基于群體智能算法的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修研究

摘要：常規(guī)的電力設(shè)備運(yùn)維檢修方法以故障特征分析處理為主，但是多源數(shù)據(jù)融合降低了運(yùn)維檢修效率，不利于智能化運(yùn)檢場(chǎng)景的應(yīng)用。因此，文章設(shè)計(jì)了基于群體智能算法的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法。此方法基于群體智能算法構(gòu)建電力設(shè)備運(yùn)維檢修模型，利用狼群、蟻群等群體智能算法，均衡檢修工作量、設(shè)備可靠性、經(jīng)濟(jì)性三者之間的關(guān)系，生成最優(yōu)目標(biāo)函數(shù)。在求解電力設(shè)備智能化運(yùn)維檢修全局更新參數(shù)時(shí)，利用電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修的正反饋方式，尋求運(yùn)維檢修最優(yōu)解，從而滿足智能化運(yùn)維檢修需求。通過(guò)實(shí)例分析，驗(yàn)證了該方法的運(yùn)維檢修效率更高，經(jīng)濟(jì)性更高并能夠應(yīng)用于實(shí)際生活中。

關(guān)鍵詞：群體智能算法；電力設(shè)備；現(xiàn)場(chǎng)；智能化；運(yùn)維檢修方法

中圖分類號(hào)：TM247.3 文獻(xiàn)標(biāo)志碼：A

0 引言

電力設(shè)備在變電站和電力系統(tǒng)中起著至關(guān)重要的作用，負(fù)責(zé)輸配電、電壓變換、保護(hù)和控制等功能。這些設(shè)備根據(jù)類別分為發(fā)電與供電2種設(shè)備；根據(jù)性能分為一次與二次2種設(shè)備。一旦這些設(shè)備發(fā)生故障，將會(huì)影響電力系統(tǒng)的正常運(yùn)行。為了提升運(yùn)維檢修的效果，采用現(xiàn)場(chǎng)智能化運(yùn)維（通過(guò)實(shí)時(shí)監(jiān)控、自動(dòng)化管理、預(yù)測(cè)性維護(hù)等）的手段被廣泛應(yīng)用。但是，在運(yùn)維檢修的過(guò)程中，存在檢修工作量不均衡的問(wèn)題，影響了運(yùn)維檢修效果。針對(duì)此類問(wèn)題，研究人員設(shè)計(jì)了多種運(yùn)維檢修方法。

其中，黃簡(jiǎn)等［1］提出了基于知識(shí)圖譜的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法，主要是利用多知識(shí)融合的知識(shí)圖譜系統(tǒng)，在電力設(shè)備知識(shí)檢索、問(wèn)答、設(shè)備故障輔助分析等方面實(shí)現(xiàn)了智能化并通過(guò)知識(shí)圖譜融合了多源數(shù)據(jù)，提高了運(yùn)維檢修效果。該方法在故障缺陷信息分析方面存在優(yōu)勢(shì)，但是無(wú)法通過(guò)歷史信息分析電力設(shè)備的故障類別，降低了運(yùn)維檢修效率。李智威等［2］提出了基于改進(jìn)GM（1，1）模型的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法，主要是在傳統(tǒng)GM（1，1）模型基礎(chǔ)上，結(jié)合了灰色預(yù)測(cè)模型的優(yōu)勢(shì)，建立現(xiàn)場(chǎng)智能化運(yùn)維檢修模型。但是，該方法適用于中長(zhǎng)期預(yù)測(cè)，短期內(nèi)的電力設(shè)備故障難以估計(jì)，會(huì)影響最終的運(yùn)維檢修效果。因此，本文結(jié)合了群體智能算法的優(yōu)勢(shì)，設(shè)計(jì)了電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法。

1 電力設(shè)備現(xiàn)場(chǎng)智能化群體智能運(yùn)維檢修方法設(shè)計(jì)

