 Smart Grid 智能电网, 2013, 3, 159-163 http://dx.doi.org/10.12677/sg.2013.36029 Published Online December 2013 (http://www.hanspub.org/journal/sg.html) Research on Operation and Maintenance Decision-Making of Main Equipment Based on UMM Shicong Deng, Linfa Li, Weizhao Huang Shenzhen Power Supply Bureau Co Ltd., Shenzhen Email: qwp_425951@163.com Received: Aug. 1 1th, 2013; revised: Sep. 10th, 2013; accepted: Sep. 20th, 2013 Copyright © 2013 Shicong Deng et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. In accordance of the Creative Commons Attribution License all Copyrights © 2013 are reserved for Hans and the owner of the intellectual property Shicong Deng et al. All Copyright © 2013 are guarded by law and by Hans as a guardian. Abstract: In this paper the existing situation of the operation maintenance strategy of gird main equipment is presented and the problems of traditional op eration maintenance strategy are analyzed. A new model based on uncertainty multi- stage and multi-object by Bayesian network is presented in this paper, which is for making operation maintenance strategy with the consideration of life cycle cost. In the end a GIS example proves the UMM model’s practical applications. Keywords: Operation Maintenance Strategy; Bayesian Network; UMM 基于 UMM 的主设备运维策略研究 邓世聪，李林发，黄炜昭 深圳供电局有限公司，深圳 Email: qwp_425951@163.com 收稿日期：2013 年8月11 日；修回日期：2013 年9月10 日；录用日期：2013 年9月20 日 摘 要：介绍了目前南网运维策略现状，并分析了现在运维策略中存在的弊端。针对此，本文提出了一种考虑 设备全寿命周期成本，基于贝叶斯网络模型的不确定多阶段多目标运维决策模型，并给出了模型求解过程。最 后通过建立 GIS 的UMM (uncertainty)运维策略模型，制定最佳的运维策略，验证所提出 UMM 决策模型的有效 性。 关键词：运维策略；贝叶斯网络；不确定性多阶段多目标 1. 南网运维策略研究现状 1.1. 主设备概况 南方电网断路器整体装备水平 较高。目前，500 kV 断路器全部为进口产品，其中：西 门子 公司产 品 占53%，ABB 公司产品占 25%，AREVA 公司产品占 23%。220 kV断路器中国产断路器占 14.5%，合资及 进口断路器占 85.5%。110 kV断路器中国产断路器占 18%，合资及进口断路器占 82%。 500 kV隔离开关进口设备比例达 100%。220 kV 隔离开关以国产设备为主，进口设备主要为AREVA、 西门子、施耐德等公司的产品，占 30%；GW4 型仍 为这一电压等级主导型号，占 37.9%；其次是 GW16 型，占 9.1%。110 kV隔离开关中，进口设备占总数 的4.6%，国产设备中 GW4型所占比例最高，达 62.6%。 此外，一些新型设备得到了广泛应用，在城市变 大量使用了 GIS、COMPAS S、PASS 等组合电器。2000 年后新建的线路分别占 110 、220、500 kV线路长度 Open Access 159  基于 UMM 的主设备运维策略研究 的30%、30%、40%。 1.2. 运维检修策略 传统的运维检修策略包括故障检修和计划检修。 故障检修是事后检修，暴露出难以满足用户用电可靠 性的要求。而计划检修则为充分考虑设备运行状态， 基本按照行业相关规定进行检修安排，存在着欠修和 过修等问题，这将缩短设备的安全运行能力和使用寿 命。