CN107480793A - 海上风电场的维护费用计算及维护调度的方法及系统 - Google Patents

海上风电场的维护费用计算及维护调度的方法及系统 Download PDF

Info

Publication number
CN107480793A
CN107480793A CN201710724593.XA CN201710724593A CN107480793A CN 107480793 A CN107480793 A CN 107480793A CN 201710724593 A CN201710724593 A CN 201710724593A CN 107480793 A CN107480793 A CN 107480793A
Authority
CN
China
Prior art keywords
maintenance
cost
blower fan
expense
ship
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710724593.XA
Other languages
English (en)
Other versions
CN107480793B (zh
Inventor
吕伟
谈宏志
杨家荣
金礼伟
钟臻怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN201710724593.XA priority Critical patent/CN107480793B/zh
Publication of CN107480793A publication Critical patent/CN107480793A/zh
Application granted granted Critical
Publication of CN107480793B publication Critical patent/CN107480793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明公开了一种海上风电场的维护费用计算及维护调度的方法及系统，计算方法包括风功率损失费用的计算步骤，风功率损失费用的计算步骤包括：根据风机的设计风速功率曲线生成风机的标准发电模型；获取预设时间段内的风速预测数据；根据风速预测数据及标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量；获取在所述预设时间段内的风机维护时间段，计算出实际总发电量；计算并输出在所述预设时间段内的风功率损失费用，风功率损失费用＝(标准总发电量‑实际总发电量)*单位电费用。本发明提供了评价一个维护调度方案优劣的标准，大大提高了评价标准的合理性。本发明还实现了在满足维护调度需求的前提下，控制维护费用为最低。

