CN111144604A - 海上风电场的运维交通方案的推荐方法和设备 - Google Patents

海上风电场的运维交通方案的推荐方法和设备 Download PDF

Info

Publication number
CN111144604A
CN111144604A CN201811311584.9A CN201811311584A CN111144604A CN 111144604 A CN111144604 A CN 111144604A CN 201811311584 A CN201811311584 A CN 201811311584A CN 111144604 A CN111144604 A CN 111144604A
Authority
CN
China
Prior art keywords
maintenance
wind farm
offshore wind
data
recommended
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
CN201811311584.9A
Other languages
English (en)
Other versions
CN111144604B (zh
Inventor
姜哲伦
严辉煌
李卓
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.)
Jiangsu Jinfeng Software Technology Co ltd
Original Assignee
Jiangsu Jinfeng Software Technology 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 Jiangsu Jinfeng Software Technology Co ltd filed Critical Jiangsu Jinfeng Software Technology Co ltd
Priority to CN201811311584.9A priority Critical patent/CN111144604B/zh
Publication of CN111144604A publication Critical patent/CN111144604A/zh
Application granted granted Critical
Publication of CN111144604B publication Critical patent/CN111144604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供海上风电场的运维交通方案的推荐方法和设备，所述推荐方法包括：获取海上风电场的数据以及多个运维交通工具的数据；根据获取的数据，利用多目标的评价方法对多个运维交通工具进行技术性评价；根据海上风电场的数据以及确定的多个待推荐的运维交通工具租赁模式，利用寻优算法，确定海上风电场的多个待推荐的运维交通方案；确定多个待推荐的运维交通方案中达到预定技术要求的运维交通方案；对达到预定技术要求的运维交通方案，根据运维成本数据，利用所述多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。本发明推荐的运维交通方案可确保技术性和经济性。

