Generating repair schedules for generating equipment based on planned reliability indicators of electric power systems

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The article discusses the problem of planning repairs of generating equipment during long-term planning of the operation of electric power systems. A mathematical model for the formation of repair schedules for power equipment is proposed, which takes into account two aspects: the current technical condition of power equipment and maximizing the planned reliability of electric power systems when carrying out repairs of power equipment. To solve problems based on a mathematical model for generating repair schedules for power equipment, a methodology for solving these problems is proposed. The final part of the article presents the results of applying the proposed methodology on a test circuit of the power system.

Full Text

Restricted Access

About the authors

D. S. Krupenev

Melentiev Energy Systems Institute of Siberian Branch of the Russian Academy of Sciences

Author for correspondence.
Email: krupenev@isem.irk.ru
Russian Federation, Irkutsk

D. A. Boyarkin

Melentiev Energy Systems Institute of Siberian Branch of the Russian Academy of Sciences

Email: boyarkin_denis@mail.ru
Russian Federation, Irkutsk

D. V. Iakubovskii

Melentiev Energy Systems Institute of Siberian Branch of the Russian Academy of Sciences

Email: dmitrii_iakubovskii@isem.irk.ru
Russian Federation, Irkutsk

References

  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

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Family of trajectories of voltage changes over time on substation buses.

Download (73KB)
Indexing metadata
3. Fig. 2. Scheme of the system under study.

Download (193KB)
Indexing metadata
4. Fig. 3. IEEE RTS-96 annual power consumption graph.

Download (113KB)
Indexing metadata
5. Fig. 4. IEEE RTS-96 annual modified power consumption graph.

Download (109KB)
Indexing metadata
6. Fig. 5. Optimal schedule of generating equipment repairs for a power consumption schedule corresponding to the IEEE RTS-96 input data.

Download (65KB)
Indexing metadata
7. Fig. 6. Optimal schedule of generating equipment repairs for the modified IEEE RTS-96 power consumption schedule.

Download (64KB)
Indexing metadata

Copyright (c) 2024 Российская академия наук

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».