考虑多因素的大规模设备分区检修决策

摘要

针对大规模设备检修决策问题,提出了基于谱聚类算法的多因素设备分区检修模型.首先考虑设备健康指数、设备故障水平、设备价值、社会影响、设备地位等多方面因素建立了设备检修指标的样本空间;然后通过Euclidean距离构造设备相似度矩阵;以设备相似度矩阵的Laplace矩阵相对特征值差自动确定设备分区检修数目,以Laplace矩阵特征向量为依据,确定设备分区检修方案;最后根据以上检修思路,以江西某市级电网为例进行说明,算例结果表明所提出的谱聚类算法,将Laplace矩阵特征向量分别映射到二维和三维向量空间,当相对特征值差处于峰值时,设备检修分区数目为3,故可将设备划分为3个检修分区,从而达到大规模设备分区检修的效果,同时算例还表明非规格化Laplace矩阵和规格化Laplace矩阵的分区相关系数为0.8423和0.8425,说明规格化Laplace矩阵的检修分区效果更好,验证本文算法的有效性.