一种基于遗传算法的高海拔地区换流变压器差异化运维方法及系统技术方案

本发明专利技术公开了一种基于遗传算法的高海拔地区换流变压器差异化运维方法，其特征在于：具体按照以下步骤实施：S1：进行种群初始化，选择一个个体的集合bi，集合中元素的个数为n，30

A Differential Operation and Maintenance Method and System of Converter Transformer in High Altitude Area Based on Genetic Algorithms

【技术实现步骤摘要】
一种基于遗传算法的高海拔地区换流变压器差异化运维方法及系统
本专利技术涉及一种变压器的差异化运维方法及系统，具体是一种基于遗传算法的高海拔地区换流变压器差异化运维方法及系统。
技术介绍
高海拔地区换流变压器运维计划模型的维数大、离散、且非线性，为在保障高海拔地区换流变压器运维满足各种约束条件的前提下，经济性达到最好，且能够科学合理地安排运维项目的运维具体日期和工作量，须进行差异化运维。目前经常运用的差异化运维方法包括整数规划法、线性规划法和启发式法等，但是整数规划法理论上可得到最优解，但对不确定性缺乏考虑，在规划规模较大时难以实现计算；线性规划法计算简便、迅速，但面对离散性质的变电设备运维计划，须做较复杂的变换使其目标函数和约束条件线性化，求解结果的精度难以保证；启发式方法中不用考虑是否线性、离散等条件，各约束条件的引入方便，适用于维数大且离散的运维计划问题，但其只在一定范围内寻找最优解，很多时候难以表征获得解与最优解的相关程度，无法保证获得最优解，甚至无法保证可行性。
技术实现思路
本专利技术主要是解决现有技术存在的问题，提供一种基于遗传算法的高海拔地区换流变压器差异化运维方法及系统，能够合理分配运维资源和工作量。本专利技术是通过以下技术来实现的：一种基于遗传算法的高海拔地区换流变压器差异化运维方法，其特征在于：具体按照以下步骤实施：S1：进行种群初始化，选择一个个体的集合bi，选取的方法为随机产生，集合中元素的个数为n，30<n<160；设置最大迭代次数为T；S2：将高海拔地区换流变压器差异化运维问题转换成染色体表示，并进行二进制编码；S3：选用优化模型的目标函数作为适应值函数f(bi)，并计算每代种群中每个个体的适应值；求解目标函数的极小值实际上就是求适应值函数的极大值，适应值大表示繁殖的下一代多，适应值小的种群数会变少，个体可能被淘汰消失；S4：进行遗传操作；S5：收敛判断：若迭代次数达到T时，则结束并输出适应值最大个体；否则返回S3。进一步地，所述S4的具体步骤包括：S401：将适应值设为选择标准，对bi中的个体进行选择；在算法初期设定较小的选择压力使搜索空间得以扩展，在后期把选择压力提高便于寻求和达到最优解；S402：对bi种群进行交叉、变异操作；交叉概率为0.25-0.75，概率过大会破坏高适应值，过小增大了搜索难度；变异概率为0.01-0.2，概率过大会加大搜索的随机性，过小则难以产生新个体。一种基于遗传算法的高海拔地区换流变压器差异化运维系统,包括：输入模块、数据处理模块、输出模块、显示模块和打印模块；其特征在于：所述输入模块与数据处理模块的输入端电性连接；所述数据处理模块的输出端与输出模块电性连接；所述输出模块分别与显示模块和打印模块电性连接；所述数据处理模块内置遗传算法模块。进一步地，所述运维系统还包括数据存储模块,所述数据存储模块与输出模块电性连接。进一步地，所述输入模块中的输入量为变压器的状态等级、风险等级以及相关的运维费用等基本信息。进一步地，所述输出模块中的输出量为差异化运维结果、运维成本及适应度函数值等。本系统通过输入模块输入基本信息，数据处理模块将初始月度运维计划映射为初始化矩阵；将每台设备的运维时间段映射为染色体编码；通过遗传操作进行差异化运维，并用收敛判据判定计算是否终止；最后通过输出模块输出结果到数据储存模块、显示模块和打印模块。本专利技术的有益效果是：1、利用遗传算法，合理分配运维资源和工作量；2、降低了运维成本，提高了运维的可靠性。附图说明图1为本专利技术的流程图。图2为本专利技术的系统框图。图3为本专利技术的遗传算法求解过程图。图4为本专利技术的具体实施方式中每个运维时段的全面运维工作量分配。图5为本专利技术的具体实施方式中原始的全面巡维计划与优化后的全面巡视运维计划的对比图。附图标记含义：1、输入模块；2、数据处理模块；3、输出模块；4、显示模块；5、打印模块；6、遗传算法模块；7、数据存储模块。具体实施方式下面结合附图和实施例，对本专利技术的技术方案进一步解释说明。