Description

海上风电场的维护费用计算及维护调度的方法及系统
技术领域
本发明涉及智能维护领域，特别涉及一种海上风电场的维护费用计算及维护调度的方法及系统。
背景技术
与陆上风电场的维护工作相比较，海上风电场面临潮汐、台风、气流和闪电等恶劣环境，机组容易出现故障且维修较陆上而言难度大，特别在海况恶劣时，维护人员难以接近，故障无法排除，尤其到达深水地区的机组进行维护工作异常困难,使得海上风电场的运行维护费用较高。以上种种原因导致目前的海上风电机组的可用系数也较低，通常为80％-95％，维护费用相当于陆上风电场的两倍多，这意味着海上风电场的维护尤其重要，其优异程度直接影响海上风电场的发电量、设备使用率及收益率等。
海上风电场的维护调度涵盖人员配置、工期优化、海上船只调度优化、维护流程优化等内容，其中合理的人员配置是影响项目收益的关键因素；工期优化中综合考虑风季情况，可以通过优化、缩减定检项目，减少定检工时，最大限度保证风机在盛风季的运转时间；对于海上物流优化，部分维护中仅仅船只租用费用占维护费用的很大比例，同时船只类型选择、船只路径优化直接影响维护费用及维护周期；对于流程优化，合理规划定期维护、消缺排故、预防性检修、预测性维护四类维护工作，优化维护流程可降低年检工时。
但是，目前的海上风电场的维护调度方法存在以下问题：
1、基于历史维护记录及年度维护计划，人为定义调度任务优先级生成风机出海维护方案，无法实现中短期精确维护；
2、基于规则生成维护调度方案，无法保证人员配置、船只路径、维护工期安排的最优化。
另外，有效地计算出海上风电场的维护费用对整个维护调度起到尤为关键的作用，合理的维护费用是评价一个维护调度方案的标准，但是，目前还没有对海上风电场的维护费用的系统化的计算方式，只会单方面的考虑实时产生的船只租用费用等，欠缺多方面的考虑，导致无法制定出对维护调度方案的合理的评价标准。
发明内容
本发明要解决的技术问题是为了克服现有技术中无法有效地计算出海上风电场的维护费用，且基于规则或人为制定维护调度方案，导致降低维护效率的缺陷，提供一种海上风电场的维护费用计算及维护调度的方法及系统。
本发明是通过下述技术方案来解决上述技术问题：
一种海上风电场的维护费用的计算方法，其特点在于，所述维护费用包括风功率损失费用，所述计算方法包括风功率损失费用的计算步骤，所述风功率损失费用的计算步骤包括以下步骤：
S11、根据风机的设计风速功率曲线生成风机的标准发电模型，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率；
S12、获取一预设时间段内的风速预测数据，所述风速预测数据用于表征所述预设时间段内每一时刻的风速；
S13、根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量；
S14、获取待维护风机在所述预设时间段内的风机维护时间段，在所述风机维护时间段前根据待维护风机的实际发电功率来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0，在所述风机维护时间段后根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和；
S15、计算并输出待维护风机在所述预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用。
较佳地，所述维护费用还包括交通费用，所述计算方法包括交通费用的计算步骤，所述交通费用的计算步骤包括以下步骤：
S21、获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算；
S22、计算并输出交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用。
较佳地，所述维护费用还包括资源费用，所述计算方法还包括资源费用的计算步骤，所述资源费用的计算步骤包括以下步骤：
S31、获取固定资源费用及浮动资源费用，所述固定资源费用包括备品备件的更换成本，所述浮动资源费用包括维修工具的实际使用费用；
S32、计算并输出资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用。
较佳地，所述维护费用还包括人工费用，所述计算方法还包括人工费用的计算步骤，所述人工费用的计算步骤包括以下步骤：
S41、获取固定人工费用及浮动人工费用，所述固定人工费用包括维护人员的工资，所述浮动人工费用包括维护人员的实际加班费用；
S42、计算并输出人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用。
一种海上风电场的维护调度方法，其特点在于，所述维护调度方法包括以下步骤：
T1、获取对不同风机的n个维护任务；
T2、对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列；
T3、对每一组任务序列分别模拟执行一个维护调度方案，所述维护调度方案包括船只根据维护任务的执行次序依次将维护人员运载至维护任务产生的风机，维护人员执行维护任务的步骤；
T4、通过如上述的计算方法来计算出每一个维护调度方案的维护费用，并且选取维护费用最低的维护调度方案来进行海上风电场的维护调度。
较佳地，在步骤T1中，还获取用于执行维护任务的m条船只及x个维护人员，m<x<n；
所述维护调度方案包括以下步骤：
P1、将x个维护人员分别装载至m条船只上；
P2、根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务；
P3、从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
较佳地，在步骤P3中，当依次派出m条船只中离维护任务产生的风机距离最短的船只时，还判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只。
较佳地，在步骤T3中，通过MATLAB(一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境)编程模拟执行维护调度方案。
一种海上风电场的维护费用的计算系统，其特点在于，所述维护费用包括风功率损失费用，所述计算系统包括处理模块及输出模块，所述处理模块包括风功率损失费用计算单元；
所述处理模块用于根据风机的设计风速功率曲线生成风机的标准发电模型，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率；
所述处理模块还用于获取一预设时间段内的风速预测数据，所述风速预测数据用于表征所述预设时间段内每一时刻的风速；
所述风功率损失费用计算单元用于根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量；
所述风功率损失费用计算单元还用于获取待维护风机在所述预设时间段内的风机维护时间段，在所述风机维护时间段前根据待维护风机的实际发电功率来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0，在所述风机维护时间段后根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和；
所述风功率损失费用计算单元还用于计算待维护风机在所述预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用；
所述输出模块用于输出在所述预设时间段内的风功率损失费用。
较佳地，所述维护费用还包括交通费用，所述处理模块还包括交通费用计算单元；
所述处理模块还用于获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算；
所述交通费用计算单元用于计算交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用；
所述输出模块还用于输出所述交通费用。
较佳地，所述维护费用还包括资源费用，所述处理模块还包括资源费用计算单元；
所述处理模块还用于获取固定资源费用及浮动资源费用，所述固定资源费用包括备品备件的更换成本，所述浮动资源费用包括维修工具的实际使用费用；