1.1 基于群體智能算法構(gòu)建電力設(shè)備運(yùn)維檢修模型

群體智能算法是一類基于群體相互協(xié)作和信息共享的算法，包括粒子群、狼群、蟻群等算法。本文根據(jù)電力設(shè)備現(xiàn)場(chǎng)運(yùn)行情況，選擇狼群、蟻群等群體智能算法，均衡檢修工作量、設(shè)備可靠性以及經(jīng)濟(jì)性三者之間的關(guān)系，來(lái)生成最優(yōu)的運(yùn)維檢修目標(biāo)函數(shù)。首先將電力設(shè)備劃分為幾個(gè)部分。然后狼群搜索隊(duì)伍負(fù)責(zé)在電力設(shè)備內(nèi)部空間中發(fā)現(xiàn)設(shè)備故障節(jié)點(diǎn)并向群體發(fā)送信號(hào)［3］。一旦發(fā)現(xiàn)故障節(jié)點(diǎn)，信號(hào)沿著狼群構(gòu)建的數(shù)據(jù)鏈逐層傳遞。最后，支援部隊(duì)接收到信號(hào)后，同時(shí)向多個(gè)故障目標(biāo)或單個(gè)目標(biāo)前進(jìn)并根據(jù)不同目標(biāo)的資源消耗與收益，確定運(yùn)維檢修的優(yōu)先級(jí)，提高設(shè)備運(yùn)維檢修的經(jīng)濟(jì)性［4］。在此過(guò)程中，狼群遵循守恒定律，假設(shè)電力設(shè)備故障目標(biāo)為T={T1，T2，…，Tn}，共有n個(gè)故障目標(biāo)，共有m匹“狼”參與運(yùn)維檢修任務(wù)，則：

∑ni=1s（Ti）=m（1）

式（1）中，s（Ti）為須要執(zhí)行運(yùn)維檢修任務(wù)的電力設(shè)+niBqcXwaijPCQC4ooSbEQ==備故障目標(biāo)。當(dāng)故障目標(biāo)與執(zhí)行目標(biāo)數(shù)量一致時(shí)，制定運(yùn)維檢修任務(wù)分配計(jì)劃并以執(zhí)行檢修任務(wù)的“狼”的數(shù)量最少為原則，建立運(yùn)維檢修模型的目標(biāo)函數(shù)，公式如下：

s（Tk）=min_s（Ti）（2）

式（2）中，s（Tk）為運(yùn)維檢修模型的目標(biāo)函數(shù)；Tk為執(zhí)行檢修任務(wù)的“狼”的最少數(shù)量［5］。由此構(gòu)建出電力設(shè)備運(yùn)維檢修模型，表達(dá)式如下：

Pkij（t）=［τij（t）］α［κij（t）］β∑k∈ns（Tk）［τij（t）］α［κij（t）］β0（3）

式（3）中，Pkij（t）為電力設(shè)備運(yùn)維檢修模型表達(dá)式；τij（t）為t時(shí)刻（i，j）的信息素濃度；κij（t）為t時(shí)刻（i，j）路段啟發(fā)信息；α為信息啟發(fā)因子；β為期望啟發(fā)因子。當(dāng)Pkij（t）=0時(shí)，運(yùn)維檢修模型陷入局部最優(yōu)，重復(fù)上述步驟，直至Pkij（t）≠0［6］。結(jié)合狼群算法的目標(biāo)函數(shù)，與蟻群算法的啟發(fā)信息，構(gòu)建出的智能化運(yùn)維檢修模型，能夠提高模型的收斂速度，進(jìn)入全局最優(yōu)狀態(tài)。

1.2 求解電力設(shè)備智能化運(yùn)維檢修全局更新參數(shù)

在蟻群算法完成一次運(yùn)維檢修路徑規(guī)劃之后，通過(guò)全局更新參數(shù)的形式，確保電力設(shè)備運(yùn)維檢修效果，能夠達(dá)到最優(yōu)條件［7］。利用電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修的正反饋方式，尋求運(yùn)維檢修最優(yōu)解，從而滿足智能化運(yùn)維檢修需求。全局更新參數(shù)表示為：

τ（i，j）=（1-ρ）τij（t）+ρκij（t）（4）

式（4）中，τ（i，j）為i、j線路上的全局更新參數(shù)；ρ為運(yùn)維檢修規(guī)劃路徑上的信息素?fù)]發(fā)因子。將τ（i，j）輸入Pkij（t）重新訓(xùn)練，得出全局最優(yōu)檢修方案［8］。電氣設(shè)備運(yùn)維檢修方案如表1所示，針對(duì)不同電氣設(shè)備元件，進(jìn)行不同的運(yùn)維測(cè)試，確定具體故障元件之后，再進(jìn)行更換、維修等操作，降低運(yùn)維檢修成本。

2 實(shí)例分析

2.1 概況

為了驗(yàn)證本文設(shè)計(jì)的方法是否能滿足電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修需求，本文以X智能化變電站為例，對(duì)上述方法進(jìn)行了實(shí)例分析。X智能化變電站的電壓等級(jí)為110 kV、10 kV，2臺(tái)主變，每臺(tái)容量為50 MVA。110 kV采用內(nèi)橋接線，10 kV采用單母線接線，能夠滿足本次分析需求。站內(nèi)電氣設(shè)備故障分析情況如圖1所示，在電氣設(shè)備發(fā)生故障時(shí)，通過(guò)故障原因、故障類別、故障位置等層次分析，找出故障原因之后，對(duì)其進(jìn)行針對(duì)性的運(yùn)維檢修。

2.2 應(yīng)用結(jié)果

在上述條件下，本文隨機(jī)選取出多種電力設(shè)備類型并將設(shè)備檢修損失、停電頻率、運(yùn)維檢修工作量的均方作為衡量經(jīng)濟(jì)性、可靠性和均衡性的關(guān)鍵指標(biāo)，以評(píng)估智能化運(yùn)維檢修的實(shí)際效果。在其他條件均已知的情況下，使用本文設(shè)計(jì)的基于群體智能算法的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法，分析各個(gè)指標(biāo)的目標(biāo)期望與實(shí)際結(jié)果，當(dāng)實(shí)際結(jié)果滿足目標(biāo)期望時(shí)，智能化運(yùn)維檢修效果較佳。具體的應(yīng)用結(jié)果如表2所示，λcss為經(jīng)濟(jì)性指標(biāo)，意為設(shè)備檢修損失；αsac為可靠性指標(biāo)，意為停電頻率；εcea為運(yùn)維檢修工作量均衡指標(biāo)，意為運(yùn)維檢修工作量均方差。m_a為主變壓器；m_b為高壓開關(guān)設(shè)備；m_c為數(shù)字繼電保護(hù)裝置；m_d為電子式互感器；m_e為智能電表；m_f為智能充電樁；m_g為電容器組；m_h為避雷器；m_i為接地裝置；m_j為二次設(shè)備。由表中可知，使用本文設(shè)計(jì)的基于群體智能算法的電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法之后，實(shí)際結(jié)果中的經(jīng)濟(jì)性指標(biāo)、可靠性指標(biāo)、工作量均衡指標(biāo)均能夠滿足目標(biāo)期望。其中，εcea處于穩(wěn)定的狀態(tài)，能夠有效地分配運(yùn)維檢修量，提高智能化運(yùn)維檢修效率，符合本文研究目的。

3 結(jié)語(yǔ)

近些年來(lái)，隨著電力行業(yè)不斷擴(kuò)大，電力設(shè)備作為電力系統(tǒng)的核心元件，其運(yùn)維檢修工作更加復(fù)雜，亟須對(duì)其進(jìn)行優(yōu)化。傳統(tǒng)的定期巡檢方式在電力設(shè)備運(yùn)維檢修中已顯得效率低下，難以適應(yīng)當(dāng)前智能化、復(fù)雜多變的運(yùn)行環(huán)境。因此，本文利用群體智能算法，設(shè)計(jì)了電力設(shè)備現(xiàn)場(chǎng)智能化運(yùn)維檢修方法。從運(yùn)維檢修模型、全局更新參數(shù)等方面，對(duì)電力設(shè)備運(yùn)維檢修模型進(jìn)行優(yōu)化與求解，準(zhǔn)確定位出設(shè)備故障位置并根據(jù)實(shí)際故障情況，選擇合適的蟻群算法進(jìn)行求解。

