李士動,陳 綱,劉 方
(1.國網(wǎng)山東省電力公司泰安供電公司,山東 泰安 271000;2.上海電力大學電氣工程學院,上海 200090)
近年來,為進一步提升配電網(wǎng)可靠供電和優(yōu)質服務水平,配電網(wǎng)檢修正逐步向“去停電化”方向發(fā)展,帶電作業(yè)以其檢修不停電和便捷高效的優(yōu)點而得到快速發(fā)展,各地區(qū)每年的帶電作業(yè)規(guī)模也在持續(xù)增長[1]。
實際工作中,供電企業(yè)需要通過制定工作計劃來管理帶電作業(yè)任務,即將眾多的工作任務分配到各個工作日,并安排給不同作業(yè)車輛。配電線路分布的特點是“點多面廣”,因此帶電作業(yè)地點地域分散,各地點的作業(yè)分組、作業(yè)順序決定了作業(yè)路徑,進而成為影響工作效率的重要因素。實際中,基于人工經驗的工作計劃編制方式,無法實現(xiàn)不同地點作業(yè)任務的優(yōu)化組合,導致工作效率大大降低,造成人力、物力、時間資源的極大浪費。尤其是,絕緣斗臂車作為當前配電網(wǎng)帶電作業(yè)的主要裝備[2],油耗較高,合理規(guī)劃車輛行駛路徑能夠有效降低車輛運行成本。
配電網(wǎng)帶電作業(yè)計劃的制定本質上屬于車輛路徑問題(Vehicle Routing Problem,VRP)。目前,VRP已逐漸發(fā)展成為考慮容量約束[3]、時間窗口約束[4-5]、多車場條件[6-7]及動態(tài)需求[8]的車輛路徑模型,并廣泛應用于物流配送[9-10]、應急物資調度[11-12]、電動汽車充電和無人機巡檢路徑規(guī)劃[13-15]問題。傳統(tǒng)上帶時間窗VRP 模型考慮的時間尺度為日內,主要針對車輛到達配送點的時間點進行約束,而未考慮多時間尺度下的任務分配問題。文獻[16]對帶電作業(yè)路徑優(yōu)化問題進行了研究,但時間尺度僅考慮單個工作日,同時也未考慮時間窗要求。VRP 屬于多約束的組合優(yōu)化問題,目前多采用智能算法如粒子群優(yōu)化算法、遺傳算法和蟻群算法等進行求解。
基于“先分區(qū)、后優(yōu)化”的技術路線,建立了周前作業(yè)任務組合與日前作業(yè)路徑滾動優(yōu)化的兩階段模型及算法,有效解決多時間尺度下的帶電作業(yè)路徑優(yōu)化問題,同時提出了決策支持系統(tǒng)開發(fā)方法,經過仿真分析驗證,所提出兩階段方法實現(xiàn)了不同地點作業(yè)任務的合理組合及路徑優(yōu)化。
配電網(wǎng)帶電作業(yè)計劃一般以周為時間尺度,將眾多的工作任務分配至下一周的每個工作日內,同時確定每個工作日作業(yè)車輛的行使路徑,車輛出發(fā)后依次經過每個作業(yè)點并完成工作任務,當日工作結束后返回出發(fā)點。單日最大可用作業(yè)車輛、作業(yè)點之間的距離和路程行駛用時、各任務作業(yè)用時及完成時限要求為已知信息。帶電作業(yè)路徑優(yōu)化的目標就是找到作業(yè)車輛的最優(yōu)行駛路徑,使總成本(路程或用時)達到最小,同時滿足如下約束條件:
1)確保完成計劃周期內的所有工作任務;
2)對于某些有時限要求(工作日或時間點)的工作任務,應在要求的時限內完成;
3)滿足臨時的緊急工作任務要求。根據(jù)《配電網(wǎng)缺陷管理辦法》要求,配電線路缺陷包括一般、嚴重及緊急缺陷,一般與嚴重缺陷的處理時限為周或月度及以上,因此可納入周優(yōu)化范疇,緊急缺陷則需要在24 h內處理完畢,應納入日前優(yōu)化范疇;
4)每車次路徑的總作業(yè)用時不超過人員日最大作業(yè)時長,該約束用以考慮人員現(xiàn)場工作承載力;
