屈國(guó)際，李震領(lǐng)，鄢冰

摘要：為了提高傳統(tǒng)的調(diào)度人員手動(dòng)制定檢修計(jì)劃執(zhí)行效率低等問題，設(shè)計(jì)了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，引入改進(jìn)的遺傳算法對(duì)于配電網(wǎng)檢修路徑及計(jì)劃進(jìn)行了智能化分析，建立了懲罰系數(shù)淘汰運(yùn)算篩選種群進(jìn)行最優(yōu)電力檢修計(jì)劃求解推薦算法，并在此基礎(chǔ)上與粒子群算法結(jié)合建立檢修路徑尋優(yōu)模型。實(shí)驗(yàn)結(jié)果表明，系統(tǒng)功能達(dá)到了預(yù)期的目標(biāo)，通過對(duì)比實(shí)驗(yàn)所提出模型算法全局能力高、計(jì)算速度以及收斂速度均高于其他算法，具有較高的應(yīng)用實(shí)踐價(jià)值。

關(guān)鍵詞：電網(wǎng)配電調(diào)度；指令下發(fā)；電力檢修路徑優(yōu)化模型；改進(jìn)遺傳算法

中圖分類號(hào)：TM734

文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）12-0183-05

Optimization design of intelligent maintenance and adjustment based on improved genetic particle swarm combination algorithm

QU Guoji，LI Zhenling，YAN Bing

（Cgn Wind Energy Go.，Ltd.，Beijing 100071，China）

Abstract：In order to improve the problem of low efficiency of the implementation of the traditional dispatcher manual maintenance plan，an intelligent dispatching operation ticket and instruction issuance system was designed，an improved genetic algorithm was introduced to intelligently analyze the maintenance path and plan of the distribution network，a recommendation algorithm was established for the optimization of the optimal power maintenance plan by selecting populations by penalty coefficient elimination operation，and on this basis，the maintenance path optimization model was established in combination with the particle swarm algorithm.Experimental results showed that the system achieved the expected goals，and the model algorithm proposed by comparing experiments had? higher global ability，calculation speed and convergence speed than those of other algorithms，and had high application and practical value.

Key words：power distribution dispatching;instruction issuance;power maintenance path optimization model;improved genetic algorithm

目前國(guó)內(nèi)外主流的配電網(wǎng)調(diào)度管理仍然采取的是傳統(tǒng)的人工電話調(diào)度與對(duì)講機(jī)等相結(jié)合的模式，調(diào)度人員使用電話專線，結(jié)合檢修計(jì)劃制定人員的經(jīng)驗(yàn)手工制定檢修計(jì)劃，下發(fā)調(diào)度指令和檢修工票。檢修人員根據(jù)機(jī)構(gòu)、車間、場(chǎng)站的指令和調(diào)度工票執(zhí)行檢修任務(wù)，整體效率較低、誤差較大、檢修計(jì)劃和線路制定的科學(xué)性不足?；诖?，設(shè)計(jì)提出了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，采用信息化及智能化的手段對(duì)檢修配電工作整體部署，通過引入改進(jìn)的遺傳算法對(duì)于配電網(wǎng)檢修路徑及計(jì)劃進(jìn)行了智能化分析，建立了基于故障等級(jí)與懲罰系數(shù)相結(jié)合的電力檢修及負(fù)荷轉(zhuǎn)移路徑優(yōu)化模型，提高了電力調(diào)度的高效化、智能化和科學(xué)化。

1系統(tǒng)需求分析

1.1核心業(yè)務(wù)分析

配電網(wǎng)檢修管理工作的核心業(yè)務(wù)包含計(jì)劃?rùn)z修以及臨時(shí)故障搶修2類，即為檢修調(diào)度以及搶修調(diào)度。具體的計(jì)劃?rùn)z修業(yè)務(wù)流程如圖1所示。

（1）臨時(shí)維修任務(wù)管理。臨時(shí)故障搶修主要包含搶修任務(wù)的建立、維護(hù)、調(diào)度指令下發(fā)。通過客服平臺(tái)接收故障派工任務(wù)，建立調(diào)配工單，由調(diào)度人員下發(fā)調(diào)度工票，維修班組進(jìn)行任務(wù)分配以及組織執(zhí)行，并在系統(tǒng)中進(jìn)行結(jié)案和過程留痕;

