智能電網設備計及機會檢修優化模型

周 強

（江蘇電力公司檢修分公司蘇州運維分部，江蘇蘇州 215000）

智能電網設備計及機會檢修優化模型

周 強

（江蘇電力公司檢修分公司蘇州運維分部，江蘇蘇州 215000）

對電力設備的劣化故障和突發性故障建立模型來量化不同故障對檢修決策的影響，將設備風險與系統運行風險加權和的最小值作為目標函數，得出電力設備風險指標與電力設備檢測頻率間的關系，驗證模型的優越性。為改善電力設備的檢修決策效率，降低電力設備的檢修費用提供了一種方案。

智能電網；狀態轉移；設備風險；系統運行風險

10.16621/j.cnki.issn1001-0599.2017.10.45

0 引言

電力設備檢修策略是在一定時間間隔內獲取設備狀態信息后根據所得信息制定的。當時間間隔過大會使潛在隱患釀成大的損失，而時間間隔太小又增加檢修費用，所以確定合理的時間間隔不僅能避免大的損失而且能節省檢修費用。計及機會維修不但能減少預防性檢修費用而且能減小系統停運帶來的損失，提高電力系統運行效率。

電力設備的常見故障主要有兩種——劣化故障和突發性故障。根據不同故障類型對檢修決策的影響，將電力設備檢測、檢修時造成的設備損失風險和系統運行時產生的設備運行風險相結合，把兩者加權和作為目標函數，通過優化目標函數得出最佳檢修策略，最后通過算例分析證明模型能有效改善設備的檢修效率，降低設備檢修費用。

1 狀態轉移

電力設備運行狀態主要受設備自身性能和檢修策略的影響，文獻1中的馬爾可夫模型闡述了影響關系。將電力設備的劣化故障過程定義為D0→F，電力設備劣化故障的整體過程可表示為：正常狀態 D0→劣化狀態 D（ii=1，2，…，n-1）→故障狀態 F。在電力設備劣化故障狀態轉移的過程中還有預防檢修Mi（i=b，b+1，…，n-1）和檢測 I（ii=0，1，…，n-1）。電力設備劣化故障的轉移模型如圖1所示。

圖1 電力設備劣化故障轉移模型

電力設備運行時還會有突發性故障，其狀態轉移模型如圖2 所示。假設突發性故障的狀態為 m（ii=0，1，…，n-1），規定的電力設備機會維修閾值為D（l1≤l≤n-1），當電力設備有突發故障時，若故障狀態為D0，則僅對突發故障進行處理，若故障狀態為Dl，則需要對電力設備進行機會維修，若故障狀態為F，則表示電力設備完全故障。

圖2 電力設備突發故障轉移模型

2 檢修優化模型

2.1 設備風險

對電力設備進行檢測或檢修時造成的設備損失稱為設備風險，本文的設備風險包括預防檢修風險、設備故障風險、機會維修風險和檢測風險四部分。通過頻率及持續時間法進行計算，獲得設備風險表達式。

（1）預防檢修風險。在實施預防檢修時造成的設備損失，表達式，其中Cp，i是在狀態Di時預防檢修的費用。

（2）設備故障風險。電力設備的突發故障或劣化故障造成的設備損失，表達式，m+πDn-1λn-1,FCF，M，其中，CF，m是突發故障檢修費用，CF，M是劣化故障檢修費用。

（3）機會維修風險。對電力設備進行機會維修時造成的設備損失，表達式，其中，C0是機會維修與預防檢修的費用差。

（4）檢測風險。對電力設備例行檢測時造成的設備損失。若不是機會維修，表達式，其中，CI是每次檢測設備的費用；若是機會維修，表達式

通過上述計算可以得出電力設備的設備風險表達式為Requ=CRp+CRF+CRV+CRI。

2.2 系統運行風險

系統運行風險是指在電力設備運行時，以量化評估的方式對系統期望缺供電量的經濟性量化評估，表達式，Rsys=∑s∈sPsLsCf，，其中，S是事故集合，Ps是事故 s的發生概率，Ls是事故s造成的系統失負荷量，Cf是系統的失負荷應賠費用，Ns是事故s中故障狀態設備數，N-Ns是事故s中運行狀態設備數。

2.3 目標函數

計及機會檢修優化模型主要指標就是設備風險和系統運行風險，將兩項指標加權和的最小值作為優化的目標函數，表達式為其中檢修優化模型的約束條件是γmin≤γ≤γmax，式中γmax是檢測頻率的上限，γmin是檢測頻率的下限。

3 算例分析

以蘇州某變電站的實際數據進行算例分析，選取圖3中的電力設備變壓器T1，對其進行檢修決策的計算。假定變壓器T1的劣化過程為D0→D1→D2→F，狀態轉移率的各項指標如表1所示，在進線L1完全可靠的情況下，將系統的負荷設為10 MW，Lp1的單位失負荷應賠費設為1.053萬元/MW·h。

表1 變壓器狀態轉移率

圖3 變電站模型

電力設備的檢修策略有多種組合方式，對變壓器T1檢修決策的計算主要有6種方式，令C0=0，ds=0.042，計算策略如下。

（1）策略 1。Db=D1，D1=D1；

（2）策略 2。Db=D1，D1=D2；

（3）策略 3。Db=D1，D1=F；

（4）策略 4。Db=D2，D1=D1；

（5）策略 5。Db=D2，D1=D2；

（6）策略 6。Db=D2，D1=F。

對上述所列檢修策略進行求解，得到的設備風險變化曲線如圖4所示，通過分析可以得出：①對電力設備的檢修頻率過低時，設備風險指標與設備檢測頻率呈負相關，主要因為在這一階段電力設備以劣化故障為主，影響檢修決策的主要因素是如何降低電力設備的劣化故障風險；但在設備風險指標降低到一定程度后，若再增加檢測頻率，此時設備風險指標就會增大，因為這時已在“過檢修”狀態，檢修決策的關鍵點是怎樣減少因檢修引發的風險，此時檢修頻率的增加造成了預防檢修和檢測費用的增加；②通過對比可以看出在策略6中出現了風險指標最小值，此時的設備風險值為4.868（萬元），設備檢測頻率為0.35次/a。

圖4 設備風險變化曲線

4 總結

文章對電力設備劣化故障和突發性故障建立檢修優化模型，將設備風險與系統運行風險加權和的最小值作為目標函數，依據蘇州某變電站的實際數據進行計算，得出電力設備風險指標與電力設備檢測頻率間的關系曲線，通過分析驗證了文章所提模型的優越性。為電力設備檢修策略的制定和降低電力設備檢修費用提供了一種可選方案。

［1］姜學蕾.基于馬爾科夫的電為設備檢修優化決策［D］.濟南:山東大學，2014.

［2］潘樂真，魯國起，張焰，等.基于風險綜合評判的設備狀態檢修決策優化［J］.電力系統自動化，2016，20（14）：28-32.

［3］李明，韓學山，王勇，等.變電站狀態檢修決策模型與求解［J］.中國電機工程學報，2015，32（25）：196-202.

［4］王凌.維修決策模型和方法的理論與應用研究［D］.杭州：浙江大學，2015.

［5］陳安偉.輸變電設備狀檢修的應用［J］.電網技術，2015，34（14）:215-218.

［6］邱仕.電力設備可靠性維修［M］.北京：中國電力出版社，2010.

［7］李文沉.電力系統風險評估模型方法和應用［M］.北京：科學出版社，2009.

［8］程志君，楊征，譚林.基于機會策略的復雜系統視情維修決策模型［J］.機械工程學報，2014，48（6）:168-174.

TM76

B

〔編輯 凌 瑞〕