責任公司珠海供電局, 暨南大學
【公開日】2015年4月22日
【申請日】2014年12月19日