高速公路微电网电气设备动态检修计划制定方法及系统

1.本发明涉及配电网检修技术领域，特别是涉及一种高速公路微电网电气设备动态检修计划制定方法及系统。


背景技术：

2.随着智能电网建设的推进，高速公路微电网的建设日益受到关注。微电网作为一种能够在本地区域内独立运行的小型电网系统，其电气设备的检修也成为了微电网维护管理中不可忽视的一环。在实际运行中，电气设备的故障会对微电网的正常运行造成重大影响，因此建立准确的设备故障率模型，是制定检修计划的关键，制定一套合理的检修计划能保障设备的正常运行和延长其使用寿命。
3.在电气设备的检修计划制定中，机会检修被广泛采用。机会检修是指在设备正常运行期间对其进行定期检修或维护，以防止设备出现故障并确保设备的可靠性。同时，突发性故障的发生也需要充分考虑。突发性故障是指在正常运行期间，由于外部因素的突然变化导致设备发生故障，通常需要及时进行维修以保障设备的安全运行。高速公路微电网网架结构复杂，设备种类繁多，且影响设备故障率的因素复杂，常伴有突发性故障难以预测，对检修计划的制定是一大挑战。


技术实现要素：

4.本发明的目的是提供一种高速公路微电网电气设备动态检修计划制定方法及系统，使得电气设备检修所用成本更低，也更利于实时应对突发性故障。
5.为实现上述目的，本发明提供了如下方案：
6.一种高速公路微电网电气设备动态检修计划制定方法，包括：
7.建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口；
8.获取所述高速公路微电网模型在预设检修时段内的天气数据；所述天气数据包括风速、光照强度、温度和湿度；
9.基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型；
10.基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失；
11.基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比；
12.根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修；
13.基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束；
14.基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型；
15.对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。
16.可选地，所述预设云模型包括x条件云发生器、γ半降云模型及y条件云发生器；
17.基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型，具体包括：
18.将所述天气数据输入至所述x条件云发生器，计算天气隶属度；将所述天气数据输入至所述γ半降云模型中进行模糊处理，以得到γ半降云数字特征；
19.将所述天气隶属度和所述γ半降云数字特征，输入至所述y条件云发生器，以得到气象因子；
20.基于所述预设双重动态调节因子计算模型，计算回退时间调节因子和健康回退调节因子；所述回退时间调节因子用于表征设备检修后故障率回退受检修成本、检修次数及检修时间的影响程度；所述健康回退调节因子用于表征检修次数增加时设备健康度的回退程度；
21.将所述气象因子、所述回退时间调节因子和所述健康回退调节因子输入至预设比例风险模型中，以得到设备的比例风险故障率计算模型。
22.可选地，基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值，具体包括：
23.生成满足威布尔分布的随机故障率阈值样本库；
24.采用蒙特卡洛法从所述随机故障率阈值样本库中抽取多次，并将每次抽到的故障率阈值作为初始故障门槛值；
25.基于所述设备的比例风险故障率计算模型，计算设备在预设检修时段内的比例风险时变故障率；
26.当所述比例风险时变故障率大于或等于所述初始故障门槛值时，计算所述比例风险时变故障率对应的检修损失；
27.基于预设检修时段内的多个比例风险时变故障率对应的检修损失，计算检修损失之和；
28.从多次抽取后得到的初始故障门槛值对应的检修损失之和中，选择最小的检修损失之和，将所述最小的检修损失之和对应的初始故障门槛值作为设备检修门槛值。
