Scheduling of Repair Work Crew Routing for Power Network Restoration under Uncertainty

Le réseau électrique joue un rôle vital dans la société moderne, fournissant des services essentiels, stimulant la croissance économique et assurant la sécurité énergétique en s’appuyant sur son fonctionnement ininterrompu et efficace. Ce réseau est sujet à divers événements perturbateurs inévitables, qui peuvent avoir un impact imprévisible sur sa performance et entraîner des implications sociales importantes. Le sujet principal de cette thèse est l’opération de réparation et remise en service des réseaux de distribution après une catastrophe naturelle, avec un accent particulier sur la coordination des équipes de réparation et l’optimisation des opérations du réseau de distribution. À la suite de catastrophes majeures, l’un des principaux défis pour les exploitants est de gérer efficacement les équipes nécessaires pour réparer les lignes endommagées du réseau, rétablissant ainsi le fonctionnement normal du réseau. Les objectifs de cette thèse sont d’améliorer les pratiques actuelles et de fournir une assistance aux services publics dans leurs processus de prise de décision, permettant la restauration efficace du système rapidement et de manière sûre. Par conséquent, cette étude propose d’optimiser l’ordonnancement des réparations et le fonctionnement des réseaux de distribution en développant un modèle mathématique pour optimiser un cadre intégré qui planifie le travail des équipes de réparation et gère la remise en service du réseau de distribution. Deux approches distinctes sont présentées dans cette thèse. Tout d’abord, nous développons un programme linéaire déterministe en nombres entiers mixte (MILP) pour faciliter la restructuration du réseau et l’acheminement des équipes de réparation, afin de permettre une planification efficace des activités de réparation des lignes perturbées entre l’installation de production et les nœuds de distribution d’un réseau électrique. Deuxièmement, nous adoptons le modèle mathématique en introduisant un paramètre d’incertitude, convertissant le modèle MILP original en un programme linéaire mixte stochastique à deux étapes (SMILP) qui intègre une technique d’optimisation basée sur des scénarios. Ce modèle modifié est utilisé pour tenir compte des incertitudes quant aux temps de réparation dans le contexte du problème de réparation et de restauration. La première étape du SMILP consiste à dépêcher les équipes de réparation sur les lignes endommagées en fonction du temps requis pour les réparations. Le résultat des décisions de la première étape fournit un itinéraire pour les équipages, tandis que la deuxième étape est dédiée à la restauration du système de distribution dans tous les scénarios réalisés. Le modèle intégré vise à minimiser la somme des coûts de pénalité encourus en raison de la demande non satisfaite, ainsi que les coûts associés aux lignes inutilisables causées. Pour valider le modèle, un exemple numérique est utilisé, avec des analyses approfondies de sensibilité, d’incertitude et de complexité démontrant la performance du modèle. Enfin, des discussions approfondies sont menées à partir des résultats obtenus.

Abstract

The power network plays a vital role in modern society, providing essential services, driving economic growth, and ensuring energy security, relying on its uninterrupted and efficient operation. This network is prone to unavoidable disruptive events, which can unpredictably impact its performance and lead to significant social implications. The main topic of this thesis is the recovery operation of power networks after natural disasters, with a specific emphasis on coordinating crews and optimizing power network operations. In the aftermath of significant disaster events, one of the principal challenges for operators is effectively managing crews required to repair damaged lines in the network, thereby reestablishing normal network operations. The objectives of this thesis are to enhance current performance and assist utilities in their decision-making processes, enabling the efficient restoration of the system quickly and safely. Therefore, this study proposes optimizing repair scheduling and operation of power networks by developing a mathematical model for optimizing an integrated framework that schedules repair crews and manages the recovery of the power network. Two distinct approaches are presented in this thesis. Firstly, a deterministic mixed-integer linear program (MILP) is developed to facilitate the restructuring of the network and the routing of repair crews, aiding the efficient scheduling of repair activities for damaged lines between the generation facility and distribution nodes in a power network. Secondly, the mathematical model is adapted by introducing a parameter of uncertainty, converting the original MILP model into a two-stage Stochastic Mixed-Integer Linear Program (SMILP) incorporating a scenario-based optimization technique. This modified model addresses uncertainties in repair times within the repair and restoration problem context. The first stage of the SMILP involves the dispatch of repair crews to damaged lines based on the expected required time for repair. The outcome of the first stage decisions provides routes for the crews, while the second stage is dedicated to restoring the power network under all realized scenarios. The integrated model aims to minimize penalty costs incurred due to unmet demand and the costs associated with inoperable lines caused by link disruptions. A numerical example is utilized to validate the model, with extensive sensitivity, uncertainty, and complexity analyses demonstrating the model's performance. Finally, comprehensive discussions are drawn from the results obtained.