所述资源费用计算单元用于计算资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用；
所述输出模块还用于输出所述资源费用。
较佳地，所述维护费用还包括人工费用，所述处理模块还包括人工费用计算单元；
所述处理模块还用于获取固定人工费用及浮动人工费用，所述固定人工费用包括维护人员的工资，所述浮动人工费用包括维护人员的实际加班费用；
所述人工费用计算单元用于计算人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用；
所述输出模块还用于输出所述人工费用。
较佳地，所述处理模块用于从海上风电场的SCADA(Supervisory Control AndData Acquisition，数据采集与监视控制系统)数据中获取数据。
一种海上风电场的维护调度系统，其特点在于，所述维护调度系统包括维护调度处理模块、维护调度模拟模块及维护调度执行模块；
所述维护调度处理模块用于获取对不同风机的n个维护任务，对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列；
所述维护调度处理模块还用于对每一组任务序列分别调用一次所述维护调度模拟模块，所述维护调度模拟模块用于模拟执行船只根据维护任务的执行次序依次将维护人员运载至维护任务产生的风机，还用于模拟维护人员执行维护任务；
所述维护调度处理模块还用于调用如上述的计算系统来计算出每一次调用所述维护调度模拟模块时的维护费用；
所述维护调度执行模块用于选取维护费用最低的维护调度方案来进行海上风电场的维护调度，所述维护调度方案为还原调用所述维护调度模拟模块时的方案。
较佳地，所述维护调度处理模块还获取用于执行维护任务的m条船只及x个维护人员，m<x<n；
所述维护调度模拟模块用于模拟将x个维护人员分别装载至m条船只上；
所述维护调度模拟模块还用于模拟根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务；
所述维护调度模拟模块还用于模拟从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
较佳地，所述维护调度模拟模块还用于模拟当依次派出m条船只中离维护任务产生的风机距离最短的船只时，还判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只。
较佳地，所述维护调度模拟模块用于通过MATLAB编程来实现模拟。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：
本发明提供的海上风电场的维护费用的计算方法及系统通过考虑风功率损失费用、交通费用、资源费用及人工费用等四个方面的费用来有效地计算并输出维护费用，提供了评价一个维护调度方案优劣的标准，大大提高了评价标准的合理性，从而提供了海上风电场的维护费用的系统化的计算方式。
本发明提供的海上风电场的维护调度方法及系统通过综合考虑维护费用等因素可给出最优的维护调度方案，进而对各个维护任务合理分配维护人员，给出较佳的船只运行路线，从而实现了在满足维护调度需求的前提下，控制维护费用为最低。
附图说明
图1为本发明实施例1的风功率损失费用的计算步骤的流程图。
图2为本发明实施例1的交通费用的计算步骤的流程图。
图3为本发明实施例1的资源费用的计算步骤的流程图。
图4为本发明实施例1的人工费用的计算步骤的流程图。
图5为本发明实施例2的海上风电场的维护调度方法的流程图。
图6为本发明实施例2的维护调度方案的流程图。
图7为本发明实施例3的海上风电场的维护费用的计算系统的结构示意图。
图8为本发明实施例4的海上风电场的维护调度系统的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
实施例1提供一种海上风电场的维护费用的计算方法，所述维护费用包括风功率损失费用、交通费用、资源费用及人工费用，在本实施例中，所述维护费用为所述风功率损失费用、所述交通费用、所述资源费用及所述人工费用的总和，但并不具体限定维护费用，也可以是四种费用之间任意组合的总和，所述计算方法包括风功率损失费用的计算步骤、交通费用的计算步骤、资源费用的计算步骤及人工费用的计算步骤。
具体地，如图1所示，所述风功率损失费用的计算步骤包括以下步骤：
步骤1101、根据风机的设计风速功率曲线生成风机的标准发电模型。
在本步骤中，从海上风场的数据库中获取每一个风机的设计风速功率曲线，所述设计风速功率曲线用于表征风速值与风机的标准发电功率之间的关系，所述标准发电功率为风机的最大发电功率，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率。
步骤1102、获取预设时间段内的风速预测数据。
在本步骤中，所述预设时间段可根据海上风场的实际情况及风机实际运行时间等来设定，例如，某风机在一天24小时内实际运行时间段为上午9点至下午5点，那么预设时间段可设置为上午9点至下午5点。
在本步骤中，所述风速预测数据用于表征所述预设时间段内每一时刻的风速，从海上风场的数据库中获取短期预测气象数据，即从气象数据中获取风速预测数据，从而获知预设时间段内风速的变化。
步骤1103、根据风速预测数据及标准发电模型计算出待维护风机在预设时间段内的标准总发电量。
在本步骤中，根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量，即根据每一时刻的风速与风速对应的标准发电功率来计算出在所述预设时间段内的标准总发电量，在本实施例中，假设待维护风机(需维护的风机)在所述预设时间段内健康运行(指每一时刻以最大发电功率来运行)，从而计算出健康运行时应当达到的标准总发电量。
步骤1104、获取待维护风机在预设时间段内的风机维护时间段，计算出实际总发电量。
在本步骤中，获取在所述预设时间段内的风机维护时间段(例如在上午10点至11点期间进行维护)，在所述风机维护时间段前(即在上午9点至上午10点期间)根据待维护风机的实际发电功率(风机损坏后的发电功率，例如为最大发电功率的30％)来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0(维护时需停机，因此不发电)，在所述风机维护时间段后(即在上午11点至下午5点期间)根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和。
步骤1105、计算并输出待维护风机在预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用。
在本实施例中，获取单位电费用(指每一单位的电量对应的销售费用)，并且根据上述计算公式来计算出风功率损失费用。
在本实施例中，风功率损失费用越低，说明一个维护调度方案越优异。原则上，对于一个待维护风机来讲，维护越早，风功率损失费用会越低，但是，在一个维护调度方案中会存在多个待维护风机，若考虑不同时刻不同地点实时变化的风速，会存在多种不同的可能性，对于一个维护调度方案，所述风功率损失费用属于浮动费用，即为可调整的费用，因此在一个维护调度方案中考虑风功率损失费用变得尤为重要。
如图2所示，所述交通费用的计算步骤包括以下步骤：
步骤1201、获取固定交通费用及浮动交通费用。
在本步骤中，从海上风场的数据库中获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，即为固定支出不可调整的交通费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算，即为可调整的交通费用。
步骤1202、计算并输出交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用。
如图3所示，所述资源费用的计算步骤包括以下步骤：
步骤1301、获取固定资源费用及浮动资源费用。
在本步骤中，从海上风场的数据库中获取固定资源费用及浮动资源费用，所述固定资源费用包括风机的备品备件的更换成本，即为固定支出不可调整的资源费用，所述浮动资源费用包括维修工具的实际使用费用，即为对不同的风机损坏问题而不同的维修工具的租借费用等，按照使用时间的长短来计算，此费用可调整的资源费用。