29.为达上述目的，本发明还提供了如下技术方案：
30.一种高速公路微电网电气设备动态检修计划制定系统，包括：
31.模型构建模块，用于建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口；
32.天气数据获取模块，用于获取所述高速公路微电网模型在预设检修时段内的天气
数据；所述天气数据包括风速、光照强度、温度和湿度；
33.比例风险故障率计算模型构建模块，用于基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型；
34.设备检修门槛值确定模块，用于基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失；
35.费效比计算模块，用于基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比；
36.设备检修方式决策矩阵确定模块，用于根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修；
37.检修约束函数构建模块，用于基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及构建设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束；
38.动态检修优化模型构建模块，用于基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型；
39.检修计划确定模块，用于对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。
40.根据本发明提供的具体实施例，本发明公开了以下技术效果：
41.本发明公开一种高速公路微电网电气设备动态检修计划制定方法及系统，基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据高速公路微电网模型在预设检修时段内的天气数据，确定任一设备关联集内各个设备的比例风险故障率计算模型，基于此，采用蒙特卡洛法模拟各设备最佳的设备检修门槛值；且其中是基于设备关联集进行的处理，所以其能够引入机会检修，将设备故障后检修与预防性检修相结合。然后用费效比模型决策各个设备的检修方式，使检修计划更加符合实际并具有经济性，所用成本更低。最后建立设备突发性故障模型和设备动态检修约束函数集合，以检修成本最小为目标，根据设备检修方式决策矩阵建立动态检修优化模型，通过对上述模型求解得到高速公路微电网全年所有设备经济性最佳的检修计划，解决了目前设备故障率模型考虑因素较为局限，无法准确反映设备状态变化，且传统检修计划无法实时动态调整突发性故障的缺点，使检修计划更加具有工程价值。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明高速公路微电网电气设备动态检修计划制定方法的流程示意图；
44.图2为本发明高速公路微电网模型的结构示意图；
45.图3为本发明高速公路微电网模型中设备关联集的示意图；
46.图4为本发明高速公路微电网电气设备动态检修计划制定系统的示意图。
具体实施方式
47.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
48.为了制定一套科学合理的检修计划，需要综合考虑设备的运行状态、机会检修和突发性故障等因素，动态地对检修计划进行调整；同时，还需要根据设备的特点、检修条件和经济效益等因素进行决策，选择最优的检修方式和时机，以提高设备的可靠性和经济效益。基于此，本发明提出一种高速公路微电网电气设备动态检修计划制定方法及系统，对设备经典故障率模型做了更加全面的改进，用蒙特卡洛法模拟各设备最佳检修门槛值，并结合高速公路微电网场景特点，引入机会检修，用费效比模型决策各个设备的检修方式，使检修计划更加符合实际并具有经济性；最后建立设备突发性故障模型，并融入检修计划中，通过遗传算法得到高速公路微电网全年所有设备经济性最佳的检修计划，解决了目前设备故障率模型考虑因素较为局限，无法准确反映设备状态变化，且传统检修计划无法实时动态调整突发性故障的缺点，使检修计划更加具有工程价值。
49.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
50.实施例一