Description

海上风电场的运维交通方案的推荐方法和设备
技术领域
本发明涉及风力发电技术领域，更具体地讲，涉及一种海上风电场的运维交通方案的推荐方法和设备。
背景技术
与陆上风场项目相比，海上风电运维成本在风场全生命周期中的影响不容小觑，而当前国内海上风电场的运维交通方案的指定缺乏技术积累与项目经验，因此在制定运维交通方案时，随机性很高，主要通过对风场海域附近可用船舶开展初步调研，在现有的施工资源中选择船舶租赁成本更为经济或者合作意愿强烈的运营商，开展海上风电场运维。因此，目前海上风电场的运维交通方案一般由人工来确定，在选择运维工具和租赁方式的过程中，决策者考虑的因素较为片面，有的决策者侧重船舶成本，在实际的运维过程中，会出现由于选择的运维船技术落后，导致可出海时间减少、乘船人员疲惫、工作效率降低、缺乏人员安全保障，反而使得运维成本增加；而若侧重船舶技术先进性，则会导致运维成本大幅增加，经济性差，不利于度电成本下降的要求。
因此，现有的海上风电场的运维交通方案的确定方法不能兼顾技术性和经济性。
发明内容
本发明的目的在于提供一种海上风电场的运维交通方案的推荐方法和设备，以解决现有的海上风电场的运维交通方案的确定方法不能兼顾技术性和经济性的技术问题。
本发明的一方面提供一种海上风电场的运维交通方案的推荐方法，该推荐方法包括：获取海上风电场的数据以及多个运维交通工具的数据；根据获取的数据，利用多目标的评价方法对所述多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具；根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定所述海上风电场的多个待推荐的运维交通方案；确定所述多个待推荐的运维交通方案中达到预定技术要求的运维交通方案；对达到预定技术要求的运维交通方案，根据运维成本数据，利用所述多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
可选地，还包括：当所述多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
可选地，所述海上风电场的数据包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据；和/或，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据；和/或，所述运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
可选地，所述多目标的评价方法为灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS法。
可选地，所述多目标的评价方法进行技术性评价的目标包括以下至少一个：运维交通工具的安全度、风场可到达率、登靠水平、舒适度和速度。
可选地，所述多目标的评价方法进行经济性评价的目标包括以下至少一个：运维交通方案的净现值、内部收益率和投资回收期。
本发明的另一方面提供一种海上风电场的运维交通方案的推荐设备，该推荐设备包括：获取单元，获取海上风电场的数据以及多个运维交通工具的数据；第一确定单元，根据获取的数据，利用多目标的评价方法对所述多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具；第二确定单元，根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定所述海上风电场的多个待推荐的运维交通方案；第三确定单元，确定所述多个待推荐的运维交通方案中达到预定技术要求的运维交通方案；第四确定单元，对达到预定技术要求的运维交通方案，根据运维成本数据，利用所述多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
可选地，还包括：优化单元，当所述多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
可选地，所述海上风电场的数据包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据；和/或，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据；和/或，所述运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
可选地，所述多目标的评价方法为灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS法。
可选地，所述多目标的评价方法进行技术性评价的目标包括以下至少一个：安全度、风场可达率、登靠水平、舒适度和速度。
可选地，所述多目标的评价方法进行经济性评价的目标包括以下至少一个：净现值、内部收益率和投资回收期。
本发明的另一方面提供一种海上风电场的运维交通方案的推荐系统，所述系统包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行如上所述的方法。
本发明的另一方面提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现如上所述的方法。
根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，通过利用多目标的评价方法来对运维交通工具进行技术性评价以及对运维交通方案进行经济性评价，从而可保证为海上风电场推荐的运维交通方案的技术先进性以及经济性。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，可对现有的运维交通方案进行技术性评价和经济性评价，为决策者选择运维交通方案提高有效的参考。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，通过利用多目标的评价方法来对运维交通工具进行技术性评价，可确定适用于海上风电场所在海域的运维交通工具。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，当多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，即运维交通工具的整体技术水平较低时，可进行优化方案的推荐，提升运维交通工具的适航性和登靠能力等性能，为后续运维交通方案优化指明方向。
将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。
附图说明
通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：
图1是示出根据本发明的实施例的海上风电场的运维交通方案的推荐方法的流程图；
图2是示出根据本发明的实施例的海上风电场的运维交通方案的推荐设备的框图。
具体实施方式
下面参照附图详细描述本发明的实施例。
图1是示出根据本发明的实施例的海上风电场的运维交通方案的推荐方法的流程图。
在步骤S10，获取海上风电场的数据以及周边的运维交通工具的数据。
作为示例，根据本发明的实施例的海上风电场的运维交通方案的推荐方法还可包括数据库搭建步骤。作为示例，在数据库搭建步骤中，可构建风场信息数据库、风机故障率及处理时间数据库、海况参数数据库和运维成本数据库，以此作为运维交通方案的依据。搭建的数据库可以是Access(关系) 数据库或者SQL(结构化查询语言)数据库。