步骤1302、计算并输出资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用。
如图4所示，所述人工费用的计算步骤包括以下步骤：
步骤1401、获取固定人工费用及浮动人工费用。
在本步骤中，从海上风场的数据库中获取固定人工费用及浮动人工费用，即获取维护调度人员的工资、工作时间、加班时间、加班工资及技能等，所述固定人工费用包括维护人员的工资，即为固定支出不可调整的人工费用，所述浮动人工费用包括维护人员的实际加班费用，即不能按时返回而产生的加班费用等，此费用可调整的人工费用。
步骤1402、计算并输出人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用。
在本实施例中，利用所述计算方法来生成对维护调度方案的评价模型，将一个维护调度方案的各项相关参数输入值所述评价模型时，所述评价模型可输出该维护调度方案的维护费用，从而评价其优劣。
本实施例提供的海上风电场的维护费用的计算方法通过考虑风功率损失费用、交通费用、资源费用及人工费用等四个方面的费用来有效地计算并输出维护费用，提供了评价一个维护调度方案优劣的标准，大大提高了评价标准的合理性，从而提供了海上风电场的维护费用的系统化的计算方式。
实施例2
如图5所示，实施例2提供一种海上风电场的维护调度方法，所述维护调度方法包括以下步骤：
步骤201、获取对不同风机的n个维护任务、用于执行维护任务的m条船只及x个维护人员。
在本步骤中，从海上风场的SCADA数据中获取需执行的维护任务的具体信息，例如，风机和码头的地理位置分布、风机的损坏类型等，再获取目前可执行维护任务的维护人员的数量及技能，目前可派出的船只的数量等，在本实施例中，设定m<x<n，但并不具体限定其关系。
步骤202、对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列。
在本步骤中，若目前存在3个维护任务A、B、C，那么会存在(ABC)、(ACB)、(BAC)、(BCA)、(CAB)、(CBA)等6组任务序列。
步骤203、对每一组任务序列分别模拟执行一个维护调度方案。
在本步骤中，通过MATLAB编程模拟执行维护调度方案，即对每一组任务序列通过计算机软件来仿真一次完整的实际维护调度的过程。
步骤204、计算出每一个维护调度方案的维护费用。
在本步骤中，通过实施例1中提供的海上风电场的维护费用的计算方法来计算出每一个维护调度方案的维护费用。
步骤205、选取维护费用最低的维护调度方案来进行海上风电场的维护调度。
在本步骤中，对各个维护调度方案进行仿真并计算其维护费用后，选取维护费用最低的维护调度方案来实际进行海上风电场的维护调度。
在本实施例中，如图6所示，所述维护调度方案包括以下步骤：
步骤301、将x个维护人员分别装载至m条船只上。
在本步骤中，可根据维护人员不同的技能等规则来进行船只的分配。
步骤302、根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
在本步骤中，对前m个维护任务中的每一个维护任务产生的风机可根据维护人员的技能等因素分别派出一条船只，所述预设规则根据实际情况来决定，以最优化的分配方式来进行考虑。
步骤303、从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只。
步骤304、判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只。
步骤305、对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
在本实施例中，通过优化一个维护调度方案中所对应的人员配置、船只路径、时间安排可以在满足任务执行情况的基础上优化维护调度方案的成本。
下面具体说明应用所述维护调度方法的示例。
以东海某风场的28台风机为研究对象，获取2016年3月～2016年7月风机调度现场的历史维护日志、在3～7月中取一段风场大修过后时间的SCADA数据、3～7月气象局风场区域的历史天气数据和短期预测天气数据、风场维护的资源费用和人力费用、海上风场各风机和码头的地理位置分布、风场风机的设计风速功率曲线。
其中，获取3～7月中三天维护调度方案的具体信息：取这三天的维护日志，获取这次维护的船只出海安排、运维路线、运维时间节点、人员出海安排，以及期间的天气数据。
计算该维护调度方案的资源费用：从维护日志中获得使用的维修工具和更换的备品备件，按照获取的资源费用数据计算维护调度的资源费用，其中维修工具的使用作为浮动资源费用，备品备件的更换作为固定资源费用。
计算该维护调度方案的交通费用：根据维护日志中的船只运行路线和获取的燃油费用计算该维护调度方案的浮动交通费用，船只的租赁费用作为固定交通费用。
计算该维护调度方案的人工费用：根据维护日志中获取的人员安排和人员工资计算该维护调度方案的人工费用，其中加班部分的加班费用作为浮动人工费用，正常工作时间的工资费用作为固定人工费用。
计算该维护调度方案的风功率损失费用：从SCADA数据中获取大修过后的风机发电数据作为健康运行状况下的发电数据，结合天气数据和风机的设计风速功率曲线，训练标准发电模型。
计算该维护调度方案的总维护费用，即资源费用、交通费用、人工费用及风功率损失费用的总和。
利用所述维护调度方法来生成优化模型，模拟这三天的17个维护调度任务，其中3台风机为故障维修，6台风机为定期巡检，其余风机均为定期保养任务。可用的维护船只数为2，可用的维护团队数为3，优化模型求解采用遗传算法用MATLAB求解。
进行编码与初始化后，采用遗传算法的具体操作过程如下：
适应度计算：按照评价模型中的定义计算这三天维护费用的浮动部分，直接作为模型的适应度函数。
选择操作：选择操作是根据个体的适应度值的优劣选择表现优异的个体遗传到新一代种群中，淘汰适应度差的个体。此处采用轮盘赌的方式，各个个体被选中的概率与其适应度函数值大小成正比，同时采用精英主义，保证当前最优解个体可以遗传到新一代种群中，这样大幅提高了运算速度，因为它可以防止错过找到的最优解。
交叉操作：交叉操作的目的在于保留个体的优良信息，将一对染色体相互交换其部分基因，形成两个新的基因。交叉运算是遗传算法中产生新一个个体的主要方法，其优劣直接影响计算结果与计算效率。此处部分匹配交叉(PMX)法进行交叉操作。
变异操作：变异操作主要是为了维持种群的多样性，改善算法的局部搜索限制。此处采用互换变异，对于需要变异的个体，从染色体序列中随机选择两个位置的基因进行互换。
算例结果：种群大小Psize＝200，迭代次数G＝200，交叉率Pcross＝0.6，变异率Pmutate＝0.05，重复该过程100次。
采用本实施例提供的维护调度方法所输出的维护调度方案(序号1)及采用现有先到先维护策略(基于规则的维护，即任意选择距离短的风机或维护先故障的风机等)的维护调度方案(序号2)分别产生的总维护费用如表1所示。
表1：
序号 船只 任务数 维护团队 时间窗 总维护费用
1 2 17 3 3天 37，673元
2 2 17 3 3天 50，997元
从表1中可以看出，采用序号1中的总维护费用明显低于序号2中的总维护费用，可证明所述维护调度方法的可行性。
本实施例提供的海上风电场的维护调度方法通过综合考虑维护费用等因素可给出最优的维护调度方案，进而对各个维护任务合理分配维护人员，给出较佳的船只运行路线，从而实现了在满足维护调度需求的前提下，控制维护费用为最低。
实施例3
如图7所示，实施例3提供一种海上风电场的维护费用的计算系统1，包括处理模块11及输出模块12，处理模块11包括风功率损失费用计算单元111、交通费用计算单元112、资源费用计算单元113及人工费用计算单元114，所述维护费用包括风功率损失费用、交通费用、资源费用及人工费用，在本实施例中，所述维护费用为所述风功率损失费用、所述交通费用、所述资源费用及所述人工费用的总和，但并不具体限定维护费用，也可以是四种费用之间任意组合的总和。