51.如图1所示，本发明提供一种高速公路微电网电气设备动态检修计划制定方法，包括：
52.步骤100，建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口。
53.在一个具体实施例中，可基于matlab2020，构建高速公路微电网模型，如图2所示。由于高速公路微电网网架结构复杂，对各个设备逐个检修不仅会造成资源浪费，还会导致任务量过大。所以将高速公路微电网中具有共同入口元件的设备划分成一个关联集，每个设备关联集的入口元件为开关或者保护装置，如图3所示，设备关联集内部任一设备检修或发生故障都会导致关联集内所有设备停运。图3中的联合集1、联合集2、联合集3
……
，对应文中的设备关联集或者关联集。其中，联合集1中包括光伏1、换流器1、变压器1和断流器1。根据此特点可引入机会检修，机会检修是指在系统某一设备故障或进行预防性检修时，对其他待检修的设备也一起进行检修，将设备故障后检修与预防性检修相结合。将高速公路微电网网架结构根据上述原则进行关联集划分，以关联集为单位进行检修决策。
54.步骤200，获取所述高速公路微电网模型在预设检修时段内的天气数据；所述天气数据包括风速、光照强度、温度和湿度。一般来说，预设检修时段为一年。
55.步骤300，基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算
模型。所述预设云模型包括x条件云发生器、γ半降云模型及y条件云发生器；其中，使用x条件云发生器完成各类天气因素到天气条件隶属度的转化，通过γ半降云模型对天气隶属度与气象因子的关系进行模糊处理，再使用y条件云模型完成天气条件到气象因子的转化。即根据云模型的不确定性推理规则，由t时刻天气条件：风速fv、光照强度fz、温度ft、湿度fh推测对应时刻的气象因子。
56.步骤300，具体包括：
57.(1)将所述天气数据输入至所述x条件云发生器，计算天气隶属度；将所述天气数据输入至所述γ半降云模型中进行模糊处理，以得到γ半降云数字特征。
58.x条件云发生器：在t时刻参考四种天气因素，定义不同天气状态的隶属度函数：
[0059][0060]
其中，u(fv,fz,ft,fh)为天气隶属度，f(x,y,z,p)为风速、光照强度、温度、湿度的四维离散型随机变量的联合分布律，ev、ez、et、eh分别取好天气隶属度为1时的典型样本点所对应的风速、光照强度、温度、湿度值，即四维离散型随机变量中四种天气因素一年中的期望值，δfv，δfz，δft，δfh为四种天气因素与期望值的差值的绝对值。
[0061]
在四维正态云模型的基础上，建立基于x条件云发生器的天气状态模型，将t时刻的风速、光照强度、温度、湿度和四维正态云的数字特征带入x条件云发生器，得到t时刻的天气隶属度，并实时更新天气状态。
[0062]
γ半降云模型：通过γ半降云将天气条件的好坏程度和气象因子之间的关系进行模糊处理，认为当气象因子为1时对应的状态为好天气。γ云的期望方程曲线由期望e
x
、熵en两个数字特征确定，表达式如下：
[0063][0064][0065]
(2)将所述天气隶属度和所述γ半降云数字特征，输入至所述y条件云发生器，以得到气象因子θ(t)。
[0066]
(3)基于所述预设双重动态调节因子计算模型，计算回退时间调节因子和健康回退调节因子。
[0067]
其中，所述回退时间调节因子εf用于表征设备检修后故障率回退受检修成本、检修次数及检修时间(实际役龄)的影响程度，其计算公式为：
[0068][0069]
所述健康回退调节因子用于表征检修次数增加时设备健康度的回退程度，且随着设备检修次数的增多健康回退程度将与检修次数呈负相关性。健康回退调节因子εh与回退时间调节因子εf不同，其不随时间变化，主要受检修成本、检修次数影响，其计算公式为：
[0070][0071]
其中，c
wx
为设备的检修成本；c
zh
为设备的置换成本，且有0《c
wx
《c
zh
；u为成本调节系数，反映成本变化对εf、εh的影响；v为时间系数，反映设备役龄对εf、εh的影响；n为检修次数；w为检修系数。
[0072]
(4)将所述气象因子、所述回退时间调节因子和所述健康回退调节因子输入至预设比例风险模型中，以得到设备的比例风险故障率计算模型。
[0073]
预设比例风险模型由设备的基准故障率和连接函数组成，其中连接函数用来量化影响因素对设备故障率的影响，如下式所示：
[0074][0075]