在步骤S10可从构建的数据库中获取海上风电场的数据以及周边的运维交通工具的数据。
作为示例，所述海上风电场的数据具体包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据。
作为示例，海上风电场附近的海况数据可包括以下至少一项：浪高数据、风速数据、潮汐数据和冰厚数据。
作为示例，海上风电场中的风机故障数据以下至少一项包括：风机故障种类、每种故障发生的概率以及每种故障维修需要的时间。
作为示例，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据。作为示例，运维交通工具的性能数据可包括以下至少一项：运维交通工具的材质、航速、稳定性和扶摇周期。作为示例，运维交通工具所属海域数据是指运维交通工具经常停靠的海域。作为示例，运维交通工具适用海域数据是指运维交通数据是指运维交通工具能够航行的海域。
在步骤S20,根据获取的数据，利用多目标的评价方法对多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具。
作为示例，多目标的评价方法可以是灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS(优劣解距离)法。该模糊层次分析法为模糊综合评价法与传统评价方法衍生出来的方法。下文将详细介绍上述的各种评价方法。
作为示例，上述的多目标的评价方法对多个运维交通工具进行技术性评价进行技术性评价的目标包括运维交通工具的以下至少一个指标：安全度、风场可达率、登靠水平、舒适度和速度。作为示例，登靠水平用于指示运维交通工具靠岸时能适应的最大浪高及其能够平稳停靠在风机基础上的持续时长。
作为示例，在步骤S20,利用多目标的评价方法对多个运维交通工具进行技术性评价,可得到各个运维交通工具的各个指标，并对各个运维交通工具的技术性评价进行排序，选取排名靠前的预定数量的运维交通工具作为海上风电场的多个待推荐的运维交通工具。
作为示例，在步骤S20,可梳理各数据之间的关系，设计对运维交通工具技术先进性产生影响的因子，结合国内外海上风电场运维的实际经验，分别赋予各个影响因子权重以体现其对运维交通工具先进性的影响程度，最后通过评价算法计算各运维交通船舶针对待推荐的海上风电场的综合评分，以此作为运维交通工具推荐的依据。作为示例，影响因子指直接或间接影响运维交通工具的安全性、可达率、登靠水平的因素，以运维船舶为例，船舶的主尺度、材质、航速、稳性和横摇周期在一定程度上决定了船舶的造价、快速性和舒适性。
在步骤S30,根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定海上风电场的多个待推荐的运维交通方案。
运维交通方案指示用于维护海上风电场的运维交通工具以及租赁模式。作为示例，用于维护海上风电场的运维交通工具可以是多个待推荐的运维交通工具中的一件运维交通工具，也可以是多个待推荐的运维交通工具中的多件运维交通工具的组合。作为示例，租赁模式可包括日租模式、月租模式和年租模式等。作为示例，运维交通工具的租赁模式是指该运维交通工具可提供的租赁模式。
作为示例，在步骤S30,根据海上风电场包括的风机数量、各种故障发生的概率、各种故障维修需要的时间、海上风电场离岸距离以及海上风电场附近的海况数据等影响因素，以及为确定的多个待推荐的运维交通工具的租赁模式，通过遗传算法、禁忌搜索算法或神经网络算法等寻优算法输出综合考虑可达率、风机停机时间的多个待推荐的运维交通方案，以及输出各个待推荐的运维交通方案的风场可达率等技术指标。
在步骤S40,确定多个待推荐的运维交通方案中达到预定技术要求的运维交通方案。
作为示例，在步骤S40，进行运维交通方案技术校验，确定多个待推荐的运维交通方案是否达到预定技术要求，检验运维交通方案在技术上是否达标。作为示例，该预定技术要求可以是海上风电场的业主或用船方对运维设备的技术要求，例如，风场可达率、登靠水平和舒适度等。
作为示例，如果多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案，则确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
作为示例，可采用各种现有的方法来确定最接近预定技术要求的待推荐的运维交通方案。作为示例，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐的步骤可包括：确定最接近预定技术要求的待推荐的运维交通方案不能达到的技术要求，将与该不能达到的技术要求对应的优化方案作为推荐的优化方案。
作为示例，可根据最接近预定技术要求的待推荐的运维交通方案不能达到的技术要求，推荐在运维交通工具上增加喷气除冰装置、恒张力系统登靠装置或滚装运维拖拉机船等，以提高运维交通工具的安全性能、登靠风机能力、交通效率等，可将添加的部件产生的成本增加费用反馈给运维成本数据库，并根据增加部件后运维交通工具的数据重新进行技术性评价，直至待推荐的运维交通方案能够满足预定技术要求。
在步骤S50,对达到预定技术要求的运维交通方案，根据运维成本数据，利用上述的多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
作为示例，运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
作为示例，在步骤S50,从运维成本数据库中调用通过了技术校验的运维交通方案(即达到预定技术要求的运维交通方案)中的运维交通工具的运维成本数据，利用上述的多目标的评价方法对通过了技术校验的运维交通方案进行经济性评价，向用户推荐经济性最优的运维交通方案。从而最终向用户推荐的运维交通方案可兼顾技术性和经济性。
多目标的评价方法进行经济性评价的目标包括以下至少一个：净现值、内部收益率和投资回收期。
以下将介绍净现值、内部收益率和投资回收期。
作为示例，净现值是指投资方案所产生的现金净流量以资金成本为贴现率折现之后与原始投资额现值的差额。净现值法是按净现值大小来评价方案优劣的一种方法。净现值大于零则方案可行，且净现值越大，方案越优，投资效益越好。计算方式可包括：计算每年的营业净现金流量；计算未来报酬的总现值，计算净现值，其中，净现值等于未来报酬的总现值减去初始投资现值得到的差。计算未来报酬的总现值的步骤可包括：将每年的营业净现金流量折算成现值，其中，如果每年的NCF相等，则按年金法折成现值；如果每年的NCF不相等，则先对每年的NCF进行折现，然后加以合计；终结现金流量折算成现值；计算未来报酬的总现值。
作为示例，内部收益率为资金流入现值总额与资金流出现值总额相等、净现值等于零时的折现率。内部收益率是一项投资可望达到的报酬率，是能使投资项目净现值等于零时的折现率。该指标越大越好。一般情况下，内部收益率大于等于基准收益率时，该项目是可行的。投资项目各年现金流量的折现值之和为项目的净现值，净现值为零时的折现率就是项目的内部收益率。
作为示例，投资回收期是使累计的经济效益等于最初的投资费用所需的时间。投资回收期是从项目的投建之日起，用项目所得的净收益偿还原始投资所需要的年限。投资回收期分为静态投资回收期与动态投资回收期两种：
作为示例，静态投资回收期是在不考虑资金时间价值的条件下，以项目的净收益回收其全部投资所需要的时间。投资回收期可以自项目建设开始年算起，也可以自项目投产年开始算起，但应予注明。
