CN114997645A - 海上风电场运维排程优化方法、系统、计算机设备和介质 - Google Patents

海上风电场运维排程优化方法、系统、计算机设备和介质 Download PDF

Info

Publication number
CN114997645A
CN114997645A CN202210618099.6A CN202210618099A CN114997645A CN 114997645 A CN114997645 A CN 114997645A CN 202210618099 A CN202210618099 A CN 202210618099A CN 114997645 A CN114997645 A CN 114997645A
Authority
CN
China
Prior art keywords
maintenance
ship
wind farm
offshore wind
scheduling optimization
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
CN202210618099.6A
Other languages
English (en)
Other versions
CN114997645B (zh
Inventor
谭任深
周冰
何登富
王雨
彭雪平
范永春
朱敏华
戚永乐
徐龙博
荆朝霞
余建忠
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.)
China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Guangdong Electric Power Design Institute 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 China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Guangdong Electric Power Design Institute Co Ltd
Priority to CN202210618099.6A priority Critical patent/CN114997645B/zh
Publication of CN114997645A publication Critical patent/CN114997645A/zh
Application granted granted Critical
Publication of CN114997645B publication Critical patent/CN114997645B/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
    • G06Q10/20—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
    • 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)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (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

本发明提供了海上风电场运维排程优化方法、系统、计算机设备和介质，通过获取海上风电场的包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据的基础运维数据，基于DW分解，根据基础运维数据和运维业务规律，建立包括运维排程优化主问题模型和运维排程优化子问题模型的海上风电场运维排程优化模型，再求解海上风电场运维排程优化模型得到包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表的最优运维排程方案的技术方案，高效解决多风电场多码头和单风电场单码头的运维排程优化问题的同时，使得海上风电场运维排程优化方案更加合理有效，合理降低海上运维总成本，有效提升海上风电运维智能化管理水平。

Description

海上风电场运维排程优化方法、系统、计算机设备和介质
技术领域
本发明涉及海上风电场技术领域，特别是涉及一种基于DW分解的海上风电场运维排程优化方法、系统、计算机设备和存储介质。
背景技术
在大力发展新能源的背景下，海上风电因其具有不占用土地资源、不受地形地貌影响、风速更高，风电机组单机容量更大，年利用小时数更高等优点而发展迅速，风电场建设规模不断扩大和出质保风机也成阶跃式増长，随之而来的海上风电场运维需求也不断增加，但独特的海上环境给海上风电场的运维管理带来了重要挑战。
海上风电机组长期运行在动态负载状态和恶劣自然环境下，不仅极易受到恶劣环境以及极端天气的影响，导致风电机组故障率更高，而且运维作业时间窗口有限、风电机组可达性差，运维人员执行运维任务时需要租赁或购买专用的运输船、吊装船和直升机等导致运维成本高，若不及时进行维护还会造成额外的电量损失，间接增加运维成本，很难进行合理有效的运维排程规划；现有海上风电场的运行维护调度主要借鉴陆地模式，且大多通过人工方式进行手动排程计划，运行人员根据海上风电场运维资源条件，需要运维的任务和未来天气预报情况，结合自身经验制定海上风电运维排程计划，尚未形成系统完善的海上风电运维体系，更无针对多风电场多码头运维场景的通用且有效的智能运维排程优化方法，若仍沿用传统陆上运维模式，不仅存在因维修不足或维修过度造成海上风电场故障频发的问题，而且因各机组间的运维安排缺乏协调与配合导致运维成本居高不下，难以有效保证海上风电的正常平稳运行。
因此，亟需提供一种能够综合考虑诸多海上风电场运维影响因素，以及平衡电量损失成本与运维成本，对风电机组运维调度所需资源进行合理调度分配，提高运维效率、可靠性且降低运维总成本的海上风电场运维排程优化方法。
发明内容
本发明的目的是提供一种海上风电场运维排程优化方法，通过综合考虑海域气象状况、维修资源、机组停机损失等运维因素确定海上风电场运维排程优化问题，再基于DW分解思想将海上风电场运维排程优化问题转换为对应的运维主问题和运维子问题进行高效求解，得到最优运维排程方案，高效解决多风电场多码头和单风电场单码头的运维排程优化问题的同时，使得海上风电场运维排程优化方案更加合理有效，合理降低海上运维总成本，有效提升海上风电运维智能化管理水平。
为了实现上述目的，有必要针对上述技术问题，提供了一种海上风电场运维排程优化方法、系统、计算机设备和存储介质。
第一方面，本发明实施例提供了一种海上风电场运维排程优化方法，所述方法包括以下步骤：
获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；
基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表。
第二方面，本发明实施例提供了一种海上风电场运维排程优化系统，所述系统包括：
数据获取模块，用于获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；
模型建立模块，用于基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
排程优化模块，用于求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本发明实施例还提供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上述方法的步骤。
上述本申请提供了一种海上风电场运维排程优化方法、系统、计算机设备及存储介质，通过所述方法，实现了获取海上风电场的包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据的基础运维数据，基于DW分解，根据基础运维数据和运维业务规律，建立包括运维排程优化主问题模型和运维排程优化子问题模型的海上风电场运维排程优化模型，再求解上风电场运维排程优化模型得到包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表的最优运维排程方案的技术方案。与现有技术相比，该海上风电场运维排程优化方法，能够高效解决多风电场多码头和单风电场单码头的运维排程优化问题的同时，使得海上风电场运维排程优化方案更加合理有效，合理降低海上运维总成本，有效提升海上风电运维智能化管理水平。
附图说明
图1是本发明实施例中海上风电场运维排程优化方法的应用示意图；
图2是本发明实施例中多风电场多码头基地的场景示意图；
图3是本发明实施例中海上风电场运维排程优化架构示意图；
图4是本发明实施例中海上风电场运维排程优化方法的流程示意图；
图5是本发明实施例中运维排程优化主问题模型和运维排程优化子问题模型的求解过程示意图；
图6是本发明实施例中数据风机和码头的位置情况示意图；
图7是图6所示运维场景对应的最优运维路径示意图；
图8是本发明实施例中海上风电场运维排程优化系统的结构示意图；
图9是本发明实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本发明作进一步详细说明，显然，以下所描述的实施例是本发明实施例的一部分，仅用于说明本发明，但不用来限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的海上风电场运维排程优化方法可以应用于如图1所示的终端或服务器上。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本发明是基于海上风电场运维过程中涉及到的影响因素及部分业务规律为基础针对图2所示的多码头多风电场的应用场景开展的包括运维路径规划和任务调度的运维排程，比如服务器可以根据需求获取海上风电场的基础运维数据后，按照图3所示的海上风电场运维排程优化架构将海上风电场运维排程的多约束组合优化问题，按照DW分解思想转换为对应的运维排程主问题和对应的子问题后进行创建对应的模型，再通过求解子问题模型和主问题模型自动输出经济成本最合理的最优运维排程方案，用于后续服务器或终端制定合理的运维排程计划使用；下述实施例将对本发明的海上风电场运维排程优化方法进行详细说明。
在一个实施例中，如图4所示，提供了一种海上风电场运维排程优化方法，包括以下步骤：
S11、获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；其中，运维计划周期可理解为整个运维计划的排程时长，在后续的排程优化时会将其按照运维经验将其分割为多个的运维时间步长使用；基础运维数据的获取周期可根据运维计划周期进行调整，若运维计划周期为未来1-7天，则就需要在进行运维调度排程之前，需要实时采集图2示出的运维场景的基础运维数据，并根据采集到的基础运维数据进行任务调度与路径优化，给出未来1-7天的海上风电运维排程计划；风机运维数据包括所需的维护时间，所需运维人员的数量(对于每种类型的技术人员，如电工，机械和机电)，所需的备品备件可用性和重量，建议的最晚维护期，惩罚成本(如果在最晚维护期之后维护风机，风机因故障或运维停机导致的发电量损失，从而造成的生产损失)等；码头信息包括码头数量、位置、可泊位数量、可调用技术人员种类及数量、可用备件种类及数量和可用船舶数量等，船舶信息包括各个运维船舶的单位行驶成本(由行驶距离、燃料成本和船速决定)、载客量、载重量等；技术人员信息包括技术人员种类、数量和工资成本等；备件信息包括运维人员(和备件)从船上到风机的转移时间等；海域气象数据包括能见度、是否大雾、是否大雨、风速、浪高和浪涌等，通过天气窗口的大小来进行体现，直接影响船舶离开和返回码头的时间范围；需要说明的是，上述运维监测数据中风机运维数据、可调配资源数据和海域气象数据各自对应的内容可根据实际方法应用需求进行调整，此处不作具体限制；
S12、基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
其中，运维业务规律可理解为实际海上风电场运维工作的常规模式和运维约束限制，包括需要考虑每艘船的天气窗口(每个运维时间步长内最大的工作时间)、船的载人能力(船员数量)、船的负载能力、船的可用性、备件的可用性、每个码头上每种运维技术人员的人数、和船转移备件的能力；每艘船的天气窗口不同，船从码头基地离开进行风机的维护任务到返回的整体时间必须小于其天气窗口；受风电场之间距离限制，船舶无法在一个运维时间步长内访问多个风电场，但可访问多个风机等；此外为了简化模型分析，本实施例基于每艘船每个运维时长步长仅使用一个天气窗口，且不考虑使用专用容器和设备更换大型部件的假设进行建模分析。
具体地，所述基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型的步骤包括：
根据运维计划周期，确定运维时间步长，并根据所述基础运维数据和运维业务规律，以最小运维总成本为优化目标，确定海上风电场运维排程优化问题；其中，运维时间步长可根据实际应用进行调整，比如运维计划周期是7天，运维时间步长可以为1天，即基于每个运维时间步长以总运维成本最优为目标进行路径优化和任务调度分析；
基于DW分解，根据所述运维时间步长和运维计划周期，将所述海上风电场运维排程优化问题转换为对应的运维排程优化主问题和运维排程优化子问题，并分别建立对应的运维排程优化主问题模型和运维排程优化子问题模型；
具体运维排程优化主问题模型和运维排程优化子问题模型的建模过程可理解为：
根据所述基础运维数据和运维业务规律，生成满足预设约束条件的运维任务集合；比如，考虑1个风电场(F1)、1个码头(B1)、2条船舶(V1，V2)、3个维修任务(M1，M2，M3)和1个时间窗口期(T1)的排程场景，则T1时间窗口船舶V1和船舶V2的初始运维任务集合(不包括任务执行顺序)如下：
船舶V1的任务集合包括：
任务集合为1时有{M1}、{M2}、{M3}；任务集合为2时有{M1，M2}、{M1，M3}、{M2，M3}；任务集合为3时有{M1，M2，M3}；
船舶V2的任务集合包括：
任务集合为1时有{M1}、{M2}、{M3}；任务集合为2时有{M1，M2}、{M1，M3}、{M2，M3}；任务集合为3时有{M1，M2，M3}；
需要说明的是，上述给出的各个船舶的运维任务集合仅为示例性描述，且每个运维任务集合仅代表需要执行的运维任务(访问风机的可行路线)，并不包括执行运维任务的先后顺序(不包括可行路线中风机的被访问顺序)；
将海上风电场运维排程优化问题转换为分别以确定各个运维时间步长内各个运维任务集合最佳访问顺序和确定整个运维周期内最佳访问顺序组合为目标的运维排程优化子问题和运维排程优化主问题，即运维排程优化子问题理解为针对每个运维时间步长t为每个船舶v的每一个可行路线规划最优路径(访问的风机集合及访问风机的顺序)；运维排程优化主问题理解为在每个运维时间步长t为每个船舶v选择一个可行路线，最终得到该计划时间周期内风机的维护时间安排表，以及船舶和运维技术人员的时间调度安排；基于确定的运维排程优化主问题和运维排程优化子问题，分确定对应的问题约束条件，并建立相应的最优化模型，且对应的问题求解思路如图5所示：
根据所述运维排程优化主问题，确立主问题约束条件，并基于所述主问题约束条件，按照下述目标函数，建立所述运维排程优化主问题模型(ILP模型)：
Figure BDA0003672437580000081
其中，V表示船舶的集合；T表示运维时间步长的集合；Rvt表示船舶V在运维时间步长t的可行路线的集合；r表示船舶V在运维时间步长t的一个运维线路；Xvtr表示船舶v在运维时间步长t是否使用运维线路r，当且仅当船舶v在运维时间步长t使用运维路线r时，Xvtr＝1，否则Xvtr＝0；Cvtr表示船舶v在运维时间步长t使用运维线路r的运维成本；Z表示运维总成本；
所述主问题约束条件包括船舶航线约束条件、风机被访问约束条件和人员调配约束条件；
所述船舶航线约束条件理解为任何一艘船舶在任何运维时间步长t最多行驶一条运维路线r，表示为：
Xvtr＝{0，1}
Figure BDA0003672437580000082
所述风机被访问约束条件理解为保证在整个运维计划周期内，每个风机只被维护一次，表示为：
Figure BDA0003672437580000083
其中，J表示需要进行维护的风机的集合；θvtrj表示船舶v在运维时间步长t是否使用运维线路r访问风机j，当且仅当船舶v在运维时间步长t是否使用运维线路r访问风机j时，θvtrj＝1，否则θvtrj＝0；
所述人员调配约束条件理解为每一个运维时间步长内需要执行维护任务的所有船舶的任一p类型技术人员总和小于等于派出这些船舶的任一码头基地b上可用的p类型技术人员的人数，表示为：
Figure BDA0003672437580000091
其中，Vb表示在码头b上的船舶的集合，且
Figure BDA0003672437580000098
P表示技术人员类型的集合；B表示码头的集合；qvtrp表示船舶v在运维时间步长t行驶运维路线r所需要p类型的技术人员的人数；
Figure BDA0003672437580000092
表示在每个运维时间步长t码头b上能提供的p类型技术人员数量；
根据所述运维排程优化子问题，确立子问题约束条件，并基于所述子问题约束条件，按照下述目标函数，建立所述运维排程优化子问题模型：
min Cvtr＝Cvt qr+Cvt pr+Cvt lr
式中，
Figure BDA0003672437580000093
Figure BDA0003672437580000097
Figure BDA0003672437580000094
其中，Cvtr、
Figure BDA0003672437580000095
和
Figure BDA0003672437580000096
分别表示船舶v在运维时间步长t使用运维线路r的运维成本、技术人员成本、路途成本和惩罚成本；P表示技术人员类型的集合；J-、J+和J*表示运维过程中运送节点的集合、运维过程中接回节点的集合和运维过程中涉及全部节点的集合，且J-＝{1，2，…，n}，J+＝{n+1，n+2，…，2n}，J*＝J-∪J+∪{0，2n+1}，0和2n+1分别表示在码头b的出发节点和返回节点；
Figure BDA0003672437580000099
表示p类型的技术人员的单位运维时间步长成本；qvtp表示船舶v在运维时间步长t内执行维护任务需要的p类型的技术人员的人数，即船舶离开码头b时的p类型的技术人员的人数；Cvii′表示船舶v从节点i行驶到节点v的行驶成本，且i，i′∈J∪B；yvii′表示船舶v是否从节点i到节点i′，当且仅当船舶V从节点i到节点v时，yvii′＝1，否则yvii′＝0.
Figure BDA0003672437580000101
表示风机j对应建议的最晚维护时间；
Figure BDA0003672437580000104
表示风机j在规定的最晚维护时间
Figure BDA0003672437580000102
之后维护，产生的损失成本；θvtrj表示船舶v在运维时间步长t是否行驶路线r访
问风机j，当且仅当船舶v在运维时间步长t行驶路线r访问风机j时，θvtrj＝1，否则，θvtrj＝0；
所述子问题约束条件包括风机被访问约束条件、码头被访问约束条件、运维节点访问量约束条件、运维时间约束条件、船舶承载约束条件、技术人员约束条件；
所述风机被访问约束条件包括确保每个风机仅在运送技术人员和接回技术人员时被访问，风机维护工作期间需要船舶在场时直接从运送节点到达接回节点，表示为：
Figure BDA0003672437580000103
Figure BDA0003672437580000105
其中，yii′表示是否有船舶从节点i到节点i′，当且仅当有船舶从节点i到节点i’时，yii′＝1，否则yii′＝0；yi(n+i)表示风机i维护期间是否需要船舶在场，当且仅当风机i维护期间是否需要船舶在场时，yi(n+i)＝1，否则yi(n+i)＝0；JV表示维修期间需要船舶在场的节点，且
Figure BDA0003672437580000106
所述码头被访问约束条件理解为确保运维船舶每天仅离开港口一次且返回港口一次，表示为：
Figure BDA0003672437580000107
Figure BDA0003672437580000108
其中，y0i表示是否有船舶从码头0离开，当且仅当有船舶从码头0离开时，y0i＝1，否则y0i＝0；yi(2n+1)表示是否有船舶返回码头2n+1，当且仅当有船舶返回码头2n+1时，yi(2n+1)＝1，否则yi(2n+1)＝0；
所述运维节点访问量约束条件包括确保各个节点访问量守恒(第d天船舶v从某个j节点到达过i节点，当天船舶v一定离开i节点到了其他节点，不会持续停留)，确保在每个风机处运送人员和接回人员在同一天完成，表示为：
Figure BDA0003672437580000111
Figure BDA0003672437580000112
所述运维时间约束条件包括确保船舶运送人员和接回人员之间的时间间隔要大于在风机上进行维护所需的时间，确保船舶执行完任务返回港口的时间小于当前的天气窗口，船舶离开港口的时间算作开始时间，表示为：
Figure BDA0003672437580000113
Tv(2n+1)≤ψvft
Tv0＝0
Figure BDA0003672437580000115
其中，Tvi和Tv(n+i)分别表示船舶v到达节点i运送和接回的时间点；τvii′表示船舶v从节点i到i′的运行时间；
Figure BDA0003672437580000116
表示在风机i上进行维护工作需要的时间；
Figure BDA0003672437580000117
表示技术人员与设备从船舶v到风机的转移时间；Tv(2n+1)表示船舶v返回码头2n+1的时间；ψvft表示在风电场f运维时间步长t内船舶v行驶的天气窗口；Tv0表示船舶v离开码头0的时间；
所述船舶承载约束条件理解确保船舶上的所有类型技术人员的人数总不能超过船舶的载人能力，表示为：
Figure BDA0003672437580000114
其中，Qvpi表示船舶v在离开节点i时，船舶上的p类型的技术人员的人数；
Figure BDA0003672437580000118
表示船舶v载人的能力，即能携带的最大人数；
所述技术人员约束条件包括跟踪到达每个节点时船舶上技术人员的数量，以及保证船舶从离开码头到返回码头整个过程船舶上的某类型技术人员人数要小于等于码头可提供的相关类型技术人员人数，表示为：
Figure BDA0003672437580000119
Figure BDA0003672437580000125
且通过引入big-M值将其转换为下述线性模型，以便可以使用精确方法求解该模型：
Figure BDA0003672437580000121
Figure BDA0003672437580000122
其中，ρpi和ρpi′分别表示在风机i和风机i′上进行维护工作时p类型技术人员所需人数；
Figure BDA0003672437580000123
表示在运维时间步长t码头b上需要的p类技术人员数量；
需要说明的是，上述运维排程优化子问题模型求解时，考虑到船舶v在运维时间步长t的运维路线r的风机集合是固定不变的且运维时间步长较短，惩罚成本对一条运维路线r来说是不变的，可直接将运维子问题模型的目标函数替换为下述不考虑惩罚成本的目标函数：
min Z＝Cqr+Cpr
其中，Cqr和Cpr分别表示船舶v在运维时间步长t的运维路线r的技术人员成本和行驶成本。
S13、求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表；其中，求解上风电场运维排程优化模型的方法采用现有DW分解算法实现即可，对应的求解算法参见下述伪代码，下述函数过程可确保为风机提供服务所需的备件总重量小于船的承载能力，且程序还检查了在前一运维时间步长是否已经解决了同一套风机的问题，可以有效减少计算时间：
Figure BDA0003672437580000124
Figure BDA0003672437580000131
注：T表示运维计划周期；B表示所有0&M运维基地集合；F表示所有风电场集合；f表示风电场；λbf表示码头b是否风电场f服务；Vb表示码头基地b上船的集合；avt表示船舶v在运维时间步长t是否可用；η表示船舶v在运维计划周期内能访问的风机数为在风电场f需要进行维护工作的风机数，且η＝|Jf|；
Figure BDA0003672437580000132
和
Figure BDA0003672437580000133
分别表示船舶v是否有能力转移风机j1需要的备件，和在运维时间步长t维护风机j1的备件是否可用；Svtr表示船舶v在运维时间步长t行驶的可行运维路线r(已找到其最佳路径)上访问到的风机节点集合的有序列表；Cvtr表示船舶v在运维时间步长t行驶可行路线r得到的总成本；
Figure BDA0003672437580000135
表示船舶v在运维时间步长t行驶运维路线r访问风机j1；qvtrp表示船舶v在运维时间步长t行驶运维路线r所需要的p类型技术人员数；
Figure BDA0003672437580000134
Figure BDA0003672437580000141
本申请实施例给出了通过根据获取的基础运维数据和运维业务规律，生成满足预设约束条件的运维任务集合，再基于DW分解思想将海上风电场运维排程优化问题转换为分别以确定各个运维时间步长内各个运维任务集合最佳访问顺序和确定整个运维周期内最佳访问顺序组合为目标的运维排程优化子问题和运维排程优化主问题，并建立对应的运维排程优化主问题模型和运维排程优化子问题模型进行求解得到包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表的最优运维排程方案，不仅能够高效解决多风电场多码头运维排程优化问题，而且对于缺乏资源(船舶和技术人员)的单风电场单码头运维排程优化问题也能提供最佳可行解决方案，使得海上风电场运维排程优化方案更加合理有效，有效降低海上运维总成本的同时，还能提升海上风电运维智能化管理水平，进而为海上风电场的安全平稳运行提供可靠保障。
为了验证本发明海上风电场运维排程优化方法的应用效果，本实施例还进行了相应模拟仿真。仿真实验参考某项目部分示例，对应的技术人员信息、备件信息、船舶信息、码头信息、风机任务信息分别如下表1-5所示，且数据风机和码头的位置情况如图6所示：有两个码头，其中每个码头负责一种类型的船舶，共有3艘船舶(其中2艘船舶属于同一类型)；每个码头上都配有3种类型技工各12名，5种类型备件各20个；风机有2种类型不同程度的故障，故需要2艘不同类型的船舶。在上述背景下，我们的模型目标为求解出各艘船只的运行路线，以达到总成本(路途总成本，工人总成本，备件总成本，维护总成本，惩罚总成本)花费最小，得到如表6-7所示的优化结果和图7所示的最优运维路径。
表1技工信息表
Figure BDA0003672437580000151
表2备件信息表
编号 重量(吨) 购置成本(万元) 当前坐标
备件1 part1000 5 2 /
备件2 part1001 10 3 /
备件3 part1002 15 4 /
备件4 part1003 20 5 /
表3船舶信息表
编号 购买费用(万元) 租赁费用(万元) 速度(海里/小时) 油耗(万元/海里)
船舶1 v1000 0 2 10 30.8
船舶2 v1001 0 2 12 31
船舶3 v1002 0 2 8 29
载客量 载重量(吨) 气象情况 航行路线 出行最早时间
船舶1 100 120 / / 6
船舶2 100 120 / / 8
船舶3 100 120 / / 5
表4码头信息表
Figure BDA0003672437580000161
表5风机任务信息表
Figure BDA0003672437580000162
Figure BDA0003672437580000171
表6详细结果数据表
Figure BDA0003672437580000172
表7各项成本数据
Figure BDA0003672437580000173
注：单位为万元
需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
在一个实施例中，如图8所示，提供了一种海上风电场运维排程优化系统，所述系统包括：
数据获取模块1，用于获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；
模型建立模块2，用于基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
排程优化模块3，用于求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表。
关于一种海上风电场运维排程优化系统的具体限定可以参见上文中对于一种海上风电场运维排程优化方法的限定，在此不再赘述。上述一种海上风电场运维排程优化系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图9示出一个实施例中计算机设备的内部结构图，该计算机设备具体可以是终端或服务器。如图9所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示器和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种海上风电场运维排程优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域普通技术人员可以理解，图9中示出的结构，仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
在一个实施例中，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上述方法的步骤。
综上，本发明实施例提供的一种海上风电场运维排程优化方法、系统、计算机设备及存储介质，其海上风电场运维排程优化方法实现了获取海上风电场的包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据的基础运维数据，基于DW分解，根据基础运维数据和运维业务规律，建立包括分别以确定各个运维时间步长内各个运维任务集合最佳访问顺序和确定整个运维周期内最佳访问顺序组合为目标的运维排程优化主问题模型和运维排程优化子问题模型的海上风电场运维排程优化模型，再求解上风电场运维排程优化模型得到包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表的最优运维排程方案的技术方案，该方法不仅能够高效解决多风电场多码头运维排程优化问题，而且对于缺乏资源(船舶和技术人员)的单风电场单码头运维排程优化问题也能提供最佳可行解决方案，使得海上风电场运维排程计划更加合理有效，有效降低海上运维总成本的同时，还能提升海上风电运维智能化管理水平，进而为海上风电场的安全平稳运行提供可靠保障。
本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种海上风电场运维排程优化方法，其特征在于，所述方法包括以下步骤：
获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；
基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表。
2.根据权利要求1所述的海上风电场运维排程优化方法，其特征在于，所述基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型的步骤包括：
根据运维计划周期，确定运维时间步长，并根据所述基础运维数据和运维业务规律，以最小运维总成本为优化目标，确定海上风电场运维排程优化问题；
基于DW分解，根据所述运维时间步长和运维计划周期，将所述海上风电场运维排程优化问题转换为对应的运维排程优化主问题和运维排程优化子问题，并分别建立对应的运维排程优化主问题模型和运维排程优化子问题模型。
3.根据权利要求2所述的海上风电场运维排程优化方法，其特征在于，所述基于DW分解，将所述海上风电场运维排程优化问题转换为对应的运维排程优化主问题和运维排程优化子问题的步骤包括：
根据所述基础运维数据和运维业务规律，生成满足预设约束条件的运维任务集合；
将所述海上风电场运维排程优化问题转换为分别以确定各个运维时间步长内各个运维任务集合最佳访问顺序和确定整个运维周期内最佳访问顺序组合为目标的运维排程优化子问题和运维排程优化主问题。
4.根据权利要求2所述的海上风电场运维排程优化方法，其特征在于，所述建立运维排程优化主问题模型的步骤包括：
根据所述运维排程优化主问题，确立主问题约束条件，并基于所述主问题约束条件，按照下述目标函数，建立所述运维排程优化主问题模型：
Figure FDA0003672437570000021
其中，V表示船舶的集合；T表示运维时间步长的集合；Rvt表示船舶V在运维时间步长t的可行路线的集合；r表示船舶V在运维时间步长t的一个运维线路；Xvtr表示船舶v在运维时间步长t是否使用运维线路r，当且仅当船舶v在运维时间步长t使用运维路线r时，Xvtr＝1，否则Xvtr＝0；Cvtr表示船舶v在运维时间步长t使用运维线路r的运维成本；Z表示运维总成本。
5.根据权利要求4所述的海上风电场运维排程优化方法，其特征在于，所述主问题约束条件包括船舶航线约束条件、风机被访问约束条件和人员调配约束条件；
所述船舶航线约束条件表示为：
Xvtr＝{0,1}
Figure FDA0003672437570000022
所述风机被访问约束条件表示为：
Figure FDA0003672437570000023
其中，J表示需要进行维护的风机的集合；θvtrj表示船舶v在运维时间步长t是否使用运维线路r访问风机j，当且仅当船舶v在运维时间步长t是否使用运维线路r访问风机j时，θvtrj＝1，否则θvtrj＝0；
所述人员调配约束条件表示为：
Figure FDA0003672437570000031
其中，Vb表示在码头b上的船舶的集合，且
Figure FDA0003672437570000039
P表示技术人员类型的集合；B表示码头的集合；qvtrp表示船舶v在运维时间步长t行驶运维路线r所需要p类型的技术人员的人数；
Figure FDA0003672437570000038
表示在每个运维时间步长t码头b上能提供的p类型技术人员的数量。
6.根据权利要求2所述的海上风电场运维排程优化方法，其特征在于，所述建立运维排程优化子问题模型的步骤包括：
根据所述运维排程优化子问题，确立子问题约束条件，并基于所述子问题约束条件，按照下述目标函数，建立所述运维排程优化子问题模型：
min Cvtr＝Cvt qr+Cvt pr+Cvt lr
式中，
Figure FDA0003672437570000032
Figure FDA00036724375700000310
Figure FDA0003672437570000033
其中，Cvtr、
Figure FDA0003672437570000034
和
Figure FDA0003672437570000035
分别表示船舶v在运维时间步长t使用运维线路r的运维成本、技术人员成本、路途成本和惩罚成本；P表示技术人员类型的集合；J-、J+和J*表示运维过程中运送节点的集合、运维过程中接回节点的集合和运维过程中涉及全部节点的集合，且J-＝{1,2,...,n}，J+＝{n+1,n+2,...,2n}，J*＝J-∪J+∪{0,2n+1}，0和2n+1分别表示在码头b的出发节点和返回节点；
Figure FDA0003672437570000036
表示p类型的技术人员的单位运维时间步长成本；qvtp表示船舶v在运维时间步长t内执行维护任务需要的p类型的技术人员的人数，即船舶离开码头b时的p类型的技术人员的人数；Cvii'表示船舶v从节点i行驶到节点v的行驶成本，且i,i'∈J∪B；yvii'表示船舶v是否从节点i到节点i′，当且仅当船舶v从节点i到节点v时，yvii'＝1，否则yvii'＝0；
Figure FDA0003672437570000037
表示风机j对应建议的最晚维护时间；
Figure FDA0003672437570000041
表示风机j在规定的最晚维护时间
Figure FDA0003672437570000047
之后维护，产生的损失成本；θvtrj表示船舶v在运维时间步长t是否行驶路线r访问风机j，当且仅当船舶v在运维时间步长t行驶路线r访问风机j时，θvtrj＝1，否则，θvtrj＝0。
7.根据权利要求6所述的海上风电场运维排程优化方法，其特征在于，所述子问题约束条件包括风机被访问约束条件、码头被访问约束条件、运维节点访问量约束条件、运维时间约束条件、船舶承载约束条件、技术人员约束条件；
所述风机被访问约束条件表示为：
Figure FDA0003672437570000042
Figure FDA0003672437570000043
其中，yii'表示是否有船舶从节点i到节点i′，当且仅当有船舶从节点i到节点i’时，yii'＝1，否则yii'＝0；yi(n+i)表示风机i维护期间是否需要船舶在场，当且仅当风机i维护期间是否需要船舶在场时，yi(n+i)＝1，否则yi(n+i)＝0；JV表示维修期间需要船舶在场的节点，且
Figure FDA0003672437570000048
所述码头被访问约束条件表示为：
Figure FDA0003672437570000049
Figure FDA00036724375700000410
其中，y0i表示是否有船舶从码头0离开，当且仅当有船舶从码头0离开时，y0i＝1，否则y0i＝0；yi(2n+1)表示是否有船舶返回码头2n+1，当且仅当有船舶返回码头2n+1时，yi(2n+1)＝1，否则yi(2n+1)＝0；
所述运维节点访问量约束条件表示为：
Figure FDA0003672437570000044
Figure FDA0003672437570000045
所述运维时间约束条件表示为：
Figure FDA0003672437570000046
Tv(2n+1)≤ψvft
Tv0＝0
Figure FDA0003672437570000051
其中，Tvi和Tv(n+i)分别表示船舶v到达节点i运送和接回的时间点；τvii'表示船舶v从节点i到i′的运行时间；
Figure FDA0003672437570000052
表示在风机i上进行维护工作需要的时间；
Figure FDA0003672437570000053
表示技术人员与设备从船舶v到风机的转移时间；Tv(2n+1)表示船舶v返回码头2n+1的时间；ψvft表示在风电场f运维时间步长t内船舶v行驶的天气窗口；Tv0表示船舶v离开码头0的时间；
所述船舶承载约束条件表示为：
Figure FDA0003672437570000054
其中，Qvpi表示船舶v在离开节点i时，船舶上的p类型的技术人员的人数；
Figure FDA0003672437570000055
表示船舶v载人的能力，即能携带的最大人数；
所述技术人员约束条件表示为：
Figure FDA0003672437570000056
Figure FDA0003672437570000057
其中，ρpi和ρpi'分别表示在风机i和风机i′上进行维护工作时p类型技术人员所需人数。
8.一种海上风电场运维排程优化系统，其特征在于，所述系统包括：
数据获取模块，用于获取海上风电场的基础运维数据；所述基础运维数据包括运维计划周期、风机运维数据、可调配资源数据和海域气象数据；所述可调配资源数据包括码头信息、船舶信息、技术人员信息和备件信息；
模型建立模块，用于基于DW分解，根据所述基础运维数据和运维业务规律，建立海上风电场运维排程优化模型；所述海上风电场运维排程优化模型包括运维排程优化主问题模型和运维排程优化子问题模型；
排程优化模块，用于求解所述上风电场运维排程优化模型，得到最优运维排程方案；所述最优运维排程方案包括运维总成本、各个风机维护时间表、各个船舶运维路线和技术人员运维时间表。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一所述方法的步骤。
10.一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至7中任一所述方法的步骤。
CN202210618099.6A 2022-05-31 2022-05-31 海上风电场运维排程优化方法、系统、计算机设备和介质 Active CN114997645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210618099.6A CN114997645B (zh) 2022-05-31 2022-05-31 海上风电场运维排程优化方法、系统、计算机设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210618099.6A CN114997645B (zh) 2022-05-31 2022-05-31 海上风电场运维排程优化方法、系统、计算机设备和介质

Publications (2)

Publication Number Publication Date
CN114997645A true CN114997645A (zh) 2022-09-02
CN114997645B CN114997645B (zh) 2023-04-18

Family

ID=83030837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210618099.6A Active CN114997645B (zh) 2022-05-31 2022-05-31 海上风电场运维排程优化方法、系统、计算机设备和介质

Country Status (1)

Country Link
CN (1) CN114997645B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011095519A2 (en) * 2010-02-05 2011-08-11 Vestas Wind Systems A/S Method of operating a wind power plant
CN108899896A (zh) * 2018-06-28 2018-11-27 华南理工大学 一种基于改进benders分解法的供电能力评估方法
CN112347694A (zh) * 2020-10-26 2021-02-09 重庆大学 含洋流-海上风电-潮汐流发电的海岛微网电源规划方法
CN112653244A (zh) * 2020-12-23 2021-04-13 华北电力大学 一种海上风电运维平台运维过程的监测与调度系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011095519A2 (en) * 2010-02-05 2011-08-11 Vestas Wind Systems A/S Method of operating a wind power plant
CN108899896A (zh) * 2018-06-28 2018-11-27 华南理工大学 一种基于改进benders分解法的供电能力评估方法
CN112347694A (zh) * 2020-10-26 2021-02-09 重庆大学 含洋流-海上风电-潮汐流发电的海岛微网电源规划方法
CN112653244A (zh) * 2020-12-23 2021-04-13 华北电力大学 一种海上风电运维平台运维过程的监测与调度系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭慧东等: "海上风电机群维修排程在线多目标决策模型", 《中国电机工程学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN114997645B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
Irawan et al. Optimisation of maintenance routing and scheduling for offshore wind farms
US20200273347A1 (en) Joint order dispatching and fleet management for online ride-sharing platforms
Dai et al. Routing and scheduling of maintenance fleet for offshore wind farms
De Vos et al. Impact of wind power on sizing and allocation of reserve requirements
CN113496293A (zh) 一种海上风电场运维方案生成方法及装置
Halvorsen-Weare et al. A metaheuristic solution method for optimizing vessel fleet size and mix for maintenance operations at offshore wind farms under uncertainty
Lütjen et al. Approach of a port inventory control system for the offshore installation of wind turbines
CN114997645B (zh) 海上风电场运维排程优化方法、系统、计算机设备和介质
CN112668880A (zh) 配网网格的工单调度方法、装置、计算机设备和存储介质
CN107146061A (zh) 一种基于港口多层区域的船舶挂靠事件挖掘方法及系统
Zeng et al. Disruption management model and its algorithms for berth allocation problem in container terminals
Chen et al. Carbon-efficient scheduling problem of electric rubber-tyred gantry cranes in a container terminal
Liu et al. Optimal scheduling strategy of O&M task for OWF
Yu et al. The clustering strategy for stacks allocation in automated container terminals
Black et al. The role of storage in integrating wind energy
CN114997644B (zh) 海上风电场运维调度方法、系统、计算机设备和存储介质
Qin et al. A simulation based meta-heuristic approach for the inbound container housekeeping problem in the automated container terminals
CN111105050B (zh) 风机维护计划的生成方法、装置、设备及存储介质
Münsterberg Simulation-based evaluation of operation and maintenance logistics concepts for offshore wind power plants
Tchertchian et al. Which eco-maintenance for renewable energy? A simulation model for optimising the choice of offshore wind farm maintenance vessel
Rippel et al. A mixed-integer formulation to optimize the resupply of components for the installation of offshore wind farms
Dixit et al. Resource and time criticality based block spatial scheduling in a shipyard under uncertainty
CN115062802A (zh) 一种集约化的风电机组运维排程方法和系统
Tusar et al. Developing the optimal vessel fleet size and mix model to minimize the transportation cost of offshore wind farms
De Kuyffer et al. Offshore windmill and substation maintenance planning with distance, fuel consumption and tardiness optimisation

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