Формирование графиков ремонта генерирующего оборудования на основе показателей плановой надежности электроэнергетических систем

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассматривается задача планирования ремонтов генерирующего оборудования при долгосрочном планировании работы электроэнергетических систем. Предложена математическая модель формирования графиков ремонтов энергетического оборудования, в которой учтено два аспекта: текущее техническое состояние энергетического оборудования и максимизация плановой надежности электроэнергетических систем при проведении ремонтов энергетического оборудования. Для решения задач на основании математической модели формирования графиков ремонтов энергетического оборудования предложена методика решения этих задач. В финальной части статьи представлены результаты применения предлагаемой методики на тестовой схеме энергосистемы.

Полный текст

Доступ закрыт

Об авторах

Д. С. Крупенёв

Федеральное государственное бюджетное учреждение науки “Институт систем энергетики им. Л.А. Мелентьева Сибирского отделения Российской академии наук”

Автор, ответственный за переписку.
Email: krupenev@isem.irk.ru
Россия, Иркутск

Д. А. Бояркин

Федеральное государственное бюджетное учреждение науки “Институт систем энергетики им. Л.А. Мелентьева Сибирского отделения Российской академии наук”

Email: boyarkin_denis@mail.ru
Россия, Иркутск

Д. В. Якубовский

Федеральное государственное бюджетное учреждение науки “Институт систем энергетики им. Л.А. Мелентьева Сибирского отделения Российской академии наук”

Email: dmitrii_iakubovskii@isem.irk.ru
Россия, Иркутск

Список литературы

  1. Воропай Н.И. Направления и проблемы трансформации электроэнергетических систем. Электричество, 2020. № 7. С. 12–21.
  2. Воропай Н.И., Крупенев Д.С., Подковальников С.В., Сендеров С.М. Блэкаут в штате Техас, США: анализ и некоторые выводы. ЭКО, 2021. № 9 (567). С. 125–143.
  3. Воропай Н.И., Крупенев Д.С., Подковальников С.В., Сендеров С.М. Два энергетических коллапса – в штате Техас, США, и в приморском крае, Россия. Электроэнергия. Передача и распределение, 2021. № 4 (67). С. 166–174.
  4. Информационная система “Система автоматизированного планирования электроэнергетических режимов” ОБЩЕЕ ОПИСАНИЕ СИСТЕМЫ. Москва, 2021. 19 с.
  5. Лебедева Л.М., Федотова Г.А. Программно-вычислительный комплекс РЕЗЕРВ – реализация методики рационального использования резервов мощности в ЭЭС. Методические вопросы исследования надежности больших систем энергетики. Иркутск: СЭИ СО АН СССР, 1981.
  6. Дубицкий М.А., Руденко Ю.Н., Чельцов М.Б. Выбор и использование резервов генерирующей мощности в электроэнергетических системах. М.: Энергоатомиздат, 1988.
  7. Воропай Н.И., Федотова Г.А. Планирование ремонтов электрогенерирующего оборудования в рыночной среде с учетом надежности. Автоматика и телемеханика, 2010. № 7. С. 179–184.
  8. Botvinnik M.M. Computers in Chess: Solving Inexact Search Problems. New-York: Springer-Verlag, 1984.
  9. Ботвинник М.М. Шахматный метод решения переборных задач. М: Советский спорт, 1989. 112 с.
  10. Арзамасцев Д.А., Обоскалов В.П. Определение плана капитальных ремонтов основного оборудования энергосистем методом покоординатной оптимизации. Известия ВУЗов. Энергетика, 1970, № 8. С. 106–110.
  11. Нестеренков В.П., Обоскалов В.П. К вопросу оптимального планирования капитальных ремонтов основных агрегатов станций энергосистем. Вопросы оптимизации развития и эксплуатации энергосистем, 1966. С. 83–90.
  12. Губин П.Ю., Обоскалов В.П. Применение метода дифференциальной эволюции в задаче планирования ремонтов генерирующего оборудования. Известия Российской академии наук. Энергетика, 2021. № 2. С. 50–64.
  13. Canto S. Application of Benders’ decomposition to power plant preventive maintenance scheduling. European Journal of Operational Research, 2008. № 184. P. 759–777.
  14. Volkanovski A., Mavko B. Genetic algorithm optimisation of the maintenance scheduling of generating units in a power system. Reliability Engineering & System Safety, 2008. № 93. P. 657–667.
  15. Anghinolfi D., Gambardella L., Montemanni R. A matheuristic algorithm for a large-scale energy management problem. Large-Scale Scientific Computing, 2012. № 7116. P. 173–181.
  16. Степанова Е.Л., Максимов А.С. Методика оценки влияния показателей надежности оборудования, графиков и объемов плановых ремонтов на надежность и эффективность работы ТЭЦ. Методические вопросы исследования надежности больших систем энергетики, 2018. Вып. 69. Книга 2.
  17. Brandt F., Bauer R., Velker M., Cardeneo A. A constraint programming-based approach to a large-scale energy management problem with varied constraints. Journal of Scheduling, 2013. № 16(6). P. 629–648.
  18. Shahidehpour S.M., Marwali M.K.C. Maintenance Scheduling in Restructure Power Systems. New York: Kluwer Academic Pub, 2000.
  19. Dahal K.P., Chakpitak N. Generator Maintenance Scheduling in Power Systems Using Metaheuristic – Based Hybrid Approach. Electric Power Syst. Res., 2007. V. 77. P. 771–779.
  20. Приказ Министерства энергетики РФ от 25 октября 2017 г. N 1013 “Об утверждении требований к обеспечению надежности электроэнергетических систем, надежности и безопасности объектов электроэнергетики и энергопринимающих установок “Правила организации технического обслуживания и ремонта объектов электроэнергетики”.
  21. Назарычев А.Н., Крупенев Д.С. Надежность и оценка технического состояния оборудования систем электроснабжения: учебное пособие. Новосибирск: Наука, 2020. 224 с.
  22. Назарычев А.Н., Пугачев А.А., Андреев Д.А. Риск-ориентированное управление эксплуатацией электрооборудования с учетом его технического состояния. Электроэнергия. Передача и распределение, 2020. № 6 (63). С. 134–135.
  23. Танаев В.С., Шкурба В.В. Введение в теорию расписаний. Главная редакция физико-математической литературы изд-ва “Наука”, 1975. 257 с.
  24. Лазарев А.А., Гафаров Е.Р. Теория расписаний. Задачи и алгоритмы. Москва: МГУ, 2011. 222 с.
  25. Brucker P. Scheduling algorithms. Springer Science & Business Media, 2004. 367 p.
  26. Крупенев Д.С. О плановой надежности электроэнергетических систем. В сборнике: Методические вопросы исследования надежности больших систем энергетики. Материалы 95-го заседания Международного научного семинара. Иркутск, 2023. С. 111–116.
  27. Krupenev D., Boyarkin D., Iakubovskii D. Improvement in the computational efficiency of a technique for assessing the reliability of electric power systems based on the Monte Carlo method. Reliability Engineering and System Safety, 2020. Vol.204. ID: 107171.
  28. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные приложения. М.: Наука. Гл. Ред. Физ.-мат. лит, 1991. 384 с.
  29. Вентцель А.Д. Курс теории случайных процессов. М.: Наука. Гл. Ред. Физ.-мат. лит, 1975. 320 с.
  30. Billinton R., Jonnavithula A. Composite system adequacy assessment using sequential Monte Carlo simulation with variance reduction techniques. IEE Proceedings - Generation, Transmission and Distribution, January 1997. Vol. 144, Is. 1. P. 1–6.
  31. Kantas N., Doucet A., Singh S.S., Maciejowski J.M. An Overview of Sequential Monte Carlo Methods for Parameter Estimation in General State-Space Models. Proceedings of the 15th IFAC Symposium on System Identification Saint-Malo, France, July 6–8, 2009.
  32. Henneaux P., Bouchez F.-X., Rese L. Confidence intervals for adequacy assessment using Monte Carlo sequential simulation. Published in: 2016 IEEE International Energy Conference (ENERGYCON).
  33. Grigg C. et al. The IEEE Reliability Test System-1996. A report prepared by the Reliability Test System Task Force of the Application of Probability Methods Subcommittee. IEEE Trans-actions on Power Systems, 1999. vol. 14. № 3. P. 1010–1020. doi: 10.1109/59.780914

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Семейство траекторий изменения напряжения с течением времени на шинах подстанции.

Скачать (73KB)
Метаданные
3. Рис. 2. Схема исследуемой системы.

Скачать (193KB)
Метаданные
4. Рис. 3. Годовой график потребления мощности IEEE RTS-96.

Скачать (113KB)
Метаданные
5. Рис. 4. Годовой видоизмененный график потребления мощности IEEE RTS-96.

Скачать (109KB)
Метаданные
6. Рис. 5. Оптимальный график ремонтов генерирующего оборудования для графика потребления мощности, соответствующего исходным данным IEEE RTS-96.

Скачать (65KB)
Метаданные
7. Рис. 6. Оптимальный график ремонтов генерирующего оборудования для видоизмененного графика потребления мощности IEEE RTS-96.

Скачать (64KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».