（2）計(jì)劃?rùn)z修管理業(yè)務(wù)。計(jì)劃?rùn)z修管理業(yè)務(wù)是指維修人員根據(jù)電力公司制定的年檢修、季度檢修、月檢修計(jì)劃按計(jì)劃執(zhí)行檢修任務(wù)，對(duì)過程中的調(diào)度工作的管理、執(zhí)行、過程及結(jié)果的動(dòng)態(tài)記錄維護(hù)，具體如圖2所示。

1.2系統(tǒng)交互業(yè)務(wù)分析

配電網(wǎng)調(diào)度操作管理及指令下發(fā)系統(tǒng)作為配電網(wǎng)檢修的核心執(zhí)行系統(tǒng)與其他系統(tǒng)間通過數(shù)據(jù)接口進(jìn)行業(yè)務(wù)交互，對(duì)外交互業(yè)務(wù)包括橫向上首先與國(guó)家電網(wǎng)客服平臺(tái)、省級(jí)電力管網(wǎng)系統(tǒng)進(jìn)行數(shù)據(jù)交互，縱向主要與維修人員基礎(chǔ)操作客戶端進(jìn)行數(shù)據(jù)交互，采集終端執(zhí)行信息以及電網(wǎng)基本狀態(tài)信息。具體如圖3所示。

2系統(tǒng)優(yōu)化設(shè)計(jì)

2.1系統(tǒng)整體架構(gòu)

配電調(diào)度操作票及指令下發(fā)系統(tǒng)除實(shí)現(xiàn)核心的檢修計(jì)劃調(diào)度指令下發(fā)、臨時(shí)搶修調(diào)度指令下發(fā)等功能外，其他的包括檢修計(jì)劃推薦功能，檢修備件資源申請(qǐng)及采購(gòu)配送管理、集成地理信息系統(tǒng)的檢修計(jì)劃路線可視化界面管理等業(yè)務(wù)應(yīng)用，并圍繞業(yè)務(wù)應(yīng)用配置相應(yīng)的安全管理、接口服務(wù)、日志記錄以及網(wǎng)絡(luò)、存儲(chǔ)服務(wù)器等基礎(chǔ)平臺(tái)支撐，具體的系統(tǒng)整體架構(gòu)如圖4所示。

系統(tǒng)技術(shù)框架設(shè)計(jì)采用目前主流的J2EE輕量級(jí)架構(gòu)—SpringMVC框架，主要包括視圖層、邏輯層以及數(shù)據(jù)庫(kù)訪問層3層架構(gòu)，如圖5所示。

其中視圖層采用的技術(shù)路線為JSP與bootstraps相結(jié)合的模塊式開發(fā)框架，其具有高穩(wěn)定性、高并發(fā)性、I/O占用率低等特征，適合配電調(diào)度操作票及指令下發(fā)系統(tǒng)的應(yīng)用場(chǎng)景。邏輯層采用目前主流的輕量級(jí)SpringMVC框架處理前臺(tái)與后臺(tái)的JavaBean之間的邏輯管理，其具有編輯代碼少、配置文件簡(jiǎn)單以及可插拔等優(yōu)勢(shì)。數(shù)據(jù)庫(kù)訪問層采用Mybatis數(shù)據(jù)庫(kù)持久化技術(shù)，使得數(shù)據(jù)庫(kù)訪問與程序解耦，有利于數(shù)據(jù)庫(kù)的安全穩(wěn)定。

2.2系統(tǒng)網(wǎng)絡(luò)設(shè)計(jì)

設(shè)計(jì)的配電網(wǎng)調(diào)度操作票及指令下發(fā)系統(tǒng)采用瀏覽器/服務(wù)器的模式，系統(tǒng)功能使用Web服務(wù)發(fā)布，具體的硬件網(wǎng)絡(luò)及服務(wù)器配置結(jié)構(gòu)如圖6所示。

整體設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)中，調(diào)度以及維修指揮人員使用PC客戶機(jī)進(jìn)行派工指令及調(diào)度指令的下發(fā)，各層級(jí)管理人員審批及維修任務(wù)分派也通過辦公電腦執(zhí)行。WEB應(yīng)用服務(wù)器以及數(shù)據(jù)庫(kù)服務(wù)器采用雙機(jī)熱備的形式部署在電業(yè)公司中心機(jī)房，一線維修手持終端部署在電力專網(wǎng)網(wǎng)絡(luò)，電力專網(wǎng)與辦公網(wǎng)絡(luò)通過核心轉(zhuǎn)發(fā)路由器進(jìn)行信息通信及消息轉(zhuǎn)發(fā)。

