[发明专利]面向韧性提升的电力系统检修与运行协同决策方法

权利要求书

1.面向韧性提升的电力系统检修与运行协同决策方法，其特征在于：它包括以下步骤：

步骤1)、初始化

确认网络参数，检修需求，天气状况等信息，计算检修计划与机组组合的初始结果；

步骤2)、场景生成

根据设备强迫停运率模型与协变量状态，使用递归采样法生成一个随机场景；

步骤3)、动态场景更新循环

a、在最新的场景下，使用拉格朗日松弛技术对检修计划与机组组合的协同优化进行迭代求解，即最内层循环；

b、由于发电机的FOR与机组开停状态有关，根据最新的协同优化结果，使用递归采样法更新发电机随机场景；

c、在步骤a与b之间进行迭代循环，即中间层循环，直到检修计划、机组组合与动态场景不再变化；

步骤4)、在所有采样的随机场景下求成本方差系数，判断总体收敛性，若不满足收敛条件，返回步骤2)生成新的场景，进入下一次蒙特卡罗迭代，即最外层循环，直至得到本次采样随机场景下最优的检修计划与机组组合计划。

2.如权利要求1所述的面向韧性提升的电力系统检修与运行协同决策方法，其特征在于：所述步骤3)中由于发电机的强迫停运率与机组开停状态相关，因此，当获得最优的检修计划与机组组合方案之后，需要重新计算发电机的强迫停运率，并根据递归采样法在整个仿真区间内更新发电机随机场景；反之，最新的随机场景会再次影响检修计划与机组组合方案，这是一个自适应的启发式过程，动态场景根据最优计划更新，最优计划根据最新的场景再次计算，直到场景不再更新，最优的检修计划与机组组合不再改变，就得到了本次随机场景下的最优解。

3.如权利要求1所述的面向韧性提升的电力系统检修与运行协同决策方法，其特征在于：所述步骤3)中的最内层循环是通过朗格朗日松弛技术把待优化的主问题分解为检修子问题和机组组合子问题，对子问题之间的耦合约束进行解耦，通过次梯度法进行拉格朗日乘子更新，最终得到本次蒙特卡罗过程的最优解。

4.如权利要求1所述的面向韧性提升的电力系统检修与运行协同决策方法，其特征在于：所述步骤2)中设备的强迫停运率通过比例风险模型进行建模，公式如下所示：

包括了两个部分，基准函数λ₀(t)和连接函数Ψ(Z(t))，基准函数用来描述设备的基本老化过程，而连接函数用来反应协变量Z(t)的影响，发电机和输电线路的随机停运都被考虑在内，对发电机，Z(t)＝{0，1}代表了每小时机组开停状态，0为停机，1为开机；对输电线路，Z(t)＝{0，1，2}代表天气状态，0代表正常天气，1代表不利天气，2代表恶劣灾害；

通过递归采样方法，用来生成随机场景，其主要步骤如下：

①、采样一个[0，1]均匀随机变量u，作为概率值；

②、返回最大的t使故障概率p(T＜t)≤u；

在第2步中，故障概率p(T＜t)按小时进行累加计算，其计算过程如下，假设是故障时刻，若给定T＞t，t为非负整数，那么在t+1小时设备可靠运行的概率为：

在时刻的故障概率为：

故障概率可以按小时进行递推，最终得到最大小时数t满足P(T＜t)≤u，在下一个小时设备发生随机故障，返回时刻t+1的值，即为采样到的设备随机故障时刻，在设备故障期间，对设备进行故障后检修，检修时间通过指数分布采样获得。