传统的以预防性试验规程为基础的检修制度暴露 出以下问题[1-3]： 1) 设备需要停电进行诊断测试； 2) 诊断测试和解体后，通常并未发现设备存在问 题，导致浪费时间、资源和高的维护成本； 3) 设备解体维护后未有效地恢复原状，在维护检 查后不久就发生故障。 4) 对从初始阶段到临界阶段发展迅速的一定类 型的故障模式的响应能力有限，变压器套管故障就是 典型的案例。 5) 需要大量关于设备的知识和经验； 6) 实施和管理费用较高。 目前南网针对重要的电网主设备，引进了状态检 修制度。采用在线监测技术，如 GIS 局放在线监测系 统、变压器油色谱在线监测、容性设备在线监测装置 等。此外还采用了带电测试技术，如紫外检测、电缆 振荡波局放检测、开关柜带电局放检测、SF6 气体成 分分析、红外检测、GIS局放带电测试等。 在考虑设备全寿命周期成[4,5]的情况下，本文通过 建立不确定性的多阶段多目标的运维决策模型，得到 运维最佳方案，使有限运维资源的充分利用，直接提 高了供电可靠性，提高服务质量具有重要作用，并对 电力企业的全寿命周期成本进行控制。 2. 不确定多阶段多目标运维决策模型 2.1. 问题描述 不确定条件下多阶段多目标决策问题可以描述 如下： 1) 集合 表示进行决策操作之 前，所能收集到的原始信息，该信息既可以是确定 的，也可以是不确定的。 12 ,,, l CCC C 2) 集合 12 ,,, m D DD D表示在整个决策问题 中的 m个决策选择阶段。各决策阶段之间存在时间 上的先后顺序关系，即前—个决策阶段的结果会影 响后续决策阶段的决策判断。 3) 集合 12 ,,, p SSS S表示问题所有可行的 决策方案集合，它由各决策选择阶段的结果组成， 例如 11 , True m SD D 3 True, False,D 。 4) 集合 12 ,,, n OOO O表示该问题需要衡量 的n个决策目标集合，其中第 j个决策目标 Oj有qj 种可能的取值 12 ,, q jjj OOOj O 。 注意，各目标变 量量纲不同，不具有可加性。 5) ij P Ppn 。是一个决策矩阵，Pij 表示在 不确定环境下，第i个决策方案对第j个决策目标的 影响。它是—个随机向量，即执行第 i个决策方案 后，决策目标 Oj取第 k种值的概率为Pijk。 6) 12 ,,, n WWW W表示各决策目标对应的权 重系数向量集合，且 1 n j max 1 j W。由于决策目 标变量存在多态，决策目标 Oj各取值的权重分别为 12 ,,,j q jjjj W WWW。 不确定条件下多阶段多目标运维决策问题就是 要在原始信息 C已知或部分已知的情况下，依次确定 各阶段的运维决策选择，并利用以下公式计算各方案 的效用(Si)；然后，在 p种方案中选出最优的一种，或 者给出这 p种决策方案的优先顺序，供维护人员参考。 11 ,1 . j q nkk ijij jk SWPi p (1) 从问题描述中可以发现，当决策问题规模增大 时，决策矩阵 P将包含 1 n j j P q 不确定条件下多阶段多目标(UMM)决策模型是 个参数。因此， 可以考虑利用决策过程中变量间的条件独立关系来 分解决策矩阵。由于贝叶斯网络表示了变量之间的 依赖关系，其节点、有向边以及信息内涵有效地表 征了偏好、概率估计、备选方案和信息状态；充分 利用变量之间的条件独立性，使概率估计和计算更 为方便，所以拟采用基于贝叶斯网络来描述决策问 题，从而在建模时只需要考虑当前节点与其父节点 之间的关系，以达到降低参数规模的目的。采用基 于贝叶斯网络来描述决策问题，从而在建模时只需 要考虑当前节点与其父节点之间的关系，以达到降 低参数规模的目的。 2.2. 不确定多阶段多目标数学模型 Open Access 160  基于 UMM 的主设备运维策略研究 用网 据变量特征进一 步分 中C1)：表达了决策者在 进行 代表了决策 问题 题中 节点(如图 1中O1、O2)：表示在决策 过程 在同 目标决策时，往往以现有 的决 于决策环境节点，—般 没有 络结构表达与决策问题有关的各种信息及其相 互关系的一种推理模型，一个简单基于贝叶斯网络的 UMM 决策模型实例如图 1所示。 UMM 决策模型中的节点又可根 为以下几个节点子集： 1) 决策环境节点(如图 1 决策选择前收集的所有外部信息，用圆形表示。 它的主要信息来源包括直接观测信息、数学估计信息 和专家估计信息；不为决策者所控制。 2) 决策选择节点(如图 1中D1、D2)： 中的一个决策变量，用正方形表示。它表示了某 阶段一组备选的可行选择，是决策者可以控制的。 3) 决策传递节点(如图 1中E1)：在多阶段决策问 ，前一阶段的决策选择结果往往会影响后一阶段 决策选择的判断。因此，引入决策传递节点表示前阶 段决策选择的后果，用五边形表示。由于这个后果可 以为下一阶段的决策选择提供更加完善的支持信息， 从本质上看，决策传递节点是一种由决策者控制的决 策环境节点。 4) 决策目标 中最终需要衡量的因素，用六边形表示。它体现 了决策者在确定—个决策方案后希望得到的结果。 5) 决策价值节点(如图 1中V1、V2)：是决策目标 一统一量纲下的量化体现，用菱形表示。它表示 各决策目标带来的价值，可以根据其父结点状态组合 概率及对应的权重计算。 