排队论在风电场最优成组维修决策中的应用

发布时间：2021-01-11 15:41

　　针对风电场高昂的维修准备成本,将单台风电机组（wind turbine,WT）作为整体,风电场视为一个由多设备组成的并联系统,研究风电场的最优成组维修策略。根据排队论分析风电场中WT发生停机性故障的规律,描述对应的维修排队模型,在此基础上,通过固定故障率给出计算单台WT发生停机性故障后等待被维修的平均时间。最后,与传统维修方式对比,以节省总维修成本最大为目标建立最优成组维修模型。数值实验和灵敏度分析验证该模型的正确性和有效性,算例分析结果表明,该成组维修策略能有效降低风电场整体维修成本,实现风电场整体经济效益最优。 

【文章来源】：太阳能学报. 2020,41(08)北大核心

【文章页数】：9 页

【图文】：

间隔时间和到达时间分布

在排队论模型分析中，往往需要确定系统的队长、队列长、逗留时间及等待时间等各项指标。对于本模型，旨在确定每台WTSDF的平均故障停机时间E(Ti)，即每台WTSDF的逗留时间期望值。因此，这里只给出确定单台WTSDF逗留时间的方法。由于服务方式是批处理，且维修时间忽略不计，WTSDF的逗留时间期望值指的是单台WTSDF在队列中的逗留时间，也就是WT从故障停机状态恢复到正常运行状态的时间。令T表示2台WTSDF相继到来的间隔时间，从到达到离开系统的时间（即在系统中逗留的时间），由于每台WTSDF的到达是随机的，显然T是随机变量。由式（12）知WTSDF相继到达的平均时间间隔为E(T)=1/λ。当第i台WTSDF到达时，按照批处理服务的规则，在系统容量为n的条件下还需等待其他(n-i)台WTSDF的到达，此时第i台WTSDF在系统中的逗留时间等于其他(n-i)台WTSDF相继到达的时间间隔之和。

假设某风电场WT数量为N=25台，到达率和各费用取值：λ=3,Cset=100000元，Cf=1000元，Lc=51900元/a，随着WTSDF数量的增加，不论采取何种维修方式，维修成本都会增加，区别在于传统维修策略下维修成本直线上升，而成组维修方式下维修成本增加趋势在开始阶段较缓，随后开始加速上升，如图3所示。这是因为随着WTSDF数量的增加，WTSDF发生故障不能立即被维修导致的停机等待损失增加，当其超过维修准备费用Cset时，维修费用就会加速增加。在某个点上，2种维修方式的维修成本差值达到最大，此时维修最为经济，对于本实验，最优成组维修的WTSDF数量是N*=6，此时最大节省维修成本为max Fsc=240500。4.2 灵敏度分析

【参考文献】：
期刊论文
[1]基于可及度评估的海上风机机会维修策略[J]. 符杨,许伟欣,刘璐洁,赵华,庞莉萍.  中国电力. 2016(08)
[2]考虑多属性的风电机组齿轮箱状态维修策略[J]. 赵洪山,程亮亮.  太阳能学报. 2016(05)
[3]基于可靠度的风电机组机会维修策略[J]. 张琛,郭盛,高伟,邱逢涛,杨涛,李友良.  广东电力. 2016(02)
[4]风电机组的状态–机会维修策略[J]. 赵洪山,张健平,高夺,张路朋.  中国电机工程学报. 2015(15)
[5]基于机会维修模型的风电机组变桨系统优化维修[J]. 陈玉晶,徐学渊,马慧民.  电气自动化. 2015(01)
[6]基于可靠度的风电机组预防性机会维修策略[J]. 赵洪山,张路朋.  中国电机工程学报. 2014(22)
[7]风电机组确定性机会更换维修策略的研究[J]. 赵洪山,鄢盛腾,张小田.  太阳能学报. 2014(04)
[8]基于趋势预测的大型风电机组运行状态模糊综合评价[J]. 肖运启,王昆朋,贺贯举,孙燕平,杨锡运.  中国电机工程学报. 2014(13)
[9]基于机会维修模型的风电机组优化维修[J]. 赵洪山,鄢盛腾,刘景青.  电网与清洁能源. 2012(07)
[10]基于相关性的多部件系统机会成组维修优化[J]. 杨元,黎放,侯重远,杨磊.  计算机集成制造系统. 2012(04)

硕士论文
[1]风电机组的状态机会维修策略[D]. 张路朋.华北电力大学 2015
[2]基于机会维修策略的风电机组变桨系统维修优化研究[D]. 陈玉晶.上海电机学院 2014
[3]基于机会维修模型的风电机组优化维修[D]. 鄢盛腾.华北电力大学 2013



本文编号：2971043