[发明专利]一种基于流形学习的输电线路检修计划优化方法及系统

摘要

本发明涉及一种基于流形学习的输电线路检修计划优化方法及系统，该方法包括提取输电线路各状态量信息，对输电线路进行状态评价与风险评估；由输电线路状态评价结果及风险评估模型，结合当地运维策略库，制定运维策略；确定优化目标，构建输电线路运维多目标优化模型；采用多目标流形学习方法对数学模型中的决策变量进行降维求解，得到优化的输电线路运维策略；研发输电线路运维系统，实现运维策略生成的智能化与高效化。采用本发明，可以优制定并输电线路的运维策略，提高其经济性、可靠性、安全性。

主权项

一种基于流形学习的输电线路检修计划优化方法，其特征在于，步骤1，提取输电线路各状态量信息，对输电线路进行状态评价与风险评估，建立输电线路状态评价模型，具体是由模糊证据推理算法得到，其中根据故障树法进行状态量选取，层次分析法获得状态量权重，云模型法获得的状态量裂化度；输电线路风险评估模型由模糊C‑均值分类法得到，具体是根据输电线路污闪、覆冰、雷击发生的故障率以及输电线路固定资产价值信息，采用概率和严重度乘积计算各线路污闪、覆冰、雷击对输电线路的风险值；然后，根据输电线路污闪、覆冰损害、雷击损害故障发生的风险值，采用模糊C‑均值分类法将线路对应不同故障分为重度风险、中度风险、低度风险；步骤2，由输电线路状态评价结果及风险评估模型，结合当地运维策略库，制定运维策略，具体是将输电线路状态评价结果和风险评估模型，划分输电线路风险等级；根据当地运维策略库中风险等级所对应的基准运维策略，制定日常巡维策略表，包括专业巡维(特巡)策略、停电维护策略、风险变化动态巡维策略、气象突变动态巡维策略、保供电策略及迎峰度夏动态巡维策略；步骤3，确定优化目标，构建输电线路运维多目标优化模型，具体是根据当前电网安全运行要求，输电线路的运维计划的目标函数定为经济性、可靠性、安全性指标；约束条件包括运维资源的约束，运维项目间的协调，潮流约束，定义决策变量：xkt代表k线路第t时段的运维状态xkt＝1表示运维，xkt＝0表示未运维；它直接影响运维工作量，决定运维计划的制定；定义模型的目标函数f1=Σt=1TΣk=1N(Ckt+Wkt)δk·xkt---(1)]]>δk=LktCKTk---(2)]]>式中：Ckt代表线路k第t时段的运维费用，根据线路以及运维时段不同取值不同；δk为该输电线路在全寿命周期下的价值；Lkt为k线路在t时段的已运行时间，CK为k线路的设计运行寿命；Tk为k线路的成本，包括安装成本，设计成本，材料成本，运输成本；量化输电线路运维工作的安全性指标，运维工作安全性评价取事故损失值进行计算，包括人为因素事故损失值、环境因素事故损失值及物的因素事故损失值；f2(xkt)=Σt=1TΣk=1N{(M·αkt++E·βkt++H·γkt+)xkt+(M·αkt-+E·βkt-+H·γkt-)(1-xkt)}---(3)]]>式中：M，E，H分别表示运维工作人为、环境、物的因素导致损失值；分别表示线路k第t时段运维人为、环境、物的因素损失概率；分别表示线路k第t时段未运维的三者损失概率；采用期望缺供电量EENS评价输电线路运维可靠性；f3(xkt)=Σt=1T(Σx∈StLxΠk=1NPkxkt(1-Pk)1-xkt)Tt---(4)]]>式中，St为N维向量，指第t个运维时段中输电线路失效状态集合；Lx为系统故障状态x的切负荷量；Pk为元件k的停运概率；Tt为检修时段持续时间；模型的约束条件包括：约束条件一，运维时间的约束xkt=1ek≤t≤lkxkt=0t<ekort>lk---(5)]]>约束条件二，同时运维的约束xk1t+xk2t+...+xknt=norxk1t+xk2t+...+xknt=0---(6)]]>约束条件三，互斥运维的约束0≤xit+xjt≤1   (7)约束条件四，顺序运维的约束tj＝ti+Ti   (8)约束条件五，不可变更的运维约束xkt1=0orxkt2=1---(9)]]>约束条件六，人力资源约束条件Σt=1Thktxkt≤Ht---(10)]]>约束条件七，物力资源约束Σt=1Trktxkt≤Rt---(11)]]>约束条件八，特殊天气约束xkte=1---(12)]]>约束条件九，各时段的运维工作量分配最合理约束Σk=1Nmkxkt≤αtM---(13)]]>式中：ek、lk分别代表线路k运维的最早起始时段和最晚起始时段；ti，tj为线路i，j的运维开始时间；Ti表示线路i运维所需时间；hkt为t时段运维线路k需要投入的人力资源；Ht为t时段线路运维可投入人力的最大值；rkt为t时段运维线路k需要投入的物力资源的数量；Rt为t时段线路运维可投入运维资源的最大量；te为特殊时间段；mk为线路k运维需要的工作量；M为整个运维阶段要完成的总工作量；αt为比例系数，表示第t时段可以负担的工作量占总工作量的比例；约束条件十，传输路径约束Σk∈rxkt≤br---(14)]]>约束条件十一，功率平衡约束若干运维项目会使线路的传输功率增大甚至超出限值，因此需要进行线路的潮流校验；Σi∈NGPGi+Σi∈NCCi=Σi∈NCPDi---(15)]]>A(PG+PC‑PD)＝T   (16)约束条件十二，风险水平相关约束某一时期，风险水平超标的线路不能超过限值，超过风险限值的线路必须即时运维消除风险；Count(Rk≤Rst)≤δ·K---(17)]]>其中，xkt为线路k运维状态；r为传输路径上的线路总数；br表示能够同时实施检修的最大线路数；NG为运维的输电线路网络发电机节点集；NC为负荷节点集；PG，PC，PD分别为发电机注入有功功率、切负荷量、负荷向量；δ为运维的输电线路网络中风险值超标限值，根据线路重要度不同取值不同，K为线路总条数；步骤4，采用多目标流形学习方法对数学模型中的决策变量进行降维求解，得到优化的输电线路运维策略，具体是采用流形学习中的局部线性嵌入算法(LLE)，计算出每个样本点的k个近邻点；把相对于所求样本点距离最近的k个样本点规定为所求样本点的近邻点；k是一个预先给定值；本发明中输电线路决策变量的高维空间中的数据是非线性分布的，采用了Dijkstra距离；Dijkstra距离是一种测地距离，它能够保持样本点之间的曲面特性；计算出样本点的局部重建权值矩阵；这里定义一个误差函数，如下所示minϵ(W)=Σi=1N|xi-Σj=1kwjixij|2---(18)]]>其中xij(j＝1,2,···k)为xi的k个近邻点，wij是xi与xij的权重值，且要满足条件：这里求取W矩阵，需要构造一个局部协方差矩阵Qi；将上式与相结合，并采用拉格朗日乘子法，即可求出局部最优化重建权值矩阵：wji=Σm-1k(Qi)jm-1Σp=1kΣq=1k(Qi)pq-1---(19)]]>在实际运算中，Qi可能是一个奇异矩阵，此时必须正则化Qi，如下所示：Qi＝Qi+rI   (20)其中r是正则化参数，I是一个k×k的单位矩阵；将所有的样本点映射到低维空间中；映射条件满足如下所示：minϵ(Y)=Σi=1N|yi-Σj=1kwjiyij|2---(21)]]>其中，ε(Y)为损失函数值，yi是xi的输出向量，yij(j＝1,2,···k)是yi的k个近邻点，且要满足两个条件，即：Σi-1Nyi=0---(22)]]>1NΣi-1NyiyiT=I---(23)]]>其中I是m×m矩阵，这里的可以存储在N×N稀疏矩阵W中，当xj是xi的近邻点时，若Wi,j＝0；则损失函数可重写为：minϵ(Y)=Σi=1NΣj=1NMi,jyiTyj---(24)]]>其中M是一个N×N的对称矩阵,其表达式为:M＝(I‑W)T(I‑W)   (25)要使损失函数值达到最小,则取Y为M的最小m个非零特征值所对应的特征向量；在处理过程中，将M的特征值从小到大排列，第一个特征值几乎接近于零，那么舍去第一个特征值；通常取第2～m‑1间的特征值所对应的特征向量作为输出结果，即降维后的输电线路运维决策变量；再结合自适应函数法对决策变量的约束条件进行处理，最后得到经济性、安全性、可靠性最大化的同时，分别最优的多个备选方案。