CN110245795A - 一种用于海上风电运维决策仿真模拟的方法及系统 - Google Patents

一种用于海上风电运维决策仿真模拟的方法及系统 Download PDF

Info

Publication number
CN110245795A
CN110245795A CN201910498535.9A CN201910498535A CN110245795A CN 110245795 A CN110245795 A CN 110245795A CN 201910498535 A CN201910498535 A CN 201910498535A CN 110245795 A CN110245795 A CN 110245795A
Authority
CN
China
Prior art keywords
failure
simulation
resource
expense
power plant
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
Application number
CN201910498535.9A
Other languages
English (en)
Inventor
孙小钎
叶佳强
赵小光
苗文举
吴明璞
黄彪
李建军
郝利忠
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.)
Beijing Qianyao New Energy Technology Development Co Ltd
Original Assignee
Beijing Qianyao New Energy Technology Development Co Ltd
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 Beijing Qianyao New Energy Technology Development Co Ltd filed Critical Beijing Qianyao New Energy Technology Development Co Ltd
Priority to CN201910498535.9A priority Critical patent/CN110245795A/zh
Publication of CN110245795A publication Critical patent/CN110245795A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

本发明提供了一种用于海上风电运维决策仿真模拟的方法及系统，包括：A、构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；B、根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；C、在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。由上，本申请有利于获取最优化的海上风电出海运维的指导性规划方案。

Description

一种用于海上风电运维决策仿真模拟的方法及系统
技术领域
本发明涉及海上风电技术领域，尤其涉及一种用于海上风电运维决策仿真模拟的方法及系统。
背景技术
国内海上风电爆发式增长，海上风电运维成本高昂，停机故障的电量损失对整个风电场的影响巨大，导致各开发商对海上风电运维的精益化规划要求日益提高。但由于我国海上风电行业相对于欧洲来说起步晚，已投产项目的运维年数还不长，整体运维的水平不高，缺乏整体的海上风电运维仿真模拟系统，主要表现在：1)对风、浪、流、潮汐、天气、能见度、极端气候情况等信息无法有效的掌握应用。目前的海上风电运维对风、浪、流、潮汐、天气、能见度、极端气候情况等信息的掌握和应用不足，无法在各出海制约条件中寻找到真正合理的窗口，有时候甚至出现船舶已出海但在海上遇到超限制风浪、极端天气的情况，给运维人员的生命安全带来严重威胁。2)对海上风电的各种故障的故障统计数据仍然不足。基于有限的投产年限，海上风电行业还没有就某整机厂商的某型号风机形成全面、系统的风机故障库，对故障维修所需的时长、费用、出海准备等信息仍然有很大的不确定性，导致海上风电的组合运维难以真正实现精益化规划。3)对海上风电组合运维的逻辑及策略研究滞后。海上风电组合运维的逻辑及策略，受制于各种天气要素，包括风、浪、流、潮汐、天气、极端情况等信息，且限制方式各有不同。在这些制约因素下，如何设计一种合理的组合运维逻辑及策略，是目前困扰海上风电行业的一大难题。
因此，目前亟需一种用于海上风电运维决策仿真模拟的方法及系统。以解决或者部分解决上述技术问题，以获取最优的出海运维规划。
发明内容
有鉴于此，本发明的主要目的在于提供一种用于海上风电运维决策仿真模拟的方法及系统，以有利于综合全场发电量损失和运维成本获取最优化的海上风电出海运维的指导性规划方案。
本申请提供一种用于海上风电运维决策仿真模拟的方法，所述方法包括：
A、构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
B、根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
C、在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
由上，本申请有利于综合全场发电量损失和运维成本获取最优化的海上风电出海运维的指导性规划方案。
优选地，所述步骤C之后，还包括：
D、根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；
其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件。
优选地，所述步骤C，还包括：
将资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；
其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗。
由上，本申请将仿真模拟的结果费用化，深度剖析运维费用明细、占比情况，为海上风电降本指明方向。同时有利于得出各年的运维费用仿真模拟分析统计值，为前期投资决策提供数据支持。
优选地，所述步骤C，还包括：
获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失。
由上，有利于为如何提升海上风电机组可利用率指出针对点。
优选地，所述步骤C，还包括：
通过变换资源配置，获取对应运维费用和电量损失的敏感性分析结果，并据此给用户提供资源配置的参考。
由上，有利于给用户提供资源配置的参考。如需租用何种运维船、租用船舶数量、运维工程师人员数量配置等，以使得整个风电场的发电量损失和运维成本达到综合最优化水平。
优选地，所述步骤D之后，还包括：对整个风电场的性能进行综合评估，包括：
N1、建立多级指标体系；
N2、采用相关系数法分别获取得到各级各个指标的权重；
N3、根据所述各级各个指标的权重，采用样本估计总体的思想对劣化度函数的参数进行估计，并根据劣化度函数计算得到各个参数的劣化度；并根据隶属度函数，计算得到各级指标的隶属度矩阵；
N4、根据所述隶属度矩阵得到的风电机组状态在状态空间的隶属评价矩阵；其中，所述状态包括：很好，良好，一般，预警。
由上，上述评价的意义既可以得出风电场运行的水平处于哪个等级，也可为风电场运维时期可为来年提升风电场运行性能指出主要的提升要点。
优选地，所述底层数据库中存储的故障数据信息按照等级进行划分；
其中，所述故障的等级的获取方法包括：根据风电运行现场的反馈资料，梳理筛选出故障类型、维修内容、所需的维修资源、维修时间、需求的人员数量、故障的编号、单次的运维费用、是否属于停机故障、故障每年的发生频次数据，并根据故障对风电场的影响大小，更换相关损坏部件的难易程度定出故障等级，并标注。
由上，区分停机故障与非停机故障，并确定故障等级，有利于根据故障等级进行处理，从而避免故障严重造成停机时导致发电量损失。
优选地，所述出海限制条件包括：
环境条件，包括：浪高、风速、能见度、降水量、潮汐的数据信息；
资源条件，包括：运维船舶类型及数量、备品备件储备情况、运维人力资源情况。
本申请还提供一种用于海上风电运维决策仿真模拟的系统，所述系统包括：
数据库构建模块，用于构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
故障离散化和随机化处理模块，用于根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
组合运维的最优逻辑策略模块，用于在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，经程序训练，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
由上，本申请有利于综合全场发电量损失和运维成本获取最优化的海上风电出海运维的指导性规划方案。
优选地，所述系统，还包括：
修复模块，用于根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件；
运维费用获取模块，用于将资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗；
发电量损失获取模块，用于获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失；
敏感性分析模块，用于通过变换资源配置，获取对应运维费用和电量损失敏感性分析结果，并据此给用户提供资源配置的参考。
本申请可以根据某个风电场的资源、环境、所使用的设备情况，对整个风电场进行运维的仿真模拟，得出各年的运维费用仿真模拟分析统计值，为前期投资决策提供数据支持。本申请还可以为海上风电的实际出海运维提供组合运维规划的指导性方案。本申请还可以将仿真模拟的结果费用化，深度剖析运维费用明细、占比情况，为海上风电降本指明方向。本申请还可以将风机的停机时间在停机故障或停机时间内进行发电量损失的统计计算，为如何提升海上风电机组可利用率指出针对点。本申请还可以为整个风电场的运维指出最佳的资源组合策略，如需租用何种运维船、租用船舶数量、运维工程师人员数量配置等，以使得整个风电场的发电量损失和运维成本达到综合最优化水平。
附图说明
图1为本申请的一种用于海上风电运维决策仿真模拟的方法的流程示意图；
图2为本申请的一种用于海上风电运维决策仿真模拟的方法的流程示意图；
图3为本申请的一种用于海上风电运维决策仿真模拟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海上风电运维决策仿真模拟的方法，具体地，如下：
实施例一
如图1所示，本申请提供一种用于海上风电运维决策仿真模拟的方法，包括：
S101，构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
其中，所述故障的等级的划分方法包括：根据风电运行现场的反馈资料，梳理筛选出故障类型、维修内容、所需的维修资源、维修时间、需求的人员数量、故障的编号、单次的运维费用、是否属于停机故障、故障每年的发生频次数据，并根据故障对风电场的影响大小，更换相关损坏部件的难易程度定出故障等级，并标注。
S102，根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
S103，在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
其中，所述出海限制条件包括：
环境条件，包括：浪高、风速、能见度、降水量、潮汐的数据信息；
资源条件，包括：运维船舶类型及数量、备品备件储备情况、运维人力资源情况。
其中，所述步骤C之后，还包括：
S104，根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；
其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件。
其中，所述步骤104之后，还包括：
S105，将组合运维仿真模拟中的资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；
其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗。
其中，所述步骤104之后，还包括：
S106，获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失。
其中，所述步骤104之后，还包括：
S107，通过变换资源配置，获取对应运维费用和电量损失的敏感性分析结果，并据此给用户提供资源配置的参考。
S108，综合上述S105和S106中的获取的运维费用和电量损失，得到获取最优规划方案。
其中，所述步骤104之后，还包括：
还包括：对整个风电场的性能进行综合评估，包括：
N1、建立多级指标体系；其中，一级指标可设置为风机侧、电缆侧、升压站侧、集控中心侧，共4个一级指标，二级指标以各一级指标做细化，如风机侧包括的电机转速，最高绕组温度，三相电流，三相电压，机舱加速度，机舱位置，机舱温度，最高Topbox温度，最高控制柜温度，变桨电机温度，变桨柜电容温度，变桨柜柜体温度，变桨逆变器温度，桨叶角度等。
N2、采用相关系数法分别获取得到各级各个指标的权重；
N3、根据所述各级各个指标的权重，采用样本估计总体的思想对劣化度函数的参数进行估计，由统计数据得到，根据劣化度函数计算得到各个参数的劣化度；并根据隶属度函数，计算得到各级指标的隶属度矩阵；
N4、根据所述隶属度矩阵得到的风电机组状态在状态空间的隶属评价矩阵；其中，所述状态包括：很好，良好，一般，预警。此处
评价的意义既可以得出风电场运行的水平处于哪个等级，也可为风电场运维时期可为来年提升风电场运行性能指出主要的提升要点。
实施例二
基于实施例一中的技术方案，本申请还提供一种用于海上风电运维决策仿真模拟的系统，所述系统包括：
数据库构建模块301，用于构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
故障离散化和随机化处理模块302，用于根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
组合运维的最优逻辑策略模块303，用于在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，经程序训练，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
修复模块304，用于根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件；
运维费用获取模块305，用于将资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗；
发电量损失获取模块306，用于获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失；
敏感性分析模块307，用于通过变换资源配置，获取对应运维费用和电量损失敏感性分析结果，并据此给用户提供资源配置的参考。
综上所述，本申请的有益效果为：
本申请可以根据某个风电场的资源、环境、所使用的设备情况，对整个风电场进行运维的仿真模拟，得出各年的运维费用仿真模拟分析统计值，为前期投资决策提供数据支持。本申请还可以为海上风电的实际出海运维提供组合运维规划的指导性方案。本申请还可以将仿真模拟的结果费用化，深度剖析运维费用明细、占比情况，为海上风电降本指明方向。本申请还可以将风机的停机时间在停机故障或停机时间内进行发电量损失的统计计算，为如何提升海上风电机组可利用率指出针对点。本申请还可以为整个风电场的运维指出最佳的资源组合策略，如需租用何种运维船、租用船舶数量、运维工程师人员数量配置等，以使得整个风电场的发电量损失和运维成本达到综合最优化水平。
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)