5)每車次路徑上的總用時不超過日最大工作用時(包括總路程用時和總作業(yè)用時);
6)每個工作任務只能由一個工作日的一輛作業(yè)車次完成;
7)單日調用車次不超過最大可用作業(yè)車輛。
配電網(wǎng)帶電作業(yè)車輛路徑問題的優(yōu)化范圍包括確定性的周計劃任務及不確定性的緊急消缺任務,涉及周前與日前兩個時間尺度,難以建立統(tǒng)一的數(shù)學模型進行一體化求解,為此提出“先分區(qū),后優(yōu)化”的思路,依次建立周前作業(yè)任務合理組合與日前作業(yè)路徑滾動優(yōu)化的兩階段模型。
建立周前作業(yè)任務組合模型的目標,是將確定性的周計劃任務合理分配至下一周的每個工作日內。提出一階段作業(yè)點分區(qū)的處理方法,即依據(jù)作業(yè)任務的地理位置及時限要求,將作業(yè)點劃分至不同區(qū)域,區(qū)域與工作日一一對應,為盡可能縮短作業(yè)車輛行駛路程,便于二階段開展最優(yōu)路徑的搜索,一階段分區(qū)的原則應是同一區(qū)域內的作業(yè)點在地理位置上距離相近且具有相同的工作日時限要求。一階段的計算時間點是周前,優(yōu)化的周期為周,因此能夠實現(xiàn)整體優(yōu)化,分區(qū)結果也將直接影響二階段的路徑優(yōu)化結果。
基于上述“分區(qū)”的方法,以各區(qū)域作業(yè)點連接成的多邊形周長之和最小為優(yōu)化目標,建立周前作業(yè)任務組合模型如式(1)所示。
式中:D為區(qū)域數(shù)量(工作日天數(shù));ND為周計劃任務數(shù)量;d為某區(qū)域即工作日;lij為作業(yè)點i與j之間的路徑距離;xijd為整數(shù)變量;tj為作業(yè)點j的作業(yè)用時;K為具備的作業(yè)車輛數(shù)量;T1max為每車次人員單日最大作業(yè)時長;Rd為滿足緊急任務需求而預留的時間;SDj為作業(yè)點j的最早工作日時限;EDj為作業(yè)點j的最遲工作日時限。
式(2)表示考慮緊急任務需求后的單日最大作業(yè)時長約束;式(3)表示作業(yè)點的工作日時限約束;式(4)和式(5)表示每個作業(yè)點只能安排在一個工作日;式(6)表示變量定義規(guī)則。
日前作業(yè)路徑優(yōu)化是在周前作業(yè)任務分區(qū)的基礎上,進一步確定每日作業(yè)車輛的最優(yōu)行駛路徑,同時考慮緊急任務需求對作業(yè)路徑進行滾動優(yōu)化。二階段的計算時間點是日前,優(yōu)化的周期為日,能夠利用最新的人員、車輛和任務邊界信息,結果具有實際的可執(zhí)行性。一階段分區(qū)結果縮小了二階段優(yōu)化范圍,降低了計算難度。
對于某區(qū)域(工作日),以完成該日工作任務所需全部車輛行駛路程之和最小為目標,建立日前作業(yè)路徑滾動優(yōu)化模型如式(7)所示。
式中:Nd為d區(qū)域(工作日)內作業(yè)點數(shù)量(包含緊急任務需求);下標0 表示出發(fā)地;yijk為整數(shù)變量;T2max為每車次人員單日最大工時;分別為車輛k到達作業(yè)點i、j的時間;tijk為i與j之間的路程行駛用時;vk為車輛k的平均行駛速度;STj為作業(yè)點j的最早日內時間點時限;ETj為作業(yè)點j的最遲日內時間點時限。
式(8)表示單日可用作業(yè)車輛約束;式(9)表示每車次人員單日最大作業(yè)時長約束;式(10)和式(11)表示每個作業(yè)點有且僅有一輛車次完成;式(12)表示每輛作業(yè)車輛都是從出發(fā)地出發(fā)并返回;式(13)—式(15)表示作業(yè)點的時間點時限約束;式(16)表示每車次人員的單日最大工作用時約束;式(17)表示變量定義規(guī)則。