其中，λ(t,x)表示时变故障率函数；λ0(t)为基准故障率；xi为协变量，表示影响故障率的因素；αi为回归参数，表示协变量对故障率的影响；r为协变量个数，表示考虑的影响因素个数。
[0076]
基准故障率通过威布尔分布来描述，表示设备长时间的基准老化过程，如下式所示：
[0077][0078]
其中，β为形状参数，决定威布尔分布概率密度函数的形状，其不同的大小，曲线形状有对应的变化；η为特征寿命参数；t为时间变量。
[0079]
将气象因子、回退时间调节因子、健康回退调节因子代入预设比例风险模型，协变量个数为2，可得到考虑综合影响因素下设备故障率模型如下：
[0080][0081]
其中，λ(t,x1,x2)表示t时刻设备的比例风险故障率计算函数，x1表示影响故障率的设备状态，x1∈[1,2,3,4]，即x1包括四种预设的设备状态，可分为正常、注意、异常和严重等四种状态；x2表示影响故障率的气象因子，θ(t)为t时刻气象因子；t
back
表示回退时间，r
back
表示回退率，且不同检修方式下的t
back
、r
back
不同；α1和α2分别表示影响故障率的设备状态与气象因子的权重系数。
[0082]
步骤400，基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失。
[0083]
步骤400，具体包括：
[0084]
(1)生成满足威布尔分布的随机故障率阈值样本库。随机故障率阈值样本库中包括多个故障率阈值，当设备故障率高于故障率阈值时，需要对设备进行检修。
[0085]
(2)采用蒙特卡洛法从所述随机故障率阈值样本库中抽取多次，如10000次，并将
每次抽到的故障率阈值作为初始故障门槛值。
[0086]
(3)基于所述设备的比例风险故障率计算模型，计算设备在预设检修时段内的比例风险时变故障率。对于预设检修时段，以周为单位，一年为一个周期，即一个检修时段。
[0087]
(4)对于任一设备，当所述比例风险时变故障率大于或等于所述初始故障门槛值时，计算所述比例风险时变故障率对应的检修损失。一般来说，需要计算设备在当前时刻t
t
加检修时长t
fix
的效益损失为简化计算模型，由于检修会造成设备停运，计算风机、光伏这两种设备的检修损失时可利用其在检修时刻的出力损失，而常规设备在检修时刻的失负荷损失作为其检修损失。
[0088]
其中，风机实时出力为：
[0089][0090]
其中，pw为风机的实时出力；v
ci
为切入风速；vr为额定风速；v
co
为切出风速；pr为风机额定功率，sw
t
为第t个小时的实时风速。
[0091]
光伏的实时出力主要受光照强度的影响，光伏出力与光强的关系如下：
[0092][0093]
其中，pb为光伏的实时出力；p
sn
为光伏的额定功率；g
bt
为第t个小时的实时光强；g
std
为光照强度；rc为某一特定强度的光强，在该光强下光伏出力与光强的关系由非线性变为线性。
[0094]
(5)基于预设检修时段内的多个比例风险时变故障率对应的检修损失，计算检修损失之和，即
[0095]
(6)从多次抽取后得到的初始故障门槛值对应的检修损失之和中，选择最小的检修损失之和，将所述最小的检修损失之和对应的初始故障门槛值作为设备检修门槛值。
[0096]
此外，还可以从所述设备检修门槛值对应的预设检修时段内的多个比例风险时变故障率中选择比例风险时变故障率最大值和比例风险时变故障率最小值，并基于所述比例风险时变故障率最大值和所述比例风险时变故障率最小值，确定机会检修区间为[λ
lower
,λ
upper
]。根据设备的故障率判断是否进入机会检修区间，当满足进入机会检修区间时，再根据遗传算法确定进入机会检修的设备到底能不能成功完成机会检修，若能机会检修则统一将其转换为小修进行检修操作，在最终制定的检修计划以及检修决策矩阵中有所体现。
[0097]
步骤500，基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比。其中，高速公路微电网模型在所述预设检修时段内投入的成本包括初始投资c
ci
、运行维护成本c
co
、故障成本c
cf
、检修成本c
cm
、折旧损失c
mv
。考虑到资金的时间价值，将设备在规划期内的成本投入换算为等年值成本，第t年时设备的总成
本：
[0098]
lcc(t)＝c
ci
+c
co
+c
cf
+c
cm
+c
mv
。
[0099]
将成本终值转化为等年值成本：