决策者在进行多阶段多 策环境信息为基础，并充分利用已完成决策阶段 的效果信息，按顺序确定各决策选择阶段的操作。然 后判断选择不同决策方案时各决策目标的实现程度， 再利用权重信息衡量各目标的重要度，最后选择出最 优的决策方案。这种方式符合人类的思维形式，又使 UMM 模型内含的条件独立性假设更为合适，便于进 行概率推理。 2.3. UMM模型求解步骤 在UMM 决策模型中，对 父节点，只要确定其先验概率即可；决策选择节 点表示了决策者的判断，在未进行决策前，默认各可 行选择等概率分布；对于决策目标节点和决策传递节 点，它们都必然有父节点，所以必须给出其条件概率 Figure 1. A simple strategy-making model of UMM based on 布；决策价值节点将以对应的目标节点可行状态的 模型的具体决策环境，更改决 策环 Bayesian network 图1. 一个简单基于贝叶斯网络的 UMM 决策模型 分 权重代替概率分布。 1) 确定 UMM决策 境节点为当前真实状态分布。如果环境变量为不 确定信息，可用概率分布表示，如当前决策环境 now 12 ,T rue0.5 l PC True0.3,True 1,CPC PC 2) 将决策选择节点设置为证据节点，计算决策 目标节点的对应取值。依次确定各阶段决策选择节 点的状态，使得决策选择节点集合取值为决策方案 Si，如 12 True,True, ,False im SD DD 。 3) 利用模型进行推理，得到在当前决策环境 Cno 上述后验概率，用 w条件下，采用决策方案 Si 时目标节点各状态 发生的概率 4) 依据 now , k jji POO SC 代替 策价值节点的取值式(1)中的 Pijk，计算所有决 之和，即该方案的效用，如下式所示: 11 now , ij jjj jk ji O POSC (2) 5) 不断地改变各阶段决策选择节点的取值组合 的状 j nq kk SWPOO 态，得到各种可行的决策方案 12 ,,, p SS S， 并重复步骤 3和4，即可计算出每个决策方案各自的 效用 12 ,,, p SS S，供维护人员选择参考。 对于复杂的 不确定性环境下多阶段多目大规模 标决策问题，可以考虑先验环境决策方案求解方法。 首先由式(3)计算出各确定环境下所有方案的效用，其 中t表示决策问题所有可行的确定性决策环境节点状 态组合数量， Cx表示决策环境节点的第x种确定取值 Open Access 161  基于 UMM 的主设备运维策略研究 组合。然后，在每次进行具体决策时，只要根据实际 情况各确定决策环境状态组合的概率分 , x P Clxt，即可利用式(4)快速求 的效用。由于 解不确定环 境下的备决策方案 ix S只在预先准备时 计算一次，在后续决策问题中， 决策环境发生变 化也可以不断重复使用，从而极大地减少了模型推理 过程中的运算量，提高决策的实时性。 即使 11 ,1 ,1. ij jjj jk jix PO SCipxt (3) p (4) 3. 基于 UMM的GIS 运维决策模型研究 定GIS 运维决策问题的集合 D，即设备维 修决 修方 点的初始概率为等概率分布，其他节点 算各维修决策方案的效用，最终效 用如 ，采用第 4种维修方案能够取得最 大的 LCC 的运维决策将是今后的发展方向。根 据设 类别 j nq xkk SWPOOO 1 ,1 . tx iix x SSPCi 3.1. GIS开关的贝叶斯网络模型 首先确 策问题中各影响因素，具体的节点描述及状态如 表1所示；然后根据因果关系建立起这些节点之间的 关联关系，得到的 GIS 维修方案 UMM模型网络结构 如图 2所示。 3.2. GIS运维决策模型效用计算分析 上述 GIS运维决策模型求解的目标就是提供一个维 案使得 3 1n nV 达到最大值。通过咨询维修 决策领 域专家，并分析历史故障维修工作记录，确定 GIS 维修 方案 UMM 决策模型中相应节点的概率分布 P。决策环 境节点取值为 11PC NO ， 20.9PCOK ， 30.PCOK 节 的条件概率如下 表2至表 8所示。 根据公式(2)计 9， 4 PC OK0.8 时，决策选择 表9所示。 根据表 9所示 效果。相反，进行完全维修，即方案 1、2的效 用值最低。 4. 结论 基于 备的运行状态和健康状况及备品备件，来制定运 维策略。本文在考虑设备全寿命周期成的情况下，通 Table 1. The description of operation maintenance strat- egy-making model node of GIS based on UMM 表1. 