高 鵬，蘇雍賀，靳 健，謝祥穎，張長(zhǎng)志，陶 飛

(1.北京航空航天大學(xué) 自動(dòng)化科學(xué)與電氣工程學(xué)院，北京 100191;2.北京師范大學(xué)政府管理學(xué)院，北京 100875;3.國(guó)網(wǎng)電子商務(wù)有限公司光伏云事業(yè)部，北京 100053;4.國(guó)網(wǎng)天津市電力公司電力科學(xué)研究院，天津 300384)

0 引言

近年來(lái)，我國(guó)分布式光伏電站裝機(jī)總量逐年上升，因此對(duì)分布式光伏運(yùn)維能力有了更高的要求。分布式光伏運(yùn)維資源包括人員、輔助工具、備件等。當(dāng)前的調(diào)度方式主要是運(yùn)維單位根據(jù)維護(hù)手冊(cè)或?qū)＜抑R(shí)庫(kù)給出的運(yùn)維方案，通過(guò)人工手段為每個(gè)電站的運(yùn)維任務(wù)分配運(yùn)維資源，制定調(diào)度計(jì)劃。這種人工調(diào)度的方式成本高、效率低，難以對(duì)運(yùn)維資源進(jìn)行合理分配。為了滿足快速增長(zhǎng)的運(yùn)維調(diào)度需求，需要研究分布式光伏運(yùn)維資源調(diào)度技術(shù)，用于替代人工調(diào)度方式，快速制定調(diào)度計(jì)劃，合理分配運(yùn)維資源。

當(dāng)前分布式光伏運(yùn)維方案信息中只包含任務(wù)操作流程信息，無(wú)法直接根據(jù)運(yùn)維方案建立調(diào)度模型。因此，首先需要根據(jù)當(dāng)前的各項(xiàng)任務(wù)運(yùn)維方案分析分布式光伏運(yùn)維資源調(diào)度匹配規(guī)則，該匹配規(guī)則是構(gòu)建調(diào)度模型的基礎(chǔ)。其次，需要根據(jù)運(yùn)維單位需求分析調(diào)度問題優(yōu)化目標(biāo)，并根據(jù)匹配規(guī)則構(gòu)建約束條件，建立分布式光伏運(yùn)維資源調(diào)度模型。最后，在調(diào)度模型求解方面，分布式光伏運(yùn)維資源調(diào)度存在資源多于任務(wù)需求數(shù)量與資源少于任務(wù)需求數(shù)量的兩種調(diào)度問題場(chǎng)景，需要通過(guò)實(shí)驗(yàn)分析，為每種場(chǎng)景選擇合適的算法進(jìn)行求解。實(shí)際應(yīng)用表明，本文所提方法可以降低光伏運(yùn)維成本，提升服務(wù)效率，具有一定的工程應(yīng)用價(jià)值。

1 分布式光伏運(yùn)維資源調(diào)度技術(shù)國(guó)內(nèi)外研究現(xiàn)狀

1.1 分布式光伏運(yùn)維技術(shù)研究現(xiàn)狀

我國(guó)分布式光伏近年來(lái)發(fā)展迅速，運(yùn)維需求逐年上升。分布式光伏電站站點(diǎn)分散，數(shù)量眾多，裝機(jī)容量小，這些特點(diǎn)使得集中式光伏的運(yùn)維技術(shù)在分布式光伏上難以應(yīng)用[1]。為降低運(yùn)維成本，提高服務(wù)質(zhì)量，當(dāng)前的分布式光伏運(yùn)維技術(shù)發(fā)展逐漸趨向于智能化[2]。針對(duì)分布式光伏電站智能化運(yùn)維技術(shù)，當(dāng)前國(guó)內(nèi)外的研究主要集中在光伏電站信息監(jiān)測(cè)技術(shù)、光伏發(fā)電量預(yù)測(cè)技術(shù)、光伏故障診斷技術(shù)、光伏并網(wǎng)配置優(yōu)化技術(shù)等方面[3-7]。

以上述分布式光伏智能化運(yùn)維技術(shù)為基礎(chǔ)，研發(fā)了多種用于分布式光伏運(yùn)維的服務(wù)系統(tǒng)[8-10]。當(dāng)前在運(yùn)維資源調(diào)度方面，主要根據(jù)運(yùn)維手冊(cè)或系統(tǒng)的智能運(yùn)維知識(shí)庫(kù)給出對(duì)應(yīng)任務(wù)的運(yùn)維方案，由運(yùn)維人員進(jìn)行人工調(diào)度[11]。這種方式下，調(diào)度人員無(wú)法了解所有運(yùn)維人員技能水平差異與成本差異，難以制定合理的調(diào)度計(jì)劃。在運(yùn)維方案中，主要是不同運(yùn)維任務(wù)的操作流程信息，沒有對(duì)運(yùn)維資源進(jìn)行具體需求的描述。因此，需要根據(jù)當(dāng)前的運(yùn)維方案，進(jìn)行分布式光伏運(yùn)維資源調(diào)度匹配規(guī)則分析。

