屈國際，李震領，鄢冰

摘要：為了提高傳統(tǒng)的調(diào)度人員手動制定檢修計劃執(zhí)行效率低等問題，設計了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，引入改進的遺傳算法對于配電網(wǎng)檢修路徑及計劃進行了智能化分析，建立了懲罰系數(shù)淘汰運算篩選種群進行最優(yōu)電力檢修計劃求解推薦算法，并在此基礎上與粒子群算法結合建立檢修路徑尋優(yōu)模型。實驗結果表明，系統(tǒng)功能達到了預期的目標，通過對比實驗所提出模型算法全局能力高、計算速度以及收斂速度均高于其他算法，具有較高的應用實踐價值。

關鍵詞：電網(wǎng)配電調(diào)度；指令下發(fā)；電力檢修路徑優(yōu)化模型；改進遺傳算法

中圖分類號：TM734

文獻標志碼：A文章編號：1001-5922（2023）12-0183-05

Optimization design of intelligent maintenance and adjustment based on improved genetic particle swarm combination algorithm

QU Guoji，LI Zhenling，YAN Bing

（Cgn Wind Energy Go.，Ltd.，Beijing 100071，China）

Abstract：In order to improve the problem of low efficiency of the implementation of the traditional dispatcher manual maintenance plan，an intelligent dispatching operation ticket and instruction issuance system was designed，an improved genetic algorithm was introduced to intelligently analyze the maintenance path and plan of the distribution network，a recommendation algorithm was established for the optimization of the optimal power maintenance plan by selecting populations by penalty coefficient elimination operation，and on this basis，the maintenance path optimization model was established in combination with the particle swarm algorithm.Experimental results showed that the system achieved the expected goals，and the model algorithm proposed by comparing experiments had? higher global ability，calculation speed and convergence speed than those of other algorithms，and had high application and practical value.

Key words：power distribution dispatching;instruction issuance;power maintenance path optimization model;improved genetic algorithm

目前國內(nèi)外主流的配電網(wǎng)調(diào)度管理仍然采取的是傳統(tǒng)的人工電話調(diào)度與對講機等相結合的模式，調(diào)度人員使用電話專線，結合檢修計劃制定人員的經(jīng)驗手工制定檢修計劃，下發(fā)調(diào)度指令和檢修工票。檢修人員根據(jù)機構、車間、場站的指令和調(diào)度工票執(zhí)行檢修任務，整體效率較低、誤差較大、檢修計劃和線路制定的科學性不足。基于此，設計提出了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，采用信息化及智能化的手段對檢修配電工作整體部署，通過引入改進的遺傳算法對于配電網(wǎng)檢修路徑及計劃進行了智能化分析，建立了基于故障等級與懲罰系數(shù)相結合的電力檢修及負荷轉移路徑優(yōu)化模型，提高了電力調(diào)度的高效化、智能化和科學化。

1系統(tǒng)需求分析

1.1核心業(yè)務分析

配電網(wǎng)檢修管理工作的核心業(yè)務包含計劃檢修以及臨時故障搶修2類，即為檢修調(diào)度以及搶修調(diào)度。具體的計劃檢修業(yè)務流程如圖1所示。

（1）臨時維修任務管理。臨時故障搶修主要包含搶修任務的建立、維護、調(diào)度指令下發(fā)。通過客服平臺接收故障派工任務，建立調(diào)配工單，由調(diào)度人員下發(fā)調(diào)度工票，維修班組進行任務分配以及組織執(zhí)行，并在系統(tǒng)中進行結案和過程留痕;

（2）計劃檢修管理業(yè)務。計劃檢修管理業(yè)務是指維修人員根據(jù)電力公司制定的年檢修、季度檢修、月檢修計劃按計劃執(zhí)行檢修任務，對過程中的調(diào)度工作的管理、執(zhí)行、過程及結果的動態(tài)記錄維護，具體如圖2所示。

1.2系統(tǒng)交互業(yè)務分析

配電網(wǎng)調(diào)度操作管理及指令下發(fā)系統(tǒng)作為配電網(wǎng)檢修的核心執(zhí)行系統(tǒng)與其他系統(tǒng)間通過數(shù)據(jù)接口進行業(yè)務交互，對外交互業(yè)務包括橫向上首先與國家電網(wǎng)客服平臺、省級電力管網(wǎng)系統(tǒng)進行數(shù)據(jù)交互，縱向主要與維修人員基礎操作客戶端進行數(shù)據(jù)交互，采集終端執(zhí)行信息以及電網(wǎng)基本狀態(tài)信息。具體如圖3所示。