基于 UMM 的GIS运维决策模型节点描述 节点 标识 离散状态 GIS 件 C2 OK, FAULT 维修备 隔离开关状态 C1 YES, NO 断路器状态 C3 OK, FAULT 决策环境节点 其他部件状态 决策选择节点 D2 P YES, NO 决策传递节点 GI 决策目标节点 维修费用 LONORT 决策价值节点 1 V2 C4 OK, FAULT 维修等级 加急采购 D1 ER, IMP, MIN S备件短缺 E1 YES, NO 维修时间 维修效果 O1 O2 O3 G, MID, SH HIGH, MID, LOW OK, FAULT 时间损失 费用损失 运行损失 V V3 L 1, M 1 W, WWS 1 H 2 W, , M 2 WL 2 W O 3 WF 3 , W Figure 2. The GIS strategy-making model of UMM based on (%) Bayesian network 图2. 基于贝叶斯网络模型的 GIS 的UMM 运维决策 Table 2. The probability di str ibution of parts shortage 表2. 备件短缺概率分布 备件短缺概率 GIS 维修备件 维修周期 NO YES YES PER 100 0 YES IMP 100 0 YES MIN 100 0 NO PER 0 10 70 NO MIN 95 5 0 NO IMP 30 Open Access 162  基于 UMM 的主设备运维策略研究 Open Access 163 Table 3. The prob a bi l i t y d i s tr i b ution of maintenance time 表3. 维修时间概率分 Table 8. The probability di str ibution of loss of operation 行损失条件概率分布 表8. 运布 维修效果 OK FAULT 维修时间概率(%) GIS 备件短缺 SHORT MID 加急采购 LONG YES YES O 3 W F 3 W 运行损失概率(%) 10 80 10 YES NO 0 10 90 0.5 0 NO YES 100 0 0 NO NO 100 0 0 Table of different maintenance pro j ects 案效用对比 9. The comparison 表9. 不同维修方 方案序号(i) 维修等级 加急采购 效用 Tabobability distributionaintenance cos 表4. 维修费用概率分布 1 0.65 PER YES le 4. The pr of mt 2 PER NO 0.565 3 IMP YES 0.795 4 IMP NO 0.804 5 MIN YES 0.762 6 MIN NO 0.786 维修费用概率(%) 维修等级 加急采 LOW MID HIGH 购 PER YES 0 100 0 PER NO 1 0 50 50 IMP YES 0 000 IMP NO 50 50 0 MIN YES 70 30 0 MIN NO 100 0 0 5. The pbility dition of mtenance effect 5. 维修效果概率分布 Table roba 表 stribu ain 维修效果概率(%) 设备状态 FAULT OK 维修等级 OK PER 0 100 OK IMP 0 100 OK MIN 0 100 FA PE 30 10 ULTR 0 100 FAULT IMP 70 FAULT MIN 0 0 6. The probability distribution of loss of time 表6. 时间损失条件概率分布 Table 维修时间 SHOR LONG MID T L 1 W M 1 W S 1 W 时间 0 0.15 0.3 损失概率(%) Table 7. The probabil it y di st ri bution of cos 表7. 费用损失条件概率分布 of losst 维修费 ID LOW 用 HIGH M H 2 W M 2 W L 2 W 费用 0 0.1 0.2 损失概率(%) 过建立不确定性的多阶段多目标的运维决策模型，利 计算分析 到最佳运 策方案。 很大 ”， 建立健全科学的检修模式。 参考 [1] 马奔正, 黄宵宁, 葛乐, 等 (2010) 无人值守变电站最优运维 其自动化学报 , 22, 83-87. ) 基于LCC 的配电站设备检 用贝叶斯网络 ，得 维决 通过对 GIS 开关进行运维决策分析，在决策环境 节点一定的情况下，决策矩阵P的取值对决策结果有 影响。任意节点条件概率参数变化时都有可能决 策风险问题。因此，要制定好科学的正确的运维策略， 必须做到如下三点： 1) 加强对设备初始状态的管理。 2) 利用“浴盆曲线 3) 基于 LCC 的状态检修。 文献 (References) 策略的分析与建模. 电力系统及 [2] 章健, 张弛, 蒋声婴, 等 (2012 修策略研究. 华东电力 , 40, 1576-1579. [3] 李俭川, 胡茑庆, 秦国军, 等 (2003) 贝叶斯网络理论及其在 程 86-899. 设备故障诊断中的应用. 中国机械工 , 14, 9 [4] 殷可, 郁东升, 李莉华, 等 (2009) LCC方法评价500 kV变压 器的研究与应用. 华东电力 , 37, 1916-1917. [5] 黄良宝, 马则良, 张建平, 等 (2007) 考虑 LCC 管理的电网 东 4. 规划方案评价研究. 华 电力 , 37, 91-9 |