如图1所示，一种基于遗传算法的高海拔地区换流变压器差异化运维方法，具体按照以下步骤实施：S1：初始化一个矩阵，代表设备的初始月度运维计划表；选取16个设备作为矩阵的行列；将一年划分为52个时段，把52个时段作为运维时段；矩阵中的元素为设备的运维状态，若设备k在时段t运维，则xkt＝1，此时为运维状态；xkt＝0时为未运维状态；设置n＝50，T＝500；S2：每台设备的运维时段在(1，52)区间中选取，运维时段最大数为52，每台设备运维时段的二进制编码为6位，设备共16台，所以染色体长度为96；由于每个运维时段只有5个工作日，因此只需保证没有5台以上的设备同时分配到同一时段即可；将二进制串代表的二进制数化为十进制数；S3：选用优化模型的目标函数作为适应值函数f(bi)，然后输入运维计划的约束条件，并计算每代种群中每个个体的适应值；S4：进行遗传操作：S401：将适应值设为选择标准，对bi中的个体进行选择；S402：对bi种群进行交叉、变异操作；交叉概率为0.5；变异概率为0.08；S5：收敛判断：若迭代次数达到500时，则结束并输出适应值最大个体，即为所选的最佳样本。如图2所示，一种基于遗传算法的高海拔地区换流变压器差异化运维系统,包括：输入模块1、数据处理模块2、输出模块3、显示模块4和打印模块5；输入模块1与数据处理模块2的输入端电性连接；数据处理模块2的输出端与输出模块3电性连接；输出模块3分别与显示模块4和打印模块5电性连接；数据处理模块2内置遗传算法模块6。运维系统还包括数据存储模块7,数据存储模块7与输出模块3电性连接。输入模块1中的输入量为变压器的状态等级、风险等级以及相关的运维费用等基本信息。输出模块3中的输出量为差异化运维结果、运维成本及适应度函数值等。通过输入模块1输入基本信息，数据处理模块2将初始月度运维计划映射为初始化矩阵；将每台设备的运维时间段映射为染色体编码；通过遗传操作进行差异化运维，并用收敛判据判定计算是否终止；最后通过输出模块3输出结果到数据储存模块7、显示模块4和打印模块5。本实施例中对运维费用的考虑主要包括运维人员的工资、车辆的耗油及折损费，设运维人员每个月的工资为3300元，一个月22个工作日，即每个工作日的人力费用是150元，按每2人一组，每组一天可巡视2台高海拔地区换流变压器，则每人一天巡视1台高海拔地区换流变压器，运维仪器工具等的使用费为每次100元，高海拔地区换流变压器之间的距离平均为18公里，车辆100公里燃油约为7-8升左右，油价为每升7.5元，即车辆耗油费每公里0.6元，车辆按每辆车10万元购车费用能用十年折算，每公里设备的车辆折损费为1元，综上分析，每台高海拔地区换流变压器的全面巡视运维费用为278.8元。如图3所示，中偏下方的线表示最优适应值，偏上方的线表示适应值均值，从图中可看出在迭代初始阶段最优适应值和适应值均值都快速下降，代表在最初阶段没有可行解，在到了50代左右，曲线的下降速度变缓，往后的迭代次数增加后，最优适应值和实际的适应值均值的间隔越来越小，实际值离最优解越来越近，迭代次数多到一定后，最优适应值几乎不会随着迭代次数的增加而改变，最终趋于收敛本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的高海拔地区换流变压器差异化运维方法，其特征在于：具体按照以下步骤实施：S1：进行种群初始化，选择一个个体的集合bi，集合中元素的个数为n，30<n<160，设置最大迭代次数为T；S2：将需要求解的问题转换成染色体表示，并进行二进制编码；S3：选用优化模型的目标函数作为适应值函数f(bi)，并计算每代种群中每个个体的适应值；S4：进行遗传操作；S5：收敛判断：若迭代次数达到T时，则结束并输出适应值最大个体；否则返回S3。

【技术特征摘要】
1.一种基于遗传算法的高海拔地区换流变压器差异化运维方法，其特征在于：具体按照以下步骤实施：S1：进行种群初始化，选择一个个体的集合bi，集合中元素的个数为n，30<n<160，设置最大迭代次数为T；S2：将需要求解的问题转换成染色体表示，并进行二进制编码；S3：选用优化模型的目标函数作为适应值函数f(bi)，并计算每代种群中每个个体的适应值；S4：进行遗传操作；S5：收敛判断：若迭代次数达到T时，则结束并输出适应值最大个体；否则返回S3。2.如权利要求1所述的基于遗传算法的高海拔地区换流变压器差异化运维方法，其特征在于：所述S4的具体步骤包括：S401：将适应值设...

【专利技术属性】
技术研发人员：尹国富，文文，黄道杰，梁晨，崔学龙，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司大理局，
类型：发明
国别省市：云南,53