基于遗传算法的电力设备状态维修预测方法
【技术领域】
[0001] 本发明设及电力系统状态维修技术领域，特别是设及一种基于遗传算法的电力设 备状态维修预测方法。
【背景技术】
[0002] 电力设备的状态维修问题是一个W设备检修开始时间为优化变量的多约束规划 问题。目前，国外研究主要集中在发电机组或发输电侧，对于输电侧和配电侧的研究尚处于 起步阶段。电力系统检修计划优化的目标函数可分为单目标和多目标两大类。单目标函数 主要包含=类：经济性目标、可靠性目标和实用性目标。随着检修优化问题考虑的因素越 来越多，多目标优化被引入检修计划优化问题之中。在现有的检修计划优化研究中，一般W 经济性为目标，将可靠性作为约束条件，即可靠性满足一定要求即可。在对可靠性要求较高 的情况下，也可W考虑将可靠性作为目标函数，或者采用兼顾经济性和可靠性的多目标函 数。目前，很多研究学者致力于对多个目标函数之间的协调和均衡，寻求达到真正意义上的 多目标优化。
[0003] 如何对电力设备的状态维修问题进行有效的预测优化也是一个广为关注的重要 课题。在该方面，已经有大量的研究，运筹学中的很多方法W及传统的和现代启发式方法都 被应用于求解该一问题。从总体上讲，现有求解方法可分为传统数学优化算法、启发式优化 算法和人工智能算法。现有技术中，由于大型复杂电力设备的内部结构复杂，包含了非常多 的元件，其故障类型众多、故障原因复杂，因此目前的方法大多数无法提供可靠性较高的对 电力设备进行维修的策略。
【发明内容】
[0004] 基于此，本发明提供一种基于遗传算法的电力设备状态维修预测方法，该方法计 算过程简单、获得的结果可靠性高。
[0005] 一种基于遗传算法的电力设备状态维修预测方法，包括如下步骤：
[0006] 建立电力设备的故障树；
[0007] 根据所述故障树，求取在预设的经济周期内未经过维修时所述电力设备的可靠 度；
[000引 W在所述经济周期内，扣除预设的维修成本后，因维修使所述电力设备的可靠度 提高而获得的收益最大为最优维修目标，利用遗传算法求解所述电力设备的维修时间和维 修次数。
[0009] 上述基于遗传算法的电力设备状态维修预测方法，首先建立电力设备的故障树， 对该故障树，可求取在预设的经济周期内未经过维修时所述电力设备的可靠度；最后根据 遗传算法，W在所述经济周期内，扣除预设的维修成本后，因维修使所述电力设备的可靠度 提高而获得的收益最大为最优维修目标进行求解，获得了最优的维修时间和维修次数；本 发明针对电力系统的实际情况，利用故障树和遗传算法的相关方法，预测结果兼顾了维修 的经济性和可靠性。本发明方法计算速度快、计算过程运算量少，预测结果可靠性高。
【附图说明】
[0010] 图1为本发明方法基于遗传算法的电力设备状态维修预测在一实施例中的流程 不意图。
[0011] 图2为故障树的示意图。
[0012] 图3为简化后的故障树的不意图。
[0013] 图4为采用第一组模拟参数时获得的变压器的原始可靠度曲线及不可靠度曲线 不意图。
[0014] 图5为采用第二组模拟参数时获得的变压器的原始可靠度曲线及不可靠度曲线 不意图。
【具体实施方式】
[0015] 下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于 此。
[0016] 如图1所述，是本发明一种基于遗传算法的电力设备状态维修预测方法的流程示 意图，包括如下步骤：
[0017] S11、建立电力设备的故障树；
[0018] 在一较佳实施例中，所述建立电力设备的故障树的步骤包括：
[0019] 根据预设的电力设备可能发生的故障，建立故障树；其中，所述故障树包括顶故 障、中间故障和底故障，所述顶故障、中间故障和底故障之间通过逻辑元件表示；
[0020] 对所述故障树进行简化，获得简化后的包括顶故障与底故障之间的逻辑关系的故 障树；
[0021] 本实施例中，对于复杂设备，如电力变压器等，可W采用故障树分析方法描述其 发生故障的原因与结果之间的逻辑关系。该里将威胁设备安全运行而需要尽快安排维修的 故障视作顶故障并用T表示。故障树分析方法的基本流程如下：首先从系统最不希望发生 的故障（称为顶故障）出发，逐步分析其发生原因，依次获得中间原因（也称中间故障） 和无需再分的基本原因（也称基本故障或底故障）；之后，利用逻辑元件（与或口）将故障 原因与结果之间的逻辑关系表示为倒树型结构。导致设备发生故障的一个（或多个）基本 故障的集合称为一阶（或多阶）割集。最小割集是故障树分析方法中的一个重要概念，它 表征能够导致顶故障发生的最少的基本故障的组合。最小割集中的所有基本故障都发生时 最小割集才激活，而任一最小割集的激活都会导致顶故障的发生。