具体地，处理模块用于根据风机的设计风速功率曲线生成风机的标准发电模型。处理模块从海上风场的数据库中获取每一个风机的设计风速功率曲线，所述设计风速功率曲线用于表征风速值与风机的标准发电功率之间的关系，所述标准发电功率为风机的最大发电功率，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率。
处理模块还用于获取预设时间段内的风速预测数据。在本实施例中，所述预设时间段可根据海上风场的实际情况及风机实际运行时间等来设定，例如，某风机在一天24小时内实际运行时间段为上午9点至下午5点，那么预设时间段可设置为上午9点至下午5点。
在本实施例中，所述风速预测数据用于表征所述预设时间段内每一时刻的风速，从海上风场的数据库中获取短期预测气象数据，即从气象数据中获取风速预测数据，从而获知预设时间段内风速的变化。
风功率损失费用计算单元用于根据风速预测数据及标准发电模型计算出待维护风机在预设时间段内的标准总发电量。风功率损失费用计算单元根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量，即根据每一时刻的风速与风速对应的标准发电功率来计算出在所述预设时间段内的标准总发电量，在本实施例中，假设待维护风机(需维护的风机)在所述预设时间段内健康运行(指每一时刻以最大发电功率来运行)，从而计算出健康运行时应当达到的标准总发电量。
风功率损失费用计算单元还用于获取待维护风机在预设时间段内的风机维护时间段，计算出实际总发电量。风功率损失费用计算单元获取在所述预设时间段内的风机维护时间段(例如在上午10点至11点期间进行维护)，在所述风机维护时间段前(即在上午9点至上午10点期间)根据待维护风机的实际发电功率(风机损坏后的发电功率，例如为最大发电功率的30％)来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0(维护时需停机，因此不发电)，在所述风机维护时间段后(即在上午11点至下午5点期间)根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和。
风功率损失费用计算单元还用于计算待维护风机在预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用。
在本实施例中，获取单位电费用(指每一单位的电量对应的销售费用)，并且根据上述计算公式来计算出风功率损失费用。
输出模块用于输出在预设时间段内的风功率损失费用。
在本实施例中，风功率损失费用越低，说明一个维护调度方案越优异。原则上，对于一个待维护风机来讲，维护越早，风功率损失费用会越低，但是，在一个维护调度方案中会存在多个待维护风机，若考虑不同时刻不同地点实时变化的风速，会存在多种不同的可能性，对于一个维护调度方案，所述风功率损失费用属于浮动费用，即为可调整的费用，因此在一个维护调度方案中考虑风功率损失费用变得尤为重要。
处理模块还用于获取固定交通费用及浮动交通费用。
在本步骤中，处理模块从海上风场的数据库中获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，即为固定支出不可调整的交通费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算，即为可调整的交通费用。
交通费用计算单元用于计算交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用。
输出模块还用于输出交通费用。
处理模块还用于获取固定资源费用及浮动资源费用。
在本实施例中，处理模块从海上风场的数据库中获取固定资源费用及浮动资源费用，所述固定资源费用包括风机的备品备件的更换成本，即为固定支出不可调整的资源费用，所述浮动资源费用包括维修工具的实际使用费用，即为对不同的风机损坏问题而不同的维修工具的租借费用等，按照使用时间的长短来计算，此费用可调整的资源费用。
资源费用计算单元用于计算资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用。
输出模块还用于输出资源费用。
处理模块还用于获取固定人工费用及浮动人工费用。
在本实施例中，处理模块从海上风场的数据库中获取固定人工费用及浮动人工费用，即获取维护调度人员的工资、工作时间、加班时间、加班工资及技能等，所述固定人工费用包括维护人员的工资，即为固定支出不可调整的人工费用，所述浮动人工费用包括维护人员的实际加班费用，即不能按时返回而产生的加班费用等，此费用可调整的人工费用。
人工费用计算单元用于计算人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用。
输出模块还用于输出人工费用。
在本实施例中，利用所述计算系统来生成对维护调度方案的评价模型，将一个维护调度方案的各项相关参数输入值所述评价模型时，所述评价模型可输出该维护调度方案的维护费用，从而评价其优劣。
本实施例提供的海上风电场的维护费用的计算系统通过考虑风功率损失费用、交通费用、资源费用及人工费用等四个方面的费用来有效地计算并输出维护费用，提供了评价一个维护调度方案优劣的标准，大大提高了评价标准的合理性，从而提供了海上风电场的维护费用的系统化的计算方式。
实施例4
如图8所示，实施例4提供一种海上风电场的维护调度系统2，包括维护调度处理模块21、维护调度模拟模块22及维护调度执行模块23。
维护调度处理模块用于获取对不同风机的n个维护任务、用于执行维护任务的m条船只及x个维护人员。
在本实施例中，维护调度处理模块从海上风场的SCADA数据中获取需执行的维护任务的具体信息，例如，风机和码头的地理位置分布、风机的损坏类型等，再获取目前可执行维护任务的维护人员的数量及技能，目前可派出的船只的数量等，在本实施例中，设定m<x<n，但并不具体限定其关系。
维护调度处理模块还用于对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列。
在本实施例中，若目前存在3个维护任务A、B、C，那么会存在(ABC)、(ACB)、(BAC)、(BCA)、(CAB)、(CBA)等6组任务序列。
维护调度处理模块还用于对每一组任务序列分别调用一次维护调度模拟模块。
在本实施例中，维护调度模拟模块通过MATLAB编程来实现模拟，即对每一组任务序列通过计算机软件来仿真一次完整的实际维护调度的过程。
维护调度处理模块还用于计算出每一次调用维护调度模拟模块时的维护费用。
在本实施例中，通过实施例3中提供的海上风电场的维护费用的计算系统来计算出每一次调用维护调度模拟模块时的维护费用。
维护调度执行模块用于选取维护费用最低的维护调度方案来进行海上风电场的维护调度，所述维护调度方案为还原调用维护调度模拟模块时的方案。
在本实施例中，对各个维护调度方案进行仿真并计算其维护费用后，选取维护费用最低的维护调度方案来实际进行海上风电场的维护调度。
在本实施例中，维护调度模拟模块用于模拟将x个维护人员分别装载至m条船只上。可根据维护人员不同的技能等规则来进行船只的分配。
维护调度模拟模块还用于模拟根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
在本实施例中，对前m个维护任务中的每一个维护任务产生的风机可根据维护人员的技能等因素分别派出一条船只，所述预设规则根据实际情况来决定，以最优化的分配方式来进行考虑。
维护调度模拟模块还用于模拟从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只，判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只，对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
在本实施例中，通过优化一个维护调度方案中所对应的人员配置、船只路径、时间安排可以在满足任务执行情况的基础上优化维护调度方案的成本。
本实施例提供的海上风电场的维护调度系统通过综合考虑维护费用等因素可给出最优的维护调度方案，进而对各个维护任务合理分配维护人员，给出较佳的船只运行路线，从而实现了在满足维护调度需求的前提下，控制维护费用为最低。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (17)