1.2 維修服務(wù)調(diào)度模型研究現(xiàn)狀

分布式光伏運(yùn)維資源調(diào)度問題屬于維修服務(wù)人員調(diào)度問題，維修服務(wù)人員調(diào)度主要是委派服務(wù)工程師到現(xiàn)場(chǎng)，為客戶提供產(chǎn)品上門維修服務(wù)[12]。維修服務(wù)人員調(diào)度問題的求解主要分為兩個(gè)步驟:首先根據(jù)調(diào)度問題的任務(wù)與資源的匹配規(guī)則，建立調(diào)度模型;然后根據(jù)模型特點(diǎn)，選擇合適的算法進(jìn)行模型求解[13]。

對(duì)于現(xiàn)有的維修服務(wù)人員調(diào)度相關(guān)問題，陳迪等[14]針對(duì)當(dāng)前多技能維修服務(wù)人員調(diào)度問題研究的不足，綜合考慮員工旅行費(fèi)用和工作時(shí)間成本，以維修總成本最小為優(yōu)化目標(biāo)，建立了員工指派和旅行路徑聯(lián)合優(yōu)化問題模型。楊斌彬等[15]考慮了行為效應(yīng)對(duì)維修服務(wù)人員調(diào)度計(jì)劃制定的影響，以最小化任務(wù)總完工時(shí)間為目標(biāo)模型制定調(diào)度計(jì)劃。張敏超[16]針對(duì)電力運(yùn)輸網(wǎng)的維修任務(wù)調(diào)度問題展開研究，以降低電力傳輸網(wǎng)全網(wǎng)運(yùn)行風(fēng)險(xiǎn)值和提升檢修工作時(shí)間效率為目標(biāo)函數(shù)建立了調(diào)度模型，進(jìn)行維修人員調(diào)度。高建軍等[17]在武器裝備維修調(diào)度問題研究中，考慮了維修時(shí)間對(duì)裝備戰(zhàn)斗力的影響因素構(gòu)建調(diào)度模型，并制定維修計(jì)劃。

當(dāng)前研究中的維修服務(wù)人員調(diào)度模型只考慮了多技能人員調(diào)度，調(diào)度對(duì)象單一。在分布式光伏運(yùn)維調(diào)度中，運(yùn)維人員需要根據(jù)方案要求攜帶輔助工具、備件等進(jìn)行運(yùn)維任務(wù)處理，當(dāng)前的調(diào)度模型無(wú)法描述多類型對(duì)象間的匹配關(guān)系。需要針對(duì)分布式光伏運(yùn)維資源調(diào)度問題特點(diǎn)，對(duì)調(diào)度模型的優(yōu)化目標(biāo)與約束條件進(jìn)行分析，建立基于分布式光伏運(yùn)維的多類型資源調(diào)度模型。

1.3 調(diào)度問題求解算法研究現(xiàn)狀

當(dāng)前，求解調(diào)度問題的啟發(fā)式算法主要有進(jìn)化算法、群智能算法等[18]。進(jìn)化算法中，遺傳模擬退火算法[19]是一種將遺傳算法[20]與模擬退火算法[21]相結(jié)合的算法，該算法具有兩種算法的優(yōu)點(diǎn)，收斂速度更快，求解質(zhì)量更好。方秋軍[22]使用遺傳模擬退火算法求解不確定性條件下的車間調(diào)度模型。王家海等[23]運(yùn)用遺傳模擬退火算法求解柔性車間調(diào)度問題。群智能算法中的粒子群算法[24]也常用于調(diào)度問題的求解。劉江偉等[25]使用粒子群算法求解車間工位裝配序列規(guī)劃調(diào)度模型;呂學(xué)志等[26]運(yùn)用粒子群算法對(duì)無(wú)人機(jī)維修任務(wù)調(diào)度計(jì)劃進(jìn)行優(yōu)化。兩種算法的設(shè)計(jì)思路差異導(dǎo)致其在求解調(diào)度問題時(shí)性能表現(xiàn)存在不同。本文存在不同的調(diào)度場(chǎng)景，可以通過(guò)上述兩種算法分別求解，為每種場(chǎng)景選擇最優(yōu)算法。

遺傳模擬退火算法在進(jìn)化過(guò)程存在一定的隨機(jī)性，每一代種群信息會(huì)覆蓋上一代種群，收斂速度較慢。但是遺傳模擬退火算法的全局搜索能力較強(qiáng)，易于求得全局最優(yōu)解。粒子群算法中所有粒子會(huì)朝種群最優(yōu)解方向移動(dòng)，導(dǎo)致群體容易陷入局部最優(yōu)，但是粒子群算法的優(yōu)點(diǎn)是收斂速度快。本文制定調(diào)度計(jì)劃時(shí)考慮如下兩種情況:①資源多余任務(wù)要求數(shù)量，②資源少于任務(wù)要求數(shù)量。通過(guò)上述算法分別對(duì)兩種調(diào)度場(chǎng)景下的模型進(jìn)行求解，為每種場(chǎng)景選擇最優(yōu)算法。

