摘要：随着我国经济的不断发展，电网规模的日益壮大，继续运用人工经验编制配电网检修方案的方法已无法满足现在电网运行的正常需求，寻求用理论方法制定检修方案已成为检修作业的一种发展趋势。通过建立配电网检修方案的数学模型，在保证配电网检修安全性的前提下，优化检修时间和负荷转移路径，提高电网供电的可靠性和检修工作的经济性。为求解建立的多目标优化模型，提出一种优化算法。为检验检修方案优化模型的正确性以及所用混合算法求解的科学性，从而推动配电网检修计划优化工作获得进一步发展，使其更好地为配电网检修工作服务。
关键词：配电网检修；模型；应用
随我国社会经济的飞速发展，电力用户对电力资源的需求也变得越来越大，尤其是工业、农业以及民用电力日益增加的需求，使得电力系统其负荷急剧增长，人们对于电力系统的可靠性、稳定性有了更高的要求。在电力企业的日常工作中，其中非常重要的一项就是电力设备的检修工作，进行设备检修工作能够及时发现外观检查或常规试验难以察觉的问题，从而便于对其加以处理。然而由于我国电力系统的网络结构日渐复杂化，从而加大了配电网的检修难度，基于此必须对现有的配电网检修计划进行优化处理，从而使配电网设备存在的故障或隐患得到快速稳妥的处理，进而为电力用户提供一个安全、稳定、可靠的供电系统。因此积极思考可行途径来优化配电网检修计划具有尤为重要的作用和意义。
一、配电网检修计划内涵
当前我国配电网设备检修采取的检修方式主要是以定期检修方式为主，并同时实施事故检修和状态检修，以提高配电网的可靠性。所谓状态检修就是指以时间为标准开展预防性检修，从而避免发生设备故障事故。配电网检修计划是指以用户需求、配电网设备的工作状态为前提，对设备检修的停电时段进行合理设置，一般有年检计划、月检计划和日检计划。配电网检修计划其编制过程是一个多约束多目标的优化问题，其优化所包含的约束条件主要有检修协调约束、检修管理约束、系统安全约束等，其优化所包含的目标主要有可靠性目标、管理型目标、经济性目标等。专门针对配电网检修计划的优化问题的相关研究还较少，其优化方法一般都是借鉴机组检修计划的优化方法，如遗传算法、蚁群算法、粒子群算法、禁忌搜索算法以及模拟退火算法等。
二、检修方案优化模型
制定配电网检修优化方案将涉及经济性和可靠性等各类目标，是一个典型的多目标、多约束的优化问题求解。其中经济性涉及配电网检修时造成的售电损失、负荷转移造成的网损及相关检修费用等，大大增加了检修作业成本，要提高检修的经济性必须降低以上提及的费用和损失。在提高检修过程的可靠性上，如果检修人员统筹协调好上、下级设备的检修时间，将在很大程度上降低停电频率；优化负荷转移的路径则可以减小停电负荷量，比如选择在负荷电路低谷期进行检修等。
1、检修时间优化目标 目标函数：
2、负荷转移路径优化目标 在保证配电系统安全的前提下，以尽可能快的速度和多的数量将失电区负荷转移到其他馈线上，尽快恢复检修区域供电。优化方法主要是降低负荷转移时造成的网损、失电负荷以及最低程度的减少开关次数。 目标函数：降低失电负荷：
三、算法改进在配电网检修优化中的应用
配电网检修优化是一个离散性、非线性、维数高的组合优化问题，并存在着难以处理的多项约束条件，运用传统的数学优化算法是不能对这类问题的求解需求予以更好地满足的。虽然将一些数学算法进行改进也能够对一些简化了的模型进行计算，然而其效果却不尽如人意，而且还会付出比较高的代价。运用智能优化算法来对配电网检修计划予以优化，智能优化算法虽然不能确保解的最优性，但能够找到近似最优解，而且智能算法对处理离散性和非线性问题也不存在困难，因此尤为适合用来求解配电网检修计划优化。目前常用的智能优化算法有遗传算法、蚁群算法、粒子群算法、禁忌搜索算法以及模拟退火算法等，其中蚁群算法、遗传算法、粒子群算法为三大群体算法。
1、遗传算法的原理及基本操作流程。所谓遗传算法就是指一类借鉴生物界的进化规律演化而来的随机化搜索方法。如同自然界生物进化一样，遗传算法通过逐代进化，逐渐逼近最优解。与传统的数学优化方法相比，遗传算法主要有以下特点：一是遗传算法的优化目标是将部分参数集体予以编码从而得到位串，而不是决策变量。位串编码能够向结构对象提供相应信息，且具有良好的优化效果。二是遗传算法能够对群体中的多个个体进行同时处理，从而同时对搜索空间中的多个解予以同时处理，因此遗传算法具有更好的全局搜索能力。三是遗传算法其适应度函数的定义域与连续可靠的约束没有任何关系，可以进行任意设定，因此不需要一些其他额外的信息，仅仅需要将适应度函数的信息予以充分利用就可以对问题予以解决，因此遗传算法具有更大的应用价值。四是遗传算法是一种具有概率性操作规则的计算方法，因此看似是在进行盲目的搜索，但是实际上其有着非常明确的搜索方向，尤其适合于环境因素比较复杂、高维数情况下，因此在配电网检修优化问题中遗传算法更加适合。五是遗传算法能够通过自组织、自学习和自适应从而获得适应值大、生存概率较高的个体。
2、基于罚函数来改进遗传算法。在对配电网检修计划进行实际优化的过程中，由于存在着一定约束条件，而且这些约束条件其描述有着许多形式，因此在遗传算法的构造过程里，可以采用罚函数的方式来对这些问题中的约束条件予以处理，从而维持群体的多样性，进而改进遗传算法。以五峰函数为例。
.png)
从表可以看到，原算法的种群多样性随着进化代数的增加而增加，而改进算法其种群多样性一直维持在一个较为理想的状态，因此说明运用改进算法来寻找最优解具有更大的概率。将改进遗传算法应用于配电网检修计划优化的整个求解流程如下：读入相关数据信息→设备分组编号→安排不可变更的检修计划→处理检修计划优化约束条件→运用改进遗传算法进行优化计算→输出检修计划优化结果。
配电网检修计划优化是一个多约束、多目标的问题，通过配电网检修优化模型，对遗传算法展开相应介绍并对其加以改进，使之更加适合应用于配电网检修计划优化过程，以求得最优的检修计划。通过数据测试表明，改进后的遗传算法能够对配电网检修计划予以有效优化，使得优化后的检修计划能够进一步改善配电网运行的安全性。
参考文献：
[1] 陈祖才，陈俊峰，敬海兵. 基于无功优化的配电网检修计划编制[J]. 电气开关，2017（04）：14-17.
[2] 许旭锋, 黄民翔, 王婷婷. 复杂配电网的短期检修计划优化[J]. 浙江大学学报(工学版), 2018,（03）:510-515.
[3] 姚瑛，庄剑，郗晓光. 配电网检修计划优化的研究现状[J]. 电气开关，2018（04）：1-5.
[4] 汪新正, 周飚, 陈炫. 配电网检修计划的优化探讨[J]. 低碳世界, 2019(28)：71-72.