為將上述模型應用于實際工作,需開發(fā)相應的路經優(yōu)化決策支持系統(tǒng),滿足所需人機交互、數(shù)據(jù)處理和仿真優(yōu)化等功能要求。根據(jù)帶電作業(yè)工作流程,將決策支持系統(tǒng)設計為以下3個模塊:
1)現(xiàn)場勘察模塊。用于采集工作任務數(shù)據(jù),例如需求單位、線路名稱、工作內容、定位地理位置、現(xiàn)場照片等,并將以上數(shù)據(jù)上傳至后端服務器。為實現(xiàn)信息的實地采集和實時傳輸,該模塊可開發(fā)為移動端應用程序。
2)任務管理模塊。用于工作任務數(shù)據(jù)的管理和優(yōu)化,包括數(shù)據(jù)存儲、數(shù)據(jù)調用和仿真優(yōu)化,該模塊將執(zhí)行調用兩階段路徑優(yōu)化模型實現(xiàn)工作計劃的優(yōu)化編制。該模塊采用C/S架構,包括任務管理Web、數(shù)據(jù)庫軟件和仿真優(yōu)化軟件。
3)現(xiàn)場作業(yè)模塊。用于工作計劃數(shù)據(jù)下載與執(zhí)行,工作結束后可用于統(tǒng)計作業(yè)項目、人員等現(xiàn)場數(shù)據(jù)。為方便實時獲取工作計劃和歸檔工作任務,該模塊應開發(fā)為移動端應用程序。
以上3 個模塊的開發(fā)涉及人機交互系統(tǒng)、數(shù)據(jù)庫系統(tǒng)和仿真優(yōu)化系統(tǒng),須借助開發(fā)語言或軟件編程實現(xiàn),本文采用以下方法:
1)人機交互系統(tǒng)。包括前端人機界面和后端交互服務,前端界面分別開發(fā)基于Android 設備的移動端應用程序和基于PC 端的任務管理Web 界面,可采用HTML、CSS、JavaScript 或VUE 語言開發(fā),后端服務采用Java 開發(fā)程序,前后端可通過建立Socket 通信進行數(shù)據(jù)交互[17]。
2)仿真優(yōu)化系統(tǒng)。采用MATLAB 編寫兩階段路徑優(yōu)化模型算法.M 文件,并通過Java 和Mtalab 混合編程,實現(xiàn)任務管理模塊對仿真優(yōu)化模型的調用,一種高效方法是使用MATLAB“Delopment Tool”命令將.M文件編譯成Java軟件可調用的.Jar包[18-19]。
3)數(shù)據(jù)庫系統(tǒng)。采用MySQL 關系數(shù)據(jù)庫,通過JDBC(Java Data Base Connection)作為數(shù)據(jù)庫訪問接口,實現(xiàn)任務管理系統(tǒng)與MySQL 數(shù)據(jù)庫的信息連接和交互訪問[19]。
將路徑優(yōu)化決策支持系統(tǒng)架構分為展示層、服務層與數(shù)據(jù)層,結構關系如圖1所示。
圖1 帶電作業(yè)路徑優(yōu)化決策支持系統(tǒng)結構
粒子群優(yōu)化(Particles Swarm Optimization,PSO)是基于群體智能的隨機尋優(yōu)算法[20-22],但尋優(yōu)過程中種群逐漸趨于單一,常常無法找到全局最優(yōu)解,為此文獻[21-22]提出了一種混沌粒子群優(yōu)化算法來增強搜索的多樣性,使得初始粒子能夠均勻分布,同時求解過程中對最優(yōu)粒子進行變異,確保能夠跳出局部最優(yōu)。兩階段模型為離散型變量問題,為了實現(xiàn)粒子與解的一一對應,采取編碼方式為:以一階段作業(yè)任務組合模型的求解為例,對于M個作業(yè)點與D個區(qū)域的問題,以0 代表出發(fā)地,以正整數(shù)i表示第i個作業(yè)點,隨機生產維度為M的作業(yè)點序列,并在該序列中插入D-1 個0,從而把該序列劃分為D段,每一段代表一個區(qū)域。