2 分布式光伏運(yùn)維資源調(diào)度技術(shù)總體研究方案

2.1 需求分析與應(yīng)用場(chǎng)景

當(dāng)前分布式光伏運(yùn)維資源調(diào)度的方式難以制定合理的調(diào)度方案，對(duì)于日益增長(zhǎng)的運(yùn)維資源調(diào)度需求更加難以應(yīng)對(duì)。分布式光伏運(yùn)維資源調(diào)度需要調(diào)度的任務(wù)類型分為兩類:①計(jì)劃型任務(wù)，即對(duì)當(dāng)日列入維修計(jì)劃中的任務(wù)制定調(diào)度計(jì)劃;②應(yīng)急型任務(wù)，即對(duì)突發(fā)的緊急故障進(jìn)行運(yùn)維資源調(diào)度。由于應(yīng)急型任務(wù)的調(diào)度需要以計(jì)劃型任務(wù)為基礎(chǔ)，本文主要針對(duì)計(jì)劃型任務(wù)研究運(yùn)維資源調(diào)度技術(shù)。

本文提出的分布式光伏運(yùn)維資源調(diào)度技術(shù)使用場(chǎng)景如下:分布式光伏運(yùn)維單位會(huì)隨時(shí)將光伏電站的一般故障列入維修計(jì)劃，每天值班開始時(shí)根據(jù)當(dāng)日的維修計(jì)劃，獲取各項(xiàng)運(yùn)維任務(wù)的運(yùn)維方案，然后進(jìn)行運(yùn)維資源配置及算法參數(shù)配置，選擇調(diào)度場(chǎng)景，最終求解出當(dāng)日的運(yùn)維資源調(diào)度計(jì)劃。分布式光伏運(yùn)維調(diào)度技術(shù)的應(yīng)用場(chǎng)景如圖1所示。

2.2 調(diào)度技術(shù)框架

本文將分布式光伏運(yùn)維資源調(diào)度技術(shù)劃分為分布式光伏運(yùn)維資源匹配規(guī)則模塊、分布式光伏運(yùn)維資源調(diào)度模型模塊與分布式光伏運(yùn)維資源調(diào)度算法模塊3個(gè)模塊。匹配規(guī)則模塊是構(gòu)建調(diào)度模型的基礎(chǔ)，該模塊對(duì)電站類型、設(shè)備類型等進(jìn)行分析，明確不同任務(wù)執(zhí)行的時(shí)間參數(shù)與運(yùn)維要求。通過(guò)對(duì)人員類型、輔助工具類型、備件類型的分析，明確相關(guān)成本參數(shù)、效率提升系數(shù)及資源間匹配關(guān)系。調(diào)度模型模塊包含調(diào)度模型的約束條件模型、優(yōu)化目標(biāo)模型與目標(biāo)權(quán)重參數(shù)等。調(diào)度模型是對(duì)分布式光伏運(yùn)維資源調(diào)度問題的數(shù)學(xué)描述。分布式光伏運(yùn)維資源調(diào)度算法模塊包含多種調(diào)度問題求解方法，可以對(duì)不同調(diào)度場(chǎng)景下的調(diào)度模型進(jìn)行求解，保證方案最優(yōu)。分布式光伏運(yùn)維調(diào)度技術(shù)框架如圖2所示。

3 分布式光伏運(yùn)維資源調(diào)度匹配規(guī)則

3.1 運(yùn)維任務(wù)匹配規(guī)則分析

分布式光伏電站根據(jù)電站結(jié)構(gòu)不同，可以分為地面型光伏電站與屋頂型光伏電站兩類。地面型光伏電站主要是為了彌補(bǔ)部分偏遠(yuǎn)地區(qū)供電能力的不足，在滿足地區(qū)供電需求的同時(shí)將多余電能并網(wǎng)輸出產(chǎn)生收益，其裝機(jī)容量大，一般功率在10 kW 以上。地面型光伏的設(shè)備數(shù)量多，電站結(jié)構(gòu)比較復(fù)雜。屋頂型光伏電站的裝機(jī)容量相對(duì)于地面型光伏電站小，一般功率在1 kW～3 kW 之間。屋頂型光伏的設(shè)備數(shù)量較少，電路結(jié)構(gòu)相對(duì)簡(jiǎn)單。因此，地面型光伏電站處理同樣類型故障需要花費(fèi)的時(shí)間比屋頂型光伏電站更多。

分布式光伏電站的主要發(fā)電設(shè)備包括光伏組件、匯流箱與逆變器。光伏組件常見運(yùn)維任務(wù)有組件清洗、熱斑檢測(cè)、隱裂檢測(cè)與EVA 脫層檢測(cè)等。光伏組件是光伏電站中占地面積最大的設(shè)備，通過(guò)借助輔助工具，可以較快地對(duì)光伏組件上述故障進(jìn)行檢測(cè)。匯流箱常見運(yùn)維任務(wù)包括保險(xiǎn)絲、防雷模塊、斷路器等部件的損壞，需要及時(shí)更換。逆變器的主要運(yùn)維任務(wù)包括風(fēng)扇積灰，并網(wǎng)異常，絕緣阻抗低等，這些故障不需要開箱處理，通過(guò)顯示面板操作即可。除此之外，逆變器還有顯示面板故障及內(nèi)部部件故障，這類故障需要開箱，必須配備安全員保護(hù)運(yùn)維人員安全。同時(shí)，連接各設(shè)備間的電纜也需要定期更換，防止老化。