1.一种用于海上风电运维决策仿真模拟的方法，其特征在于，所述方法包括：
A、构建存储有风机机组故障统计数据的底层故障数据库；
B、根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
C、在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
2.根据权利要求1所述的方法，其特征在于，所述步骤C之后，还包括：
D、根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；
其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件。
3.根据权利要求1所述的方法，其特征在于，所述步骤D之后，还包括：
将组合运维仿真模拟中的资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；
其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗。
4.根据权利要求1所述的方法，其特征在于，所述步骤D之后，还包括：
获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失。
5.根据权利要求1所述的方法，其特征在于，所述步骤D之后，还包括：
通过变换资源配置，获取对应运维费用和电量损失的敏感性分析结果，并据此给用户提供资源配置的参考。
6.根据权利要求1所述的方法，其特征在于，所述步骤D之后，还包括：对整个风电场的性能进行综合评估，包括：
N1、建立多级指标体系；
N2、采用相关系数法分别获取得到各级各个指标的权重；
N3、根据所述各级各个指标的权重，采用样本估计总体的思想对劣化度函数的参数进行估计，并根据劣化度函数计算得到各个参数的劣化度；并根据隶属度函数，计算得到各级指标的隶属度矩阵；
N4、根据所述隶属度矩阵得到的风电机组状态在状态空间的隶属评价矩阵；其中，所述状态包括：很好，良好，一般，预警。
7.根据权利要求1所述的方法，其特征在于，所述底层数据库中存储的故障数据信息按照等级进行划分；
其中，所述故障的等级的划分方法包括：根据风电运行现场的反馈资料，梳理筛选出故障类型、维修内容、所需的维修资源、维修时间、需求的人员数量、故障的编号、单次的运维费用、是否属于停机故障、故障每年的发生频次数据，并根据故障对风电场的影响大小，更换相关损坏部件的难易程度定出故障等级，并标注。
8.根据权利要求1所述的方法，其特征在于，所述出海限制条件包括：
环境条件，包括：浪高、风速、能见度、降水量、潮汐的数据信息；
资源条件，包括：运维船舶类型及数量、备品备件储备情况、运维人力资源情况。
9.一种用于海上风电运维决策仿真模拟的系统，其特征在于，所述系统包括：
数据库构建模块，用于构建存储有风机机组故障统计数据的底层故障数据库，其中，所述底层数据库中存储的故障数据信息按照等级进行划分；
故障离散化和随机化处理模块，用于根据风电场信息及所述底层故障数据库，将故障数据信息根据其发生概率及频次，在各时间点上进行离散化和随机化；
组合运维的最优逻辑策略模块，用于在符合出海限制条件下，对各故障按照时间顺序进行组合运维仿真，经程序训练，以运维成本和发电量损失情况的综合最优为原则，获取组合运维的最优逻辑策略。
10.根据权利要求9所述的系统，其特征在于，还包括：
修复模块，用于根据所述组合运维的最优逻辑策略，在第一限制条件下进行海上风电的运维仿真模拟，对各个离散化的故障进行仿真运维修复，记录各故障的处理时间节点，各阶段的处理时长、资源使用情况信息；其中，所述限制条件是指以运维船舶型号及数量、备品备件资源的有限性为限制条件；
运维费用获取模块，用于将组合运维仿真模拟中的资源消耗量转化为费用，并综合风电场每年必须的巡视巡检、海域使用费用，以获取风电场的运维费用；其中，所述资源消耗量包括：人员、备品备件材料、船舶租金和油耗、大部件运维资源消耗；
发电量损失获取模块，用于获取停机故障和大部件运维所导致的风机停机时长，并根据停机时长内的风资源情况得出电量损失数值，以获取发电量损失；
敏感性分析模块，用于通过变换资源配置，获取对应运维费用和电量损失敏感性分析结果，并据此给用户提供资源配置的参考。
CN201910498535.9A 2019-06-10 2019-06-10 一种用于海上风电运维决策仿真模拟的方法及系统 Pending CN110245795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498535.9A CN110245795A (zh) 2019-06-10 2019-06-10 一种用于海上风电运维决策仿真模拟的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498535.9A CN110245795A (zh) 2019-06-10 2019-06-10 一种用于海上风电运维决策仿真模拟的方法及系统