1.一种海上风电场的维护费用的计算方法，其特征在于，所述维护费用包括风功率损失费用，所述计算方法包括风功率损失费用的计算步骤，所述风功率损失费用的计算步骤包括以下步骤：
S11、根据风机的设计风速功率曲线生成风机的标准发电模型，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率；
S12、获取一预设时间段内的风速预测数据，所述风速预测数据用于表征所述预设时间段内每一时刻的风速；
S13、根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量；
S14、获取待维护风机在所述预设时间段内的风机维护时间段，在所述风机维护时间段前根据待维护风机的实际发电功率来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0，在所述风机维护时间段后根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和；
S15、计算并输出待维护风机在所述预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用。
2.如权利要求1所述的计算方法，其特征在于，所述维护费用还包括交通费用，所述计算方法包括交通费用的计算步骤，所述交通费用的计算步骤包括以下步骤：
S21、获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算；
S22、计算并输出交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用。
3.如权利要求1所述的计算方法，其特征在于，所述维护费用还包括资源费用，所述计算方法还包括资源费用的计算步骤，所述资源费用的计算步骤包括以下步骤：
S31、获取固定资源费用及浮动资源费用，所述固定资源费用包括备品备件的更换成本，所述浮动资源费用包括维修工具的实际使用费用；
S32、计算并输出资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用。
4.如权利要求1所述的计算方法，其特征在于，所述维护费用还包括人工费用，所述计算方法还包括人工费用的计算步骤，所述人工费用的计算步骤包括以下步骤：
S41、获取固定人工费用及浮动人工费用，所述固定人工费用包括维护人员的工资，所述浮动人工费用包括维护人员的实际加班费用；
S42、计算并输出人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用。
5.一种海上风电场的维护调度方法，其特征在于，所述维护调度方法包括以下步骤：
T1、获取对不同风机的n个维护任务；
T2、对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列；
T3、对每一组任务序列分别模拟执行一个维护调度方案，所述维护调度方案包括船只根据维护任务的执行次序依次将维护人员运载至维护任务产生的风机，维护人员执行维护任务的步骤；
T4、通过如权利要求1～4中任意一项所述的计算方法来计算出每一个维护调度方案的维护费用，并且选取维护费用最低的维护调度方案来进行海上风电场的维护调度。
6.如权利要求5所述的维护调度方法，其特征在于，在步骤T1中，还获取用于执行维护任务的m条船只及x个维护人员，m<x<n；
所述维护调度方案包括以下步骤：
P1、将x个维护人员分别装载至m条船只上；
P2、根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务；
P3、从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
7.如权利要求6所述的维护调度方法，其特征在于，在步骤P3中，当依次派出m条船只中离维护任务产生的风机距离最短的船只时，还判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只。
8.如权利要求5所述的维护调度方法，其特征在于，在步骤T3中，通过MATLAB编程模拟执行维护调度方案。
9.一种海上风电场的维护费用的计算系统，其特征在于，所述维护费用包括风功率损失费用，所述计算系统包括处理模块及输出模块，所述处理模块包括风功率损失费用计算单元；
所述处理模块用于根据风机的设计风速功率曲线生成风机的标准发电模型，所述标准发电模型用于接收一风速值，并且根据所述风速值来输出风机的标准发电功率；
所述处理模块还用于获取一预设时间段内的风速预测数据，所述风速预测数据用于表征所述预设时间段内每一时刻的风速；
所述风功率损失费用计算单元用于根据所述风速预测数据及所述标准发电模型计算出待维护风机在所述预设时间段内的标准总发电量；
所述风功率损失费用计算单元还用于获取待维护风机在所述预设时间段内的风机维护时间段，在所述风机维护时间段前根据待维护风机的实际发电功率来计算出第一发电量，在所述风机维护时间段内风机的发电量设为0，在所述风机维护时间段后根据所述风速预测数据及所述标准发电模型计算出第二发电量，待维护风机在所述预设时间段内的实际总发电量为所述第一发电量及所述第二发电量的总和；
所述风功率损失费用计算单元还用于计算待维护风机在所述预设时间段内的风功率损失费用，计算公式如下：
风功率损失费用＝(标准总发电量-实际总发电量)*单位电费用；
所述输出模块用于输出在所述预设时间段内的风功率损失费用。
10.如权利要求9所述的计算系统，其特征在于，所述维护费用还包括交通费用，所述处理模块还包括交通费用计算单元；
所述处理模块还用于获取固定交通费用及浮动交通费用，所述固定交通费用包括船舶的租借费用，所述浮动交通费用包括船舶的实际使用费用，所述实际使用费用根据船舶的使用时间和/或里程来计算；
所述交通费用计算单元用于计算交通费用，计算公式如下：
交通费用＝固定交通费用+浮动交通费用；
所述输出模块还用于输出所述交通费用。
11.如权利要求9所述的计算系统，其特征在于，所述维护费用还包括资源费用，所述处理模块还包括资源费用计算单元；
所述处理模块还用于获取固定资源费用及浮动资源费用，所述固定资源费用包括备品备件的更换成本，所述浮动资源费用包括维修工具的实际使用费用；
所述资源费用计算单元用于计算资源费用，计算公式如下：
资源费用＝固定资源费用+浮动资源费用；
所述输出模块还用于输出所述资源费用。
12.如权利要求9所述的计算系统，其特征在于，所述维护费用还包括人工费用，所述处理模块还包括人工费用计算单元；
所述处理模块还用于获取固定人工费用及浮动人工费用，所述固定人工费用包括维护人员的工资，所述浮动人工费用包括维护人员的实际加班费用；
所述人工费用计算单元用于计算人工费用，计算公式如下：
人工费用＝固定人工费用+浮动人工费用；
所述输出模块还用于输出所述人工费用。
13.如权利要求9～12中任意一项所述的计算系统，其特征在于，所述处理模块用于从海上风电场的SCADA数据中获取数据。
14.一种海上风电场的维护调度系统，其特征在于，所述维护调度系统包括维护调度处理模块、维护调度模拟模块及维护调度执行模块；
所述维护调度处理模块用于获取对不同风机的n个维护任务，对n个维护任务的执行次序进行随机编码，并且生成根据执行次序排列的n！组任务序列；
所述维护调度处理模块还用于对每一组任务序列分别调用一次所述维护调度模拟模块，所述维护调度模拟模块用于模拟执行船只根据维护任务的执行次序依次将维护人员运载至维护任务产生的风机，还用于模拟维护人员执行维护任务；
所述维护调度处理模块还用于调用如权利要求9～13中任意一项所述的计算系统来计算出每一次调用所述维护调度模拟模块时的维护费用；
所述维护调度执行模块用于选取维护费用最低的维护调度方案来进行海上风电场的维护调度，所述维护调度方案为还原调用所述维护调度模拟模块时的方案。
15.如权利要求14所述的维护调度系统，其特征在于，所述维护调度处理模块还获取用于执行维护任务的m条船只及x个维护人员，m<x<n；
所述维护调度模拟模块用于模拟将x个维护人员分别装载至m条船只上；
所述维护调度模拟模块还用于模拟根据维护任务的执行次序，对前m个维护任务中的每一个维护任务产生的风机分别派出一条船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务；
所述维护调度模拟模块还用于模拟从第m+1个维护任务到第n个维护任务，依次派出m条船只中离维护任务产生的风机距离最短的船只，并且对每一个风机根据预设规则分配维护人员的数量，维护人员执行维护任务。
16.如权利要求15所述的维护调度系统，其特征在于，所述维护调度模拟模块还用于模拟当依次派出m条船只中离维护任务产生的风机距离最短的船只时，还判断离维护任务产生的风机距离最短的船只上装载的维护人员是否可执行该维护任务，若是，派出该距离最短的船只，若否，派出装载可执行该维护任务的维护人员的船只中距离最短的船只。
17.如权利要求14所述的维护调度系统，其特征在于，所述维护调度模拟模块用于通过MATLAB编程来实现模拟。
CN201710724593.XA 2017-08-22 2017-08-22 海上风电场的维护费用计算及维护调度的方法及系统 Active CN107480793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710724593.XA CN107480793B (zh) 2017-08-22 2017-08-22 海上风电场的维护费用计算及维护调度的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710724593.XA CN107480793B (zh) 2017-08-22 2017-08-22 海上风电场的维护费用计算及维护调度的方法及系统

