CN112686403B - 一种智能风机档案运维方法及系统 - Google Patents
一种智能风机档案运维方法及系统 Download PDFInfo
- Publication number
- CN112686403B CN112686403B CN202011598800.XA CN202011598800A CN112686403B CN 112686403 B CN112686403 B CN 112686403B CN 202011598800 A CN202011598800 A CN 202011598800A CN 112686403 B CN112686403 B CN 112686403B
- Authority
- CN
- China
- Prior art keywords
- data
- influence coefficient
- fan
- maintenance
- average
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及海上运维技术领域,尤其涉及一种智能风机档案运维方法及系统。通过获取风机所在海域的海况数据、对应的配置数据以及历史维修数据,并进行综合分析得到对应的等级;再根据等级获取对应的运维策略,并对所述风机执行获取到的运维策略。即为该运维策略的选择是综合了海况数据、对应的配置数据以及历史维修数据,从而使得到的运维策略更有针对性且精确度更高,根据运维策略执行的风机能够提高使用寿命以及性能稳定。
Description
技术领域
本发明涉及海上运维技术领域,尤其涉及一种智能风机档案运维方法及系统。
背景技术
随着风力发电技术的发展,海上风电产业链也逐步建设和发展起来,巨大的装机容量带动海上风电运维市场发展,海上风电运维已经成为新能源装备制造行业新的增长点。
然而,在海上风电运维行业,目前没有很好的办法对某一个风电场的风机状态做全面细致的评估工作,进而无法对每个风机的状态做预测,也就无法更好地提高风机的使用寿命以及确保性能稳定。
发明内容
本发明所要解决的技术问题是:提供一种智能风机档案运维方法及系统,能够更好地对风机做运维,提高风机的使用寿命以及确保性能稳定。
为了解决上述技术问题,本发明采用的一技术方案为:
一种智能风机档案运维方法,包括以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
本发明采用的另一技术方案为:
一种智能风机档案运维系统,包括一个或多个处理器及存储器,所述存储器存储有程序,该程序被处理器执行时实现以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
本发明的有益效果在于:
本发明提供的一种智能风机档案运维方法及系统,通过获取风机所在海域的海况数据、对应的配置数据以及历史维修数据,并进行综合分析得到对应的等级;再根据等级获取对应的运维策略,并对所述风机执行获取到的运维策略。即为该运维策略的选择是综合了海况数据、对应的配置数据以及历史维修数据,从而使得到的运维策略更有针对性且精确度更高,根据运维策略执行的风机能够提高使用寿命以及性能稳定。
附图说明
图1为本发明的一种智能风机档案运维方法的步骤流程图;
图2为本发明的一种智能风机档案运维系统的结构示意图;
标号说明:
1、处理器;2、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明提供的一种智能风机档案运维方法,包括以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
从上述描述可知,本发明的有益效果在于:
本发明提供的一种智能风机档案运维方法,通过获取风机所在海域的海况数据、对应的配置数据以及历史维修数据,并进行综合分析得到对应的等级;再根据等级获取对应的运维策略,并对所述风机执行获取到的运维策略。即为该运维策略的选择是综合了海况数据、对应的配置数据以及历史维修数据,从而使得到的运维策略更有针对性且精确度更高,根据运维策略执行的风机能够提高使用寿命以及性能稳定。
进一步的,步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H;
根据所述配置数据分析得出对应的年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P;
根据所述天气海况影响系数H、年限影响系数N和维修影响系数P综合分析得到对应的等级。
进一步的,步骤S1中的海况数据包括气象数据和海水数据;
所述气象数据的计算方法为:
获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;
所述海水数据的计算方法为:
获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;
步骤S1中的配置数据包括风机投产时间数据;
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
由上述描述可知,通过以上具体方式,能够结合气象数据、海水数据、风机投产时间数据以及维修记录数据综合分析得到精确度更高的分析结果,进而能够得到更精准的运维策略,达到提高风机的使用寿命以及性能稳定的效果。
进一步的,所述重大故障事件为风机停机时间超过3天,所述中等故障事件为风机停机时间介于1天到3天之间,所述一般故障事件为风机停机时间小于1天。
参阅图2,本发明还提供的一种智能风机档案运维系统,包括一个或多个处理器及存储器,所述存储器存储有程序,该程序被处理器执行时实现以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
从上述描述可知,本发明的有益效果在于:
本发明提供的一种智能风机档案运维系统,通过获取风机所在海域的海况数据、对应的配置数据以及历史维修数据,并进行综合分析得到对应的等级;再根据等级获取对应的运维策略,并对所述风机执行获取到的运维策略。即为该运维策略的选择是综合了海况数据、对应的配置数据以及历史维修数据,从而使得到的运维策略更有针对性且精确度更高,根据运维策略执行的风机能够提高使用寿命以及性能稳定。
进一步的,该程序被处理器执行时具体实现以下步骤:
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H;
根据所述配置数据分析得出对应的年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P;
根据所述天气海况影响系数H、年限影响系数N和维修影响系数P综合分析得到对应的等级。
进一步的,该程序被处理器执行时具体实现以下步骤:
步骤S1中的海况数据包括气象数据和海水数据;
所述气象数据的计算方法为:
获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;
所述海水数据的计算方法为:
获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;
步骤S1中的配置数据包括风机投产时间数据;
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
由上述描述可知,通过以上具体方式,能够结合气象数据、海水数据、风机投产时间数据以及维修记录数据综合分析得到精确度更高的分析结果,进而能够得到更精准的运维策略,达到提高风机的使用寿命以及性能稳定的效果。
进一步的,所述重大故障事件为风机停机时间超过3天,所述中等故障事件为风机停机时间介于1天到3天之间,所述一般故障事件为风机停机时间小于1天。
请参照图1,本发明的实施例一为:
本发明提供的一种智能风机档案运维方法,包括以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
在本实施例中,步骤S1中的海况数据包括气象数据和海水数据;其中气象数据是通过各大天气平台获取,记录该海域最近一年的天气数据。
所述气象数据的计算方法为:获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;预设时间段可根据实际情况设置,在本实施例中,预设时间段设置为一年;
所述海水数据的计算方法为:获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;预设时间段可根据实际情况设置,在本实施例中,预设时间段设置为一年;
步骤S1中的配置数据包括风机投产时间数据;还包括风机厂家以及风机型号;风机厂家是指该风机生产厂家。风机型号是指风机对应的生产型号,通过型号确定风机的最初的详细档案,通常描述的是风机的各个组成部分,如风机轮毂、塔筒、风叶等部件的一级部件、二级部件、三级部件对应的生产厂家、设备规格等信息。
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;维修记录数据包括维修的部件、维修所需时长以及维修难度级别。
步骤S1中还可以获取风机的风机大部件更换记录,是指在历史维修中,对风机的大部件的更换纪录,包括风机部件名称、更换时间、更换部件生产厂家、更换部件所需的投入。
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
需要说明的是:其它情况均认为是海洋环境比较差的情况,天气海况影响系数H均为1.2。
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;即为:风机投产时间数据为5年,则年限影响系数N就为5。
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
需要说明的是,当年历史定检和技改总次数M≥3时,M就设定为3。
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
需要说明的是,重大故障事件对应的影响系数为2,中等故障事件对应的影响系数为1.5,一般故障事件对应的影响系数为1。
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);所有大部件更换后累计使用时间T以年计。若无更换,则此项不加入计算。
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);需要说明的是,这公式是针对有大部件更换的,若无大部件更换,则W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)。
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
例如:风机1的海域平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,H为1,使用年限为2年,N为2,当年历史定检和技改总次数为2,M为2,当年发生一般故障6次,G=6×1,无大部件更换,则风机档案分值为9.6,即风机为高等级。
风机2的海域平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,H为1,使用年限5年,当年历史定检和技改总次数为3,M为3,当年发生重大故障1次,中等故障3次,一般故障10次,G=2+1.5×3+10×1=16.5,历史大部件更换1次数与更换后累计使用时间2,则风机档案分值为23.1,即风机为高等级。
风机3的海域平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,H为1.1,使用年限10年,当年历史定检和技改总次数为3,M为3,当年发生重大故障1次,中等故障12次,一般故障13次,G=33,历史大部件更换3次数与更换后累计使用时间为5,则风机档案分值为84.7,即风机为低等级。
风机4的海域平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,H为1.1,使用年限4年,当年历史定检和技改总次数为2,M为2,当年发生重大故障1次,中等故障3次,一般故障5次,G=11.5,历史大部件更换1次数与更换后累计使用时间为5,则风机档案分值为40.48,即风机为中等级。
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
运维策略是指根据风机的等级计算最终的运维成本,其中,高等级对应的系数为1;中等级对应的系数为1.2;低等级对应的系数为1.3。得到运维项目的系数后,再结合运维项目评估的成本进行计算,最终得到运维项目最终的运维成本。
请参照图2,本发明的实施例二为:
本发明提供的一种智能风机档案运维系统,包括一个或多个处理器1及存储器2,所述存储器2存储有程序,该程序被处理器1执行时实现以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略。
该程序被处理器执行时具体实现以下步骤:
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H;
根据所述配置数据分析得出对应的年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P;
根据所述天气海况影响系数H、年限影响系数N和维修影响系数P综合分析得到对应的等级。
该程序被处理器执行时具体实现以下步骤:
步骤S1中的海况数据包括气象数据和海水数据;
所述气象数据的计算方法为:
获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;