參考文獻(xiàn)

［1］黃簡(jiǎn)，楊程，馮天波，等.面向風(fēng)電機(jī)組運(yùn)維的知識(shí)圖譜構(gòu)建研究與應(yīng)用［J］.電力系統(tǒng)保護(hù)與控制，2024（8）：167-177.

［2］李智威，王依燃，張趙陽(yáng)，等.基于改進(jìn)GM（1，1）模型的變電站檢修運(yùn)維費(fèi)用預(yù)測(cè)［J］.電力科學(xué)與技術(shù)學(xué)報(bào)，2024（1）：218-224.

［3］李豫，張正舟，歐陽(yáng)鵬，等.動(dòng)力集中動(dòng)車組運(yùn)用檢修設(shè)施機(jī)輛融合的總平面布置方式探討［J］.鐵道機(jī)車車輛，2024（2）：124-129.

［4］解嵩博，佘飛，許志祥.基于車輛運(yùn)維檢修計(jì)劃管理系統(tǒng)的架大修計(jì)劃預(yù)測(cè)［J］.電力機(jī)車與城軌車輛，2024（2）：127-130.

［5］屈博興，曾建宏，劉芙伶，等.基于虛擬現(xiàn)實(shí)技術(shù)的抽水蓄能機(jī)組智慧檢修仿真系統(tǒng)應(yīng)用研究［J］.東方電氣評(píng)論，2024（1）：20-23.

［6］王靖.基于增強(qiáng)現(xiàn)實(shí)（AR）、深度學(xué)習(xí)與大數(shù)據(jù)技術(shù)的分布式水電站智慧檢修系統(tǒng)研究［J］.水電與抽水蓄能，2023（6）：55-59，91.

［7］鄧朝丞，馬世俊，邊曉光，等.基于某高端核能發(fā)電機(jī)安裝及運(yùn)維服務(wù)的數(shù)字化轉(zhuǎn)型研究［J］.東方電氣評(píng)論，2023（4）：38-43.

［8］郭衛(wèi)忠，黃建新.智能“遠(yuǎn)程運(yùn)維”平臺(tái)信息化管理和狀態(tài)監(jiān)測(cè)及故障診斷技術(shù)結(jié)合運(yùn)用案例分析［J］.新疆鋼鐵，2023（4）：31-33.

（編輯 沈 強(qiáng)）

Research on on-site intelligent operation and maintenance of power equipment based on swarm intelligence algorithms

BAO Tiao， LU Lei

（State Grid Ningbo Power Supply Company Haishu Power Supply Branch， Ningbo 315000， China）

Abstract： Conventional maintenance methods for power equipment mainly focus on fault feature analysis and processing， but multi-source data fusion reduces maintenance efficiency and is not conducive to the application of intelligent maintenance scenarios. Therefore， this article designs an intelligent on-site operation and maintenance method for power equipment based on swarm intelligence algorithms. This method is based on swarm intelligence algorithms to construct a power equipment operation and maintenance model. It utilizes swarm intelligence algorithms such as wolf colony and ant colony to balance the relationship between maintenance workload， equipment reliability， and economy， and generate the optimal objective function. When solving the global update parameters for intelligent operation and maintenance of power equipment， the positive feedback method of on-site intelligent operation and maintenance of power equipment is used to seek the optimal solution for operation and maintenance， thereby meeting the needs of intelligent operation and maintenance. By analyzing examples， it has been verified that this method has higher efficiency and economy in operation and maintenance， and can be applied in practical life.

Key words： swarm intelligence algorithm; power equipment; on site; intelligence; operation and maintenance methods