[0100][0101]
设备效益定义为：
[0102]
v＝r
×a×
w。
[0103]
v'＝r'
×
a'
×
w'；
[0104]
其中，v表示检修前设备效益，v’表示检修后设备效益，r为检修前设备可靠性；a为检修前设备可用性；w为检修前设备有效役龄；r’表示检修后设备可靠性，a’表示检修后设备可用性，w’表示检修后设备有效役龄，i表示贴现率，一般取值为8％，t表示设备从投入到退役所用的时间，即设备全寿命周期。
[0105]
r的函数计算公式为：
[0106][0107]
a的函数计算公式为：
[0108][0109]
w的函数计算公式为：
[0110][0111][0112]
其中，τ
k-1,k
为设备第k-1和第k次维护的时间间隔。不同维护方式下，维护前后部件有效役龄的改善为：
[0113][0114]
检修后能提高的效益量，即费效比e的计算公式为：
[0115]
[0116]
e越大，表示单位成本提高的效益越多，经济性、有效性越高。
[0117]
其中，λ(t)表示设备的比例风险故障率，u表示对检修前设备可靠性的时间积分变量，n
t
δt＝t，表示将t时间以δt为间隔划分成n
t
，τ
cm
表示事后检修所用时间，τ
pm
表示预防性检修所用时间，w
k-表示第k次维护前的有效役龄，w
k+
表示第k次维护后的有效役龄，η表示役龄回退因子，w
(k-1)+
表示第k-1次维护后的有效役龄。
[0118]
步骤600，根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修。设备的检修状态，或者设备检修方式为预先设定的：设备不检修为0，设备进行机会检修为1，设备小修为2，设备大修为3。
[0119]
将各个设备按照不同检修方式计算出来的费效比e进行比较，最终选择费效比大的作为设备最终检修方式，并对其赋予对应的数值。将高速公路微电网内各个关联集中的所有设备均进行上述处理，可得到设备检修方式决策矩阵如下：
[0120][0121]
其中，fd
mn
表示高速公路微电网网架结构下设备的检修决策矩阵，决策元素d
ij
(i＝1,2,...，m；j＝1,2,...,n)根据设备状态函数决定，m表示设备编号，n表示检修时间，以周为单位。
[0122]
步骤700，基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束。
[0123]
设备突发性故障模型的构建过程具体包括：通过历史数据，得出突发性故障的比例，用来反映突发性故障的概率，公式为：λ
sf0
＝kλ0。
[0124]
其中，λ
sf0
为突发性故障概率，k为由外因引起的设备突发性故障比例，λ0为设备在劣化影响下的实时故障率。具体来说，本发明直接根据历史数据将已故障的设备作为突发性故障处理。
[0125]
所述设备同时检修约束用于对于同一关联集内的设备，应将其安排在一起检修以避免系统重复停电，设备同时检修约束的函数公式为：
[0126][0127]
其中，xi(t)、xj(t)表示处于同一关联集中设备i和设备j。
[0128]
所述检修资源约束：受人力及物力资源的约束，检修总时间应该在实际允许范围内，单位为小时，且相同时间段内的可检修数目也受到约束，故在电力设备的检修规划中，该约束放入函数公式为：
[0129][0130]nkj
≤m
kj
。
[0131]
其中，tj表示设备j的检修时间；tm表示检修总时间的上限；n
kj
和m
kj
分别表示k时间段内设备j同时检修的实际设备台数和允许设备台数；
[0132]
所述气象条件约束：气象因素不仅影响设备状态同时也会对检修计划造成影响，应减少在恶劣天气下进行检修工作，其函数公式为：
[0133][0134]
其中，m
t,k
表示在t时刻下k类设备的维修总数；m为预设的最多允许同时检修的设备台数；θ表示气象因子，[θ
l
,θu]表示预设的气象条件恶劣情况下的气象因子。
[0135]
步骤800，基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型。
[0136]
所述动态检修优化模型中的目标函数为：
[0137][0138]
其中，c
cost
表示检修的最小成本；t为待检修时间；j为待检修设备编号；t和j分别为待检修时间集和待检修设备集；l为设备自身的检修成本；δ为电价；r为因检修造成的电量损失。
[0139]
