煤炭是我国的基础能源。21世纪前10年间,我国煤炭行业过度投资,造成产能过剩,同质化竞争非常激烈。而设备的维护会引起生产中断,Boland等学者指出煤炭系统因设备维护引起的生产中断,造成的产量下降高达15%。设备故障具有相关关系,因此合理调度系统内设备的维护计划表是降低系统受到中断损失的重要手段。网络商品流模型常用于散货、集装箱的运输优化。本文中,网络弧的容量由相应设备的工作效率决定,当设备进行维护时,对应弧中断;在预防性维护模式下,设备都有维护时间窗。本文以煤炭港口供应网络设备的实际维护计划调度为背景,研究带边中断动态网络最大流(Maximum Total Flow with Flexible Arc Outages——Max TFFAO)模型。将煤炭的运输及其在码头的操作抽象到一个时空网络中,弧上的设备维护作业必须在规定的时间窗内执行,且有一段处理时间,当作业启动时,不能提前终止,弧在作业维护期间中断不可用。根据每条弧的停机维护策略、节点的流量平衡及容量限制得到约束条件,以总计划时间内网络吞吐量达到最大为目标,试图找到一个最优的维护计划安排表。该抽象化的问题是动态最大流问题和调度问题的结合,具备强NP难特性。针对模型特点,本文采用融合Local branching策略的Benders分解算法来求解,通过标准测试数据,验证了该改进算法更好的求解性能。同时,结合实际,加入维护资源约束,对模型进行扩展。论文的主要研究内容和成果如下:(1)针对煤炭供应链中设施设备的维护计划规划现状,全面地分析了存在的问题及已有研究的不足,指出设备维护计划对系统总吞吐量造成的影响,进一步分析了调度设备维护计划的重要性,并利用基于动态网络流的模型对实际问题展开研究。同时,结合实际,考虑维护资源约束,丰富了模型的应用范围。(2)采用Benders分解算法将原模型分解为具有调度特征的主问题和具有网络最大流特征的子问题,利用预流推进算法求解最大流子问题,采用Local branching策略处理主问题,快速更新当前解,在运算前期得到高质量的可行解。对于设备维护研究的运筹学算法较少,利用分解算法进行优化求解的研究也不多,本文设计的Benders分解算法是一个创新点。结合Benders分解算法本身的特点,提出的利用预流推进算法、Local branching策略的改进思路也是创新点。(3)应用标准测试数据,采用Python语言编码实现分解算法,调用Gurobi优化求解器求解,作为基准对比,开展数据实验,测试融合Local branching策略的Benders分解算法的性能,结果表明融合Local branching策略的Benders分解算法在各组算例实验中的表现都比较好,特别是在大网络大规模的算例中,优越性更显著。