2系統(tǒng)優(yōu)化設計

2.1系統(tǒng)整體架構

配電調(diào)度操作票及指令下發(fā)系統(tǒng)除實現(xiàn)核心的檢修計劃調(diào)度指令下發(fā)、臨時搶修調(diào)度指令下發(fā)等功能外，其他的包括檢修計劃推薦功能，檢修備件資源申請及采購配送管理、集成地理信息系統(tǒng)的檢修計劃路線可視化界面管理等業(yè)務應用，并圍繞業(yè)務應用配置相應的安全管理、接口服務、日志記錄以及網(wǎng)絡、存儲服務器等基礎平臺支撐，具體的系統(tǒng)整體架構如圖4所示。

系統(tǒng)技術框架設計采用目前主流的J2EE輕量級架構—SpringMVC框架，主要包括視圖層、邏輯層以及數(shù)據(jù)庫訪問層3層架構，如圖5所示。

其中視圖層采用的技術路線為JSP與bootstraps相結合的模塊式開發(fā)框架，其具有高穩(wěn)定性、高并發(fā)性、I/O占用率低等特征，適合配電調(diào)度操作票及指令下發(fā)系統(tǒng)的應用場景。邏輯層采用目前主流的輕量級SpringMVC框架處理前臺與后臺的JavaBean之間的邏輯管理，其具有編輯代碼少、配置文件簡單以及可插拔等優(yōu)勢。數(shù)據(jù)庫訪問層采用Mybatis數(shù)據(jù)庫持久化技術，使得數(shù)據(jù)庫訪問與程序解耦，有利于數(shù)據(jù)庫的安全穩(wěn)定。

2.2系統(tǒng)網(wǎng)絡設計

設計的配電網(wǎng)調(diào)度操作票及指令下發(fā)系統(tǒng)采用瀏覽器/服務器的模式，系統(tǒng)功能使用Web服務發(fā)布，具體的硬件網(wǎng)絡及服務器配置結構如圖6所示。

整體設計的網(wǎng)絡結構中，調(diào)度以及維修指揮人員使用PC客戶機進行派工指令及調(diào)度指令的下發(fā)，各層級管理人員審批及維修任務分派也通過辦公電腦執(zhí)行。WEB應用服務器以及數(shù)據(jù)庫服務器采用雙機熱備的形式部署在電業(yè)公司中心機房，一線維修手持終端部署在電力專網(wǎng)網(wǎng)絡，電力專網(wǎng)與辦公網(wǎng)絡通過核心轉發(fā)路由器進行信息通信及消息轉發(fā)。

3檢修調(diào)度及路徑尋優(yōu)算法

3.1改進遺傳算法的檢修計劃選擇方法

對于配電網(wǎng)調(diào)度檢修計劃本身電網(wǎng)設備量大、檢修計劃多的特點，檢修計劃間存在資源的互斥與交疊，檢修任務需要結合人力、資源、電力供應等多方面約束綜合考慮。因此，采用遺傳算法進行檢修計劃模型多約束項求最優(yōu)解代替人工編制，提升計劃的科學性。由于遺傳算法本身最優(yōu)解質量不高，研究采用排擠效應優(yōu)化遺傳算法。

以懲罰系統(tǒng)處理目標函數(shù)，排除部分對求解影響較小但影響收斂效果的設備，在迭代過程中直接引入最佳適應度個體到新一代種群以改善整體性能，同時，調(diào)整了核心參數(shù)-交叉概率參數(shù)和變異概率參數(shù)。使用公式（1）處理求解空間中的與適應度不匹配的個體，降低其適應度減少設備數(shù)量。

fx=Fx，x滿足約束條件Fx-Gx，x不滿足（1）

式中：F（x）代表為引入懲罰系數(shù)的適應度；G（x）檢修計劃制約條件所對應的懲罰函數(shù)。

引入該函數(shù)后，如果懲罰函數(shù)影響系數(shù)小可能存在部分個體破壞制約條件，而無法得到最優(yōu)解。如果懲罰系數(shù)過大，則會導致個體適應度差異不明顯，整體競爭能力喪失，求解效率會大幅降低。因此，將排擠效應引入遺傳算法，構建自適應微遺傳算法。首先將種群中個體間距與預設距離L比較，當小于L時，選擇適應度小的個體，引入懲罰系數(shù)使其適應度更低，淘汰該個體。