通過(guò)上述分析，本文選取了部分常見的光伏運(yùn)維任務(wù)類型進(jìn)行分析。為了更準(zhǔn)確地計(jì)算任務(wù)時(shí)間，不使用輔助工具協(xié)助時(shí)，單臺(tái)設(shè)備任務(wù)處理時(shí)間按兩種電站類型分別計(jì)算。分布式光伏的所有任務(wù)均可并行處理，沒有先后順序。任務(wù)處理時(shí)間是統(tǒng)計(jì)國(guó)電電網(wǎng)電子商務(wù)公司分布式光伏近半年歷史運(yùn)維記錄得出的平均值。最終，統(tǒng)計(jì)出分布式光伏電站常見任務(wù)類型、運(yùn)維資源要求及處理時(shí)間如表1所示。

表1 分布式光伏電站常見任務(wù)類型及處理時(shí)間

3.2 運(yùn)維資源匹配規(guī)則分析

分布式光伏運(yùn)維單位負(fù)責(zé)管轄范圍內(nèi)的電站運(yùn)維工作。運(yùn)維單位的運(yùn)維資源主要包括運(yùn)維人員、輔助工具、備件3類。運(yùn)維資源在完成當(dāng)前任務(wù)后可直接前往下一任務(wù)站點(diǎn)繼續(xù)執(zhí)行下一任務(wù)。

運(yùn)維單位人員職稱分為4類:電氣技術(shù)員、值班長(zhǎng)、值班電工、值班員等。本文中運(yùn)維單位的職稱等級(jí)劃分與主要職責(zé)如表2所示。運(yùn)維人員的成本計(jì)算是指運(yùn)維人員完成單臺(tái)設(shè)備運(yùn)維任務(wù)后，運(yùn)維單位所需要支付的人工成本。不同員工的職稱水平、工齡等差異導(dǎo)致時(shí)薪有所不同。員工的任務(wù)成本為時(shí)薪與子任務(wù)完成時(shí)間的乘積。運(yùn)維人員需要通過(guò)技能考核獲得輔助工具的操作資質(zhì)。

表2 職稱等級(jí)劃分與主要職責(zé)

分布式光伏運(yùn)維過(guò)程中，無(wú)人機(jī)、清潔機(jī)器人、手持熱成像儀、EL測(cè)試儀這4種輔助工具因?yàn)閱渭杀据^高、數(shù)量較少，需要根據(jù)任務(wù)情況進(jìn)行合理的分配，因此本文主要考慮這4種工具的調(diào)度。不同類型電站使用輔助工具進(jìn)行運(yùn)維時(shí)效率存在差異，地面型光伏電站的光伏組件范圍大，相較于屋頂型電站，使用無(wú)人機(jī)、清潔機(jī)器人執(zhí)行任務(wù)時(shí)，效率提升更大。綜上所述，針對(duì)兩種類型電站，根據(jù)國(guó)電電網(wǎng)電子商務(wù)公司分布式光伏近半年的歷史運(yùn)維記錄，對(duì)相同電站同類型任務(wù)使用不同工具的運(yùn)維時(shí)間進(jìn)行統(tǒng)計(jì)，計(jì)算平均任務(wù)時(shí)間之比作為效率提升系數(shù)，如表3所示。使用輔助工具時(shí)，人員的任務(wù)成本仍然按照原任務(wù)完成時(shí)間計(jì)算。

表3 輔助工具類型的任務(wù)效率提升系數(shù)

部分運(yùn)維任務(wù)涉及到設(shè)備某部分器件的更換，運(yùn)維單位會(huì)存儲(chǔ)一部分常用備件。當(dāng)前運(yùn)維單位備件數(shù)量不足時(shí)，可以從相鄰的單位調(diào)用。部分運(yùn)維任務(wù)對(duì)備件的需求如表4所示。

表4 備件與運(yùn)維任務(wù)關(guān)系表

4 分布式光伏運(yùn)維資源調(diào)度模型

4.1 調(diào)度模型描述

針對(duì)運(yùn)維中心在某時(shí)刻T0接收到的運(yùn)維任務(wù)信息與運(yùn)維資源信息建立調(diào)度模型，首先對(duì)相關(guān)的任務(wù)信息與運(yùn)維資源信息進(jìn)行參數(shù)設(shè)定。假設(shè)某區(qū)域光伏電站在時(shí)刻T0的待調(diào)度任務(wù)集合J={J1，J2，…，Jn}(Ji∈J)為某一光伏電站待執(zhí)行的運(yùn)維任務(wù)。其中Ji={Ji1，Ji2，…}，Jil∈Ji為任務(wù)Ji根據(jù)子任務(wù)生成規(guī)則所生成的一個(gè)子任務(wù)。子任務(wù)生成規(guī)則如下:將一個(gè)電站中所有待執(zhí)行的運(yùn)維任務(wù)類型稱為一個(gè)任務(wù)。一個(gè)電站中所有同類型的運(yùn)維任務(wù)稱為一個(gè)子任務(wù)。當(dāng)存在多臺(tái)設(shè)備需要進(jìn)行某一類型運(yùn)維任務(wù)時(shí)，子任務(wù)完成時(shí)間為設(shè)備數(shù)量與單臺(tái)設(shè)備任務(wù)完成時(shí)間乘積。對(duì)于需安全員的任務(wù)類型，在子任務(wù)集合中生成一個(gè)虛擬子任務(wù)，作為安全監(jiān)督任務(wù)。一次任務(wù)中，最多僅需安排一名員工擔(dān)任安全員。

