海上风电机群维修排程在线多目标决策模型

发布时间：2018-02-04 23:33

本文关键词： 风力发电机群维修作业排程多目标决策离散粒子群算法　出处：《中国电机工程学报》2017年07期 　论文类型：期刊论文

【摘要】：结合海上风电机群特点,介绍风电机群维修决策系统框架和决策流程,分析风电机组维修作业流程和成本构成。以风电机群整体维修成本、作业工作量均衡性为目标函数,以维修中心物料和人力资源配置为约束条件,建立海上风电机群日间维修作业排程多目标决策模型。采用地理信息系统中的Kruskal空间分析算法寻找每组维修作业的往返路径最小生成树。应用带精英保留策略的离散粒子群算法求解模型,计算出全部待检修机组组合及其具体作业时段的非劣解集。仿真算例分析结果表明,模型可以降低维修总成本,验证了所提模型的可行性以及求解算法的有效性。
[Abstract]:Combined with the characteristics of offshore wind turbine cluster, this paper introduces the framework and decision-making process of maintenance decision system for wind turbine cluster, analyzes the maintenance operation process and cost composition of wind turbine cluster, and takes the overall maintenance cost of wind turbine cluster as a whole. The balance of work workload is the objective function, with the material and human resource allocation of the maintenance center as the constraint condition. A multi-objective decision model for scheduling of daytime maintenance operations in offshore wind turbine cluster was established. The Kruskal spatial analysis algorithm in GIS was used to find the minimum spanning tree of round-trip path for each group of maintenance jobs. The discrete Particle Swarm Optimization (DPSO) model based on English retention strategy is proposed. The non-inferior solution set of all the units to be overhauled and its specific operation period is calculated. The simulation results show that the model can reduce the total maintenance cost. The feasibility of the proposed model and the validity of the algorithm are verified.
【作者单位】：北京交通大学电气工程学院;
【基金】：国家自然科学基金项目(51477006)~~
【分类号】：TM614
【正文快照】： 集。仿真算例分析结果表明,模型可以降低维修总成本,验证了所提模型的可行性以及求解算法的有效性。0引言在役风电场经济效益取决于后期运维成本的高低。统计表明,海上风电机组的维护成本占全生命周期成本的40%[1]。据预测2030年欧洲的海上风电年运维市场将高达140亿英镑,“风

【参考文献】

相关期刊论文前10条

1 刘璐洁;符杨;马世伟;赵华;;基于运行状态监测与预测的海上风机维护策略[J];电网技术;2015年11期

2 赵洪山;张健平;高夺;张路朋;;风电机组的状态机会维修策略[J];中国电机工程学报;2015年15期

3 汲国强;吴文传;张伯明;;考虑风电不确定性的机组检修鲁棒优化方法[J];中国电机工程学报;2015年12期

4 黄嘉健;王昌照;郑文杰;汪隆君;;基于状态监测的配电网可靠性检修选择模型[J];电网技术;2015年01期

5 赵洪山;张路朋;;基于可靠度的风电机组预防性机会维修策略[J];中国电机工程学报;2014年22期

6 李辉;杨超;李学伟;季海婷;秦星;陈耀君;杨东;唐显虎;;风机电动变桨系统状态特征参量挖掘及异常识别[J];中国电机工程学报;2014年12期

7 肖运启;王昆朋;贺贯举;孙燕平;杨锡运;;基于趋势预测的大型风电机组运行状态模糊综合评价[J];中国电机工程学报;2014年13期

8 郇嘉嘉;王钢;李海锋;汪隆君;;多目标决策分析的电网综合停电管理模型[J];电网技术;2013年10期

9 周东华;魏慕恒;司小胜;;工业过程异常检测、寿命预测与维修决策的研究进展[J];自动化学报;2013年06期

10 杨楠;王波;刘涤尘;赵洁;王贺;;计及大规模风电和柔性负荷的电力系统供需侧联合随机调度方法[J];中国电机工程学报;2013年16期

相关期刊论文前10条

1 魏劲夫;;探究电力电子器件及其应用的现状和发展[J];电子测试;2017年07期

2 肖峻;刚发运;蒋迅;黄仁乐;韦涛;张伟;;柔性配电网:定义、组网形态与运行方式[J];电网技术;2017年05期

3 祝冲冲;王祥;罗皓泽;周宇;杨欢;李武华;何湘宁;;基于热敏感电参数法的大容量IGBT模块动态结温在线检测研究[J];中国电机工程学报;2017年09期

4 盛万兴;段青;孟晓丽;刘海涛;史常凯;;电力电子化进程下的交直流无缝混合灵活配电系统研究[J];中国电机工程学报;2017年07期

5 曾正;邵伟华;胡博容;康升扬;廖兴林;李辉;冉立;;基于耦合电感的SiC MOSFET并联主动均流[J];中国电机工程学报;2017年07期

6 刘荣军;李保林;;平面式高功率信号放大器设计[J];数字技术与应用;2017年03期

7 柯俊吉;赵志斌;魏昌俊;徐鹏;谢宗奎;杨霏;;寄生电感对碳化硅MOSFET开关特性的影响[J];半导体技术;2017年03期

8 刘闯;田孝铜;曹亚华;刘海军;王志凯;;基于随机牛顿法(SNM)的级联多电平逆变器特定谐波消除[J];电力系统保护与控制;2017年05期

9 曾强;;中国军工发展驱动化合物半导体产业[J];集成电路应用;2017年02期

10 魏文新;丁钟江;;现代电力电子技术的发展趋势探析[J];工程技术研究;2017年02期

【二级参考文献】

相关期刊论文前10条

1 曹子健;林今;宋永华;;主动配电网中云计算资源的优化配置模型[J];中国电机工程学报;2014年19期

2 钟清;孙闻;余南华;柳春芳;王芳;张鑫;;主动配电网规划中的负荷预测与发电预测[J];中国电机工程学报;2014年19期

3 王保义;赵硕;张少敏;;基于云计算和极限学习机的分布式电力负荷预测算法[J];电网技术;2014年02期

4 欧阳森;石怡理;;改进熵权法及其在电能质量评估中的应用[J];电力系统自动化;2013年21期

5 张东霞;姚良忠;马文媛;;中外智能电网发展战略[J];中国电机工程学报;2013年31期

6 宋亚奇;刘树仁;朱永利;王德文;李莉;;电力设备状态高速采样数据的云存储技术研究[J];电力自动化设备;2013年10期

7 张少敏;李晓强;王保义;;基于Hadoop的智能电网数据安全存储设计[J];电力系统保护与控制;2013年14期

8 李响;黎灿兵;曹一家;李龙;程子霞;吕素;;短期负荷预测的解耦决策树新算法[J];电力系统及其自动化学报;2013年03期

9 张素香;刘建明;赵丙镇;曹津平;;基于云计算的居民用电行为分析模型研究[J];电网技术;2013年06期

10 王德文;肖凯;肖磊;;基于Hive的电力设备状态信息数据仓库[J];电力系统保护与控制;2013年09期

【相似文献】

相关期刊论文前10条

1 杜建军;;欧洲海上风电技术的发展现状[J];上海电力;2005年03期

2 钟殿连;;我国将努力形成海上风电技术[J];广西电业;2007年05期

3 ;海上风电将有较大发展[J];华东电力;2008年11期

4 ;我国努力研究海上风电技术[J];能源与环境;2008年01期

5 黄东风;;欧洲海上风电的发展[J];能源工程;2008年02期

6 ;我国将努力形成海上风电技术[J];水利水电工程设计;2008年03期

7 ;向海索电,后风电时代的诱惑?[J];高科技与产业化;2009年09期

8 武春霞;;海上风电,近在咫尺?[J];高科技与产业化;2009年09期

9 武春霞;顾为东;;海上风电需从长计议[J];高科技与产业化;2009年09期

10 ;我国出台海上风电管理办法规范海上风电建设[J];电力勘测设计;2010年01期