مدلسازی داده‌رانه مدت زمان تداوم وقفه در شبکه توزیع برق با در نظر گرفتن نگهداری و تعمیرات پیشگیرانه و تحلیل اثر آن

یکی از معیارهای مهم در سنجش عملکرد شرکت‌های توزیع برق، میزان رضایت مشترکین است. از دید اکثر مشترکین مهمترین معیار عملکرد این شرکت‌ها، مدت زمان تداوم وقفه‌ها است. یکی از ابزاری‌های شرکت‌های توزیع برق برای کنترل و کاهش مدت زمان تداوم وقفه‌ها نگهداری و تعمیرات پیشگیرانه است. این پژوهش به مدلسازی مدت زمان تداوم وقفه با در نظر گرفتن نگهداری و تعمیرات پیشگیرانه می‌پردازد. ابتدا داده‌های وقفه‌های سیستم از داشبورد بهره‌برداری شرکت توزیع نیروی برق تهران بزرگ استخراج گشت و سازماندهی شد و سپس با داده‌های هواشناسی در بازه زمانی مورد بررسی تلفیق گردید. در ادامه پس از پاکسازی داده‌ها از روش‌های رگرسیون خطی و غیرخطی برای مدلسازی مدت زمان تداوم وقفه استفاده شده است. نوآوری‌ها و مشارکت‌های این پژوهش را می‌توان: 1) مدلسازی داده‌رانه‌ی زمان تداوم وقفه با استفاده از الگوریتم‌های مختلف خطی و غیرخطی، 2) در نظر گرفتن اثر محل استقرار تیم تعمیرات و ترافیک شهری به صورت مدت زمان رسیدن تیم تعمیرات به محل حادثه، 3) در نظر گرفتن تاریخچه انجام عملیات نگهداری پیشگیرانه در مدلسازی زمان تداوم وقفه و تحلیل حساسیت زمان تداوم وقفه نسبت به عملیات نگهداری پیشگیرانه، و 4) تحلیل تاثیر ویژگی‌های ورودی بر پیش‌بینی زمان تداوم وقفه دانست.

Interruption Duration Modeling of Electrical Distribution Network Considering Preventive Maintenance and Analyzing Its Effects

Customer satisfaction is one of the important criteria in performance evaluation of electricity distribution companies. From the majority of customers rsquo; point of view, interruption duration is the most important criterion. Electricity distribution companies control and reduce their interruption duration times using set of methods, including preventive maintenance. This paper develops an interruption duration model, considering preventive maintenance action. First, the system interruption data is extracted and organized from the operational dashboard in the Greater Tehran Electricity Distribution Company (GTEDC), and integrated with the meteorological data during the period under review. Then after cleaning the data, linear and nonlinear regression methods were used to model interruption duration. Innovations and contributions of this research can be considered as: 1) datadriven modeling of interruption duration using linear and nonlinear methods, 2) considering the effect of the repair crew locations and urban traffic, in terms of the repair crew travel time to the accident site, 3) considering the preventive maintenance operations history in modeling the interruption duration and sensitivity analysis of interruption duration to preventive maintenance, and 4) analyzing the influence of input features on interruption duration prediction.