作为示例，动态投资回收期是把投资项目各年的净现金流量按基准收益率折成现值之后，再来推算投资回收期，这就是它与静态投资回收期的根本区别。动态投资回收期就是净现金流量累计现值等于零时的年份。
以下将介绍各种多目标的评价法：灰关联分析法、层次分析法、模糊层次分析法、模糊综合评判法或改进复合权重TOPSIS法。
作为示例，灰关联分析法包括以下步骤。
步骤一，确定分析序列。定性地分析评价问题，深度挖掘评价指标间的内在联系，并以此为依据，指定一个因变量和多个自变量，用X0’表示因变量参考数据，比较序列X0j’(j＝1，2…，n)表示各自变量数据，公式如下：
Figure RE-GDA0001900539310000081
其中，Xj’＝(X0j’，X1j’，X2j’，…，Xmj’)T，j＝1，2，…，n。m为评价方案数量，n为评价指标数量。矩阵中的首行代表了对照方案A0的原始指标值，第二行代表了待评价方案A1的原始指标值，其他待评价方案指标值依次类推。
步骤二，变量序列无量纲化。由于运维交通方案或运维交通工具(以下统称为运维交通方案)的各评价指标计算公式中的参数不同，导致评价指标原始值量纲，进而使得评价指标间缺乏可比性，并且经常出现数量级差距悬殊的情况，使得评价结果无法体现某些数量级小的评价指标的影响力，基于上述问题，在方案评价之前，必须对指标原始数据进行无量纲处理，通常采用级差变换和效果测度变换法。
级差变换法的公式如下，反映了某项指标与该指标最小值之间的线性距离占该指标最大值、最小值间线性距离的比重。
Figure RE-GDA0001900539310000091
其中，Xjmax表示在所有方案中，第j个指标的最大值，Xjmin表示在所有方案中，第j个指标的最小值。
在效果测度变换法中，对于收益型指标，即指标值越大越好的指标，计算公式如下，反映该指标值与该指标最大值相比的优劣程度：
Figure RE-GDA0001900539310000092
对于成本型指标，即指标值越小越好的指标计算公式如下，反映该指标最小值与该指标值相比的优劣程度：
Figure RE-GDA0001900539310000093
对于适中型指标即指标值越接近标准值X0越好的指标，计算公式如下，可以看出，若某方案的该指标值与标准值的前后线性距离越大，该指标与该指标的最大值的前后线性距离越小，则该指标值越偏离标准值：
Figure RE-GDA0001900539310000094
根据评价对象需要，选取合适的无量纲化方法，则原始指标值矩阵处理后的标准化指标值矩阵表示如下：
Figure RE-GDA0001900539310000095
步骤三，求差序列、最大差和最小差。取式上式中标准化评价指标值矩阵的第一行向量(对照方案，或者说是最优方案)与其余各行向量(待评价方案)相减的绝对值，对应的构建出如下的绝对差值矩阵：
Figure RE-GDA0001900539310000096
其中，Δij＝|x0j-xij|，i＝1，2，…，m；j＝1，2，…，n，m，n含义与上面计算步骤中的定义相同。
从绝对差值矩阵中，找到最大值与最小值，分别记为灰关联计算的最大差与最小差：
Figure RE-GDA0001900539310000101
Figure RE-GDA0001900539310000102
步骤四，计算关联系数。基于绝对差值矩阵，对指标数据作如下变换：
Figure RE-GDA0001900539310000103
上述公式计算结果即为各方案的每个评价指标与最优方案间的关联系数，以此为依据，整理得到关联系数矩阵：
Figure RE-GDA0001900539310000104
其中，分辨系数ρ在(0，1)内取值，一般情况下通常取在0.1至0.5之间，ρ越小，各方案的关联系数差异就更加显著，其值影响方案得分的差距幅度，但是对方案得分排序没有影响。
关联系数εij是大于0且不超过1的正数，通过公式(3-15)可以看出，Δij越小，计算得到的εij值越大，象征着第i个评价方案Ai与对照方案A0的第j个指标的关联程度越大。
步骤五，计算关联度。基于上面步骤计算出的评价方案的n个关联系数，用各种数学方法计算待评价方案Ai与对照方案(或者称为最优方案)A0的关联程度，其中，最简单的是传统的线性加和法，它是通过取其平均值作为最后的关联度结果，公式如下：
Figure RE-GDA0001900539310000105
步骤六，依据关联度排序。根据各待评价方案与对照方案的关联度，按照关联度数值从大到小排序，评价方案计算得到的关联度越大，认为其运维交通方案的相关的参数设计越趋近于最优方案。
作为示例，层次分析法是将与决策有关的元素分解成目标、效果、指标等层次，并在此基础上进行定性和定量分析，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策。
作为示例，层次分析法包括以下步骤。
步骤一，构造判断矩阵。层次分析法模型结构由上到下的分为目标层G、一个或多个准则层C和方案层P，称之为递阶层次模型；接着，为表述每一层中各要素相对其上层某要素的相对重要程度，构造判断矩阵如下：
Figure RE-GDA0001900539310000111
其中，aij为针对Ck而言，要素Ai相对Aj重要程度的数值，即重要性的标度。通常采用1～9比较标度。为了检验各元素重要度之间的协调性，判断矩阵A 需经一致性检验，若A不满足一致性，还需对其进行调整，直到满意为止。
步骤二，指标权重计算。判断矩阵A通过一致性检验后，接着根据A计算该层次要素关于相邻上一层次要素Ck的优先权重，称为单层次排序。单层次排序可以归结为计算判断矩阵A最大特征值λmax所对应的特征向量W，即满足 AW＝λmaxW，特征向量W1＝(w1,w2,…,wn)T，作为该层次n个要素的优先权重向量。常用方根法计算特征向量。
若准则层层数大于1层，需要进行层次总排序，即在各层单排序基础上，从上到下逐层排序。假定层次结构模型包含2层准则层，模型设为目标层G、准则层C1、准则层C2和方案层A1。准则层C1各要素C11，C12，…，C1k对于目标层G 的单排序已完成，其数值分别为w1,1，w1,2，…，w1,k；且准则层C2各要素C21，C22，…， C2n对Cj(j＝1，2，…，k)的层次单排序结果是w21,j，w22,j，…，w2n,j，则层次总排序如表1所示。
表1层次总排序
Figure RE-GDA0001900539310000112
步骤三，构建标准化决策矩阵。设U＝{U1，U2,……，Um}为方案集，其中 Ui代表第i(0<i≤m)个可行的方案，每个方案的评价指标集设为P＝{P1,P2,……， Pn},用xij表示第i(0<i≤m)个方案的第j(0<j≤n)个评价指标值，可以建立初始决策矩阵B＝{xij|i＝1,2,…,m；j＝1,2,…,n}如下：
Figure RE-GDA0001900539310000121
评价指标通常分为两类，一类是值越大越好的效益型指标，一类是值越小越好的消耗型指标，同时指标间具有不同的量纲与数量级，不具有一致的可比性，为消除指标的这一问题，需要对指标矩阵进行标准化处理。
首先需对评价指标分别进行无量纲处理。
对于收益性指标，公式为：
Figure RE-GDA0001900539310000122
对于消耗性指标，公式为：
Figure RE-GDA0001900539310000123
接着进行归一化处理：
Figure RE-GDA0001900539310000124
则最终得到的标准化决策矩阵R1为：
Figure RE-GDA0001900539310000125
步骤四，方案评价排序。计算得到层次总排序之后得到指标权重向量 W1＝(w1,w2,…,wn)T，则各方案的最终得分由下式得到：
B1＝R1×W1
以下介绍模糊综合评判法。作为示例，运维交通方案选择，往往涉及若干相互制约的质量指标和很多复杂的影响因素，为获得一个理想的方案，设计者常常设计许多方案，然后进行综合分析和考虑，进行方案优选和排列，在这一过程中，设计得的经验和观点，船东的要求和意愿等，起着很重要的作用。但是，这些经验、观点、要求、意愿等，往往具有模糊性。在运维交通方案选择中，如何把这种模糊性加以解析化和定量是个十分重要的问题，模糊综合评判方法是处理此类问题一种可行的方法。
作为示例，模糊综合评判法包括以下步骤。
步骤一，定义方案集。由若干个被评判的运维交通方案(或设计方案) 构成方案集V＝(V1，V2，…Vm)。
步骤二，选择评定指标(因素)。选取表征运维交通方案(或设计方案) 质量优劣的指标(因素)，作为评判依据，组成指标集(或称因素集)，记为 U＝(U1，U2，…，Un)。
步骤三，对评定指标(因素)考评。运维交通方案(或设计方案)每项指标i，总是存在一个期望值Mi和允许值mi，于是就有一个允许取值区间，记为[mi，Mi]。设在该区间上定义一个相应于最优值的模糊子集Ai，即
Figure RE-GDA0001900539310000131
其中，μAi(ui)是ui的满意度函数，它表征着对相应评定指标的满意程度。
评定运维交通方案的每项评定指标通过方案的技术与营运经济性能计算获得。获得一个评定指标值，经满意度函数计算，就可给出一个模糊评定(或评分)。对各方案的各项评定指标分别进行考评，可得评判矩阵：
Figure RE-GDA0001900539310000132
矩阵R中每一行，是对运维交通方案某项评定指标的具体评定结果，是相对于某个统一标准的一个评分。矩阵R2中的每一列，是对某运维交通方案各项评定指标的评分。
步骤四，进行综合评判。如前所述，运维交通方案确定，涉及若干互相制约的评定指标和许多复杂的影响因子，因此，完成了对各评定指标单因素评定后，尚需进行多因素的综合评判。这里引入重要度的概念来处理，重要度记为W2＝(wu1,wu2,…,wun)，它表征着对运维交通方案各评定指标重要程度作出评定。
确定了对各评定标准满意度和重要度的评定以后，综合评判问题归结为
Figure RE-GDA0001900539310000133
根据bVi的大小，可以完成各方案的排序，从而找出满意的方案。
作为示例，模糊层次分析法是层次分析法与模糊综合评价法相结合的衍生法，原理是将层次分析法计算得到的指标权重向量W1与模糊综合评价法计算得到的评判矩阵R2相乘如下式，得到各方案的得分：
B3＝R2×W1 T
以下将介绍改进复合权重TOPSIS法。作为示例，为了兼顾主观意愿和客观事实，本方法将层次分析法和熵权法以动态方式结合，构成改进复合权重，并将其与TOPSIS法理论结合，对方案进行综合评价。
假设某评价问题有m个评价对象和n个评价指标，假设通过层次分析法 (AHP)确定的第j个指标的权重为ωj，通过熵权法(EVM)确定的第j个指标的权重为θj，又假设决策者以εj的风险偏好倾向于使用层次分析法确定的权重，以(1-εj)的风险偏好倾向于使用熵权法确定的权重。
作为示例，改进复合权重TOPSIS法包括以下步骤。
步骤一，确定改进复合权重，具体包括确定层次分析法权重向量W、熵权法权重系数以及改进复合权重系数。
作为示例，熵权法(EVM)是一类根据决策矩阵数据特点得到的客观赋权法，优势在于该方法能够最大程度的利用决策矩阵的结构信息，分析得出各目标的权系数值，EVM适用于评价对象间彼此相关性很小或不相关的情况。
根据指标矩阵计算熵Ej：
Figure RE-GDA0001900539310000141
Figure RE-GDA0001900539310000142
其中，i＝1,2,…,m；j＝1,2,…,n；m和n的定义见上文；K>0，K＝1/ln(n) (ln为自然对数)，K为常系数；xij定义见上文；Ej代表第j个指标的熵值，且 Ej∈[0,1]。
定义fj为各方案在第j个评价指标下贡献度的一致性程度：
fj＝1-Ej
因此，第j个评价指标标准化的熵权法权重系数值为：
Figure RE-GDA0001900539310000143
上面已经求出层次分析法权重系数ωj与熵权法权重系数θj，复合权重ρj可表示为：
Figure RE-GDA0001900539310000144
为确定εj的值，可用最小二乘法建立如下规划模型：
Figure RE-GDA0001900539310000145
经求解，可得动态的权重偏好系数εj：
Figure RE-GDA0001900539310000151
步骤二，建立改进复合权重TOPSIS综合评判模型。逼近理想解排序法 (TOPSIS)的基本原理是借助多目标决策问题中的正理想解和负理想解的相对距离来对待评价方案进行排序。正理想解通常是虚构出来的一个最佳方案，它的每一个指标都取为待评价方案中的最优值，相对的，负理想解的指标则是待评价方案中的最劣值。TOPSIS通过考量方案对于正理想解和负理想解的趋近程度对方案进行综合排序，显然，方案越趋近正理想解越优。
步骤三，构建标准化决策矩阵，决策矩阵标准化与层次分析法相同。
步骤四，贴近度分析。由于在决策矩阵标准化的过程中，收益性指标和消耗性指标的评价标准已经修正为一致的，即指标值都越大越优，因此，正理想解为决策矩阵R中各行向量的最大值构成的方案，负理想解则取决策矩阵 R中各行向量的最小值，表达式为：
Figure RE-GDA0001900539310000152
其中，R+与R-分别为正理想解和负理想解。
则各评价方案与正负理想解的距离分别表示为:
Figure RE-GDA0001900539310000153
其中，di +,di -分别表示第i个方案与正理想解和负理想解的距离值；εj为上文求得的复合权重值；rj +与rj -分别为R+与R-相对应的指标值。
贴近度ci的计算公式可表达为:
Figure RE-GDA0001900539310000154
待评价方案的贴近度取值范围为(0,1)，越接近1说明其距离负理想解的相对距离越远，方案越优。
图2是示出根据本发明的实施例的海上风电场的运维交通方案的推荐设备的框图。如图2所示，根据本发明的实施例的海上风电场的运维交通方案的推荐设备包括获取单元10、第一确定单元20、第三确定单元30、第四确定单元40和第五确定单元50。
获取单元10获取海上风电场的数据以及周边的运维交通工具的数据。
作为示例，根据本发明的实施例的海上风电场的运维交通方案的推荐设备还可包括数据库搭建单元。作为示例，在数据库搭建单元构建风场信息数据库、风机故障率及处理时间数据库、海况参数数据库和运维成本数据库，以此作为运维交通方案的依据。搭建的数据库可以是Access(关系)数据库或者SQL(结构化查询语言)数据库。
获取单元10可从构建的数据库中获取海上风电场的数据以及周边的运维交通工具的数据。
作为示例，所述海上风电场的数据具体包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据。
作为示例，海上风电场附近的海况数据可包括以下至少一项：浪高数据、风速数据、潮汐数据和冰厚数据。
作为示例，海上风电场中的风机故障数据以下至少一项包括：风机故障种类、每种故障发生的概率以及每种故障维修需要的时间。