Publications (1)

Publication Number Publication Date
CN110245795A true CN110245795A (zh) 2019-09-17

Family

ID=67886482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498535.9A Pending CN110245795A (zh) 2019-06-10 2019-06-10 一种用于海上风电运维决策仿真模拟的方法及系统

Country Status (1)

Country Link
CN (1) CN110245795A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110835128A (zh) * 2019-11-26 2020-02-25 倪世章 一种基于水质实时净化水质量的净水器及方法
CN112686403A (zh) * 2020-12-30 2021-04-20 福建海电运维科技有限责任公司 一种智能风机档案运维方法及系统
CN113010389A (zh) * 2019-12-20 2021-06-22 阿里巴巴集团控股有限公司 一种训练方法、故障预测方法、相关装置及设备
CN113516358A (zh) * 2021-05-11 2021-10-19 中国华电科工集团有限公司 电站设备的故障处理方法、装置、电子设备以及存储介质
CN113642937A (zh) * 2021-10-13 2021-11-12 深圳市信润富联数字科技有限公司 风机集群的运维排程方法、装置、电子设备及存储介质
CN115271125A (zh) * 2022-08-10 2022-11-01 北京千尧新能源科技开发有限公司 一种海上风电故障运维策略获取方法、装置及设备
CN115660375A (zh) * 2022-11-16 2023-01-31 苏交控如东海上风力发电有限公司 一种海上风电运维的调度方法
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
WO2023226539A1 (zh) * 2022-05-25 2023-11-30 江苏科技大学 海上风电场多机组运维策略优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303457A (zh) * 2015-10-19 2016-02-03 清华大学 基于蒙特卡洛运行维护模拟的海上风资源评估方法
KR20160091094A (ko) * 2015-01-23 2016-08-02 두산중공업 주식회사 풍력발전단지의 유지 보수 방법
CN107480793A (zh) * 2017-08-22 2017-12-15 上海电气集团股份有限公司 海上风电场的维护费用计算及维护调度的方法及系统
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160091094A (ko) * 2015-01-23 2016-08-02 두산중공업 주식회사 풍력발전단지의 유지 보수 방법
CN105303457A (zh) * 2015-10-19 2016-02-03 清华大学 基于蒙特卡洛运行维护模拟的海上风资源评估方法
CN107480793A (zh) * 2017-08-22 2017-12-15 上海电气集团股份有限公司 海上风电场的维护费用计算及维护调度的方法及系统
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

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110835128B (zh) * 2019-11-26 2021-12-07 陈文印 一种基于水质实时净化水质量的净水器及方法
CN110835128A (zh) * 2019-11-26 2020-02-25 倪世章 一种基于水质实时净化水质量的净水器及方法
CN113010389A (zh) * 2019-12-20 2021-06-22 阿里巴巴集团控股有限公司 一种训练方法、故障预测方法、相关装置及设备
CN113010389B (zh) * 2019-12-20 2024-03-01 阿里巴巴集团控股有限公司 一种训练方法、故障预测方法、相关装置及设备
CN112686403A (zh) * 2020-12-30 2021-04-20 福建海电运维科技有限责任公司 一种智能风机档案运维方法及系统
CN112686403B (zh) * 2020-12-30 2023-05-05 福建海电运维科技股份有限公司 一种智能风机档案运维方法及系统
CN113516358A (zh) * 2021-05-11 2021-10-19 中国华电科工集团有限公司 电站设备的故障处理方法、装置、电子设备以及存储介质
CN113642937A (zh) * 2021-10-13 2021-11-12 深圳市信润富联数字科技有限公司 风机集群的运维排程方法、装置、电子设备及存储介质
WO2023226539A1 (zh) * 2022-05-25 2023-11-30 江苏科技大学 海上风电场多机组运维策略优化方法
CN115271125A (zh) * 2022-08-10 2022-11-01 北京千尧新能源科技开发有限公司 一种海上风电故障运维策略获取方法、装置及设备
CN115660375A (zh) * 2022-11-16 2023-01-31 苏交控如东海上风力发电有限公司 一种海上风电运维的调度方法
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
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

Similar Documents

Publication Publication Date Title
CN110245795A (zh) 一种用于海上风电运维决策仿真模拟的方法及系统
Artigao et al. Wind turbine reliability: A comprehensive review towards effective condition monitoring development
Gill et al. Wind turbine condition assessment through power curve copula modeling
KR102633236B1 (ko) 시뮬레이션 방법 및 시스템
CN102934312B (zh) 能量产生系统及其控制
US20140316838A1 (en) Decision support system (dss) for maintenance of a plurality of renewable energy generators in a renewable power plant
McMorland et al. A review of operations and maintenance modelling with considerations for novel wind turbine concepts
Bangalore et al. An approach for self evolving neural network based algorithm for fault prognosis in wind turbine
CN113469379A (zh) 一种基于大数据中心的海上风电场运维管理方法及装置
Gao et al. Impacts of energy storage on reliability of power systems with WTGs
CN107222167A (zh) 一种光伏电站智能监控平台
Cevasco et al. O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines
CN106026079A (zh) 海上风电场集电系统拓扑结构综合评估方法
Flannigan et al. Operations expenditure modelling of the X-Rotor offshore wind turbine concept
Ma et al. A study of fault statistical analysis and maintenance policy of wind turbine system
El-Naggar et al. Ranking subassemblies of wind energy conversion systems concerning their impact on the overall reliability
Moness et al. A critical review of research trends for wind energy in Egypt: recent progress and promising opportunities
Karlsson Wind turbine performance monitoring using artificial neural networks with a multi-dimensional data filtering approach
Zehnder et al. University collaboration on wind energy
Bartolini et al. Analysing wind turbine states and scada data for fault diagnosis
Athamna et al. Sensitivity analysis of offshore wind farm topology based on reliability calculation
Xu et al. The current state and future development of wind turbine technology
Gonçalves et al. Extreme weather events on energy systems: a comprehensive review on impacts, mitigation, and adaptation measures
Viharos et al. AI supported maintenance and reliability system in wind energy production
CN108240284A (zh) 基于风力发电机组系统功能的数据处理方法和装置

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

Application publication date: 20190917

RJ01 Rejection of invention patent application after publication