Step1：選擇群體中的M個個體構建微遺傳算法初始種群，計算每個個體的初始適應度值Fi=（i=1，2，…，M）；

Step2：完成適應度排序并記錄，排序順序為由大到小降序排列，記錄適應度前N的個體；

Step3～Step5：進行遺傳算法的選擇運算、交叉運算、變異運算。分別使用選擇概率參數(shù)、交叉概率參數(shù)、變異概率參數(shù)完成上述動作，獲得新的種群；

Step6：自適應微遺傳淘汰適應度小的個體。將經(jīng)過遺傳運算的種群中的M個個體與適應度排在前N的個體組合，構成新的種群，使用式（2）計算種群個體間距：

dij=∑Mk=1（xik-xij）2（2）

獲得xi與xj間距離Dij比L小的2個個體，對于其中適應度更小的個體使用式（1）進行淘汰處理。

Step7：重新排序N+M個個體的適應度值，保留前N個個體；

Step8：判斷是否達到最大迭代次數(shù)或滿足結束條件，如不滿足，則將新得種群作為新一代個體，重新執(zhí)行Step3持續(xù)篩選淘汰。

3.2檢修路徑尋優(yōu)算法

在檢修路徑尋優(yōu)的過程中，綜合考慮配網(wǎng)線路以及檢修隊伍人力等因素，采用了蟻群算法進行路徑尋優(yōu)。設定檢修節(jié)點為蟻群群體規(guī)模M，蟻群從初始節(jié)點出發(fā)搜索全部節(jié)點后，記錄存儲網(wǎng)絡潮流。當電網(wǎng)運行的約束指標均存在時存儲該條件下的電網(wǎng)功耗，如果不滿足，重新尋找路徑直至滿足，即為巡檢最佳路徑。對于有M個個體的蟻群，需要每個個體完成一次最優(yōu)路徑搜索，當全部個體執(zhí)行完后，所得的最優(yōu)路徑集合S ，個體間通過最優(yōu)路徑比較逐步篩選最優(yōu)路徑，下一個搜索個體在上一個螞蟻的最優(yōu)路徑基礎上持續(xù)搜索，直至循環(huán)迭代完成。

其中，隨機數(shù)生成使用式（3）生成，信息素更新使用式（4）更新：

Pkj（t）=［τj（t）］2［ηj］β∑k∈Allowed［τj（t）］2［ηj］β，j∈Allowed0，other（3）

式中：Allowed為螞蟻K需要巡檢支路的集合；τj（t）為信息素；β為啟發(fā)因子；ηj為啟發(fā)函數(shù)。

τi（NC+1）=（1-ρ）τi（NC）+Δτi（NC）Δτi（CN=∑mk=1Δτikj（NC） （4）

式中：ρ為揮發(fā)率參數(shù)；NC為蟻群迭代次數(shù)；m為蟻群規(guī)模。

4實證結果與分析

選擇了電力公司的某年6月份某區(qū)域待排檢修計劃及調(diào)度的25個檢修點位做了驗證性實驗，各個點位的檢修時間、停電范圍均不同。實驗階段用基本遺傳算法、基于排擠機制改進遺傳算法、本文所應用的基于排擠機制自適應的微遺傳算法進行檢修計劃排布以及檢修時間的優(yōu)化。實驗結果如圖7所示。

由圖7可知，所提出的算法對于檢修計劃調(diào)度排布求解質量以及整體收斂性能高于基礎算法。實驗中選擇的目標函數(shù)為檢修調(diào)度時間，因此，使用提出算法可以極大的改善檢修工作的執(zhí)行時間，也間接的降低了檢修停電的時間，減少了經(jīng)濟損失。

對于檢修路徑尋優(yōu)算法測試主要是對蟻群算法從尋優(yōu)成功率角度重點與粒子群算法、遺傳算法、模擬退火算法進行比對，采取仿真實驗的模式，尋優(yōu)時間對比如表1所示；路徑尋優(yōu)成功率對比如表2所示。

由表1、表2可知，本文蟻群算法在與改進遺傳算法結合后進行尋優(yōu)路徑選擇中收斂速度快，路徑尋優(yōu)成功率高，并且能以較大的概率收斂獲得全局最優(yōu)解。

5結語

設計提出了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，對系統(tǒng)架構功能進行了詳細設計，采用信息化及智能化的手段對檢修配電工作整體部署，引入改進的遺傳算法對于配電網(wǎng)檢修路徑及計劃進行了智能化分析，建立了最優(yōu)電力檢修計劃求解推薦算法，提高了電力調(diào)度的高效化、智能化和科學化。仿真實驗環(huán)節(jié)重點測試了原型系統(tǒng)的功能以及對優(yōu)化模型進行論證，系統(tǒng)功能達到了預期的目標，且對比實驗顯示提出的方法在檢修計劃制定上效能可以提升40%，減少了停機時間，降低了成本，同時檢修路徑尋優(yōu)能力對比其他算法整體提升了至少5%，具有推廣應用價值。

【參考文獻】

[1]魏昕.電力調(diào)度運行存在的安全風險及防范策略分析.中國戰(zhàn)略新興產(chǎn)業(yè)，2017（40）：134-146.

[2]劉煒，王朝亮，肖濤，等.AMI數(shù)據(jù)驅動的電動汽車充電設施計量運行誤差狀態(tài)評估方法.電力自動化設備，2022，42（10）：70-76.

[3]劉文宇，劉璐，劉馨然，等.基于改進BP神經(jīng)網(wǎng)絡的低壓配電臺區(qū)智能電能表誤差狀態(tài)評估模型.電測與儀表，2022，59（11）：176-181.

[4]雷喬舒，何強，趙壽生，等.HVDC用交流電容器典型濾波支路諧波電流對電容器噪聲的影響分析.電力電容器與無功補償，2020，41（3）：50-56.

[5]何劍萍，黃曉蘭，蔣大銳.基于MPA-SVM的技術實踐與工作精準指向研究.粘接，2023，50（3）：122-126.

[6]李豹，袁泉，張薔，等.考慮發(fā)電能力匹配性的輸變電設備檢修優(yōu)化方法.電力大數(shù)據(jù)，2020（5）：93-100.

[7]朱運喬.基于Spring+SpringMVC+hibernate框架的Web系統(tǒng)設計與實現(xiàn).電腦知識與技術，2018（26）：38-45.

[8]牛永光，卜瑋琛，高玲玲.基于ARM的安全性電力線載波通信系統(tǒng)設計.微型電腦應用， 2022，38（6）：50-53.

[9]張嘉豪，趙亮，翁銘隆，等.基于SSM+SpringBoot技術實現(xiàn)服務器監(jiān)控的研究.科學技術創(chuàng)新.2020（33）：452-460.

[10]張瑞成，翟電杰，張怡.基于風光儲雙層母線微電網(wǎng)的分布式模型預測控制.機械設計與制造，2022（3）：242-246.

[11]郝成，郝云飛，張怡.直流微電網(wǎng)中雙向LLC諧振型變換器的研究.機械設計與制造，2021（12）：72-76.

[12]黃欣科，王環(huán)，周宇，等.兆瓦級光伏中壓直流并網(wǎng)變換器研制及實證應用.電力系統(tǒng)自動化，2022，46（14）：150-157.

[13]黃欣科，王環(huán)，盧俊龍，等.光伏中壓直流變換器串聯(lián)系統(tǒng)控制策略研究.電網(wǎng)技術，2022，46（6）：2327-2338.

[14]李小強，馬永超，黃金偉，等.基于雙脈寬調(diào)制的交錯Boost集成型CLLLC諧振變換器寬增益控制策略.電工技術學報，2022，37（20）：5313-5323.

[15]劉水心，王金宇，臺述鵬，等.大功率交錯式燃料電池直流-直流變換器研究.機電工程技術，2021，50（6）：6-11.

[16]金愛娟，尹晨濱，李少龍，等.包裝機驅動控制系統(tǒng)中諧波噪聲信號抑制策略.包裝工程，2022，43（3）：234-243.

[17]潘萍，彭高豐，朱智平.基于PDCA循環(huán)的專業(yè)實踐模式設計與實例分析.粘接，2023，50（3）：141-145.

[18]王蕊.基于圖像處理的化工產(chǎn)品英文字符識別研究.粘接，2021，46（5）：76-79.

[19]張蜀紅.基于支持向量機的機械設備故障診斷研究.粘接，2021，47（9）：129-132.

[20]閆重熙，陳皓.基于改進天牛須搜索算法優(yōu)化LSSVM短期電力負荷預測方法研究.電測與儀表，2020，57（6）：6-11.