步骤900，对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。
[0140]
突发性故障在设备运行中难以预测，但对设备可靠性运行和运行效率的影响不容忽视，对检修计划的制定也起着重要作用，将突发故障的设备编号以及故障发生时间和约束条件当作遗传算法的输入条件，以检修成本最低为目标函数，用遗传算法寻优得到经济性最佳的检修计划。具体包括以下步骤：
[0141]
首先定义遗传基因矩阵bm×n(i)，m为染色体长度，n为种群数，i为代数。其维度与高速公路微电网设备数量与检修计划时间一致。其次将初始检修决策矩阵fdm×n与遗传基因矩阵bm×n(i)进行逻辑处理，将处理后的矩阵定义为d(i)，通过对矩阵进行逐个种群计算各种群的适应度，并对该代下各种群的适应度进行排序，对最优适应度对应种群的基因进行选择、交叉和变异操作，以遗传至下一代，逐代迭代计算直至结果符合收敛条件，输出最优的检修方案及对应的检修成本。
[0142]
在实际应用中，可对突发故障的设备编号以及故障发生时间和约束条件进行改变，从而根据突发情况实时动态调整检修计划。
[0143]
综上，本发明建立考虑多因素(天气因素、多次检修后设备的故障率回退以及健康状态的回退)改进的设备比例故障模型；高速公路微电网中含有高比例分布式电源，其中根据风机、光伏出力以及负荷模型，利用其在检修时电量损失，结合蒙特卡洛法和设备时变故障率计算当检修损失最小时的故障率作为检修门槛值；由于高速公路微电网网架结构复杂，设备间存在复杂的功能关联、经济关联等关系，提出机会检修的概念，将高速公路微电网网架结构分解成关联集，以每个关联集作为检修单位进行检修；检修方式的决策对检修计划的经济性起着关键作用，采用费效比的方式，即设备全寿命周期成本与效益的比值，作为设备大修、小修、更换的决策方式，形成高速公路微电网网架结构中所有设备的检修方式决策矩阵；将突发故障的设备编号以及故障发生时间，作为动态检修计划的输入条件；在制
定高速公路微电网检修计划将经济性作为优化目标，并用检修资源、天气情况及设备重要性作为约束条件，最后通过成熟的遗传算法寻优得到最为经济的检修计划并可根据实际突发情况动态实时调整检修计划。
[0144]
本发明考虑了多因素对设备故障率影响，完善了设备故障率模型，并解决了高速公路微电网网架结构复杂，针对突发性故障无法及时调整检修计划的问题，且发挥了人工智能算法全局信息挖掘能力强，计算速度快，有较强的适应能力的特点。
[0145]
实施例二
[0146]
如图4所示，为了实现实施例一中的技术方案，以达到相应的功能和技术效果，本实施例还提供了一种高速公路微电网电气设备动态检修计划制定系统，包括：
[0147]
模型构建模块101，用于建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口。
[0148]
天气数据获取模块201，用于获取所述高速公路微电网模型在预设检修时段内的天气数据；所述天气数据包括风速、光照强度、温度和湿度。
[0149]
比例风险故障率计算模型构建模块301，用于基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型。
[0150]
设备检修门槛值确定模块401，用于基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失。
[0151]
费效比计算模块501，用于基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比。
[0152]
设备检修方式决策矩阵确定模块601，用于根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修。
[0153]
检修约束函数构建模块701，用于基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及构建设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束。
[0154]
动态检修优化模型构建模块801，用于基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型。
[0155]
检修计划确定模块901，用于对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。