作为示例，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据。作为示例，运维交通工具的性能数据可包括以下至少一项：运维交通工具的材质、航速、稳定性和扶摇周期。作为示例，运维交通工具所属海域数据是指运维交通工具经常停靠的海域。作为示例，运维交通工具适用海域数据是指运维交通数据是指运维交通工具能够航行的海域。
第一确定单元20根据获取的数据，利用多目标的评价方法对多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具。
作为示例，多目标的评价方法可以是灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS(优劣解距离)法。该模糊层次分析法为模糊综合评价法与传统评价方法衍生出来的方法。各种评价方法请见上文的介绍。
作为示例，上述的多目标的评价方法对多个运维交通工具进行技术性评价进行技术性评价的目标包括运维交通工具的以下至少一个指标：安全度、风场可达率、登靠水平、舒适度和速度。作为示例，登靠水平用于指示运维交通工具靠岸时能适应的最大浪高及其能够平稳停靠在风机基础上的持续时长。
作为示例，第一确定单元20利用多目标的评价方法对多个运维交通工具进行技术性评价,可得到各个运维交通工具的各个指标，并对各个运维交通工具的技术性评价进行排序，选取排名靠前的预定数量的运维交通工具作为海上风电场的多个待推荐的运维交通工具。
作为示例，第一确定单元20可梳理各数据之间的关系，设计对运维交通工具技术先进性产生影响的因子，结合国内外海上风电场运维的实际经验，分别赋予各个影响因子权重以体现其对运维交通工具先进性的影响程度，最后通过评价算法计算各运维交通船舶针对待推荐的海上风电场的综合评分，以此作为运维交通工具推荐的依据。作为示例，影响因子指直接或间接影响运维交通工具的安全性、可达率、登靠水平的因素，以运维船舶为例，船舶的主尺度、材质、航速、稳性和横摇周期在一定程度上决定了船舶的造价、快速性和舒适性。
第二确定单元30根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定海上风电场的多个待推荐的运维交通方案。
运维交通方案指示用于维护海上风电场的运维交通工具以及租赁模式。作为示例，用于维护海上风电场的运维交通工具可以是多个待推荐的运维交通工具中的一件运维交通工具，也可以是多个待推荐的运维交通工具中的多件运维交通工具的组合。作为示例，租赁模式可包括日租模式、月租模式和年租模式等。作为示例，运维交通工具的租赁模式是指该运维交通工具可提供的租赁模式。
作为示例，第二确定单元30根据海上风电场包括的风机数量、各种故障发生的概率、各种故障维修需要的时间、海上风电场离岸距离以及海上风电场附近的海况数据等影响因素，以及为确定的多个待推荐的运维交通工具的租赁模式，通过遗传算法、禁忌搜索算法或神经网络算法等寻优算法输出综合考虑可达率、风机停机时间的多个待推荐的运维交通方案，以及输出各个待推荐的运维交通方案的风场可达率等技术指标。
第三确定单元40确定多个待推荐的运维交通方案中达到预定技术要求的运维交通方案。
作为示例，第三确定单元40进行运维交通方案技术校验，确定多个待推荐的运维交通方案是否达到预定技术要求，检验运维交通方案在技术上是否达标。作为示例，该预定技术要求可以是海上风电场的业主或用船方对运维设备的技术要求，例如，风场可达率、登靠水平和舒适度等。
作为示例，如果多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案，则确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
作为示例，可采用各种现有的方法来确定最接近预定技术要求的待推荐的运维交通方案。作为示例，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐的处理可包括：确定最接近预定技术要求的待推荐的运维交通方案不能达到的技术要求，将与该不能达到的技术要求对应的优化方案作为推荐的优化方案。
作为示例，可根据最接近预定技术要求的待推荐的运维交通方案不能达到的技术要求，推荐在运维交通工具上增加喷气除冰装置、恒张力系统登靠装置或滚装运维拖拉机船等，以提高运维交通工具的安全性能、登靠风机能力、交通效率等，可将添加的部件产生的成本增加费用反馈给运维成本数据库，并根据增加部件后运维交通工具的数据重新进行技术性评价，直至待推荐的运维交通方案能够满足预定技术要求。
第四确定单元50对达到预定技术要求的运维交通方案，根据运维成本数据，利用上述的多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
作为示例，运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
作为示例，第五确定单元50从运维成本数据库中调用通过了技术校验的运维交通方案(即达到预定技术要求的运维交通方案)中的运维交通工具的运维成本数据，利用上述的多目标的评价方法对通过了技术校验的运维交通方案进行经济性评价，向用户推荐经济性最优的运维交通方案。从而最终向用户推荐的运维交通方案可兼顾技术性和经济性。
多目标的评价方法进行经济性评价的目标包括以下至少一个：净现值、内部收益率和投资回收期。
根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，通过利用多目标的评价方法来对运维交通工具进行技术性评价以及对运维交通方案进行经济性评价，从而可保证为海上风电场推荐的运维交通方案的技术先进性以及经济性。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，可对现有的运维交通方案进行技术性评价和经济性评价，为决策者选择运维交通方案提高有效的参考。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，通过利用多目标的评价方法来对运维交通工具进行技术性评价，可确定适用于风电场所在海域的运维交通工具。
此外，根据本发明的实施例的海上风电场的运维交通方案的推荐方法和设备，当多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，即运维交通工具的整体技术水平较低时，可进行优化方案的推荐，提升运维交通工具的适航性和登靠能力等性能，为后续运维交通方案优化指明方向。
根据本发明的一个实施例，本发明还提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现如上所述的方法。
根据本发明的一个实施例，本发明还提供一种海上风电场的运维交通方案的推荐系统。所述系统包括：处理器和存储器。存储器存储有计算机程序，当所述计算机程序被处理器执行时，执行如上所述的方法。
此外，应该理解，根据本发明示例性实施例的设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程逻辑控制器(PLC)、现场可编程门阵列(FPGA) 或专用集成电路(ASIC)来实现各个单元。
此外，根据本发明示例性实施例的方法可以被实现为计算机可读记录介质中的计算机程序。本领域技术人员可以根据对上述方法的描述来实现所述计算机程序。当所述计算机程序在计算机中被执行时实现本发明的上述方法。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (14)