3檢修調(diào)度及路徑尋優(yōu)算法

3.1改進(jìn)遺傳算法的檢修計(jì)劃選擇方法

對(duì)于配電網(wǎng)調(diào)度檢修計(jì)劃本身電網(wǎng)設(shè)備量大、檢修計(jì)劃多的特點(diǎn)，檢修計(jì)劃間存在資源的互斥與交疊，檢修任務(wù)需要結(jié)合人力、資源、電力供應(yīng)等多方面約束綜合考慮。因此，采用遺傳算法進(jìn)行檢修計(jì)劃模型多約束項(xiàng)求最優(yōu)解代替人工編制，提升計(jì)劃的科學(xué)性。由于遺傳算法本身最優(yōu)解質(zhì)量不高，研究采用排擠效應(yīng)優(yōu)化遺傳算法。

以懲罰系統(tǒng)處理目標(biāo)函數(shù)，排除部分對(duì)求解影響較小但影響收斂效果的設(shè)備，在迭代過程中直接引入最佳適應(yīng)度個(gè)體到新一代種群以改善整體性能，同時(shí)，調(diào)整了核心參數(shù)-交叉概率參數(shù)和變異概率參數(shù)。使用公式（1）處理求解空間中的與適應(yīng)度不匹配的個(gè)體，降低其適應(yīng)度減少設(shè)備數(shù)量。

fx=Fx，x滿足約束條件Fx-Gx，x不滿足（1）

式中：F（x）代表為引入懲罰系數(shù)的適應(yīng)度；G（x）檢修計(jì)劃制約條件所對(duì)應(yīng)的懲罰函數(shù)。

引入該函數(shù)后，如果懲罰函數(shù)影響系數(shù)小可能存在部分個(gè)體破壞制約條件，而無法得到最優(yōu)解。如果懲罰系數(shù)過大，則會(huì)導(dǎo)致個(gè)體適應(yīng)度差異不明顯，整體競(jìng)爭(zhēng)能力喪失，求解效率會(huì)大幅降低。因此，將排擠效應(yīng)引入遺傳算法，構(gòu)建自適應(yīng)微遺傳算法。首先將種群中個(gè)體間距與預(yù)設(shè)距離L比較，當(dāng)小于L時(shí)，選擇適應(yīng)度小的個(gè)體，引入懲罰系數(shù)使其適應(yīng)度更低，淘汰該個(gè)體。

Step1：選擇群體中的M個(gè)個(gè)體構(gòu)建微遺傳算法初始種群，計(jì)算每個(gè)個(gè)體的初始適應(yīng)度值Fi=（i=1，2，…，M）；

Step2：完成適應(yīng)度排序并記錄，排序順序?yàn)橛纱蟮叫〗敌蚺帕校涗涍m應(yīng)度前N的個(gè)體；

Step3～Step5：進(jìn)行遺傳算法的選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算。分別使用選擇概率參數(shù)、交叉概率參數(shù)、變異概率參數(shù)完成上述動(dòng)作，獲得新的種群；

Step6：自適應(yīng)微遺傳淘汰適應(yīng)度小的個(gè)體。將經(jīng)過遺傳運(yùn)算的種群中的M個(gè)個(gè)體與適應(yīng)度排在前N的個(gè)體組合，構(gòu)成新的種群，使用式（2）計(jì)算種群個(gè)體間距：

dij=∑Mk=1（xik-xij）2（2）

獲得xi與xj間距離Dij比L小的2個(gè)個(gè)體，對(duì)于其中適應(yīng)度更小的個(gè)體使用式（1）進(jìn)行淘汰處理。

Step7：重新排序N+M個(gè)個(gè)體的適應(yīng)度值，保留前N個(gè)個(gè)體；

Step8：判斷是否達(dá)到最大迭代次數(shù)或滿足結(jié)束條件，如不滿足，則將新得種群作為新一代個(gè)體，重新執(zhí)行Step3持續(xù)篩選淘汰。