[0156]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0157]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不
应理解为对本发明的限制。

技术特征：
1.一种高速公路微电网电气设备动态检修计划制定方法，其特征在于，方法包括：建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口；获取所述高速公路微电网模型在预设检修时段内的天气数据；所述天气数据包括风速、光照强度、温度和湿度；基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型；基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失；基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比；根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修；基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束；基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型；对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。2.根据权利要求1所述的高速公路微电网电气设备动态检修计划制定方法，其特征在于，所述预设云模型包括x条件云发生器、γ半降云模型及y条件云发生器；基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型，具体包括：将所述天气数据输入至所述x条件云发生器，计算天气隶属度；将所述天气数据输入至所述γ半降云模型中进行模糊处理，以得到γ半降云数字特征；将所述天气隶属度和所述γ半降云数字特征，输入至所述y条件云发生器，以得到气象因子；基于所述预设双重动态调节因子计算模型，计算回退时间调节因子和健康回退调节因子；所述回退时间调节因子用于表征设备检修后故障率回退受检修成本、检修次数及检修时间的影响程度；所述健康回退调节因子用于表征检修次数增加时设备健康度的回退程度；将所述气象因子、所述回退时间调节因子和所述健康回退调节因子输入至预设比例风险模型中，以得到设备的比例风险故障率计算模型。3.根据权利要求2所述的高速公路微电网电气设备动态检修计划制定方法，其特征在于，所述设备的比例风险故障率计算模型为：
其中，λ(t,x1,x2)表示t时刻设备的比例风险故障率计算函数，x1表示影响故障率的设备状态，x1∈[1,2,3,4]，即x1包括四种预设的设备状态；x2表示影响故障率的气象因子，θ(t)为t时刻气象因子；β表示形状参数；η表示特征寿命参数，ε
f
表示回退时间调节因子，ε
h
表示健康回退调节因子，t
back
表示回退时间，r
back
表示回退率，α1和α2分别表示影响故障率的设备状态与气象因子的权重系数。4.根据权利要求1所述的高速公路微电网电气设备动态检修计划制定方法，其特征在于，基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值，具体包括：生成满足威布尔分布的随机故障率阈值样本库；采用蒙特卡洛法从所述随机故障率阈值样本库中抽取多次，并将每次抽到的故障率阈值作为初始故障门槛值；基于所述设备的比例风险故障率计算模型，计算设备在预设检修时段内的比例风险时变故障率；当所述比例风险时变故障率大于或等于所述初始故障门槛值时，计算所述比例风险时变故障率对应的检修损失；基于预设检修时段内的多个比例风险时变故障率对应的检修损失，计算检修损失之和；从多次抽取后得到的初始故障门槛值对应的检修损失之和中，选择最小的检修损失之和，将所述最小的检修损失之和对应的初始故障门槛值作为设备检修门槛值。5.根据权利要求1所述的高速公路微电网电气设备动态检修计划制定方法，其特征在于，所述费效比的计算公式为：于，所述费效比的计算公式为：v'＝r'
×
a'
×
w'；v＝r
×
a
×
w；r的函数计算公式为：a的函数计算公式为：
w的函数计算公式为：w的函数计算公式为：其中，e表示费效比，c表示等年值成本，v表示检修前设备效益，v’表示检修后设备效益，lcc表示高速公路微电网模型在预设检修时段内投入的成本，i表示贴现率，t表示设备全寿命周期，r为检修前设备可靠性；a为检修前设备可用性；w为检修前设备有效役龄；r’表示检修后设备可靠性，a’表示检修后设备可用性，w’表示检修后设备有效役龄，λ(t)表示设备的比例风险故障率，u表示对检修前设备可靠性的时间积分变量，n
t
δt＝t，表示将t时间以δt为间隔划分成n
t
，τ
cm
表示事后检修所用时间，τ
pm
表示预防性检修所用时间，w
k-表示第k次维护前的有效役龄，w
k+
表示第k次维护后的有效役龄，τ
k-1,k
为设备第k-1和第k次维护的时间间隔，η表示役龄回退因子，w
(k-1)+
表示第k-1次维护后的有效役龄。6.根据权利要求1所述的高速公路微电网电气设备动态检修计划制定方法，其特征在于，所述设备同时检修约束的函数公式为：其中，x
i
(t)、x
j
(t)表示处于同一关联集中设备i和设备j；所述检修资源约束的函数公式为：n
kj
≤m
kj
；其中，t
j
表示设备j的检修时间；t
m
表示检修总时间的上限；n
kj
和m
kj
分别表示k时间段内设备j同时检修的实际设备台数和允许设备台数；所述气象条件约束的函数公式为：其中，m
t,k
表示在t时刻下k类设备的维修总数；m为预设的最多允许同时检修的设备台数；θ表示气象因子，[θ
l
,θ
u
]表示预设的气象条件恶劣情况下的气象因子。7.根据权利要求1所述的高速公路微电网电气设备动态检修计划制定方法，其特征在
于，所述动态检修优化模型中的目标函数为：其中，c
cost
表示检修的最小成本；t为待检修时间；j为待检修设备编号；t和j分别为待检修时间集和待检修设备集；l为设备自身的检修成本；δ为电价；r为因检修造成的电量损失。8.一种高速公路微电网电气设备动态检修计划制定系统，其特征在于，系统包括：模型构建模块，用于建立高速公路微电网模型；所述高速公路微电网模型中包括多个设备关联集；任一所述设备关联集中的所有设备具有共同的入口；天气数据获取模块，用于获取所述高速公路微电网模型在预设检修时段内的天气数据；所述天气数据包括风速、光照强度、温度和湿度；比例风险故障率计算模型构建模块，用于基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据所述天气数据，确定任一所述设备关联集内各个设备的比例风险故障率计算模型；设备检修门槛值确定模块，用于基于所述设备的比例风险故障率计算模型，采用蒙特卡洛法，以检修损失最小为目标，确定设备检修门槛值；所述检修损失包括在预设检修时段内高速公路微电网模型中的风机出力损失、光伏出力损失以及设备的失负荷损失；费效比计算模块，用于基于所述高速公路微电网模型在所述预设检修时段内投入的成本以及设备的比例风险故障率，计算费效比；设备检修方式决策矩阵确定模块，用于根据所述费效比和所述设备检修门槛值，确定设备检修方式决策矩阵；所述设备检修方式决策矩阵中设备检修方式包括设备不检修、设备进行机会检修、设备小修以及设备大修；检修约束函数构建模块，用于基于所述高速公路微电网的历史故障数据，分别构建设备突发性故障模型及构建设备动态检修约束函数集合；所述设备动态检修约束函数集合包括设备同时检修约束、检修资源约束及气象条件约束；动态检修优化模型构建模块，用于基于所述设备突发性故障模型及设备动态检修约束函数集合，以检修成本最小为目标，根据所述设备检修方式决策矩阵建立动态检修优化模型；检修计划确定模块，用于对所述动态检修优化模型求解，以得到所述高速公路微电网模型中所有设备的检修计划。

技术总结
本发明公开一种高速公路微电网电气设备动态检修计划制定方法及系统，涉及配电网检修技术领域，方法包括：基于预设云模型、预设双重动态调节因子计算模型以及预设比例风险故障模型，根据高速公路微电网模型在预设检修时段内的天气数据确定比例风险故障率计算模型；然后采用蒙特卡洛法以检修损失最小为目标确定设备检修门槛值；根据费效比和设备检修门槛值确定设备检修方式决策矩阵；构建设备突发性故障模型及设备动态检修约束函数集合，然后以检修成本最小为目标，根据设备检修方式决策矩阵建立动态检修优化模型，求解以得到高速公路微电网模型中所有设备的检修计划。本发明使得电气设备检修所用成本更低，也更利于实时应对突发性故障。发性故障。发性故障。


技术研发人员：肖仕武 高洁
受保护的技术使用者：华北电力大学
技术研发日：2023.06.26
技术公布日：2023/9/20