運(yùn)維人員集合M={M1，M2，…，Mp}，Mj表示一名運(yùn)維人員。輔助工具集合E={E1，E2，…，Eq}，Ek表示一臺(tái)輔助工具。備件數(shù)量集合B={b1，b2，…，br}，備件bl表示運(yùn)維中心的Bl類型備件存儲(chǔ)數(shù)量。運(yùn)維人員的時(shí)薪集合C={c1，c2，…，cp}，其中cj表示運(yùn)維人員Mj每小時(shí)的時(shí)薪。Sn×n表示區(qū)域運(yùn)維中心與各電站間的距離矩陣，n為區(qū)域中運(yùn)維中心與電站數(shù)量的總數(shù)。Cp×16為人員技能矩陣，Op×q為人員輔助工具操作技能矩陣，其中:元素為1時(shí)，表示運(yùn)維人員具備該項(xiàng)技能;元素為0時(shí)，表示運(yùn)維人員不具備該項(xiàng)技能。

為簡(jiǎn)化問題模型，突出重點(diǎn)，本文依據(jù)分布式光伏運(yùn)維實(shí)際情況，對(duì)調(diào)度場(chǎng)景作如下假設(shè):

(1)本文中的所有子任務(wù)均可同時(shí)進(jìn)行，相互之間沒有先后順序的影響。

(2)當(dāng)前任務(wù)相同且下一任務(wù)相同的運(yùn)維資源一同前往下一任務(wù)點(diǎn)，運(yùn)輸速度按照固定速度計(jì)算。

(3)不考慮突發(fā)情況對(duì)已經(jīng)制定的調(diào)度計(jì)劃的影響，所有任務(wù)均按調(diào)度計(jì)劃正常執(zhí)行。

(4)運(yùn)維資源派出后不用回到運(yùn)維單位，完成當(dāng)前任務(wù)后直接前往下一個(gè)任務(wù)站點(diǎn)。

(5)必須所有運(yùn)維資源均達(dá)到任務(wù)站點(diǎn)后，才可以開始執(zhí)行當(dāng)前電站的運(yùn)維任務(wù)，按照任務(wù)完成時(shí)間計(jì)算人工成本。

4.2 調(diào)度模型建立

本文將運(yùn)維資源執(zhí)行任務(wù)的過(guò)程分為任務(wù)運(yùn)輸過(guò)程與任務(wù)執(zhí)行過(guò)程。基于這兩個(gè)過(guò)程，考慮運(yùn)維任務(wù)完成的成本與時(shí)間，對(duì)優(yōu)化目標(biāo)進(jìn)行分析。根據(jù)上述匹配規(guī)則，對(duì)約束條件進(jìn)行分析。最后，根據(jù)分析結(jié)果，建立調(diào)度模型。

4.2.1 優(yōu)化目標(biāo)分析

運(yùn)維資源的調(diào)度需要降低運(yùn)維單位的運(yùn)維成本，同時(shí)需要減少電站用戶的發(fā)電收益損失。根據(jù)這兩點(diǎn)要求從以下3方面建立優(yōu)化指標(biāo)，進(jìn)行運(yùn)維資源的調(diào)度。

(1)任務(wù)運(yùn)輸總路程 優(yōu)先調(diào)度距離任務(wù)站點(diǎn)最近的運(yùn)維資源，同時(shí)運(yùn)維資源當(dāng)前位置盡可能集中，以此減少運(yùn)輸成本。

(2)任務(wù)處理總成本 該指標(biāo)指除運(yùn)輸成本外的任務(wù)執(zhí)行的成本，即所有人員到達(dá)任務(wù)站點(diǎn)開始到全部子任務(wù)完成期間所產(chǎn)生的人工成本。

(3)任務(wù)完成總時(shí)間 任務(wù)完成總時(shí)間需要考慮運(yùn)輸時(shí)間與任務(wù)執(zhí)行時(shí)間，通過(guò)這兩個(gè)指標(biāo)計(jì)算當(dāng)前所有任務(wù)完成消耗時(shí)間，通過(guò)對(duì)該指標(biāo)的優(yōu)化，可以提升運(yùn)維單位的任務(wù)處理效率。

4.2.2 約束條件分析

由于分布式光伏運(yùn)維任務(wù)與運(yùn)維資源間存在匹配規(guī)則。為了描述這些規(guī)則，需要分析模型約束條件。為了避免產(chǎn)生非法解，影響迭代過(guò)程，本文采用懲罰系數(shù)的形式建立約束條件。

(1)人員技能分析 運(yùn)維人員的技能學(xué)習(xí)主要通過(guò)運(yùn)維單位日常培訓(xùn)，考核通過(guò)后獲得處理該類任務(wù)的資格。對(duì)于不具備某項(xiàng)任務(wù)執(zhí)行資格的人員，在進(jìn)行成本目標(biāo)函數(shù)計(jì)算時(shí)，將使用一個(gè)較大的數(shù)進(jìn)行成本計(jì)算。cilj表示人員Mj的時(shí)薪，

(2)輔助工具技能分析 輔助工具只能協(xié)助部分運(yùn)維任務(wù)的處理，假設(shè)效率提升系數(shù)為uilk。為了避免輔助工具與運(yùn)維任務(wù)的不匹配，對(duì)uilk進(jìn)行如下設(shè)置:

式中:Ff表示任務(wù)Jil對(duì)應(yīng)的故障類型，ukf表示輔助工具參與處理故障Ff的效率提升系數(shù)。當(dāng)輔助工具不能處理該故障時(shí)，uilk取一個(gè)較大的值作為懲罰系數(shù)。

(3)操作技能約束 使用Ojk表示人員Mj操作輔助工具EK的能力系數(shù)，將該系數(shù)填入矩陣Op×q中。若人員具備操作輔助工具的能力，則其值為1，若人員不具備操作輔助工具的能力，則該系數(shù)為一個(gè)極大值。

(4)備件數(shù)量約束 一個(gè)運(yùn)維單位存儲(chǔ)的備件數(shù)量是有限的，如果該運(yùn)維單位某型號(hào)備件數(shù)量不足時(shí)，需要由其他運(yùn)維單位提供備件。假設(shè)有兩個(gè)運(yùn)維單位A、B，其中運(yùn)維單位A 的型號(hào)Bl備件數(shù)量為，運(yùn)維單位B的型號(hào)Bl備件數(shù)量為。則對(duì)于所有備件類型，應(yīng)滿足如下不等式。其中表示任務(wù)集合中，由運(yùn)維單位A 提供的備件Bl的數(shù)量。表示任務(wù)集合中運(yùn)維單位B提供的備件Bl數(shù)量。

當(dāng)上述不等式不成立時(shí)，將引入備件不足的時(shí)間懲罰系數(shù)βB，該系數(shù)為一個(gè)較大的值，直接作用于總?cè)蝿?wù)的完成時(shí)間。

4.2.3 數(shù)學(xué)模型建立

根據(jù)約束條件與優(yōu)化目標(biāo)分析，建立如下數(shù)學(xué)模型公式:

其中:式(6)表示任務(wù)Ji的運(yùn)輸里程;式(7)表示任務(wù)Ji的成本;式(8)表示完成任務(wù)Ji花費(fèi)時(shí)間;式(9)～式(11)分別表示參與任務(wù)Ji的人員、工具、備件完成任務(wù)的時(shí)刻，包括運(yùn)維資源上一個(gè)任務(wù)完成時(shí)刻，路程時(shí)間及任務(wù)時(shí)間3部分;式(12)為任務(wù)Ji的完成時(shí)刻;式(13)～式(15)對(duì)應(yīng)任務(wù)集合J的運(yùn)輸總路程，任務(wù)處理總成本及故障恢復(fù)所用總時(shí)間。

由于本文存在3個(gè)目標(biāo)，在進(jìn)行適應(yīng)度函數(shù)計(jì)算時(shí)采取歸一化處理，首先對(duì)每一項(xiàng)指標(biāo)按照式(16)統(tǒng)一不同指標(biāo)的值域。然后對(duì)不同指標(biāo)的權(quán)重進(jìn)行設(shè)置，實(shí)現(xiàn)歸一化，最終的多目標(biāo)優(yōu)化函數(shù)如式(17)所示。

式中:a1、a2、a3分別代表運(yùn)輸路程、任務(wù)成本、任務(wù)時(shí)間的權(quán)重值，取0～1之間小數(shù)，3項(xiàng)權(quán)重值總和為1;F1-max、F2-max、F3-max為3項(xiàng)優(yōu)化目標(biāo)可取到的理論最大值，F(xiàn)1-min、F2-min、F3-min為3項(xiàng)優(yōu)化目標(biāo)可取到的理論最小值。運(yùn)維單位可以在每次制定調(diào)度計(jì)劃時(shí)，根據(jù)任務(wù)的需求，對(duì)權(quán)重值進(jìn)行自定義調(diào)整。

5 分布式光伏運(yùn)維資源調(diào)度算法

5.1 遺傳模擬退火算法

遺傳模擬退火算法(Genetic Algorithm-Simulated Annealing algorithm，GASA)[27]屬于進(jìn)化算法。它既保留了遺傳算法收斂快，模擬退火算法求解質(zhì)量較高的優(yōu)點(diǎn)，又克服了前者易早熟而后者收斂速度較慢的問題。它主要是在遺傳算法的子代種群生成階段，引入模擬退火算法過(guò)程，概率性地接受質(zhì)量較差的子代個(gè)體。通過(guò)該方式，增強(qiáng)了算法的爬坡能力，同時(shí)提升求解速度。遺傳模擬退火算法在迭代過(guò)程中，子代種群會(huì)整體向較優(yōu)解區(qū)域移動(dòng)，該方式下不易陷入局部最優(yōu)，對(duì)大規(guī)模問題求解質(zhì)量較好。

根據(jù)分布式光伏運(yùn)維資源調(diào)度問題模型特點(diǎn)，本文設(shè)計(jì)了遺傳模擬退火算法流程，如圖3所示。

5.2 粒子群算法

粒子群算法(Particle Swarm Optimization，PSO)[28]屬于群智能算法。PSO 算法具有參數(shù)少、結(jié)構(gòu)簡(jiǎn)單、搜索速度快的優(yōu)點(diǎn)。粒子群算法通過(guò)模擬鳥類覓食行為，使當(dāng)前群體所有個(gè)體朝著當(dāng)前搜索到的最優(yōu)解移動(dòng)，從而找到全局最優(yōu)解。這種方式與遺傳模擬退火算法的種群迭代有明顯區(qū)別，在求解較小規(guī)模的調(diào)度問題時(shí)，粒子群算法收斂速度較快，同時(shí)求解質(zhì)量也較好。但是在求解大規(guī)模問題時(shí)，容易陷入局部最優(yōu)。

根據(jù)分布式光伏運(yùn)維資源調(diào)度問題模型特點(diǎn)，本文設(shè)計(jì)了粒子群算法流程，如圖4所示。

6 調(diào)度系統(tǒng)開發(fā)與驗(yàn)證分析

6.1 分布式光伏運(yùn)維資源調(diào)度系統(tǒng)設(shè)計(jì)

運(yùn)維資源調(diào)度系統(tǒng)主要包括運(yùn)維資源調(diào)度、匹配規(guī)則庫(kù)、調(diào)度模型庫(kù)、調(diào)度算法工具庫(kù)及系統(tǒng)管理5項(xiàng)功能。運(yùn)維資源調(diào)度主要用于制定調(diào)度計(jì)劃。運(yùn)維單位通過(guò)該功能，可以查看當(dāng)前待調(diào)度的任務(wù)信息，通過(guò)配置運(yùn)維資源及算法參數(shù)，制定調(diào)度計(jì)劃。在匹配規(guī)則庫(kù)模塊中，實(shí)現(xiàn)運(yùn)維任務(wù)匹配規(guī)則與運(yùn)維資源匹配規(guī)則的管理。在調(diào)度模型庫(kù)模塊中，可以對(duì)優(yōu)化目標(biāo)的權(quán)重與約束條件的懲罰系數(shù)進(jìn)行自定義配置。在算法工具庫(kù)模塊中，可以導(dǎo)入新的算法工具，也可以對(duì)當(dāng)前的算法工具部分參數(shù)自定義設(shè)置。系統(tǒng)管理主要包括數(shù)據(jù)接口配置、電站信息配置、運(yùn)維資源信息配置、系統(tǒng)管理等功能。數(shù)據(jù)接口主要是獲取任務(wù)故障信息、電站運(yùn)行信息及資源狀態(tài)信息等;電站信息配置是指對(duì)管轄區(qū)域內(nèi)的負(fù)責(zé)維護(hù)的電站信息進(jìn)行配置;運(yùn)維資源信息配置是指對(duì)運(yùn)維單位所有運(yùn)維資源的信息進(jìn)行配置;系統(tǒng)管理包含了權(quán)限管理與數(shù)據(jù)導(dǎo)出兩項(xiàng)功能。分布式光伏運(yùn)維調(diào)度系統(tǒng)功能框架圖如圖5所示。

6.2 驗(yàn)證方案設(shè)置

為了驗(yàn)證本文調(diào)度技術(shù)的可行性，根據(jù)國(guó)電電網(wǎng)電子商務(wù)公司光伏運(yùn)維數(shù)據(jù)，構(gòu)建如下兩種調(diào)度場(chǎng)景。使用上述兩種算法進(jìn)行求解，對(duì)比不同場(chǎng)景下不同算法性能?，F(xiàn)假設(shè)場(chǎng)景一為運(yùn)維資源數(shù)量大于任務(wù)需求數(shù)量，其在0時(shí)刻任務(wù)信息如表5所示，場(chǎng)景二為運(yùn)維資源數(shù)量小于任務(wù)需求數(shù)量，其在0時(shí)刻任務(wù)信息如表6所示。區(qū)域內(nèi)運(yùn)維資源配置如表7所示。其中，運(yùn)維人員與輔助工具均由運(yùn)維單位A提供，運(yùn)維單位B只提供備件。

國(guó)電電網(wǎng)電子商務(wù)公司的光伏運(yùn)維工作中，為了減少發(fā)電收益，首要目標(biāo)是在較短時(shí)間內(nèi)處理完當(dāng)前的運(yùn)維任務(wù)。其次由于人員的薪資差異較大，希望減少任務(wù)執(zhí)行成本。最后考慮運(yùn)輸成本因素。因此，將式(17)中的權(quán)重設(shè)置為a1=0.2，a2=0.3，a3=0.5。以任務(wù)時(shí)間為首要優(yōu)化目標(biāo)，制定調(diào)度計(jì)劃。

表5 場(chǎng)景一0時(shí)刻任務(wù)信息表

表6 場(chǎng)景二0時(shí)刻任務(wù)信息表

表7 運(yùn)維資源信息表

故障電站與運(yùn)維單位間路程如表8所示。設(shè)運(yùn)輸速度為40 km/h。人員的時(shí)薪與人員技能矩陣如表9所示，人員對(duì)各類型輔助工具的操作能力矩陣如表10所示。

表8 運(yùn)維單位與電站間距離 km

表9 人員時(shí)薪與技能矩陣

表10 人員對(duì)輔助工具操作能力矩陣

根據(jù)上述驗(yàn)證方案，在運(yùn)維調(diào)度系統(tǒng)中設(shè)置任務(wù)信息。驗(yàn)證平臺(tái)的CPU 處理器為Intel Core i7-4710MQ，內(nèi)存為8 GB，操作系統(tǒng)為64位Windows 10。由于算法實(shí)現(xiàn)思路不同，為了保證實(shí)驗(yàn)的一致性，對(duì)迭代次數(shù)取值及其他參數(shù)設(shè)計(jì)如表11所示。

表11 算法參數(shù)配置方案

6.3 驗(yàn)證結(jié)果分析

在本文開發(fā)的分布式光伏運(yùn)維資源調(diào)度系統(tǒng)中輸入上述任務(wù)信息，分別針對(duì)場(chǎng)景一與場(chǎng)景二進(jìn)行兩次實(shí)驗(yàn)。兩次實(shí)驗(yàn)中，加入了求解調(diào)度問題常用的遺傳算法及模擬退火算法與本文的兩種方法進(jìn)行對(duì)比。重點(diǎn)比較了不同場(chǎng)景下各算法求解調(diào)度模型的求解速度與指標(biāo)優(yōu)化情況，為每種場(chǎng)景選擇最優(yōu)求解算法。

6.3.1 實(shí)驗(yàn)一驗(yàn)證結(jié)果分析

實(shí)驗(yàn)一是對(duì)場(chǎng)景一下的調(diào)度模型進(jìn)行調(diào)度計(jì)劃制定。該場(chǎng)景下的運(yùn)維資源大于任務(wù)需求數(shù)量，算法優(yōu)化目標(biāo)對(duì)比及求解時(shí)間對(duì)比如圖6 和圖7所示。

通過(guò)實(shí)驗(yàn)對(duì)比，可以發(fā)現(xiàn)當(dāng)運(yùn)維資源數(shù)量大于任務(wù)要求時(shí)，粒子群算法各項(xiàng)指標(biāo)優(yōu)化效果更好且求解速度明顯更快。因此，該場(chǎng)景下調(diào)度模型適合使用粒子群算法求解。在實(shí)際應(yīng)用中，對(duì)于管轄區(qū)域小，每日運(yùn)維任務(wù)量少的運(yùn)維單位，建議使用粒子群算法。求得場(chǎng)景一的最優(yōu)調(diào)度計(jì)劃如表12所示。

6.3.2 實(shí)驗(yàn)二驗(yàn)證結(jié)果分析

實(shí)驗(yàn)二是對(duì)場(chǎng)景二下的調(diào)度模型進(jìn)行調(diào)度計(jì)劃制定。該場(chǎng)景下的運(yùn)維資源小于任務(wù)需求數(shù)量，算法優(yōu)化目標(biāo)對(duì)比及求解時(shí)間對(duì)比如圖8和圖9所示。

表12 場(chǎng)景一最優(yōu)調(diào)度計(jì)劃

在上述4種算法求解結(jié)果中，綜合比較3項(xiàng)優(yōu)化目標(biāo)及求解時(shí)間，可以發(fā)現(xiàn)遺傳模擬退火算法求解質(zhì)量較好且求解時(shí)間較快。因此，該場(chǎng)景下調(diào)度模型適合使用遺傳模擬退火算法求解。在實(shí)際應(yīng)用中，對(duì)于管轄區(qū)域較大，每日任務(wù)量較多的運(yùn)維單位，建議使用遺傳模擬退火算法。求得場(chǎng)景二的最優(yōu)調(diào)度計(jì)劃如表13所示。

表13 場(chǎng)景二最優(yōu)調(diào)度計(jì)劃

7 結(jié)束語(yǔ)

近年來(lái)，隨著分布式光伏的快速發(fā)展，運(yùn)維需求也與日俱增。分布式光伏運(yùn)維資源調(diào)度技術(shù)相對(duì)于人工調(diào)度方式，可以節(jié)省人工成本，更快地制定出合理的調(diào)度計(jì)劃，保障運(yùn)維單位服務(wù)質(zhì)量。本文通過(guò)對(duì)分布式光伏運(yùn)維資源調(diào)度匹配分析，明確了分布式光伏運(yùn)維任務(wù)匹配規(guī)則與運(yùn)維資源匹配規(guī)則。基于上述規(guī)則，建立了分布式光伏運(yùn)維資源調(diào)度模型。根據(jù)實(shí)際運(yùn)維情況，構(gòu)建了兩種調(diào)度場(chǎng)景，并分別使用遺傳模擬退火算法與粒子群算法求解，為每種調(diào)度場(chǎng)景確定了最優(yōu)的求解算法。經(jīng)過(guò)實(shí)際應(yīng)用，本文研究的調(diào)度技術(shù)降低了運(yùn)維單位運(yùn)維成本，提升了服務(wù)質(zhì)量。本文是對(duì)分布式光伏運(yùn)維資源調(diào)度問題的初步探索，沒有考慮運(yùn)維過(guò)程中可能發(fā)生的動(dòng)態(tài)因素，未來(lái)將進(jìn)一步對(duì)分布式光伏運(yùn)維資源調(diào)度動(dòng)態(tài)因素分析，研究分布式光伏運(yùn)維資源動(dòng)態(tài)調(diào)度方法。