3.2檢修路徑尋優(yōu)算法

在檢修路徑尋優(yōu)的過程中，綜合考慮配網(wǎng)線路以及檢修隊(duì)伍人力等因素，采用了蟻群算法進(jìn)行路徑尋優(yōu)。設(shè)定檢修節(jié)點(diǎn)為蟻群群體規(guī)模M，蟻群從初始節(jié)點(diǎn)出發(fā)搜索全部節(jié)點(diǎn)后，記錄存儲(chǔ)網(wǎng)絡(luò)潮流。當(dāng)電網(wǎng)運(yùn)行的約束指標(biāo)均存在時(shí)存儲(chǔ)該條件下的電網(wǎng)功耗，如果不滿足，重新尋找路徑直至滿足，即為巡檢最佳路徑。對(duì)于有M個(gè)個(gè)體的蟻群，需要每個(gè)個(gè)體完成一次最優(yōu)路徑搜索，當(dāng)全部個(gè)體執(zhí)行完后，所得的最優(yōu)路徑集合S ，個(gè)體間通過最優(yōu)路徑比較逐步篩選最優(yōu)路徑，下一個(gè)搜索個(gè)體在上一個(gè)螞蟻的最優(yōu)路徑基礎(chǔ)上持續(xù)搜索，直至循環(huán)迭代完成。

其中，隨機(jī)數(shù)生成使用式（3）生成，信息素更新使用式（4）更新：

Pkj（t）=［τj（t）］2［ηj］β∑k∈Allowed［τj（t）］2［ηj］β，j∈Allowed0，other（3）

式中：Allowed為螞蟻K需要巡檢支路的集合；τj（t）為信息素；β為啟發(fā)因子；ηj為啟發(fā)函數(shù)。

τi（NC+1）=（1-ρ）τi（NC）+Δτi（NC）Δτi（CN=∑mk=1Δτikj（NC） （4）

式中：ρ為揮發(fā)率參數(shù)；NC為蟻群迭代次數(shù)；m為蟻群規(guī)模。

4實(shí)證結(jié)果與分析

選擇了電力公司的某年6月份某區(qū)域待排檢修計(jì)劃及調(diào)度的25個(gè)檢修點(diǎn)位做了驗(yàn)證性實(shí)驗(yàn)，各個(gè)點(diǎn)位的檢修時(shí)間、停電范圍均不同。實(shí)驗(yàn)階段用基本遺傳算法、基于排擠機(jī)制改進(jìn)遺傳算法、本文所應(yīng)用的基于排擠機(jī)制自適應(yīng)的微遺傳算法進(jìn)行檢修計(jì)劃排布以及檢修時(shí)間的優(yōu)化。實(shí)驗(yàn)結(jié)果如圖7所示。

由圖7可知，所提出的算法對(duì)于檢修計(jì)劃調(diào)度排布求解質(zhì)量以及整體收斂性能高于基礎(chǔ)算法。實(shí)驗(yàn)中選擇的目標(biāo)函數(shù)為檢修調(diào)度時(shí)間，因此，使用提出算法可以極大的改善檢修工作的執(zhí)行時(shí)間，也間接的降低了檢修停電的時(shí)間，減少了經(jīng)濟(jì)損失。

對(duì)于檢修路徑尋優(yōu)算法測(cè)試主要是對(duì)蟻群算法從尋優(yōu)成功率角度重點(diǎn)與粒子群算法、遺傳算法、模擬退火算法進(jìn)行比對(duì)，采取仿真實(shí)驗(yàn)的模式，尋優(yōu)時(shí)間對(duì)比如表1所示；路徑尋優(yōu)成功率對(duì)比如表2所示。

由表1、表2可知，本文蟻群算法在與改進(jìn)遺傳算法結(jié)合后進(jìn)行尋優(yōu)路徑選擇中收斂速度快，路徑尋優(yōu)成功率高，并且能以較大的概率收斂獲得全局最優(yōu)解。

5結(jié)語(yǔ)

設(shè)計(jì)提出了智能化的配調(diào)調(diào)度操作票及指令下發(fā)系統(tǒng)，對(duì)系統(tǒng)架構(gòu)功能進(jìn)行了詳細(xì)設(shè)計(jì)，采用信息化及智能化的手段對(duì)檢修配電工作整體部署，引入改進(jìn)的遺傳算法對(duì)于配電網(wǎng)檢修路徑及計(jì)劃進(jìn)行了智能化分析，建立了最優(yōu)電力檢修計(jì)劃求解推薦算法，提高了電力調(diào)度的高效化、智能化和科學(xué)化。仿真實(shí)驗(yàn)環(huán)節(jié)重點(diǎn)測(cè)試了原型系統(tǒng)的功能以及對(duì)優(yōu)化模型進(jìn)行論證，系統(tǒng)功能達(dá)到了預(yù)期的目標(biāo)，且對(duì)比實(shí)驗(yàn)顯示提出的方法在檢修計(jì)劃制定上效能可以提升40%，減少了停機(jī)時(shí)間，降低了成本，同時(shí)檢修路徑尋優(yōu)能力對(duì)比其他算法整體提升了至少5%，具有推廣應(yīng)用價(jià)值。

【參考文獻(xiàn)】

[1]魏昕.電力調(diào)度運(yùn)行存在的安全風(fēng)險(xiǎn)及防范策略分析.中國(guó)戰(zhàn)略新興產(chǎn)業(yè)，2017（40）：134-146.

[2]劉煒，王朝亮，肖濤，等.AMI數(shù)據(jù)驅(qū)動(dòng)的電動(dòng)汽車充電設(shè)施計(jì)量運(yùn)行誤差狀態(tài)評(píng)估方法.電力自動(dòng)化設(shè)備，2022，42（10）：70-76.

[3]劉文宇，劉璐，劉馨然，等.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的低壓配電臺(tái)區(qū)智能電能表誤差狀態(tài)評(píng)估模型.電測(cè)與儀表，2022，59（11）：176-181.

[4]雷喬舒，何強(qiáng)，趙壽生，等.HVDC用交流電容器典型濾波支路諧波電流對(duì)電容器噪聲的影響分析.電力電容器與無功補(bǔ)償，2020，41（3）：50-56.

[5]何劍萍，黃曉蘭，蔣大銳.基于MPA-SVM的技術(shù)實(shí)踐與工作精準(zhǔn)指向研究.粘接，2023，50（3）：122-126.

[6]李豹，袁泉，張薔，等.考慮發(fā)電能力匹配性的輸變電設(shè)備檢修優(yōu)化方法.電力大數(shù)據(jù)，2020（5）：93-100.

[7]朱運(yùn)喬.基于Spring+SpringMVC+hibernate框架的Web系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).電腦知識(shí)與技術(shù)，2018（26）：38-45.

[8]牛永光，卜瑋琛，高玲玲.基于ARM的安全性電力線載波通信系統(tǒng)設(shè)計(jì).微型電腦應(yīng)用， 2022，38（6）：50-53.

[9]張嘉豪，趙亮，翁銘隆，等.基于SSM+SpringBoot技術(shù)實(shí)現(xiàn)服務(wù)器監(jiān)控的研究.科學(xué)技術(shù)創(chuàng)新.2020（33）：452-460.

[10]張瑞成，翟電杰，張怡.基于風(fēng)光儲(chǔ)雙層母線微電網(wǎng)的分布式模型預(yù)測(cè)控制.機(jī)械設(shè)計(jì)與制造，2022（3）：242-246.

[11]郝成，郝云飛，張怡.直流微電網(wǎng)中雙向LLC諧振型變換器的研究.機(jī)械設(shè)計(jì)與制造，2021（12）：72-76.

[12]黃欣科，王環(huán)，周宇，等.兆瓦級(jí)光伏中壓直流并網(wǎng)變換器研制及實(shí)證應(yīng)用.電力系統(tǒng)自動(dòng)化，2022，46（14）：150-157.

[13]黃欣科，王環(huán)，盧俊龍，等.光伏中壓直流變換器串聯(lián)系統(tǒng)控制策略研究.電網(wǎng)技術(shù)，2022，46（6）：2327-2338.

[14]李小強(qiáng)，馬永超，黃金偉，等.基于雙脈寬調(diào)制的交錯(cuò)Boost集成型CLLLC諧振變換器寬增益控制策略.電工技術(shù)學(xué)報(bào)，2022，37（20）：5313-5323.

[15]劉水心，王金宇，臺(tái)述鵬，等.大功率交錯(cuò)式燃料電池直流-直流變換器研究.機(jī)電工程技術(shù)，2021，50（6）：6-11.

[16]金愛娟，尹晨濱，李少龍，等.包裝機(jī)驅(qū)動(dòng)控制系統(tǒng)中諧波噪聲信號(hào)抑制策略.包裝工程，2022，43（3）：234-243.

[17]潘萍，彭高豐，朱智平.基于PDCA循環(huán)的專業(yè)實(shí)踐模式設(shè)計(jì)與實(shí)例分析.粘接，2023，50（3）：141-145.

[18]王蕊.基于圖像處理的化工產(chǎn)品英文字符識(shí)別研究.粘接，2021，46（5）：76-79.

[19]張蜀紅.基于支持向量機(jī)的機(jī)械設(shè)備故障診斷研究.粘接，2021，47（9）：129-132.

[20]閆重熙，陳皓.基于改進(jìn)天牛須搜索算法優(yōu)化LSSVM短期電力負(fù)荷預(yù)測(cè)方法研究.電測(cè)與儀表，2020，57（6）：6-11.