一种多约束条件下水电站检修策略动态优化方法与流程

本发明涉及水利发电，具体涉及水电站检修策略动态优化方法。

背景技术：

1、大型水电站中，往往有多台水电机组，其运维优化又有多种分类，例如a修，b修，c修，d修，并且其检修还有组件级别的设备运维优化任务拆解，同时受制于人力因素，水文情况，同时进行运维优化的机组都有上限，并且设备之间的运维优化关系还有依赖性、时间包含性、运维优化工期等各类约束条件。

2、现有的运维方法都是关注专业领域特定场景的决策信息、约束条件和优化目标的定义，再使用通用优化算法寻找排程结果，缺乏对水电行业的运行优化的研究，如果运维优化的各类复杂约束变化了或者有了新的约束条件需要考虑，往往需要做大量修改，并不能快速的适应业务变化。

3、因此本发明提供一种能够快速确定运行优化的描述语言，能够准确的描述水电设备运行优化中的约束条件和目标，从而能够快速适应业务场景的变化。

技术实现思路

1、本发明通过对水电设备运维优化策略的分析和理解，通过抽象的定义行业的约束条件元语，来精确描述水电设备运维优化的各类约束与目标，从而提供了一种能够解决各类水电设备运维优化排程问题的方法。能够快速确定运行优化的描述语言，能够准确的描述水电站设备设施年度检修中的约束条件和目标，从而能够快速适应业务场景的变化。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种多约束条件下水电站检修策略动态优化方法，根据水电站业务场景的特点，定义业务领域语言来描述水电站的检修场景，然后通过语言解释的方式来获得动态优化的结果，所述动态优化方法包括：

4、步骤一：分析水电站检修计划的业务流程，梳理水电站检修计划的制定要考虑的因素，具体包括业务优化目标和检修约束条件，业务优化目标包括：等效可用系数最优、不弃水、以及具体检修任务的时间的重叠最小；检修约束条件包括：（1）根据历年和实时来水情况，分析出当期检修的总开始时间和结束时间；（2）根据机组的检修履历，确定当期机组的检修类型，进而确定此次检修所需要的时间；（3）根据检修班组人员的情况，确定每种类型的检修能够同时进行的总台数；（4）考虑本次检修期间所包含的节假日，把日历日转换为工作日；（5）根据实际检修容量的业务要求，确定最多能够同时检修的总台数；（6）分解机组检修中重要部件的检修，作为子检修任务进行安排，所有子检修任务需要在机组总检修任务的周期内完成；

5、步骤二：抽象并形式化定义各个业务约束条件和业务目标，形成水电站检修计划排程领域语言，使用它能够描述水电检修计划的优化目标及约束条件；

6、步骤三：根据水电检修的年度计划和要求，确定好各类设备要进行的检修类型，可接受的检修时间范围，同时进行检修的数量，用水电检修领域语言进行描述；

7、步骤四：把定义好的水电检修领域语言提供给水电检修领域语言解析器，水电检修领域语言解析器通过对语言的解析，翻译成底层组合优化算法的输入，调用组合优化器进行求解，得到排程计划；

8、步骤五：优化排程计划输出，以甘特图方式进行可视化展现每个任务的开始时间和结束时间，之后进行人工微调，形成水电站检修策略，并提供给检修班组执行，以实现对水电站设备的检修。

9、优选地，步骤二中的领域语言包含如下的语义定义：语言的基本要素为任务，在元语定义中统一用task标记，在具体实际使用的时候，采用无后缀数字来标记，0..n，从0开始标记；数值在元语定义中统一用num标记，在具体实际使用的时候，直接用数字表达，具体的含义根据元语定义来解释；元语分为约束类型和目标类型，分别用来表达约束条件与期望的目标结果；目标为固定元语描述；所有描述用“；”号分割。

10、优选地，所述重要部件包括发电机和水导系统。

11、优选地，采用遗传算法来进行组合优化的求解。

12、优选地，采用遗传算法来进行组合优化的求解，根据翻译后的约束条件公式，找优化解，其具体的步骤如下：（1）染色体编码：把排程解空间中的一个问题的可行解从其解空间转换到遗传算法的搜索空间的转换方法，本方法采用二进制编码方法，把每个任务的开始时间，结束时间作为解空间的编码元素；（2）初始群体的生成以及相关算法参数：最大进化代数t，群体大小m，交叉概率pc，变异概率pm，随机生成m个个体作为初始化群体p0；（3）适应度值评估检测：适应度函数表明个体或解的优劣性，计算群体p(t)中各个个体的适应度，本方法采用线性尺度变换进行适应度变换；（4）遗传算子，共有三种遗传算子：（a）选择：选择操作从旧群体中以一定概率选择优良个体组成新的种群，以繁殖得到下一代个体，个体被选中的概率跟适应度值有关，个体适应度值越高，被选中的概率越大；（b）交叉：交叉操作是指从种群中随机选择两个个体，通过两个染色体的交换组合，把父串的优秀特征遗传给子串，从而产生新的优秀个体；（c）变异：为了防止遗传算法在优化过程中陷入局部最优解，在搜索过程中，需要对个体进行变异；（5）终止判断条件：在一定时间范围内，以进化过程中所得到的具有最大适应度的个体作为最优的解输出，终止运算。