[0022] 根据不同层次的故障之间的逻辑关系依次由顶故障向下逐步展开直至所有基本 故障，建立设备的故障树，如图2所示。图中，e表示基本故障，其上标表示割集的阶数，下标 则表示该阶数的割集中基本故障对应的序号；和"+ "分别表示"逻辑或"和"逻辑与"。 可W通过逻辑分析方法对故障树进行简化，得到直接显示顶故障与基本故障之间的逻辑关 系的简化树（也称等效框图）。
[0023] S12、根据所述故障树，求取在预设的经济周期内未经过维修时所述电力设备的可 靠度；
[0024] 在一较佳实施例中，所述根据所述故障树，求取在预设的经济周期内未经过维修 时所述电力设备的可靠度的步骤包括：
[0025] 根据下式计算未经过维修时所述电力设备的不可靠度，得到所述电力设备的可靠 度；其中，所述可靠度等于1减去所述不可靠度；
[0026]
【主权项】
1. 一种基于遗传算法的电力设备状态维修预测方法，其特征在于，包括如下步骤： 建立电力设备的故障树； 根据所述故障树，求取在预设的经济周期内未经过维修时所述电力设备的可靠度； 以在所述经济周期内，扣除预设的维修成本后，因维修使所述电力设备的可靠度提高 而获得的收益最大为最优维修目标，利用遗传算法求解所述电力设备的维修时间和维修次 数。
2. 根据权利要求1所述的基于遗传算法的电力设备状态维修预测方法，其特征在于， 所述建立电力设备的故障树的步骤包括： 根据预设的电力设备可能发生的故障，建立故障树；其中，所述故障树包括顶故障、中 间故障和底故障，所述顶故障、中间故障和底故障之间通过逻辑元件表示； 对所述故障树进行简化，获得简化后的包含顶故障与底故障之间的逻辑关系的故障 树。
3. 根据权利要求2所述的基于遗传算法的电力设备状态维修预测方法，其特征在于， 所述根据所述故障树，求取在预设的经济周期内未经过维修时所述电力设备的可靠度的步 骤包括： 根据下式计算未经过维修时所述电力设备的不可靠度，得到所述电力设备的可靠度； 其中，所述可靠度等于1减去所述不可靠度；
其中：Q(t)为所述不可靠度；所述电力设备的故障树中包括m个基本故障，所述故障树 中包括^个1阶割集，X 2个2阶割集，…，X 5个p阶割集；不同阶数的割集对应的不可靠度 依次为：
4. 根据权利要求3所述的基于遗传算法的电力设备状态维修预测方法，其特征在于， 所述以在所述经济周期内，扣除预设的维修成本后，因维修使所述电力设备的可靠度提高 而获得的收益最大为最优维修目标，利用遗传算法求解所述电力设备的维修时间和维修次 数的步骤包括： 通过遗传算法求解以下模型，得到所述电力设备的维修时间和维修次数：
Cm为预设的所述电力设备的单次维修费用；C 预设的所述电力设备故障所导致的 损失；η为所述维修次数；Q(t)和QM(t)分别为未经维修和经过维修后的所述电力设备的 不可靠度。
5. 根据权利要求4所述的基于遗传算法的电力设备状态维修预测方法，其特征在于， 在利用遗传算法求解所述电力设备的维修时间和维修次数时，将经济周期平均分为N = Tctc/ Λ t个时间段，在每个时间段上，用1表示所述电力设备安排维修，用O表示所述电力设 备不安排维修。
6. 根据权利要求4所述的基于遗传算法的电力设备状态维修预测方法，其特征在于， 在利用遗传算法求解所述电力设备的维修时间和维修次数时，随机产生种群规模为M、长度 为N-I的二进制数字串，将所述二进制数字串作为遗传算法中的染色体，根据预设的选择 算子、交叉算子和变异算子对所述染色体进行运算，直到达到预设的收敛指标或结束指标； 将运算结束后得到最优的染色体作为所述最优维修目标，得到所述电力设备的维修时间和 维修次数。
【专利摘要】本发明提供一种基于遗传算法的电力设备状态维修预测方法，包括：建立电力设备的故障树；根据所述故障树，求取在预设的经济周期内未经过维修时所述电力设备的可靠度；以在所述经济周期内，扣除预设的维修成本后，因维修使所述电力设备的可靠度提高而获得的收益最大为最优维修目标，利用遗传算法求解所述电力设备的维修时间和维修次数。本发明方法计算过程简单、获得的结果可靠性高。
【IPC分类】G06Q10-04, G06N3-12, G06Q50-06
【公开号】CN104537437
【申请号】CN201410810580
【发明人】翁奕珊, 周小艺, 唐磊, 李伟华, 黄怀辉, 郭宗宝, 徐兵, 田方媛, 向真, 裴星宇, 文福拴, 齐军, 谭喆, 崔江静, 吴宏晓, 凌建, 吴熳红, 肖立军, 杨锐雄, 甘德树, 陈建钿
【申请人】广东电网有限责任公司珠海供电局, 暨南大学
【公开日】2015年4月22日
【申请日】2014年12月19日