例如,作業(yè)點數(shù)目為8、區(qū)域數(shù)為4,某粒子的位置向量為[8 7 0 5 3 0 6 1 4 0 2],則第1 個工作日的作業(yè)點為8、7,第2 個工作日的作業(yè)點為5、3,第3 個工作日的作業(yè)點為6、1、4,第4 個工作日的作業(yè)點為2。同樣的編碼方式可用于本文二階段路徑優(yōu)化問題的求解。
采用以上改進整數(shù)編碼的混沌粒子群優(yōu)化算法求解本文模型,兩階段方法的步驟如圖2所示。
圖2 兩階段優(yōu)化流程
采用MATLAB 建立改進整數(shù)編碼的混沌粒子群優(yōu)化算法,驗證兩階段路徑優(yōu)化模型的有效性,種群規(guī)模取400,迭代次數(shù)取500,wmax、wmin分別取0.9、0.4,c1、c2分別取0.5、0.5。假設某地區(qū)周計劃涉及40 項帶電作業(yè)任務,工作地點地理位置橫縱坐標在[0,100 km]內隨機取值,出發(fā)地的坐標為(50,50),各點之間的路程距離以直線距離代替,其中8 項任務有工作時限要求。各作業(yè)點位置如圖3 所示,作業(yè)用時、時限要求信息如表1 所示。現(xiàn)有作業(yè)車輛為3 輛,每日出發(fā)時間為09:00,車輛行駛速度為40 km/h,每車次人員單日最大作業(yè)時長為3 h,單日最大工時為7 h,緊急任務預留用時為1.5 h。
圖3 作業(yè)點分布
表1 作業(yè)點相關數(shù)據(jù)
圖4 為一階段周前作業(yè)任務組合模型優(yōu)化結果。從圖中可以看出40個作業(yè)點被分配至5個區(qū)域,分別對應5 個工作日,區(qū)域的劃分滿足了特定作業(yè)點(1—8 項任務)的工作日時限要求。此外,從圖1 分區(qū)結果可以看出,一階段模型能夠實現(xiàn)每個區(qū)域內作業(yè)點在地理位置上相近的原則。區(qū)域、作業(yè)點及工作日具體對應關系見表2。
圖4 任務組合結果
表2 任務組合結果
圖5 為二階段日前作業(yè)路徑滾動優(yōu)化結果。根據(jù)一階段區(qū)域劃分(考慮日前緊急任務需求后),二階段模型依次對每個工作日進行作業(yè)路徑優(yōu)化,得到了車輛最優(yōu)行駛路徑,從圖5 結果可以看出,各作業(yè)路徑滿足由近及遠、路徑閉環(huán)的優(yōu)化目標,證明了二階段模型的有效性。完成算例所述40 項作業(yè)任務,需要5 個工作日、12 輛車次,累計最短行駛里程1 879 km,各作業(yè)路徑均能滿足日最大作業(yè)用時、日最大工作用時約束以及特定作業(yè)點的時間點時限要求,具體結果見表3。
表3 路徑優(yōu)化結果
圖5 路徑優(yōu)化結果
配電網(wǎng)帶電作業(yè)地點位置分散、分布廣泛,工作計劃成為影響工作效率的顯著因素。為此,提出了帶電作業(yè)路徑的兩階段優(yōu)化方法,一階段作業(yè)任務組合模型用于周前分區(qū)優(yōu)化,二階段作業(yè)路徑滾動優(yōu)化模型用于日前路徑優(yōu)化,一、二階段模型有效解決了周前與日前兩個時間尺度的協(xié)調問題,該方法實現(xiàn)了作業(yè)任務的最優(yōu)組合和路徑選擇,能夠有效降低車輛行駛里程、提升工作效率。
同時提出了路徑優(yōu)化決策支持系統(tǒng)開發(fā)方法,該系統(tǒng)可應用于帶電作業(yè)任務管理的輔助決策和實時調度。