13、与现有技术相比，本发明具有如下技术效果：

14、本发明通过业务领域语言的方式来定义一个水电行业的检修场景，这样更具有抽象性和通用性，并通过对业务领域语言的解释转换成通用的组合优化的输入条件，再调用通用的优化引擎来寻找优化的方案。面对各种复杂的业务场景，使用者只要通过简单的描述各种约束条件以及各种任务变量，优化目标，就可以获得优化排程的结果。整体方案融入了水电行业的知识，能够解决绝大部分水电机组的检修排程问题，在行业内具有更好灵活性和智能性，不需要绑定与专门的软件，当各种约束条件和目标发生变化的时候，只需要按照领域语言重新描述一下，重新进行优化计算即可。

技术特征：

1.一种多约束条件下水电站检修策略动态优化方法，其特征在于：根据水电站业务场景的特点，定义业务领域语言来描述水电站的检修场景，然后通过语言解释的方式来获得动态优化的结果，所述动态优化方法包括：

2.根据权利要求1所述的多约束条件下水电站检修策略动态优化方法，其特征在于：步骤二中的领域语言包含如下的语义定义：语言的基本要素为任务，在元语定义中统一用task标记，在具体实际使用的时候，采用无后缀数字来标记，0…n，从0开始标记；数值在元语定义中统一用num标记，在具体实际使用的时候，直接用数字表达，具体的含义根据元语定义来解释；元语分为约束类型和目标类型，分别用来表达约束条件与期望的目标结果；目标为固定元语描述；所有描述用“；”号分割，n表示最大的数字。

3.根据权利要求2所述的一种多约束条件下水电站检修策略动态优化方法，其特征在于：所述重要部件包括发电机和水导系统。

4.根据权利要求2所述的一种多约束条件下水电站检修策略动态优化方法，其特征在于：采用遗传算法来进行组合优化的求解。

5.根据权利要求4所述的一种多约束条件下水电站检修策略动态优化方法，其特征在于：采用遗传算法来进行组合优化的求解，根据翻译后的约束条件公式，找优化解，其具体的步骤如下：（1）染色体编码：把排程解空间中的一个问题的可行解从其解空间转换到遗传算法的搜索空间的转换方法，本方法采用二进制编码方法，把每个任务的开始时间，结束时间作为解空间的编码元素；（2）初始群体的生成以及相关算法参数：最大进化代数t，群体大小m，交叉概率pc，变异概率pm，随机生成m个个体作为初始化群体p0；（3）适应度值评估检测：适应度函数表明个体或解的优劣性，计算群体p(t)中各个个体的适应度，本方法采用线性尺度变换进行适应度变换；（4）遗传算子，共有三种遗传算子：（a）选择：选择操作从旧群体中以一定概率选择优良个体组成新的种群，以繁殖得到下一代个体，个体被选中的概率跟适应度值有关，个体适应度值越高，被选中的概率越大；（b）交叉：交叉操作是指从种群中随机选择两个个体，通过两个染色体的交换组合，把父串的优秀特征遗传给子串，从而产生新的优秀个体；（c）变异：为了防止遗传算法在优化过程中陷入局部最优解，在搜索过程中，需要对个体进行变异；（5）终止判断条件：在一定时间范围内，以进化过程中所得到的具有最大适应度的个体作为最优的解输出，终止运算。

技术总结
一种多约束条件下水电站检修策略动态优化方法，它包括以下流程：步骤一：分析水电站检修计划的业务流程，总结核心业务约束条件与业务目标；步骤二：抽象并形式化定义步骤一的结果，形成水电站检修计划排程领域语言，使用它可以描述大部分水电的检修任务的约束以及优化目标；步骤三：用水电检修领域语言描述检修计划；步骤四：把步骤三的结果传递给水电检修领域语言解析器，水电检修领域语言解析器通过对语言的解析，翻译成底层组合优化算法的输入，调用组合优化器进行求解，给出最终的排程结果；步骤五：根据优化排程计划输出，以甘特图方式进行可视化展现每个任务的开始时间，结束时间，方便人工进行微调，最终形成水电站检修计划。

技术研发人员：冉毅川,张春辉,马明,皮有春,肖燕凤,蔡伟,谭鋆,刘松林
受保护的技术使用者：中国长江电力股份有限公司
技术研发日：
技术公布日：2024/1/16