大型水電站機組檢修計劃優化數字化模型構建及應用

何立新 ，石 強

（1.三峽大學 電氣與新能源學院，湖北宜昌 443002；2.葛洲壩電廠，湖北宜昌 443002；3.梯級水電站運行與控制湖北省重點實驗室（三峽大學），湖北宜昌 443002）

引言

大型水電站機組的檢修可以大致分為計劃檢修和非計劃檢修（包括不定期預防檢修、預知性檢修和狀態檢修等）。多年來，國內外研究者和電力工作者對機組檢修計劃的優化進行了大量的研究，提出了各種滿足不同系統運行要求和約束條件的模型，在實際機組檢修工作中，實現了機組設備和經濟效益的提升。文獻[2]采用等備用容量法對發電系統的機組檢修計劃進行優化；文獻[3]以系統運行費用最小為目標，建立了機組檢修計劃模型；文獻[4]建立了以系統最小備用率最大及機組檢修計劃調整事項最少為目標的機組檢修計劃優化模型，并提出了線性混合整數優化模型進行求解的方法；文獻[5]建立了中長期調度和檢修計劃雙層優化模型，采用遺傳算法和0-1規劃算法進行求解；文獻[6-8]提出以機組生產費用和檢修費用之和最小化為優化目標，利用遺傳和模擬退火算法對機組檢修模型進行求解。文獻[9]詳述了機組A修項目進度計劃的編制過程，并對項目進度計劃進行優化和控制；文獻[10]對設備檢修管理流程的基本情況進行了介紹，提出了設備檢修管理流程優化的方法；文獻[12]給出了基于動態規劃的項目工期優化方法，并解決了多關鍵線路的復雜網絡工期優化問題。

基于某大型水電站電站機組檢修計劃的優化研究，充分考慮水電發電站的檢修安全成本、發電效益成本、設備健康成本和人力資源成本，從水電站發電的經濟效益以及機組生產成本和檢修成本來綜合考慮機組檢修計劃的優化，建立大型水電站機組檢修計劃優化模型，并利用蟻群算法進行求解。在確定機組檢修計劃后，根據機組檢修流程設計了大型水電站機組檢修計劃數字化模型，進一步加強機組檢修計劃的標準化和流程化，提高機組檢修管理的效率和人員的工作效率，為實現水力資源的高效利用和保證機組設備的檢修質量提供了較好的解決辦法。

1 大型水電站機組檢修計劃優化模型構建

1.1 模型建立

考慮水電站的發電效益最高和機組的運行成本、檢修成本最低，目標函數可以表示為：

式中，F表示水電站總的經濟效益；E表示水電站機組的發電效益；C表示水電站機組運行時的生產成本和檢修時的檢修成本；α表示水電站機組發電和檢修的權重。

水電站的發電效益由電站入庫流量、機組運行水頭、機組運行臺數、機組運行時長和上網電價等決定，因此水電站的發電效益函數可以表示為：

式中，m為時段數，以一天為一個時段；n為電站在t時段投入運行的機組數；Pi,t為第i號機組在t時段內的出力（單位為MW）；Hi,t為t時段的凈水頭（單位為m）；Qt為在t時段內的電站入庫流量；T(t)為機組運行小時數；r(t)為電站在t時段內的電價。

同時考慮機組的運行和檢修成本，可以根據電站多年統計數據來建立模型[11-15]，機組的成本函數表示為：

式中，N為電站機組總數，Yi,t為第i號機組在t時段內的運行成本（單位為元/MW·天），Ji,t為第i號機組在t時段內的檢修成本（單位為元/MW·天），機組檢修時xi,t=0（否則為1）。

1.2 模型的約束條件

為求解模型和滿足機組正常運行的需求需要遵循以下約束條件：

式中：tis為機組i開始檢修的最早時間段，tie為機組i開始檢修的最遲時間段，ti0為機組i開始檢修的時間段；di為機組i檢修持續時間；ai,t為第i號機組在t時段內所需的人員數量，A為檢修人員總數量；bi,t為第i號機組在t時段內所需的設備物資數量，B為電站檢修設備物資總數量。

2 大型水電站機組檢修計劃數字化模型構建

2.1 數字化模塊定義

在建立了大型水電站機組檢修計劃優化模型后，設計大型水電站機組檢修計劃數字化模型，對機組檢修工作進行模塊化定義，包含班組編號、工期、關鍵節點計時、工作任務描述等數字信息。同時還包括機組檢修中的工作票、操作票和具有關鍵節點的快速工單報告等內容，通過各模塊之間的排列和連線來展現各工作內容之間的時間先后順序和緊前緊后關系。各模塊間可并行可順控，達到對檢修流程的過程展示及控制。通過對機組檢修開工與完工的兩段式關鍵流程控制，加強運行人員設備操作與檢修維護班組設備檢修工作之間的協調與聯系，實現對機組檢修關鍵過程的流程控制。在每段流程中又可分成多個關鍵節點，通過對關鍵節點的控制來實現對整個檢修流程的控制。

對機組檢修各班組進行數字化編號，并用不同顏色區分。當存在不同工作面的檢修工作交叉時，要充分考慮協同作業，對機組檢修各班組進行數字化編號，并使用不同顏色區分，可保證機組的檢修工作順利地開展。為了更有效地表示各檢修工作模塊之間的時間先后順序和緊前緊后關系，在模塊中引入了D+n和E-n：其中D表示計劃的開工日期，E表示計劃的完工日期，D+n表示開工后第n天的工作，E-n表示完工前第n天的工作。通過這樣的設置，各檢修維護部門可以提前了解緊前檢修工作的開展情況，有利于根據調度部門批準的工期來合理安排自己的工作，實現工作進度的靈活控制。機組A級檢修開工階段的主要工作如表1所示。

表1 機組A級檢修開工階段的工序表

根據機組A級檢修開工階段的主要工作明細情況，結合各項檢修工作的緊前緊后邏輯順序，編制雙代號網絡圖。確定機組A級檢修開工階段關鍵線路為A-B-C-D-F-G-H-I-J-K-N-O。

2.2 數字化機組檢修流程設計

在具體設計機組檢修流程時，考慮到使用的便捷直觀及圖表的精準高效，需將機組檢修工作內容進行數字化處理。在機組檢修開工之前完成流程圖編制，流程圖中的各個模塊顯示其前項工作進度條，當該項工作各前項工作完成之后，進度條由紅變綠，表示該工作可以開始。當模塊代表的檢修工作開始時，模塊變成紅色，可以通過流程圖一目了然知曉正在開工的工作；工作完成后，模塊變成綠色，實現流程的向下流轉。具體來說，就是把機組檢修工作內容按照工期進度、工作時長、工作部門進行數據化展示，實現對各項檢修工作工期和時長的精準控制。

3 大型水電站機組檢修計劃優化模型求解

3.1 數據收集

以2018年9月至2019年12月某大型水電站發電量、水位、水頭、流量等數據進行實例計算，為此收集獲取某大型水電站2018～2019年度機組檢修計劃開展研究工作，如表2所示。

表2 某大型水電站2018～2019年度機組檢修計劃

3.2 蟻群算法和模型求解

假設蟻群中所有螞蟻的數量為m，所有路徑間的信息素矩陣為P，為獲取最佳路徑，蟻群算法計算過程如下。

（1）轉移概率計算

式中：pkij(t)表示螞蟻k選擇路徑j的概率；τij(t)表征t時刻在i,j路徑的信息素濃度；ηij(t)表征t時刻在i,j路徑的可見度；α為信息素重要性要素；β為啟發因子重要性要素，Jk(i)為螞蟻k下步選取的種群集合，ηij(t)為啟發因子。

（2）信息素計算

假設全體螞蟻完成一次尋找，路徑上的信息素τij(t)(t+n)為：

式中：僅當螞蟻k選擇i,j路徑時否則為0；Q,ρ為控制參數，Lk為螞蟻k該次尋找的路徑長度。

（3）信息素更新

令t=t+n，路徑上的信息素矩陣P可更新為：

（4）路徑尋找終止

當達到最大迭代次數時，獲得最佳路徑，輸出結果。

假定最早檢修開工時間為2018年9月1日，最晚檢修完工時間為2019年6月30日。根據以上數據采用ACO算法求解，為確保算法有較好的收斂性，迭代次數取200，種群規模與水電站數取1.5∶2，α取0.8，計算2018～2019年度機組檢修期間的發電效益、運行成本和檢修成本，結果如下：

由于2018年12月至2019年3月，該水電站入庫流量低于10 000 m3/s，在此期間應盡量多安排機組檢修計劃，同時盡可能考慮人力資源和檢修物資的約束。針對機組檢修計劃優化問題，通過蟻群算法進行求解。假定初始狀態為t時段電站所有機組檢修狀態的集合，計算t+1時段各機組檢修狀態下的發電效益和檢修成本，并確定t+1時段的經濟效益為螞蟻由t時段到t+1時段的路線長度，經過所有時段的水電機組檢修狀態遍歷，蟻群的最優總路線長度即為電站總的經濟效益。經過Python程序計算得到優化后，水電站總的經濟效益增加1652萬元，發電效益增加1950萬元，運行成本和檢修成本降低462萬元。

3.3 結果分析

在建立大型水電站優化檢修模型的基礎上，提出了發電效益最高和成本最低的檢修方案，并采用蟻群算法（ACO）求解得到最優的大型水電站機組運行檢修計劃。通過充分考慮電站入庫流量、電站水頭以及檢修人力資源和物資限制，對機組檢修計劃進行了組合和優化，從而提高了電站的發電效益，降低了電站的運行成本和檢修成本。

對機組的檢修流程進行了工期優化和模塊優化，設計了數字化的機組檢修流程圖，通過預先計劃的時間節點來整體控制檢修工作進度，明確各工作的開始時間和結束時間；根據工作實際完成時間，即時變更后續工作的開始時間。在機組檢修過程中，對每項檢修工作的工期精確到小時，各項檢修工作既可以按照流程順序開展，也可以在安全措施不沖突的情況下并行開展，從而實現機組檢修進度的精準控制。

4 結論

為解決大型水電站機組安全經濟開展檢修工作的問題，建立了考慮機組檢修計劃發電效益最高和檢修成本最低的優化模型，并設計了大型水電站機組檢修計劃數字化模型，采用蟻群算法求解所提模型，實現了預期目標。研究表明，所提方案有利于實現安全高效地開展大型水電站機組檢修任務，能夠充分發揮水電資源效益。