Publications (2)

Publication Number Publication Date
CN107480793A true CN107480793A (zh) 2017-12-15
CN107480793B CN107480793B (zh) 2021-01-29

Family

ID=60601896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710724593.XA Active CN107480793B (zh) 2017-08-22 2017-08-22 海上风电场的维护费用计算及维护调度的方法及系统

Country Status (1)

Country Link
CN (1) CN107480793B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109253056A (zh) * 2018-09-14 2019-01-22 华润电力投资有限公司北方分公司 一种风电数据分析方法及系统
CN109376872A (zh) * 2018-09-07 2019-02-22 上海电力学院 一种海上风电机组维护系统
CN110245795A (zh) * 2019-06-10 2019-09-17 北京千尧新能源科技开发有限公司 一种用于海上风电运维决策仿真模拟的方法及系统
CN110633808A (zh) * 2018-06-20 2019-12-31 北京金风慧能技术有限公司 风电场运行维护任务排布系统和方法
CN110761956A (zh) * 2018-07-27 2020-02-07 江苏金风软件技术有限公司 风力发电机组运维路径规划方法、装置、设备及存储介质
CN111105050A (zh) * 2019-12-23 2020-05-05 远景智能国际私人投资有限公司 风机维护计划的生成方法、装置、设备及存储介质
CN111342499A (zh) * 2020-03-05 2020-06-26 宁夏嘉泽新能源股份有限公司 一种基于风功率预测数据的风电场实时调度方法
CN112270472A (zh) * 2020-10-26 2021-01-26 北京千尧新能源科技开发有限公司 海上风电场与海洋养殖协同运维方法及系统
CN116681311A (zh) * 2023-07-28 2023-09-01 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质
WO2024018001A1 (en) * 2022-07-20 2024-01-25 Totalenergies Onetech A method for determining the production availability of an offshore wind farm

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106321368A (zh) * 2016-08-12 2017-01-11 峰能斯格尔（北京）可再生能源科技有限公司 基于运营风机scada数据的海上风电场尾流损失测量方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106321368A (zh) * 2016-08-12 2017-01-11 峰能斯格尔（北京）可再生能源科技有限公司 基于运营风机scada数据的海上风电场尾流损失测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
桑祺等: "面向组合维修的海上风电场运行维护建模及仿真", 《电力系统自动化》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633808A (zh) * 2018-06-20 2019-12-31 北京金风慧能技术有限公司 风电场运行维护任务排布系统和方法
CN110761956B (zh) * 2018-07-27 2021-03-05 江苏金风软件技术有限公司 风力发电机组运维路径规划方法、装置、设备及存储介质
CN110761956A (zh) * 2018-07-27 2020-02-07 江苏金风软件技术有限公司 风力发电机组运维路径规划方法、装置、设备及存储介质
CN109376872A (zh) * 2018-09-07 2019-02-22 上海电力学院 一种海上风电机组维护系统
CN109253056A (zh) * 2018-09-14 2019-01-22 华润电力投资有限公司北方分公司 一种风电数据分析方法及系统
CN110245795A (zh) * 2019-06-10 2019-09-17 北京千尧新能源科技开发有限公司 一种用于海上风电运维决策仿真模拟的方法及系统
CN111105050A (zh) * 2019-12-23 2020-05-05 远景智能国际私人投资有限公司 风机维护计划的生成方法、装置、设备及存储介质
CN111105050B (zh) * 2019-12-23 2023-09-29 远景智能国际私人投资有限公司 风机维护计划的生成方法、装置、设备及存储介质
CN111342499A (zh) * 2020-03-05 2020-06-26 宁夏嘉泽新能源股份有限公司 一种基于风功率预测数据的风电场实时调度方法
CN111342499B (zh) * 2020-03-05 2023-09-08 宁夏嘉泽新能源股份有限公司 一种基于风功率预测数据的风电场实时调度方法
CN112270472A (zh) * 2020-10-26 2021-01-26 北京千尧新能源科技开发有限公司 海上风电场与海洋养殖协同运维方法及系统
WO2024018001A1 (en) * 2022-07-20 2024-01-25 Totalenergies Onetech A method for determining the production availability of an offshore wind farm
CN116681311A (zh) * 2023-07-28 2023-09-01 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质
CN116681311B (zh) * 2023-07-28 2023-10-10 华中科技大学 基于时空尺度的电站运维决策优化方法、系统及介质

Also Published As

Publication number Publication date
CN107480793B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN107480793A (zh) 海上风电场的维护费用计算及维护调度的方法及系统
CN107563623A (zh) 海上风电场的维护调度方法及系统
Liu et al. Dynamic pricing for decentralized energy trading in micro-grids
CN109447510B (zh) 基于scuc的中长期电量安全校核方法、装置及系统
Nasab et al. An efficient, robust optimization model for the unit commitment considering renewable uncertainty and pumped-storage hydropower
Mashhour et al. Bidding strategy of virtual power plant for participating in energy and spinning reserve markets—Part I: Problem formulation
Peng et al. Dynamic economic dispatch for wind-thermal power system using a novel bi-population chaotic differential evolution algorithm
Mashhour et al. Integration of distributed energy resources into low voltage grid: A market-based multiperiod optimization model
Arasteh et al. An aggregated model for coordinated planning and reconfiguration of electric distribution networks
Saber et al. Developing a multi-objective framework for expansion planning studies of distributed energy storage systems (DESSs)
Gbadamosi et al. A comparative analysis of generation and transmission expansion planning models for power loss minimization
Nosratabadi et al. Robust scenario-based concept for stochastic energy management of an energy hub contains intelligent parking lot considering convexity principle of CHP nonlinear model with triple operational zones
Allal et al. Multi-agent based simulation-optimization of maintenance routing in offshore wind farms
Ji et al. Inexact stochastic risk-aversion optimal day-ahead dispatch model for electricity system management with wind power under uncertainty
Roukerd et al. Probabilistic-possibilistic flexibility-based unit commitment with uncertain negawatt demand response resources considering Z-number method
Barati et al. Private investor-based distributed generation expansion planning considering uncertainties of renewable generations
Babatunde et al. Generation expansion planning: a survey
Memarzadeh et al. A new optimal energy storage system model for wind power producers based on long short term memory and Coot Bird Search Algorithm
Yadav et al. Resilient electrical distribution grid planning against seismic waves using distributed energy resources and sectionalizers: An Indian's urban grid case study
Zhou et al. A hybrid inexact optimization model for land-use allocation of China
Rouhi et al. Unit commitment in power system t by combination of dynamic programming (DP), genetic algorithm (GA) and particle swarm optimization (PSO)
Wang et al. Multi-level charging stations for electric vehicles by considering ancillary generating and storage units
Evangeline et al. A real-time multi-objective optimization framework for wind farm integrated power systems
Arasteh et al. Toward a smart distribution system expansion planning by considering demand response resources
Govindarajan et al. Renewable energy for electricity use in India: evidence from India’s smart cities mission

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant