CN110135663A - 一种用于预测海上风电运维船舶出海决策的方法及系统 - Google Patents
一种用于预测海上风电运维船舶出海决策的方法及系统 Download PDFInfo
- Publication number
- CN110135663A CN110135663A CN201910497818.1A CN201910497818A CN110135663A CN 110135663 A CN110135663 A CN 110135663A CN 201910497818 A CN201910497818 A CN 201910497818A CN 110135663 A CN110135663 A CN 110135663A
- Authority
- CN
- China
- Prior art keywords
- ship
- sea
- scheduled date
- indicate
- window phase
- 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.)
- Pending
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
- G06Q10/04—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
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于预测海上风电运维船舶出海决策的方法及系统,包括:A、根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;B、基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期;C、获取出海运维作业所需的船舶类型及作业时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。由上,有利于实现既准确又安全的预测海上运维作业时间,提高海上风电场的运维效率。
Description
技术领域
本发明涉及海上风电技术领域,尤其涉及一种用于预测海上风电运维船舶出海决策的方法及系统。科学有序的规划出海运维计划。
背景技术
近年来,随着海上风电项目的大规模开发,越来越多的海上风电场不断进入运营和维护期。与陆上风电场相比,海上风电场的运行环境更加恶劣,海上风机遭受盐雾、台风等极端风况,导致故障率较陆上风机更高;另一方面,风机的可达性较差,海上运维作业受到风、波浪、潮汐、大雾等环境条件以及作业窗口期的影响,运维耗费时间长、造成的停机损失大,而且海上船只或直升机等交通工具花费的成本也远远高于陆上。目前海上不同类型运维船舶出海与否仅通过天气预报进行粗略判别,不同类型运维船舶出海航行过程中受天气情况影响有可能出现返航,以及到达风机机位有遇风浪过大人员无法登上风机进行维修的现象时有发生,运维效率较低。
因此通过科学、全面的计算方法,准确预测海上风电的不同类型运维船舶出海作业,不仅可以提高海上作业运维效率,减小风电场因风机故障造成的停机损失;同时保证了海上运维作业安全高效的执行。如何既准确又安全的预测海上运维作业时间,提高海上风电场的运维效率,是目前海上风电场运营维护过程中面临的一大难题。
因此,目前亟需一种用于预测海上风电运维船舶出海决策的方法,以解决或者部分解决上述技术问题,实现既准确又安全的预测海上运维作业时间,提高海上风电场的运维效率。
发明内容
有鉴于此,本发明的主要目的在于提供一种用于预测海上风电运维船舶出海决策的方法,以实现既准确又安全的预测海上运维作业时间,提高海上风电场的运维效率。
本申请提供一种用于预测海上风电运维船舶出海决策的方法,所述方法包括:
A、根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;
B、基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期;
C、获取故障维修/检修出海运维作业所需时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。
由上,本申请可以实现既准确又安全的预测海上运维作业时间,减少无法进行海上作业的出海次数,提前规划出海运维计划,降低海上风电场的运维成本。提高海上风电场的运维效率。
优选地,所述步骤B,包括:
B1、获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段;
B2、将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
由上,有利于获取安全有效的出海作业时间。
优选地,步骤A所述未来指定日期内的各个水文气象参数的数据信息,包括:
未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息。
由上,未来指定日期可以是6日或者其他的需要的时间。参数可以是上述信息也可以是其他的必要的参数信息,其中根据潮汐的数据信息可以获取机位水深信息。
优选地,步骤B2所述将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数;其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高,从而使得分别在xw和xs参数条件下被选入的可作业的时间段增加。
由上,有利于有效的获取安全的出海作业窗口期。其中,当v升高时;所述w和s随着v的升高而在指定数值范围内降低。w和s随着v的升高的而降低的数值不能低于原数值的0.98%。具体原理为:初值门限值为一固定值,通过门限值系数可以调整初始门限值;门限值系数增大则调整后的门限值变高,例如,能见度门限值系数增大,能见度的门限值升高,表示对能见度要求高了,可视性好,而降低对风速和浪高的要求(风速、浪高超出原初始门限值指定范围内也可以出海),风速和浪高的门限值系数可以在指定范围内调低。
优选地,步骤C所述根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期确定出海作业时间;包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口期。
由上,可以在最近的时间窗口期内安排海上运维减少风机因故障的停机小时数,提高风电场的发电量;也可以并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口。
优选地,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
本申请还提供一种用于预测海上风电运维船舶出海决策的系统,包括:
水文气象数据获取模块,用于根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;
可作业窗口期获取模块,用于基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期;
出海作业时间确定模块,用于获取故障维修/检修出海运维作业所需的船舶类型及作业时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。
由上,本申请可以实现既准确又安全的预测海上运维作业时间,减少无法进行海上作业的出海次数,降低海上风电场的运维成本。提高海上风电场的运维效率。且可以提前规划海上运维作业,保证海上运维作业高效、安全的执行。
优选地,所述可作业窗口期获取模块,具体用于:
匹配子模块,用于获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段;以及
整合子模块,用于将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以分别获取不同类型运维船舶的在未来指定日期内的可作业的窗口期。
由上,有利于获取安全有效的出海作业时间。且可以据此提前规划海上运维作业,保证海上运维作业高效、安全的执行。
优选地,所述整合子模块获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数;其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高,从而使得分别在xw和xs参数条件下被选入的可作业的时间段增加。
由上,有利于有效的获取安全的出海作业窗口期。其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高。w和s随着v的升高的而升高的数值不能高于原数值的0.98%。具体原理为:初值门限值为一固定值,通过门限值系数可以调整初始门限值;门限值系数增大则调整后的门限值变高,例如,能见度门限值系数增大,能见度的门限值升高,表示对能见度要求高了,可视性好,而降低对风速和浪高的要求(风速、浪高超出原初始门限值指定范围内也可以出海),风速和浪高的门限值系数可以在指定范围内调高,从而使得分别在浪高xw和风速xs参数条件下被选入的可作业的时间段增加。
优选地,步骤C所述根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期确定出海作业时间;包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口期;
其中,所述未来指定日期内的各个水文气象参数的数据信息,包括:
未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息;
其中,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
由上,本申请可以实现既准确又安全的预测海上运维作业时间,减少无法进行海上作业的出海次数,降低海上风电场的运维成本。提高海上风电场的运维效率。
综上所述,本申请可以实现既准确又安全的预测海上运维作业时间,减少无法进行海上作业的出海次数,降低海上风电场的运维成本。提高海上风电场的运维效率。且可以据此提前规划海上运维作业,保证海上运维作业高效、安全的执行。
附图说明
图1为本申请的一种用于预测海上风电运维船舶出海决策的方法的流程示意图;
图2为本申请的一种用于预测海上风电运维船舶出海决策的方法的流程示意图;
图3为本申请的一种用于预测海上风电运维船舶出海决策的方法的作业窗口期获取方式的示意图;
图4为本申请的一种用于预测海上风电运维船舶出海决策的系统的结构示意图。
具体实施方式
本申请提供了一种用于预测海上风电运维船舶出海决策的方法,以实现在制造微液滴时,不影响样品生物活性,且不会出现仪器堵塞的问题,不易损耗,效率高。具体地,如下:
实施例一
如图1所示,本申请提供一种用于预测海上风电运维船舶出海决策的方法,包括:
S101、根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;其中,步骤A所述未来指定日期内的各个水文气象参数的数据信息,包括:未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息,其中根据潮汐可以获取机位水深信息。
S102、获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段。
S103、将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
其中,步骤B2所述将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数。由此,有利于有效的获取安全的出海作业窗口期。其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高。w和s随着v的升高的而升高的数值不能高于原数值的0.98%。具体原理为:初值门限值为一固定值,通过门限值系数可以调整初始门限值;门限值系数增大则调整后的门限值变高,例如,能见度门限值系数增大,能见度的门限值升高,表示对能见度要求高了,可视性好,而降低对风速和浪高的要求(风速、浪高超出原初始门限值指定范围内也可以出海),风速和浪高的门限值系数可以在指定范围内调高,从而使得分别在浪高xw和风速xs参数条件下被选入的可作业的时间段增加。
S104、获取故障维修/检修出海运维作业所需的船舶类型及作业时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。
其中,所述根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期确定出海作业时间;包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口。
其中,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
实施例二
如图4所示,基于实施例一的技术方案,本申请还提供一种用于预测海上风电运维船舶出海决策的系统,包括:
水文气象数据获取模块401,用于根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;其中,所述未来指定日期内的各个水文气象参数的数据信息,包括:未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息。
可作业窗口期获取模块402,用于基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
出海作业时间确定模块403,用于获取故障维修/检修出海运维作业所需时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。其中,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
其中,所述可作业窗口期获取模块402,具体用于:
匹配子模块,用于获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段;以及
整合子模块,用于将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以分别获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
其中,所述整合子模块获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数;由此,有利于有效的获取安全的出海作业窗口期。其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高。w和s随着v的升高的而升高的数值不能高于原数值的0.98%。具体原理为:初值门限值为一固定值,通过门限值系数可以调整初始门限值;门限值系数增大则调整后的门限值变高,例如,能见度门限值系数增大,能见度的门限值升高,表示对能见度要求高了,可视性好,而降低对风速和浪高的要求(风速、浪高超出原初始门限值指定范围内也可以出海),风速和浪高的门限值系数可以在指定范围内调高,从而使得分别在浪高xw和风速xs参数条件下被选入的可作业的时间段增加。
其中,所述出海作业时间确定模块的所述根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间,包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口期;
其中,所述未来指定日期内的各个水文气象参数的数据信息,包括:
未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息;
其中,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
综上所述,本申请可以实现既准确又安全的预测海上运维作业时间,减少无法进行海上作业的出海次数,降低海上风电场的运维成本。提高海上风电场的运维效率。且可以据此提前规划海上运维作业,保证海上运维作业高效、安全的执行。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于预测海上风电运维船舶出海决策的方法,其特征在于,所述方法包括:
A、根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;
B、基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期;
C、获取故障维修/检修出海运维作业所需的船舶类型及作业时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。
2.根据权利要求1所述的方法,其特征在于,所述步骤B,包括:
B1、获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段;
B2、将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
3.根据权利要求2所述的方法,其特征在于,步骤A所述未来指定日期内的各个水文气象参数的数据信息,包括:
未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据等信息。
4.根据权利要求3所述的方法,其特征在于,步骤B2所述将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数;其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高,从而使得分别在xw和xs参数条件下被选入的可作业的时间段增加。
5.根据权利要求1所述的方法,其特征在于,步骤C所述根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期确定出海作业时间;包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口期。
6.根据权利要求1所述的方法,其特征在于,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
7.一种用于预测海上风电运维船舶出海决策的系统,其特征在于,包括:
水文气象数据获取模块,用于根据水文气象预报信息获取所需出海区域的未来指定日期内的各个水文气象参数的数据信息;
可作业窗口期获取模块,用于基于不同类型运维船舶的出海的环境要求匹配所述未来指定日期内的各个水文气象参数的数据信息,以获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期;
出海作业时间确定模块,获取故障维修/检修出海运维作业所需的船舶类型及作业时间,并根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间。
8.根据权利要求7所述的系统,其特征在于,所述可作业窗口期获取模块,具体用于:
匹配子模块,用于获取不同类型运维船舶出海的环境要求的参数阈值信息,并据此分别匹配所述未来指定日期内的各个水文气象参数的数据信息,以分别获取各个水文气象参数的符合所述参数阈值信息的时间段;以及
整合子模块,用于将所述各个水文气象参数的符合所述参数阈值信息的时间段进行整合处理,以分别获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期。
9.根据权利要求8所述的系统,其特征在于,所述整合子模块的获取不同类型运维船舶在所述未来指定日期内的可作业的窗口期的算法解析式为:
T=T1∩T2∩T3∩T4∩T5;
其中,T1=f(a,xw);T2=f(b,xs);T3=f(c,xv);T4=f(d,xp);T5=f(e,xt);
其中,所述T表示运维船舶在所述未来指定日期内的可作业的窗口期;T1表示运维船舶在所述未来指定日期内的浪高符合所述参数阈值信息的时间段;T2表示运维船舶在所述未来指定日期内的风速符合所述参数阈值信息的时间段;T3表示运维船舶在所述未来指定日期内的能见度符合所述参数阈值信息的时间段;T4表示运维船舶在所述未来指定日期内的降水量符合所述参数阈值信息的时间段;T5表示运维船舶在所述未来指定日期内的机位水深符合所述参数阈值信息的时间段;其中,xw表示浪高、xs表示风速、xv表示能见度、xp表示降水量、xt表示根据潮汐获取的机位水深;a表示浪高门限值系数;b表示风速门限值系数、c表示能见度门限值系数、d表示降水量门限值系数、e表示机位水深的门限值系数;其中,当v升高时;所述w和s随着v的升高而在指定数值范围内升高,从而使得分别在xw和xs参数条件下被选入的可作业的时间段增加。
10.根据权利要求7所述的系统,其特征在于,所述出海作业时间确定模块的所述根据所述出海运维作业所需的船舶类型及作业时间以及基于所述未来指定日期内的可作业的窗口期确定出海作业时间,包括:
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,选择所述可作业的窗口期中最近的窗口期作为可出海作业窗口期,或者
根据所述出海运维作业所需的船舶类型及作业时间以及所述未来指定日期内的可作业的窗口期,并根据船舶的航行安排选择一可作业的窗口期作为可出海作业窗口期;
其中,所述未来指定日期内的各个水文气象参数的数据信息,包括:
未来指定日期内的各个时间段的浪高、风速、能见度、降水量、潮汐的数据信息;
其中,所述出海运维作业所需时间,包括:故障维修时间、转运时间以及船舶航行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497818.1A CN110135663A (zh) | 2019-06-10 | 2019-06-10 | 一种用于预测海上风电运维船舶出海决策的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497818.1A CN110135663A (zh) | 2019-06-10 | 2019-06-10 | 一种用于预测海上风电运维船舶出海决策的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110135663A true CN110135663A (zh) | 2019-08-16 |
Family
ID=67580983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910497818.1A Pending CN110135663A (zh) | 2019-06-10 | 2019-06-10 | 一种用于预测海上风电运维船舶出海决策的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135663A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112508238A (zh) * | 2020-11-20 | 2021-03-16 | 江苏提米智能科技有限公司 | 一种海上风电运维评估方法、装置、电子设备及存储介质 |
CN113221348A (zh) * | 2021-05-08 | 2021-08-06 | 中交第三航务工程局有限公司 | 一种工程船舶可作业环境条件的分析方法 |
CN113240245A (zh) * | 2021-04-16 | 2021-08-10 | 中广核(北京)新能源科技有限公司 | 一种海上风电作业指数预测系统和预测方法 |
CN113887948A (zh) * | 2021-09-30 | 2022-01-04 | 华电重工股份有限公司 | 一种海上风电施工窗口期及工效的分析方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239973A (zh) * | 2014-09-05 | 2014-12-24 | 南京达沙信息科技有限公司 | 基于风浪预测的海上风电施工维护窗区的选择方法 |
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN107944724A (zh) * | 2017-12-01 | 2018-04-20 | 华能国际电力股份有限公司 | 一种海上风电设备运维决策方法 |
CN105976643B (zh) * | 2016-06-15 | 2018-09-14 | 江苏金风科技有限公司 | 海上风电场的运维控制方法、装置及海上风电系统 |
CN108629432A (zh) * | 2018-06-12 | 2018-10-09 | 中国三峡新能源有限公司 | 故障处理规划方法、系统及装置 |
CN109543997A (zh) * | 2018-11-20 | 2019-03-29 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场的智能运营管理方法和系统 |
-
2019
- 2019-06-10 CN CN201910497818.1A patent/CN110135663A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239973A (zh) * | 2014-09-05 | 2014-12-24 | 南京达沙信息科技有限公司 | 基于风浪预测的海上风电施工维护窗区的选择方法 |
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN105976643B (zh) * | 2016-06-15 | 2018-09-14 | 江苏金风科技有限公司 | 海上风电场的运维控制方法、装置及海上风电系统 |
CN107944724A (zh) * | 2017-12-01 | 2018-04-20 | 华能国际电力股份有限公司 | 一种海上风电设备运维决策方法 |
CN108629432A (zh) * | 2018-06-12 | 2018-10-09 | 中国三峡新能源有限公司 | 故障处理规划方法、系统及装置 |
CN109543997A (zh) * | 2018-11-20 | 2019-03-29 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场的智能运营管理方法和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112508238A (zh) * | 2020-11-20 | 2021-03-16 | 江苏提米智能科技有限公司 | 一种海上风电运维评估方法、装置、电子设备及存储介质 |
CN113240245A (zh) * | 2021-04-16 | 2021-08-10 | 中广核(北京)新能源科技有限公司 | 一种海上风电作业指数预测系统和预测方法 |
CN113221348A (zh) * | 2021-05-08 | 2021-08-06 | 中交第三航务工程局有限公司 | 一种工程船舶可作业环境条件的分析方法 |
CN113221348B (zh) * | 2021-05-08 | 2024-02-02 | 中交第三航务工程局有限公司 | 一种工程船舶可作业环境条件的分析方法 |
CN113887948A (zh) * | 2021-09-30 | 2022-01-04 | 华电重工股份有限公司 | 一种海上风电施工窗口期及工效的分析方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135663A (zh) | 一种用于预测海上风电运维船舶出海决策的方法及系统 | |
Ren et al. | Offshore wind turbine operations and maintenance: A state-of-the-art review | |
Dalgic et al. | Advanced logistics planning for offshore wind farm operation and maintenance activities | |
Dalgic et al. | Investigation of optimum crew transfer vessel fleet for offshore wind farm maintenance operations | |
Cheliotis et al. | Machine learning and data-driven fault detection for ship systems operations | |
Byon et al. | Season-dependent condition-based maintenance for a wind turbine using a partially observed Markov decision process | |
Öztürk et al. | Multiple linear regression analysis and artificial neural networks based decision support system for energy efficiency in shipping | |
Perera et al. | Machine intelligence based data handling framework for ship energy efficiency | |
Dowell et al. | Analysis of wind and wave data to assess maintenance access to offshore wind farms | |
Dalgic et al. | Optimum CTV fleet selection for offshore wind farm O&M activities | |
CN113496293A (zh) | 一种海上风电场运维方案生成方法及装置 | |
CN107291991A (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
Uyanik et al. | Ship fuel consumption prediction with machine learning | |
Dinwoodie et al. | Wave height forecasting to improve off-shore access and maintenance scheduling | |
Malik et al. | Application of GEP to investigate the imbalance faults in direct‐drive wind turbine using generator current signals<? show [AQ ID= Q1]?> | |
CN115423176A (zh) | 用于船舶航行性能实时分析系统及营运碳排放优化方法 | |
dos Santos et al. | Maintenance planning of an offshore wind turbine using stochastic petri nets with predicates | |
CN112445847A (zh) | 基于北斗导航时频数据的船舶轨迹预测方法及装置 | |
Copping et al. | Likelihood of a marine vessel accident from wind energy development in the Atlantic | |
Chou et al. | Developing an exhaustive optimal maintenance schedule for offshore wind turbines based on risk-assessment, technical factors and cost-effective evaluation | |
CN104239973A (zh) | 基于风浪预测的海上风电施工维护窗区的选择方法 | |
Centeno-Telleria et al. | Impact of accessibility on O&M of floating offshore wind turbines: Sensitivity of the deployment site | |
Krata et al. | Bayesian approach to ship speed prediction based on operational data | |
Liang et al. | Monitoring the performance of a ship’s main engine based on big data technology | |
Tomaselli et al. | A decision-making tool for planning o&m activities of offshore wind farms using simulated actual decision drivers |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |