CN113642937B - 风机集群的运维排程方法、装置、电子设备及存储介质 - Google Patents

风机集群的运维排程方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113642937B
CN113642937B CN202111194453.9A CN202111194453A CN113642937B CN 113642937 B CN113642937 B CN 113642937B CN 202111194453 A CN202111194453 A CN 202111194453A CN 113642937 B CN113642937 B CN 113642937B
Authority
CN
China
Prior art keywords
fan
maintenance
cost
cluster
total
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
Application number
CN202111194453.9A
Other languages
English (en)
Other versions
CN113642937A (zh
Inventor
冯建设
张建宇
陈军
成建洪
杜冬冬
陈功
罗启铭
吴育校
熊皓
覃江威
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.)
Shenzhen Xinrun Fulian Digital Technology Co Ltd
Original Assignee
Shenzhen Xinrun Fulian Digital 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 Shenzhen Xinrun Fulian Digital Technology Co Ltd filed Critical Shenzhen Xinrun Fulian Digital Technology Co Ltd
Priority to CN202111194453.9A priority Critical patent/CN113642937B/zh
Publication of CN113642937A publication Critical patent/CN113642937A/zh
Application granted granted Critical
Publication of CN113642937B publication Critical patent/CN113642937B/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
    • G06Q10/06—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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • 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—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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (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

本申请涉及一种风机集群的运维排程方法、装置、电子设备及存储介质，该方法包括：获取风机集群的全局成本和运维排程基础数据，全局成本包括风机集群的总体产能损失成本和总体运维成本；将用于计算全局成本的最小值的计算函数确定为目标函数，目标函数用于限定总体产能损失成本和总体运维成本之和达到最小值时的维护时间；根据运维排程基础数据，确定限制条件，限制条件用于限定维护时间的取值范围；将目标函数和限制条件输入预设求解器进行求解运算，确定风机集群的运维排程结果。这样在制定运维排程计划时，可以综合考虑风机集群的总体产能损失成本和总体运维成本，从而使得风机集群的全局成本最小化，达到节约成本的目的。

Description

风机集群的运维排程方法、装置、电子设备及存储介质
技术领域
本申请涉及风电技术领域，尤其涉及一种风机集群的运维排程方法、装置、电子设备及存储介质。
背景技术
为应对气候变暖、环境污染等问题，全球能源消费正逐步迈入以清洁能源或可再生能源替代化石能源的“第三次工业革命”时代。风能是最重要的清洁能源之一，大力发展风电等清洁能源是实现中国可持续发展战略的必然选择。发展风电、光伏等新能源的高效运维技术已成为当前电力系统面临的重要问题之一。在风机单机容量较大、风机集群总体结构越加复杂、各风机部件之间的耦合也愈加紧密的情况下，风机集群中的风机出现故障的概率也会增加。据统计，风机集群因运行环境恶劣较易发生故障，陆上风机集群的运维成本可达到其收益的15％～25％之间，而海上风机集群的运维成本可占到35％左右。
然而，现有的风机集群的运维排程方式通常是在风机故障后进行维修，或者是人为的基于风机的巡检状态制定运维排程计划，但这些方式由于维护数据大多是数据孤岛，没有综合考虑各方面因素，从而使得风机集群的总体运维成本较高。
发明内容
本申请提供了一种风机集群的运维排程方法、装置、电子设备及存储介质，以解决现有的风机集群的运维排程方式由于维护数据大多是数据孤岛，没有综合考虑各方面因素，从而使得风机集群的总体运维成本较高总体的问题。
第一方面，本申请提供了一种风机集群的运维排程方法，所述方法包括：
获取所述风机集群的全局成本和运维排程基础数据，所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本；
将用于计算所述全局成本的最小值的计算函数确定为目标函数，所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间；
根据所述运维排程基础数据，确定限制条件，所述限制条件用于限定所述维护时间的取值范围；
将所述目标函数和所述限制条件输入预设求解器进行求解运算，确定所述风机集群的运维排程结果。
可选地，所述获取所述风机集群的全局成本和运维排程基础数据，包括：
计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本；和，
通过预设数据接口获取运维排程辅助系统中的数据，并将获取到的数据作为所述风机集群的运维排程基础数据，所述运维排程辅助系统中的数据包括如下至少一项：仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息。
可选地，在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本之前，所述方法还包括：
计算所述风机集群中各风机对应的产能损失成本，其中，计算各风机对应的产能损失成本的计算公式为：
Figure 623394DEST_PATH_IMAGE001
Figure 962365DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示所述风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本，k为小于K的任一正整数，K表示所述风机集群中风机的总数量，
Figure 528475DEST_PATH_IMAGE004
表示所述风机集群中的第k台风机的健康状态评估值，
Figure DEST_PATH_IMAGE005
表示所述风机集群在时刻t的风速预测值，
Figure 830144DEST_PATH_IMAGE006
表示所述风机集群在时刻t的风功率预设值，tk表示第k台风机的开始维护时间，△表示第k台风机的维护时长，tk和tk+△均属于所述时间窗口[t0，t1]。
可选地，在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本之前，所述方法还包括：
计算所述风机集群中各风机对应的运维成本，其中，计算各风机对应的运维成本的计算公式为：
Figure DEST_PATH_IMAGE007
其中，
Figure 66084DEST_PATH_IMAGE008
表示所述风机集群中的第k台风机在时刻t对应的运维成本，
Figure DEST_PATH_IMAGE009
为所述风机集群中的第k台风机的预测性运维成本，
Figure 266252DEST_PATH_IMAGE010
为所述风机集群中的第k台风机的故障运维成本，
Figure DEST_PATH_IMAGE011
为所述风机集群中的第k台风机的健康阈值，
Figure 370475DEST_PATH_IMAGE012
表示所述风机集群中的第k台风机的健康状态评估值，P表示所述风机集群中的第k台风机的健康状态评估值大于所述健康阈值的概率，
Figure DEST_PATH_IMAGE013
的取值区间为[0，1]，T表示运维周期的时间上限值。
可选地，所述目标函数为：
Figure 792229DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
表示所述风机集群的所述总体产能损失成本，
Figure 199070DEST_PATH_IMAGE016
表示所述风机集群的所述总体运维成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示所述风机集群中风机的总数量，T表示运维周期的时间上限值。
可选地，所述全局成本还包括所述风机集群的能耗成本、所述风机集群的用工成本和所述风机集群的库存成本；
所述目标函数为：
Figure DEST_PATH_IMAGE017
Figure 870223DEST_PATH_IMAGE018
其中，
Figure DEST_PATH_IMAGE019
表示所述风机集群的所述总体产能损失成本，
Figure 309295DEST_PATH_IMAGE020
表示所述风机集群的所述总体运维成本，
Figure DEST_PATH_IMAGE021
表示所述风机集群的能耗成本，
Figure 920974DEST_PATH_IMAGE022
表示所述风机集群的用工成本，
Figure DEST_PATH_IMAGE023
表示所述风机集群的库存成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示所述风机集群中风机的总数量，T表示运维周期的时间上限值。
可选地，所述限制条件包括如下至少一项：环境限制、资源限制、库存限制和人员限制；其中，所述环境限制是基于所述环境信息确定得到，所述资源限制是基于所述运维资源信息确定得到，所述库存限制是基于所述仓储信息和所述备品备件信息确定得到，所述人员限制是基于所述生产计划信息确定得到。
第二方面，本申请还提供了一种风机集群的运维排程装置，所述装置包括:
获取模块，用于获取所述风机集群的全局成本和运维排程基础数据，所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本；
第一确定模块，用于将用于计算所述全局成本的最小值的计算函数确定为目标函数，所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间；
第二确定模块，用于根据所述运维排程基础数据，确定限制条件，所述限制条件用于限定所述维护时间的取值范围；
第三确定模块，用于将所述目标函数和所述限制条件输入预设求解器进行求解运算，确定所述风机集群的运维排程结果。
第三方面，本申请还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如第一方面任一项实施例所述的风机集群的运维排程方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项实施例所述的风机集群的运维排程方法的步骤。
在本申请实施例中，通过获取所述风机集群的全局成本和运维排程基础数据，所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本；将用于计算所述全局成本的最小值的计算函数确定为目标函数，所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间；根据所述运维排程基础数据，确定限制条件，所述限制条件用于限定所述维护时间的取值范围；将所述目标函数和所述限制条件输入预设求解器进行求解运算，确定所述风机集群的运维排程结果。通过这种方式，在制定运维排程计划时，可以综合考虑风机集群的总体产能损失成本和总体运维成本，从而使得风机集群的全局成本实现最小化，达到节约成本的目的。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的风机集群的运维排程方法的流程示意图；
图2为本申请实施例提供的风机集群的运维排程系统的示意图；
图3为本申请实施例提供的风机集群的运维排程装置的结构示意图；
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，图1为本申请实施例提供的风机集群的运维排程方法的流程示意图。如图1所示，该风机集群的运维排程方法包括如下步骤：
步骤101、获取风机集群的全局成本和运维排程基础数据，全局成本包括风机集群的总体产能损失成本和总体运维成本。
具体地，上述风机集群可以包括至少一个风机。上述风机集群的总体产能损失成本是指风机集群中各风机在预设运维周期内的产能损失成本之和，其中，各风机对应的产能损失成本可以包括该风机在预设运维周期内不进行设备维修带来的产能损失成本和进行设备维修带来的产能损失成本。上述总体运维成本是指风机集群中各风机在预设运维周期内的运维成本之和，其中，各风机对应的运维成本可以包括但不限于该风机的预测性运维成本、故障运维成本等。
上述运维排程基础数据是指运维排程过程中，需要考虑的除产能损失和运维成本之外的其他数据。该运维排程基础数据可以包括但不限于：仓储管理系统中的仓储信息、备品备件系统中的备品备件信息、运维资源信息（如维护工程师、交通工具等）、生产计划信息、环境信息（如天气等）等。
步骤102、将用于计算全局成本的最小值的计算函数确定为目标函数，目标函数用于限定总体产能损失成本和总体运维成本之和达到最小值时的维护时间。
在本步骤中，可以通过定义一个目标函数，通过该目标函数来计算风机集群的全局成本的最小值，以此对风机集群进行运维排程分析，这样，可以使得运维排程结果不仅可以考虑到风机性能衰退带来的产能损失，还可以综合考虑多种不同的维修策略，如故障后维修、预测性维修等，以实现对风机集群的运维成本的最小化。
步骤103、根据运维排程基础数据，确定限制条件，限制条件用于限定维护时间的取值范围。
在本步骤中，可以通过获取到的运维排程基础数据，确定上述目标函数的限制条件，这样，可以确保通过目标函数获取计算结果时，计算结果能满足实际的运维条件，如维修时间点有足够的维护工程师可以安排、维修时间点的天气状态良好、维修时间点的备件库有足够的备件更换等。
步骤104、将目标函数和限制条件输入预设求解器进行求解运算，确定风机集群的运维排程结果。
在确定目标函数和限制条件之后，可以将目标函数和限制条件输入至预设求解器中进行求解计算，从而确定出同时满足目标函数和限制条件的运维排程结果。此处的预设求解器可以为开源或者自定义的启发性求解器，如遗传算法求解器，本申请不做具体限定。此处的运维排程结果可以包括运维排程的整体计划信息，如每个待维修风机的维修开始时间、每个维修任务对应的维修团队构成、备品备件领用计划等。进一步地，该运维排程结果还可以包括对运维成本的明细输出，方便进一步的统计分析和系统优化。
在本实施例中，在制定运维排程计划时，可以综合考虑风机集群的总体产能损失成本和总体运维成本，从而使得风机集群的全局成本实现最小化，达到节约运维成本的目的。
进一步地，上述步骤101、获取风机集群的全局成本和运维排程基础数据，可以包括如下步骤：
计算风机集群的总体产能损失成本和总体运维成本，并根据总体产能损失成本和总体运维成本，确定全局成本；和，
通过预设数据接口获取运维排程辅助系统中的数据，并将获取到的数据作为风机集群的运维排程基础数据，运维排程辅助系统中的数据包括如下至少一项：仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息。
在一实施例中，可以分别计算风机集群的总体产能损失成本和总体运维成本，并将总体产能损失成本和总体运维成本之和，作为风机集群的全局成本。这样，可以根据全局成本实现对多优化目标的统一化，将多优化目标转化为明确的单目标优化的求解问题。并且，可以通过预设数据接口自动获取运维排程辅助系统中的数据，将运维排程与其他生产制造系统如制造执行系统（Manufacturing Execution System，简称MES）、仓库管理系统（Warehouse Management System，简称WMS）、企业资源计划系统（Enterprise ResourcePlanning，简称ERP）等内部的数据进行集成，实现数据上的互通互联与智能运维决策的自动化执行，从而可以提高以往手动或者半自动排单的效率。
进一步地，在上述步骤、计算风机集群的总体产能损失成本和总体运维成本，并根据总体产能损失成本和总体运维成本，确定全局成本之前，该方法还包括如下步骤：
计算风机集群中各风机对应的产能损失成本，其中，计算各风机对应的产能损失成本的计算公式为：
Figure 154509DEST_PATH_IMAGE024
Figure 250641DEST_PATH_IMAGE002
公式1
其中，
Figure 306453DEST_PATH_IMAGE025
表示风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本，k为小于K的任一正整数，K表示风机集群中风机的总数量，
Figure 437220DEST_PATH_IMAGE004
表示风机集群中的第k台风机的健康状态评估值，
Figure 576077DEST_PATH_IMAGE005
表示风机集群在时刻t的风速预测值，
Figure 972555DEST_PATH_IMAGE026
表示风机集群在时刻t的风功率预设值，tk表示第k台风机的开始维护时间，△表示第k台风机的维护时长，tk和tk+△均属于时间窗口[t0,t1]。
具体地，由于每台风机对应一个产能损失成本，因而可以根据每台风机对应的产能损失成本之和，求得风机集群的总体产能损失成本。在计算每台风机对应的产能损失成本时，可以先通过故障预测与健康管理（Prognostic and Health Management，简称PHM）模块得到每台风机的健康状态评估值，以及通过风功率预测模块得到每台风机的风功率预测值。
具体而言，PHM模块可以用于评估和预测风机的实时健康状况及衰退劣化趋势，如风机的健康状态评估值、风机的故障预测值、风机的剩余寿命预测值等。假设该风机集群中有K台风机，在某时刻
Figure 222270DEST_PATH_IMAGE028
,PHM模块计算得到风机集群中各风机的健康状态评估值分别用
Figure 207544DEST_PATH_IMAGE029
表示。风功率预测模块可以通过对风速这一时间序列进行预测，并基于风机的风速功率曲线，得到风功率预测值。假设时刻t预测到的风速为
Figure 782882DEST_PATH_IMAGE030
，风速功率曲线模型为
Figure 463393DEST_PATH_IMAGE031
，可以得到时刻t的风功率预测值为
Figure 516800DEST_PATH_IMAGE032
。
此时，可以基于PHM模块得到的各风机的健康状态评估值，以及风功率预测模块得到的风功率预测值，计算出第K台风机在时刻t因性能衰退导致的功率损失为
Figure 356580DEST_PATH_IMAGE033
，由此可以得到从时刻t0到时刻t1，如果不对第K台风机进行设备维修，那么第K台风机的产能损失为：
Figure 899557DEST_PATH_IMAGE034
公式2
如果在时刻t0到时刻t1中的某一时刻tk进行设备维护，那么在维修时段△内由于维修带来的产能损失为：
Figure 191998DEST_PATH_IMAGE035
公式3
由此，可以根据上述公式2和公式3，得到上述公式1，即第k台风机在时间窗口[t0,t1]的产能损失成本。再对K台风机对应的产能损失成本求和，即可计算得到风机集群的总体产能损失成本。
在本实施例中，将PHM模块输出的健康状态评估值和风功率预测模块输出的风功率预测值，作为风机产能损失成本计算的依据，通过求解风机产能损失成本的最小值，就可以准确的计算出该台风机需要维修的开始时间tk，这样可以保证在时刻tk维修能够使得该台风机的产能损失达到最小。
进一步地，在上述步骤、计算风机集群的总体产能损失成本和总体运维成本，并根据总体产能损失成本和总体运维成本，确定全局成本之前，该方法还包括如下步骤：
计算风机集群中各风机对应的运维成本，其中，计算各风机对应的运维成本的计算公式为：
Figure 314674DEST_PATH_IMAGE036
公式4
其中，
Figure 8961DEST_PATH_IMAGE037
表示风机集群中的第k台风机在时刻t对应的运维成本，
Figure 660522DEST_PATH_IMAGE038
为风机集群中的第k台风机的预测性运维成本，
Figure 312696DEST_PATH_IMAGE039
为风机集群中的第k台风机的故障运维成本，
Figure 707905DEST_PATH_IMAGE040
为风机集群中的第k台风机的健康阈值，
Figure 522277DEST_PATH_IMAGE041
表示风机集群中的第k台风机的健康状态评估值，P表示风机集群中的第k台风机的健康状态评估值大于健康阈值的概率，
Figure 610319DEST_PATH_IMAGE041
的取值区间为[0，1]，T表示运维周期的时间上限值。
具体地，由于每台风机对应一个运维成本，因而可以根据每台风机对应的运维成本之和，求得风机集群的总体运维成本。在计算每台风机对应的运维成本时，可以先从预设的预防性维护列表中获取第k台风机对应的预测性运维成本，从预设的故障维修列表中获取第k台风机对应的故障运维成本，并根据获取到的第k台风机对应的预测性运维成本和故障运维成本，以及第k台风机对应的健康状态评估值与健康阈值，通过上述公式4来计算第k台风机的运维成本。需要说明的是，此处的预防性维护列表中包括各台风机的历史的预防性维护数据，如维护时间、维护成本等。此处的故障维修列表包括各风机的历史的故障后维修数据，如维修时间、运维成本等。
在本实施例中，利用风机的故障后运维成本和预测性运维成本来确定风机的运维成本，可以集成考虑多种不同的维护维修策略，实现对设备维护维修的全自动化排程。
进一步地，目标函数为：
Figure 877352DEST_PATH_IMAGE042
公式5
其中，
Figure 420460DEST_PATH_IMAGE043
表示风机集群的总体产能损失成本，
Figure 89339DEST_PATH_IMAGE044
表示风机集群的总体运维成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示风机集群中风机的总数量，T表示运维周期的时间上限值。
在一实施例中，综合考虑风机集群的总体产能损失成本和总体运维成本，来确定风机集群的运维排程结果，可以使得风机集群的总体产能损失成本和总体运维成本达到最小化，由此降低风机集群的运维排程成本。
进一步地，全局成本还包括风机集群的能耗成本、风机集群的用工成本和风机集群的库存成本；
目标函数为：
Figure 161331DEST_PATH_IMAGE045
Figure 650081DEST_PATH_IMAGE046
公式6
其中，
Figure 652673DEST_PATH_IMAGE047
表示风机集群的总体产能损失成本，
Figure 441637DEST_PATH_IMAGE048
表示风机集群的总体运维成本，
Figure 605902DEST_PATH_IMAGE049
表示风机集群的能耗成本，
Figure 847528DEST_PATH_IMAGE050
表示风机集群的用工成本，
Figure 998017DEST_PATH_IMAGE051
表示风机集群的库存成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示风机集群中风机的总数量，T表示运维周期的时间上限值。
具体地，上述风机集群的能耗成本是指在对风机集群进行维护的过程中产生的能耗成本，如需要的煤电水气、备件及交通工具租用成本等成本。上述风机集群的用工成本是指在对风机集群进行维护的过程中不同人员的人力成本。上述风机集群的库存成本是指囤积对风机集群进行维修的备件所产生的成本。
在另一实施例中，综合考虑风机集群的总体产能损失成本、总体运维成本、能耗成本、用工成本和库存成本，来确定风机集群的运维排程结果，可以使得风机集群的总体产能损失成本、总体运维成本、能耗成本、用工成本和库存成本的全局成本达到最小化，由此降低风机集群的运维排程成本。
进一步地，限制条件包括如下至少一项：环境限制、资源限制、库存限制和人员限制；其中，环境限制是基于环境信息确定得到，资源限制是基于运维资源信息确定得到，库存限制是基于仓储信息和备品备件信息确定得到，人员限制是基于生产计划信息确定得到。
具体地，上述环境限制可以包括天气状况等限制，该环境限制可以基于上述环境信息确定得到。例如，假设在时刻t风机场有风暴、海啸等天气状况，则该时刻t不适合进行风机维修。上述资源限制可以包括交通工具、维修工具类设备的可用性等限制，该资源限制是基于上述运维资源信息确定得到。例如，假设某类维修工具只有3个，那么在同一时刻需要使用该维修工具的维修任务不能超过3个。上述库存限制可以包括备品备件的数量等限制，该库存限制是基于上述仓储信息和上述备品备件信息确定得到。例如，假设某类备件只有5个，那么在同一时刻需要使用该备件的维修任务不能超过5个。上述人员限制可以包括特定技能的人员数量和上班时间的限制等限制，该人员限制是基于上述生产计划信息确定得到。例如，假设某特定技能的人员数量只有2人，那么在同一时刻需要该特定技能的人员的维修任务不能超过2个。
在一实施例中，限制条件可以包括如下条件：
Figure 375909DEST_PATH_IMAGE052
公式7
Figure 38972DEST_PATH_IMAGE053
公式8
Figure 646189DEST_PATH_IMAGE054
公式9
Figure 600370DEST_PATH_IMAGE055
公式10
其中，
Figure 98347DEST_PATH_IMAGE056
表示第k台风机在时刻t是否开始维修，
Figure 604415DEST_PATH_IMAGE057
表示天气条件允许对第k台风机进行设备维护的时间窗口，
Figure 633682DEST_PATH_IMAGE058
表示时刻t所支持的最大任务容量，
Figure 516187DEST_PATH_IMAGE059
为第k台风机与第k’台风机之间的交通时间，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示风机集群中风机的总数量，T表示运维周期的时间上限值。
上述公式7表示若当前时刻不属于天气条件允许进行设备维护的时间范围，则不进行设备维护；上述公式8表示若当前时刻属于天气条件允许进行设备维护的时间范围，则进行设备维护；这样可以确保风机维护维修任务只能在天气条件允许的条件下进行，且任一风机维护维修任务在给定的运维周期内只能被执行一次。上述公式9表示若任一时刻整个风机集群的运维任务不能大于运维中心所支持的最大任务容量，这里需要综合考虑对应技能员工数量、维护资源等的限制。上述公式10表示第k台风机与第k’台风机之间的交通时间不能大于第k台风机对应的维修开始时间与第k’台风机对应的维修开始时间的差值，这样限制了不同运维任务之间的开始时间间隔要不小于交通运输时间。
在本实施例中，通过设置一个或多个限制条件，可以使得根据目标函数制定的运维排程结果能够更好地满足实际环境、资源、库存或者人员的条件限制，提高运维排程结果中运维任务的可执行性。
在实际应用中，该风机集群的运维排程方法可运用于图2所示的风机集群的运维排程系统，该系统包括故障预测与健康管理模块、风功率预设模块、接口模块和运维排程模块。该故障预测与健康管理模块的一个主要产出即为风机的健康状态评估值，对于数据驱动的故障预测与健康管理模块，定义可观测到的输入参数为
Figure 868671DEST_PATH_IMAGE060
，其构成可以为系统参数、控制器数据、传感器数据等，下一步建立模型M，得到风机的健康状态评估值
Figure 811219DEST_PATH_IMAGE061
。当然，在该故障预测与健康管理模块中还可以获取到风机的故障预测值、风机的剩余寿命预测值等等。该风功率预测模块可以利用数据采集与监视控制系统（Supervisory Control And Data Acquisition，简称SCADA）采集的风机的实时数据，以及获取到的数值天气预报（Numerical Weather Prediction，简称NWP）和风机的位置信息，对风机的风速进行预测，得到风速预测值
Figure 249154DEST_PATH_IMAGE030
，再根据风速功率曲线模型为
Figure 935350DEST_PATH_IMAGE031
，可以得到当前的风功率预测值为
Figure 752128DEST_PATH_IMAGE062
。
由此，可以将故障预测与健康管理模块和风功率预测模块中的输出结果，确定风机的产能损失成本，并与故障维修列表和预防性维护列表一同输入至运维排程模块，确定出运维排程模块中的求解器的目标函数。此处的故障维修列表用于提供各风机的故障运维成本。预防性维护列表用于提供各风机的预测性运维成本。与此同时，可以通过接口模块从其他生产制造系统如制造执行系统（Manufacturing Execution System，简称MES）、仓库管理系统（Warehouse Management System，简称WMS）、企业资源计划系统（EnterpriseResource Planning，简称ERP）等系统中获取仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息，并根据这些信息确定出运维排程模块中的求解器的限制条件，由此在运维排程模块中基于模型求解，得到运维排程结果。
除此之外，本申请实施例还提供了一种风机集群的运维排程装置，参见图3，图3为本申请实施例提供的风机集群的运维排程装置的结构示意图，该风机集群的运维排程装置300可以包括：
获取模块301，用于获取风机集群的全局成本和运维排程基础数据，全局成本包括风机集群的总体产能损失成本和总体运维成本；
第一确定模块302，用于将用于计算全局成本的最小值的计算函数确定为目标函数，目标函数用于限定总体产能损失成本和总体运维成本之和达到最小值时的维护时间；
第二确定模块303，用于根据运维排程基础数据，确定限制条件，限制条件用于限定维护时间的取值范围；
第三确定模块304，用于将目标函数和限制条件输入预设求解器进行求解运算，确定风机集群的运维排程结果。
可选地，获取模块301包括：
第一处理子模块，用于计算风机集群的总体产能损失成本和总体运维成本，并根据总体产能损失成本和总体运维成本，确定全局成本；和，
第二处理子模块，用于通过预设数据接口获取运维排程辅助系统中的数据，并将获取到的数据作为风机集群的运维排程基础数据，运维排程辅助系统中的数据包括如下至少一项：仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息。
可选地，获取模块301还包括：
第一计算子模块，用于计算风机集群中各风机对应的产能损失成本，其中，计算各风机对应的产能损失成本的计算公式为：
Figure 865577DEST_PATH_IMAGE063
Figure 853125DEST_PATH_IMAGE064
其中，
Figure 77433DEST_PATH_IMAGE065
表示风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本，k为小于K的任一正整数，K表示风机集群中风机的总数量，
Figure 404509DEST_PATH_IMAGE066
表示风机集群中的第k台风机的健康状态评估值，
Figure 954439DEST_PATH_IMAGE030
表示风机集群在时刻t的风速预测值，
Figure 101386DEST_PATH_IMAGE067
表示风机集群在时刻t的风功率预设值，tk表示第k台风机的开始维护时间，△表示第k台风机的维护时长，tk和tk+△均属于时间窗口[t0,t1]。
可选地，获取模块301还包括：
第二计算子模块，用于计算风机集群中各风机对应的运维成本，其中，计算各风机对应的运维成本的计算公式为：
Figure 736243DEST_PATH_IMAGE068
其中，
Figure 917825DEST_PATH_IMAGE037
表示风机集群中的第k台风机在时刻t对应的运维成本，
Figure 638656DEST_PATH_IMAGE038
为风机集群中的第k台风机的预测性运维成本，
Figure 538479DEST_PATH_IMAGE039
为风机集群中的第k台风机的故障运维成本，
Figure 104590DEST_PATH_IMAGE040
为风机集群中的第k台风机的健康阈值，
Figure 750466DEST_PATH_IMAGE041
表示风机集群中的第k台风机的健康状态评估值，P表示风机集群中的第k台风机的健康状态评估值大于健康阈值的概率，
Figure 376619DEST_PATH_IMAGE041
的取值区间为[0，1]，T表示运维周期的时间上限值。
可选地，目标函数为：
Figure 311209DEST_PATH_IMAGE042
其中，
Figure 681010DEST_PATH_IMAGE043
表示风机集群的总体产能损失成本，
Figure 837185DEST_PATH_IMAGE069
表示风机集群的总体运维成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示风机集群中风机的总数量，T表示运维周期的时间上限值。
可选地，全局成本还包括风机集群的能耗成本、风机集群的用工成本和风机集群的库存成本；
目标函数为：
Figure 899819DEST_PATH_IMAGE070
Figure 508655DEST_PATH_IMAGE046
其中，
Figure 416568DEST_PATH_IMAGE047
表示风机集群的总体产能损失成本，
Figure 37036DEST_PATH_IMAGE071
表示风机集群的总体运维成本，
Figure 4992DEST_PATH_IMAGE072
表示风机集群的能耗成本，
Figure 163441DEST_PATH_IMAGE050
表示风机集群的用工成本，
Figure 875045DEST_PATH_IMAGE073
表示风机集群的库存成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示风机集群中风机的总数量，T表示运维周期的时间上限值。
可选地，限制条件包括如下至少一项：环境限制、资源限制、库存限制和人员限制；其中，环境限制是基于环境信息确定得到，资源限制是基于运维资源信息确定得到，库存限制是基于仓储信息和备品备件信息确定得到，人员限制是基于生产计划信息确定得到。
需要说明的是，该风机集群的运维排程装置300可以实现上述该风机集群的运维排程方法的各实施例，且能达到相同的技术效果，在此不再赘述。
如图4所示，本申请实施例提供了一种电子设备，包括处理器411、通信接口412、存储器413和通信总线414，其中，处理器411，通信接口412，存储器413通过通信总线414完成相互间的通信，
存储器413，用于存放计算机程序；
在本申请一个实施例中，处理器411，用于执行存储器413上所存放的程序时，实现前述任意一个方法实施例提供的风机集群的运维排程方法，包括：
获取风机集群的全局成本和运维排程基础数据，全局成本包括风机集群的总体产能损失成本和总体运维成本；
将用于计算全局成本的最小值的计算函数确定为目标函数，目标函数用于限定总体产能损失成本和总体运维成本之和达到最小值时的维护时间；
根据运维排程基础数据，确定限制条件，限制条件用于限定维护时间的取值范围；
将目标函数和限制条件输入预设求解器进行求解运算，确定风机集群的运维排程结果。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前述任意一个方法实施例提供的风机集群的运维排程方法的步骤。
需要说明的是，该电子设备可以实现上述该风机集群的运维排程方法的各实施例，且能达到相同的技术效果，在此不再赘述。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种风机集群的运维排程方法，其特征在于，所述方法包括：
获取所述风机集群的全局成本和运维排程基础数据，所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本，其中，所述总体产能损失成本用于表征所述风机集群因设备维护导致的产能损失成本和因性能衰退导致的产能损失成本，所述总体运维成本用于表征所述风机集群因预测性运维和故障运维所产生的运维成本；
将用于计算所述全局成本的最小值的计算函数确定为目标函数，所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间；
根据所述运维排程基础数据，确定限制条件，所述限制条件用于限定所述维护时间的取值范围；
将所述目标函数和所述限制条件输入预设求解器进行求解运算，确定所述风机集群的运维排程结果；
其中，所述获取所述风机集群的全局成本和运维排程基础数据，包括：
计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本；和，
通过预设数据接口获取运维排程辅助系统中的数据，并将获取到的数据作为所述风机集群的运维排程基础数据，所述运维排程辅助系统中的数据包括如下至少一项：仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息；
其中，在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本之前，所述方法还包括：
计算所述风机集群中各风机对应的运维成本，其中，计算各风机对应的运维成本的计算公式为：
Figure 387155DEST_PATH_IMAGE001
其中，
Figure 859725DEST_PATH_IMAGE002
表示所述风机集群中的第k台风机在时刻t对应的运维成本，
Figure 35491DEST_PATH_IMAGE003
为所述风机集群中的第k台风机的预测性运维成本，
Figure 960722DEST_PATH_IMAGE004
为所述风机集群中的第k台风机的故障运维成本，
Figure 247347DEST_PATH_IMAGE005
为所述风机集群中的第k台风机的健康阈值，
Figure 308844DEST_PATH_IMAGE006
表示所述风机集群中的第k台风机的健康状态评估值，P表示所述风机集群中的第k台风机的健康状态评估值大于所述健康阈值的概率，
Figure 655511DEST_PATH_IMAGE006
的取值区间为[0，1]，T表示运维周期的时间上限值；
其中，在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本之前，所述方法还包括：
计算所述风机集群中各风机对应的产能损失成本，其中，计算各风机对应的产能损失成本的计算公式为：
Figure 68038DEST_PATH_IMAGE007
Figure 158354DEST_PATH_IMAGE008
其中，
Figure 339937DEST_PATH_IMAGE009
表示所述风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本，k为小于K的任一正整数，K表示所述风机集群中风机的总数量，
Figure 529610DEST_PATH_IMAGE010
表示所述风机集群中的第k台风机的健康状态评估值，
Figure 491749DEST_PATH_IMAGE011
表示所述风机集群在时刻t的风速预测值，
Figure 57860DEST_PATH_IMAGE012
表示所述风机集群在时刻t的风功率预设值，tk表示第k台风机的开始维护时间，△表示第k台风机的维护时长，tk和tk+△均属于所述时间窗口[t0,t1]。
2.根据权利要求1所述的方法，其特征在于，所述目标函数为：
Figure 421845DEST_PATH_IMAGE013
其中，
Figure 782419DEST_PATH_IMAGE014
表示所述风机集群的所述总体产能损失成本，
Figure 231855DEST_PATH_IMAGE015
表示所述风机集群的所述总体运维成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示所述风机集群中风机的总数量，T表示运维周期的时间上限值。
3.根据权利要求2所述的方法，其特征在于，所述全局成本还包括所述风机集群的能耗成本、所述风机集群的用工成本和所述风机集群的库存成本；
所述目标函数为：
Figure 601657DEST_PATH_IMAGE016
Figure 492252DEST_PATH_IMAGE017
其中，
Figure 351624DEST_PATH_IMAGE018
表示所述风机集群的所述总体产能损失成本，
Figure 22777DEST_PATH_IMAGE019
表示所述风机集群的所述总体运维成本，
Figure 196269DEST_PATH_IMAGE020
表示所述风机集群的能耗成本，
Figure 269267DEST_PATH_IMAGE021
表示所述风机集群的用工成本，
Figure 237223DEST_PATH_IMAGE022
表示所述风机集群的库存成本，k的取值范围为[1,K]，t的取值范围为[0,T]，K表示所述风机集群中风机的总数量，T表示运维周期的时间上限值。
4.根据权利要求1所述的方法，其特征在于，所述限制条件包括如下至少一项：环境限制、资源限制、库存限制和人员限制；其中，所述环境限制是基于所述环境信息确定得到，所述资源限制是基于所述运维资源信息确定得到，所述库存限制是基于所述仓储信息和所述备品备件信息确定得到，所述人员限制是基于所述生产计划信息确定得到。
5.一种风机集群的运维排程装置，其特征在于，所述装置包括:
获取模块，用于获取所述风机集群的全局成本和运维排程基础数据，所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本，其中，所述总体产能损失成本用于表征所述风机集群因设备维护导致的产能损失成本和因性能衰退导致的产能损失成本，所述总体运维成本用于表征所述风机集群因预测性运维和故障运维所产生的运维成本；
第一确定模块，用于将用于计算所述全局成本的最小值的计算函数确定为目标函数，所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间；
第二确定模块，用于根据所述运维排程基础数据，确定限制条件，所述限制条件用于限定所述维护时间的取值范围；
第三确定模块，用于将所述目标函数和所述限制条件输入预设求解器进行求解运算，确定所述风机集群的运维排程结果
其中，所述获取模块包括：
第一处理子模块，用于计算所述风机集群的所述总体产能损失成本和所述总体运维成本，并根据所述总体产能损失成本和所述总体运维成本，确定所述全局成本；和，
第二处理子模块，用于通过预设数据接口获取运维排程辅助系统中的数据，并将获取到的数据作为所述风机集群的运维排程基础数据，所述运维排程辅助系统中的数据包括如下至少一项：仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息；
其中，所述获取模块还包括：
第一计算子模块，用于计算所述风机集群中各风机对应的运维成本，其中，计算各风机对应的运维成本的计算公式为：
Figure 395672DEST_PATH_IMAGE001
其中，
Figure 107276DEST_PATH_IMAGE002
表示所述风机集群中的第k台风机在时刻t对应的运维成本，
Figure 40640DEST_PATH_IMAGE003
为所述风机集群中的第k台风机的预测性运维成本，
Figure 179498DEST_PATH_IMAGE004
为所述风机集群中的第k台风机的故障运维成本，
Figure 762926DEST_PATH_IMAGE023
为所述风机集群中的第k台风机的健康阈值，
Figure 74958DEST_PATH_IMAGE024
表示所述风机集群中的第k台风机的健康状态评估值，P表示所述风机集群中的第k台风机的健康状态评估值大于所述健康阈值的概率，
Figure 60232DEST_PATH_IMAGE025
的取值区间为[0，1]，T表示运维周期的时间上限值；
其中，所述获取模块还包括：还包括：
第二计算子模块，用于计算所述风机集群中各风机对应的产能损失成本，其中，计算各风机对应的产能损失成本的计算公式为：
Figure 432307DEST_PATH_IMAGE007
Figure 503032DEST_PATH_IMAGE026
其中，
Figure 618755DEST_PATH_IMAGE009
表示所述风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本，k为小于K的任一正整数，K表示所述风机集群中风机的总数量，
Figure 458535DEST_PATH_IMAGE010
表示所述风机集群中的第k台风机的健康状态评估值，
Figure 1512DEST_PATH_IMAGE011
表示所述风机集群在时刻t的风速预测值，
Figure 293953DEST_PATH_IMAGE012
表示所述风机集群在时刻t的风功率预设值，tk表示第k台风机的开始维护时间，△表示第k台风机的维护时长，tk和tk+△均属于所述时间窗口[t0,t1]。
6.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4任一项所述的风机集群的运维排程方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任一项所述的风机集群的运维排程方法的步骤。
CN202111194453.9A 2021-10-13 2021-10-13 风机集群的运维排程方法、装置、电子设备及存储介质 Active CN113642937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111194453.9A CN113642937B (zh) 2021-10-13 2021-10-13 风机集群的运维排程方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111194453.9A CN113642937B (zh) 2021-10-13 2021-10-13 风机集群的运维排程方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113642937A CN113642937A (zh) 2021-11-12
CN113642937B true CN113642937B (zh) 2022-02-15

Family

ID=78426718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111194453.9A Active CN113642937B (zh) 2021-10-13 2021-10-13 风机集群的运维排程方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113642937B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447107A (zh) * 2016-09-27 2017-02-22 中国航空工业集团公司沈阳飞机设计研究所 一种基于飞机结构健康监控的维修方法
CN110222851A (zh) * 2019-05-30 2019-09-10 北京千尧新能源科技开发有限公司 一种海上风电场智慧运维管理系统及管理方法
CN112288278A (zh) * 2020-10-30 2021-01-29 云南电网有限责任公司电力科学研究院 一种基于知识图谱的设备资产管理方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110313726A1 (en) * 2009-03-05 2011-12-22 Honeywell International Inc. Condition-based maintenance system for wind turbines
US20140244328A1 (en) * 2013-02-22 2014-08-28 Vestas Wind Systems A/S Wind turbine maintenance optimizer
CN108038349A (zh) * 2017-12-18 2018-05-15 北京航天测控技术有限公司 一种飞机系统健康状态的维修决策方法
CN109376881B (zh) * 2018-12-12 2022-06-03 中国航空工业集团公司上海航空测控技术研究所 基于维修成本优化的复杂系统维修决策方法
CN109858689A (zh) * 2019-01-21 2019-06-07 北京航空航天大学 一种可靠性导向的产品装配系统健康风险分析方法
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
CN110633913A (zh) * 2019-09-20 2019-12-31 国网山东省电力公司泰安供电公司 变电设备差异化运维管理方法、装置及电子设备
CN111310972B (zh) * 2020-01-17 2022-06-03 上海电力大学 一种考虑尾流效应的海上风电机组维护路径随机规划方法
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
CN113374543B (zh) * 2021-06-04 2022-12-06 西安交通大学 基于时变故障率模型的航空发动机部件维修方法
CN113469379A (zh) * 2021-06-24 2021-10-01 中国能源建设集团广东省电力设计研究院有限公司 一种基于大数据中心的海上风电场运维管理方法及装置
CN113496293A (zh) * 2021-06-24 2021-10-12 中国能源建设集团广东省电力设计研究院有限公司 一种海上风电场运维方案生成方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447107A (zh) * 2016-09-27 2017-02-22 中国航空工业集团公司沈阳飞机设计研究所 一种基于飞机结构健康监控的维修方法
CN110222851A (zh) * 2019-05-30 2019-09-10 北京千尧新能源科技开发有限公司 一种海上风电场智慧运维管理系统及管理方法
CN112288278A (zh) * 2020-10-30 2021-01-29 云南电网有限责任公司电力科学研究院 一种基于知识图谱的设备资产管理方法

Also Published As

Publication number Publication date
CN113642937A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
Dong et al. Wind power day-ahead prediction with cluster analysis of NWP
Garcia Marquez et al. A comprehensive review of artificial intelligence and wind energy
Ghenai et al. Recent trends of digital twin technologies in the energy sector: A comprehensive review
Zhou et al. A novel prognostic model of performance degradation trend for power machinery maintenance
CN106157174B (zh) 以减少停电时间与电量为目标的停电计划优化决策方法
CN111950764B (zh) 一种极端天气条件电网风电功率预测修正方法
Adhikari et al. Optimization concepts in district energy design and management–A case study
CN108346009B (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN116683500A (zh) 一种电化学储能电站有功功率调度方法和系统
CN112766573A (zh) 一种发电数据的预测方法、装置及电子设备
Liu et al. Optimal scheduling strategy of O&M task for OWF
Nasiri et al. Data analytics and information technologies for smart energy storage systems: A state-of-the-art review
Ramesh et al. Reliability assessment of cogeneration power plant in textile mill using fault tree analysis
CN113642937B (zh) 风机集群的运维排程方法、装置、电子设备及存储介质
Ounnar et al. Intelligent control of renewable holonic energy systems
CN113609778B (zh) 一种综合能源系统多目标优化方法及系统
Wu et al. Multiple criteria performance assessment for decentralized energy systems: a case study
CN112365085B (zh) 一种基于可靠性目标的不停电作业费用需求预测方法
Singh et al. Application of renewable energy system with fuzzy logic
Mathew et al. Performance modelling of renewable energy systems using kNN algorithm for smart grid applications
Feng et al. A systematic framework for maintenance scheduling and routing for off-shore wind farms by minimizing predictive production loss
TWI735329B (zh) 離岸風場維修決策系統
CN113269435B (zh) 一种新能源场站运行状态耦合监测评估系统
LU505190B1 (en) Method, Device and Equipment for Monitoring the Operation State of Photovoltaic Power Station
CN117674272A (zh) 水风光电站群的能效优化方法、装置、计算机设备及介质

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