Power Grid Inspection and Maintenance Optimization - A Stochastic Dynamic Programming Approach

Abstract

Denne masteroppgaven studerer operasjonsanalyse i kontekst av inspeksjon og vedlikehold av strømnettet. Den motiveres av potensialet for besparelser ved bruk av optimale inspeksjons- og vedlikeholdsbeslutninger. Problemet er å planlegge når strømmaster skal inspiseres, og hvilket vedlikehold som skal gjennomføres basert på informasjon fra inspeksjonene. En strømmast beskrives som et system sammensatt av flere komponenter, der ulike beslutninger og tilfeldige hendelser påvirker komponentenes tilstandsutvikling over tid. I dag benyttes omfattende dataanalyse lite av nettselskapene til å støtte inspeksjons- og vedlikeholdsbeslutninger. Dette indikerer at optimeringsmodeller bør utforskes, med formål om å redusere kostnader tilknyttet drift av strømnettet.

Vi presenterer to modeller for å løse inspeksjons- og vedlikeholdsproblemet. En har faste inspeksjonsintervaller av en gitt lengde, mens den andre tillater at inspeksjonsintervallene settes sekvensielt, altså løpende gjennom en beslutningsperiode. Begge modellene er løst til optimalitet ved bruk av stokastisk dynamisk programmering. De returnerer optimale inspeksjons- og vedlikeholdsregimer, og for å utforske regimene ser vi på et mast-system bestående av fire komponenter. Så vidt vi vet beskriver ingen litteratur optimale løsningsmetoder for sekvensielle inspeksjons- og vedlikeholds beslutninger på flerkomponent-problemer.

For å muliggjøre beslutningsstøtte for større systemer lager vi en heuristikk som bruker vår sekvensielle modell til å løse en rekke mindre problemer, og kombinerer disse til en løsning for mast-systemet med fire komponenter. Denne heuristikkens regimer presterer nesten like godt som de optimale regimene fra våre modeller, og er et godt utgangspunkt for å videre utforske hvordan stokastisk dynamiske programmer kan brukes på større og mer virkelighetsnære problemer.

Våre funn indikerer et potensial for at nettselskapene ved bruk av optimering kan redusere sine kostnader tilknyttet drift av strømnettet. Våre modeller gir optimale inspeksjons- og vedlikeholdsbeslutninger for mindre system bestående av kritiske mastkomponenter, og vår foreslåtte heuristikk reduserer avstanden mellom teori og praksis.

This Master's thesis studies operations research in the context of maintenance and inspection on the power grid line. The potential of lowering operating costs by optimizing inspection and maintenance decisions motivates this study. The problem is to plan when to inspect a utility mast and which maintenance to perform based on the information inspections reveal. A utility mast is a multi-unit system composed of several components. A variety of available decisions and random events affects a mast's condition over time. Today, power grid operators do not utilize comprehensive data-analysis when making inspection and maintenance decisions. This indicates that mathematical models should be explored, aiming to reduce costs from operating the power grid.

We propose two models for solving the problem. One is restricted to periodic inspection intervals of fixed length. The other model allows sequential inspection decisions. That is, deciding when to inspect next at each inspection. Both models are solved to optimality using stochastic dynamic programming. They return optimal policies, which we study on a four-component utility mast. To the best of our knowledge, the literature does not consider optimal sequential inspection and maintenance optimization for multi-unit systems.

To enable decision-support for larger systems, we propose a heuristic that uses our sequential inspection model to combine solutions for smaller systems and derives an optimal policy for the four-component mast. The heuristic performs almost as well as our two models and is a good starting point for future research looking to apply maintenance optimization to real-life cases.

The findings we discuss in this thesis show a significant potential to reduce the power grid operator's total costs by applying inspection and maintenance optimization. Our proposed models provide optimal inspection and maintenance decisions for a sub-set of critical mast components, and our proposed heuristic lessens the gap between theory and real-life usage.