1.一种海上风电场的运维交通方案的推荐设备，其特征在于，包括：
获取单元，获取海上风电场的数据以及多个运维交通工具的数据；
第一确定单元，根据获取的数据，利用多目标的评价方法对所述多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具；
第二确定单元，根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定所述海上风电场的多个待推荐的运维交通方案；
第三确定单元，确定所述多个待推荐的运维交通方案中达到预定技术要求的运维交通方案；
第四确定单元，对达到预定技术要求的运维交通方案，根据运维成本数据，利用所述多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
2.根据权利要求1所述的推荐设备，其特征在于，还包括：
优化单元，当所述多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
3.根据权利要求1所述的推荐设备，其特征在于，所述海上风电场的数据包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据；
和/或，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据；
和/或，所述运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
4.根据权利要求1所述的推荐设备，其特征在于，所述多目标的评价方法为灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS法。
5.根据权利要求1所述的推荐设备，其特征在于，所述多目标的评价方法进行技术性评价的目标包括以下至少一个：安全度、风场可达率、登靠水平、舒适度和速度。
6.根据权利要求1所述的推荐设备，其特征在于，所述多目标的评价方法进行经济性评价的目标包括以下至少一个：净现值、内部收益率和投资回收期。
7.一种海上风电场的运维交通方案的推荐方法，其特征在于，包括：
获取海上风电场的数据以及多个运维交通工具的数据；
根据获取的数据，利用多目标的评价方法对所述多个运维交通工具进行技术性评价，以确定所述海上风电场的多个待推荐的运维交通工具；
根据海上风电场的数据以及所述确定的多个待推荐的运维交通工具的租赁模式，利用寻优算法，确定所述海上风电场的多个待推荐的运维交通方案；
确定所述多个待推荐的运维交通方案中达到预定技术要求的运维交通方案；
对达到预定技术要求的运维交通方案，根据运维成本数据，利用所述多目标的评价方法进行经济性评价，将经济性最优的运维交通方案确定为向海上风电场推荐的运维交通方案。
8.根据权利要求7所述的推荐方法，其特征在于，还包括：当所述多个待推荐的运维交通方案中不存在达到预定技术要求的运维交通方案时，确定最接近预定技术要求的待推荐的运维交通方案，对最接近预定技术要求的待推荐的运维交通方案进行优化方案的推荐。
9.根据权利要求7所述的推荐方法，其特征在于，所述海上风电场的数据包括以下至少一项：海上风电场附近的海况数据、海上风电场的容量、海上风电场包括的风机数量、海上风电场离岸距离数据和海上风电场中的风机故障数据；
和/或，所述运维交通工具的数据包括以下至少一项：交通工具的尺寸数据、性能数据、所属海域数据和适用海域数据；
和/或，所述运维成本数据包括以下至少一项：运维交通工具的租赁价格和造价。
10.根据权利要求7所述的推荐方法，其特征在于，所述多目标的评价方法为灰关联分析法、层次分析法、模糊综合评判法、模糊层次分析法或改进复合权重TOPSIS法。
11.根据权利要求7所述的推荐方法，其特征在于，所述多目标的评价方法进行技术性评价的目标包括以下至少一个：运维交通工具的安全度、风场可到达率、登靠水平、舒适度和速度。
12.根据权利要求7所述的推荐方法，其特征在于，所述多目标的评价方法进行经济性评价的目标包括以下至少一个：运维交通方案的净现值、内部收益率和投资回收期。
13.一种计算机可读存储介质，存储有当被处理器执行时使得处理器执行如权利要求7至12中任意一项所述的方法的计算机程序。
14.一种海上风电场的运维交通方案的推荐系统，包括：
处理器；
存储器，用于存储当被处理器执行使得处理器执行如权利要求7至12中任意一项所述的方法的计算机程序。
CN201811311584.9A 2018-11-06 2018-11-06 海上风电场的运维交通方案的推荐方法和设备 Active CN111144604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811311584.9A CN111144604B (zh) 2018-11-06 2018-11-06 海上风电场的运维交通方案的推荐方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811311584.9A CN111144604B (zh) 2018-11-06 2018-11-06 海上风电场的运维交通方案的推荐方法和设备

