زمان بندی تعمیر و نگهداری واحدهای تولیدی (GMS) نقش مهمی در عملیات های سیستم قدرت ایفا می نماید. بازسازی صنعت برق تغییراتی در مکانیسم تعمیر و نگهداری سنتی ایجاد کرده است. از یک طرف، شرکت های تولیدی برق به دنبال به حداکثر رساندن سودشان هستند. از طرف دیگر، اپراتور مستقل سیستم (ISO) تلاش می کند قابلیت اطمینان عملیاتی سیستم را حفظ نموده و درعین حال رفاه اجتماعی را به حداکثر برساند. این مقاله، مکانیسم هماهنگی برای GMS در بازارهای برق را پیشنهاد می کند. برای حل مسئله برنامه ریزی عدد صحیح مختلط بزرگ حاصله (MIP)، از الگوریتم آزادسازی القایی استفاده می شود. این تکنیک مبتنی بر حل مسئله آزاد شده خطی می باشد. ویژگیهای مکانیسم هماهنگی و عملکرد الگوریتم با استفاده از سیستم باس IEEE-118 و سیستم قدرت استانی در چین شرح داده شده است. مطالعات موردی نشان می دهد که مکانیسم پیشنهادی نه تنها از رجحان یا ارجعیت تعمیر و نگهداری شرکت های تولیدی اطمینان حاصل می کند،بلکه همچنین قابلیت اطمینان عملیاتی سیستم را حفظ می نماید. آنها همچنین توضیح می دهند که الگوریتم در حل مسئله بهینه سازی کاملاً کارآمد عمل می کند.

Generation maintenance scheduling (GMS) plays an important role in power system operations. The restructuring of the power industry has forced changes to the traditional maintenance mechanism. On one hand, the generation companies seek to maximize their profit. On the other hand, the independent system operator (ISO) strives to maintain the operational reliability of the system while maximizing the social welfare. This paper proposes a coordination mechanism for generation maintenance scheduling in electricity markets. In order to solve the resulting large mixed integer programming (MIP) problem, a relaxation induced algorithm is utilized. This technique is based on the solution of the linear relaxed problem. The features of the coordination mechanism and the performance of the algorithm are demonstrated using the IEEE-118 bus system and a provincial power system in China. Case studies show that the proposed mechanism not only ensures the maintenance preference of the generating companies, but also maintains the operational reliability of the system. They also demonstrate that the algorithm is quite efficient at solving the optimization problem.