(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111210633.1 (22)申请日 2021.10.18 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 梅竞成　齐冬莲　闫云凤　李真鸣　 王震宇　 (74)专利代理 机构 杭州宇信联合知识产权代理 有限公司 3 3401 代理人 王健 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/00(2012.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 20/10(2019.01) G06Q 50/06(2012.01) G06F 111/10(2020.01) G06F 111/04(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于支持向量机的机组检修优化方法 (57)摘要 本发明公开了一种基于支持向量机的机组 检修优化方法， 包括以下步骤， 基于系统备用建 立机组检修计划安全可靠性指标； 基于安全可靠 性指标， 构建机组检修模型的目标函数； 基于机 组检修模型的目标函数和约束条件构建机组检 修优化模型； 构建基于支持向量机的改进分支策 略的分支定界计算框架； 对构建的机组检修优化 模型基于分支定界计算框架进行计算得到机组 检修计划， 本发 明的基于支持向量机的机组检修 优化方法， 加速机组检修计划这种整数变量众 多、 约束条件复杂的整数规划模型的求解过程， 保证机组检修计划的安全性、 可靠性的基础上， 最优化机组检修方案的执行， 保证了电力系统的 安全稳定运行。 权利要求书3页 说明书8页 附图4页 CN 113988390 A 2022.01.28 CN 113988390 A 1.一种基于支持向量机的机组检修优化方法， 其特 征在于， 包括以下步骤： S1， 基于系统备用建立机组检修计划安全可靠性指标； S2， 基于安全可靠性指标， 构建机组检修模型的目标函数； S3,基于机组检修模型的目标函数和约束条件构建机组检修优化模型； S4， 构建基于支持向量机的改进分支策略的分支定界计算框架； S5， 对构建的机组检修优化模型基于分支定界计算框架进行计算得到 机组检修计划。 2.根据权利要求1所述的基于支持向量机的机组检修优化方法， 其特征在于， 所述安全 可靠性指标公式如下， 其中， T为总时间段， St为t时段的系统备用， 公式如下， MTi为机组i在T时段内的检修次数总和， 为检修机组i第j次检修时在t时段的检修 状态， 为0‑1整数变量， 若 代表机组i处于检修状态， 若 机组i处于 非检修状态； NG为机组总数； Gi,max为机组出力上限； Dt为t时段的系统负荷。 3.根据权利要求2所述的基于支持向量机的机组检修优化方法， 其特征在于， 步骤S2具 体包括： S21,以最大化安全可靠性指标为机组检修模型的目标函数， 其中， 机组检修模型的目 标函数如下, 为t时段与t ‑1时段系统备用差的绝对值； S22,将式(3)线性 化， 线性化的表达如下, 其中， St为t时段的系统备用， St‑1为t‑1时段的系统备用。 4.根据权利要求1所述的基于支持向量机的机组检修优化方法， 其特征在于， 所述约束 条件至少包括机组检时间约束、 机组检修连续性约束、 机组检修计划不能重叠约束、 机组检 修互斥约束、 机组检修同时约束、 系统备用约束、 电力平衡约束、 机组出力上下限约束、 检修 机组出力上 下限约束、 线路潮流约束、 变量整数性约束。 5.根据权利要求4所述的基于支持向量机的机组检修优化方法， 其特征在于， 基于机组 检修时间约束构建的模型如下， 其中， 为机组i第j次检修所需要的时间； 基于机组检修时间约束构建的模型如下，权　利　要　求　书 1/3 页 2 CN 113988390 A 2其中， 基于机组检修计划不能重 叠约束构建的模型如下， 基于机组检修互斥约束构建的模型如下， 其中， Φe为互斥检修机组集 合； 基于机组同时约束构建的模型如下， 其中， Φs为同时检修机组集 合， Ns,t为集合s在t时段检修机组数 上限； 基于系统备用约束构建的模型如下， St≥DtR,t＝1,2, …,T   (11) 其中， R为系统备用率， St为t时段的系统备用， Dt为t时段的系统负荷； 基于电子平衡约束构建的模型如下， 其中， Pi,t为机组i在t时段的有功出力； 基于机组出力上 下限约束构建的模型如下， 其中， i＝1,…,NGm； t＝1,2, …,T， Gi,min为机组出力下限,Gi,max为机组出力上限； 基于线路潮流约束构建的模型如下， 其中， l＝1, …,NL； t＝1,2, …,T， NN为系统中 的负荷节点总数； NL为网络拓扑中的线路 总数； Pl,max为线路l传输功率的上限； Pl,min为线路l传输功率的下限； Dn,t为电网中节点n在 时段t的节 点负荷预测值； Gl‑i为机组i对线路l的节 点‑线路功率转移分布因子； Gl‑n为负荷n 对线路l的节点 ‑线路功率 转移分布因子； 基于变量整数性约束构建的模型如下， 公式(3)～(14)组成基于安全性的机组检修模型为ProbR‑MS。 6.根据权利要求1所述的基于支持向量机的机组检修优化方法， 其特征在于， 步骤S4具 体包括： S41， 基于强分支策略模拟θ个节点的候选分支变量集合C的分支过程， 得到基于前θ个 节点的候选变量特 征和候选变量标签的训练数据集； S42， 将训练数据输入到支持向量机的机器学习算法中， 并以训练数据集的损失函数为 最小目标， 拟合得到分支策略函数f；权　利　要　求　书 2/3 页 3 CN 113988390 A 3