所述海水数据的计算方法为:
获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;
步骤S1中的配置数据包括风机投产时间数据;
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
该程序被处理器执行时具体实现以下步骤:所述重大故障事件为风机停机时间超过3天,所述中等故障事件为风机停机时间介于1天到3天之间,所述一般故障事件为风机停机时间小于1天。
综上所述,本发明提供的一种智能风机档案运维方法及系统,通过获取风机所在海域的海况数据、对应的配置数据以及历史维修数据,并进行综合分析得到对应的等级;再根据等级获取对应的运维策略,并对所述风机执行获取到的运维策略。即为该运维策略的选择是综合了海况数据、对应的配置数据以及历史维修数据,从而使得到的运维策略更有针对性且精确度更高,根据运维策略执行的风机能够提高使用寿命以及性能稳定。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种智能风机档案运维方法,其特征在于,包括以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略;
步骤S1中的海况数据包括气象数据和海水数据;
所述气象数据的计算方法为:
获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;
所述海水数据的计算方法为:
获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;
步骤S1中的配置数据包括风机投产时间数据;
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
2.根据权利要求1所述的智能风机档案运维方法,其特征在于,所述重大故障事件为风机停机时间超过3天,所述中等故障事件为风机停机时间介于1天到3天之间,所述一般故障事件为风机停机时间小于1天。
3.一种智能风机档案运维系统,其特征在于,包括一个或多个处理器及存储器,所述存储器存储有程序,该程序被处理器执行时实现以下步骤:
S1、获取一风机所在海域的海况数据、对应的配置数据以及历史维修数据;
S2、根据所述海况数据、配置数据以及历史维修数据综合分析得到对应的等级;
S3、根据得到的等级获取对应的运维策略,并对所述风机执行所述运维策略;
该程序被处理器执行时还具体实现以下步骤:
步骤S1中的海况数据包括气象数据和海水数据;
所述气象数据的计算方法为:
获取所述风机所在海域在预设时间段内的风力数据,根据获取到的风力数据计算得到平均风力数据,作为气象数据;
所述海水数据的计算方法为:
获取所述风机所在海域在预设时间段内的海水酸碱度数据和海水温度数据,根据获取到的海水酸碱度数据和海水温度数据分别计算得到平均海水酸碱度数据和平均海水温度数据,作为海水数据;
步骤S1中的配置数据包括风机投产时间数据;
步骤S1中的历史维修数据包括风机从投入使用到当前时刻所有的维修记录数据;
步骤S2具体为:
根据所述海况数据分析得出对应的天气海况影响系数H,具体为:
若平均海水酸碱度数据介于6.8到7.2之间且平均风力数据小于5级且平均海水温度数据小于27℃,则天气海况影响系数H为1;
若平均海水酸碱度数据介于6.6到6.8之间且平均风力数据介于6级到7级之间且平均海水温度数据介于27℃到28℃之间,则天气海况影响系数H为1.1;
若平均海水酸碱度数据小于6.8且平均风力数据大于7级且平均海水温度数据大于28℃,则天气海况影响系数H为1.2;
根据所述配置数据分析得出对应的年限影响系数N,具体为:
将风机投产时间数据设置为年限影响系数N;
根据所述历史维修数据分析得出对应的维修影响系数P,具体为:
所述历史维修数据包括当年历史定检和技改总次数M、当年历史故障事件、历史大部件更换次数D与所有大部件更换后累计使用时间T;
根据当年历史定检和技改总次数M,计算得到技改影响系数P1;其中,P1=1-M×0.1;
所述当年历史故障事件包括重大故障事件、中等故障事件和一般故障事件;
根据重大故障事件的数量A、中等故障事件的数量B和一般故障事件的数量C,计算得到故障影响系数G;其中,G=A×2+B×1.5+C×1;
根据历史大部件更换次数D和所有大部件更换后累计使用时间T,计算得到更换影响系数S;其中,S=T/(5D);
根据技改影响系数P1、故障影响系数G以及更换影响系数S,计算得到维修影响系数P;其中,P=P1×G×S;
将所述天气海况影响系数H、年限影响系数N和维修影响系数P代入公式,计算得到对应的档案分W;其中公式为:W=H×N×(1-M×0.1)×(A×2+B×1.5+C×1)×T/(5D);
若W≤30时,则所述风机判定为高等级;
若30<W≤60时,则所述风机判定为中等级;
若W>60时,则所述风机判定为低等级。
4.根据权利要求3所述的智能风机档案运维系统,其特征在于,该程序被处理器执行时具体实现以下步骤:所述重大故障事件为风机停机时间超过3天,所述中等故障事件为风机停机时间介于1天到3天之间,所述一般故障事件为风机停机时间小于1天。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011598800.XA CN112686403B (zh) | 2020-12-30 | 2020-12-30 | 一种智能风机档案运维方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011598800.XA CN112686403B (zh) | 2020-12-30 | 2020-12-30 | 一种智能风机档案运维方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686403A CN112686403A (zh) | 2021-04-20 |
CN112686403B true CN112686403B (zh) | 2023-05-05 |
Family
ID=75454220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011598800.XA Active CN112686403B (zh) | 2020-12-30 | 2020-12-30 | 一种智能风机档案运维方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686403B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761713A (zh) * | 2021-08-05 | 2021-12-07 | 上海发电设备成套设计研究院有限责任公司 | 一种模拟风力发电机组运行冲击载荷的方法、装置及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160133066A1 (en) * | 2014-11-09 | 2016-05-12 | Scope Technologies Holdings Limited | System and method for scheduling vehicle maintenance and service |