Publications (2)

Publication Number Publication Date
CN111144604A true CN111144604A (zh) 2020-05-12
CN111144604B CN111144604B (zh) 2023-08-08

Family

ID=70515852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811311584.9A Active CN111144604B (zh) 2018-11-06 2018-11-06 海上风电场的运维交通方案的推荐方法和设备

Country Status (1)

Country Link
CN (1) CN111144604B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101897A (zh) * 2020-08-25 2020-12-18 华能国际电力股份有限公司浙江清洁能源分公司 海上风电智慧管理方法、装置及系统
CN114154657A (zh) * 2021-11-19 2022-03-08 广东精铟海洋工程股份有限公司 一种海上风电安装平台运维管理的方法及系统
CN114936332A (zh) * 2022-05-31 2022-08-23 集美大学 一种风电场水域船舶交通流分析的方法、装置和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563623A (zh) * 2017-08-22 2018-01-09 上海电气集团股份有限公司 海上风电场的维护调度方法及系统
CN207089597U (zh) * 2017-07-14 2018-03-13 江苏金风科技有限公司 运维工具及潮间带风力发电机组的运维系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207089597U (zh) * 2017-07-14 2018-03-13 江苏金风科技有限公司 运维工具及潮间带风力发电机组的运维系统
CN107563623A (zh) * 2017-08-22 2018-01-09 上海电气集团股份有限公司 海上风电场的维护调度方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟超 等: "设计过程中风电场造价控制的要点和建议" *
成剑锋: "风电场建设及运维道路走廊优化设计" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101897A (zh) * 2020-08-25 2020-12-18 华能国际电力股份有限公司浙江清洁能源分公司 海上风电智慧管理方法、装置及系统
CN112101897B (zh) * 2020-08-25 2022-03-22 华能(浙江)能源开发有限公司清洁能源分公司 海上风电智慧管理方法、装置及系统
CN114154657A (zh) * 2021-11-19 2022-03-08 广东精铟海洋工程股份有限公司 一种海上风电安装平台运维管理的方法及系统
CN114936332A (zh) * 2022-05-31 2022-08-23 集美大学 一种风电场水域船舶交通流分析的方法、装置和存储介质

Also Published As

Publication number Publication date
CN111144604B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN113256066B (zh) 基于PCA-XGBoost-IRF的作业车间实时调度方法
CN105117602B (zh) 一种计量装置运行状态预警方法
CN109242143A (zh) 一种神经网络风电功率预测方法及系统
CN111144604A (zh) 海上风电场的运维交通方案的推荐方法和设备
CN112182720B (zh) 一种基于建筑能源管理应用场景的建筑能耗模型评价方法
CN114118789B (zh) 基于模糊综合评判和综合赋权的雷达发射机状态评估方法
CN114066196A (zh) 一种电网投资策略优化系统
CN110837915A (zh) 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
CN112686693A (zh) 电力现货市场边际电价预测方法、系统、设备及存储介质
CN112818525A (zh) 一种水电机组状态评价方法及其系统
TW201635224A (zh) 智慧型短期電力發電量預測方法
CN104102840A (zh) 配电网对光伏电源接纳能力的测评方法
CN110705859A (zh) 基于pca-自组织神经网络的中低压配电网运行状态评估方法
CN114139940A (zh) 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法
CN115545514A (zh) 基于健康度评估的配电融合设备差异化运维方法及装置
CN110837952A (zh) 一种基于博弈论的电网新技术设备选择方法及系统
Xie et al. Forecasting the clearing price in the day-ahead spot market using eXtreme Gradient Boosting
CN116823008A (zh) 一种园区能源利用效率评估方法、系统、设备和存储介质
CN114971272A (zh) 一种中压配电网网格化规划评价方法及系统
CN111241664A (zh) 一种配变台区电压问题治理方案评估方法
Li et al. Pre Evaluation of Power Grid Project Based on AHP and BPNN
CN110766426A (zh) 一种电价制定方法及装置
BUDHI SEPTYANTO et al. ANALYTICAL HIERARCHY PROCESS AND TOPSIS APPROACH TO STRATEGY DETERMINATION OF DEPO LEVEL MAINTENANCE FOR SUBMARINE.
CN116720662B (zh) 基于集对分析的分布式能源系统适用性评估方法
Zhou et al. Research on comprehensive utility evaluation model of the infrastructure erp system

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