US11783301B2 (en) * | 2019-01-02 | 2023-10-10 | The Boeing Company | Systems and methods for optimizing maintenance plans in the presence of sensor data |
-
2020
- 2020-12-30 CN CN202011598800.XA patent/CN112686403B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
Non-Patent Citations (2)
Title |
---|
扶青.统计指数体系.《社会经济统计学原理与实务》.广东经济出版社,1998, * |
李光柏.设备的ABC分类管理.《中国总工程师指南》.武汉出版社,1993, * |
Also Published As
Publication number | Publication date |
---|---|
CN112686403A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Reliability assessment of wind turbine bearing based on the degradation-Hidden-Markov model | |
CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
EP2418620A1 (en) | Method and system for maintenance optimization | |
US20120038312A1 (en) | Lead acid storage battery and lead acid storage battery system for natural energy utilization system | |
CN112686403B (zh) | 一种智能风机档案运维方法及系统 | |
CN111950764A (zh) | 一种极端天气条件电网风电功率预测修正方法 | |
CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
Wilson et al. | Modeling the relationship between wind turbine failure modes and the environment | |
CN112668184A (zh) | 一种台风灾害下风电停运风险值计算方法、装置及存储介质 | |
Asgarpour et al. | O&M modeling of offshore wind farms—State of the art and future developments | |
CN116205342A (zh) | 基于精细化预测的电力气象预警方法 | |
CN115859864A (zh) | 一种适用于海上风机结构方案设计分项系数的修正方法 | |
CN114219182A (zh) | 一种基于强化学习的异常天气场景风电预测方法 | |
CN110084445B (zh) | 一种风电机组变桨用蓄电池更换周期计算方法 | |
Oprea et al. | Key technical performance indicators for power plants | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
CN113705076A (zh) | 基于偏最小二乘法的风电机组齿轮箱状态监测方法及控制装置 | |
Rademakers et al. | Operation and maintenance of offshore wind energy systems | |
Li et al. | Influence of uncertainty on performance of opportunistic maintenance strategy for offshore wind farms | |
Li et al. | Cost-driven multi-echelon inventory optimization for offshore wind farms | |
Liu et al. | Large-scale maintenance scheduling of wind turbines | |
CN115358495B (zh) | 一种风电功率预测综合偏差率的计算方法 | |
Abderrazzaq et al. | Evaluating the impact of electrical grid connection on the wind turbine performance for Hofa wind farm scheme in Jordan | |
CN117078079A (zh) | 基于标杆风电场指标计算机组评级方法 | |
Delarue et al. | The effect of implementing wind power on overall electricity generation costs, CO2 emissions and reliability |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 2-53b, No.27 Huli Road, Mawei District, Fuzhou City, Fujian Province Applicant after: Fujian Offshore Power Operation and Maintenance Technology Co.,Ltd. Address before: Room 2-53b, No.27 Huli Road, Mawei District, Fuzhou City, Fujian Province Applicant before: Fujian Haidian operation and Maintenance Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |