CN108876073A - 风电机组可靠性确定方法和装置 - Google Patents
风电机组可靠性确定方法和装置 Download PDFInfo
- Publication number
- CN108876073A CN108876073A CN201710316812.0A CN201710316812A CN108876073A CN 108876073 A CN108876073 A CN 108876073A CN 201710316812 A CN201710316812 A CN 201710316812A CN 108876073 A CN108876073 A CN 108876073A
- Authority
- CN
- China
- Prior art keywords
- reliability
- score
- wind turbines
- reliability score
- mtbi
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 230000000750 progressive effect Effects 0.000 claims description 29
- 238000013077 scoring method Methods 0.000 claims description 26
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 description 14
- 238000009826 distribution Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种风电机组可靠性确定方法和装置。所述风电机组可靠性确定方法包括：计算与基于发电量的可利用率PBA相应的第一可靠性得分；计算与平均检修间隔时间MTBI相应的第二可靠性得分；计算与平均机组检修总耗时MTOTI相应的第三可靠性得分；基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
Description
技术领域
本发明涉及风力发电机领域，更具体地讲，涉及一种风电机组可靠性确定方法和风电机组可靠性确定装置。
背景技术
随着风电行业的快速发展，风力发电规模逐渐扩大，全行业对风电机组的稳定运行提出越来越高的要求。这就要求风电机组的可靠性达到较高的水平。可靠性是一个综合性概念，与可用性、安全性、环境适应性、测试性、维修性等均有关联，可靠性的评价不是由单一指标决定，而是需要一个综合评价办法。
目前，大部分情况下对风电机组可靠性的评价都是采用多个指标分别计算的方法，直接使用各个指标的数值进行对比评估。例如可利用率数据是百分比，平均无故障时间(MTBF)数据是小时数，这些指标的数值并不会进行归一化评分。部分公司在上述评价的基础上，对各个指标给定权重并计算分值，将不同指标的分值相加进行可靠性评价。然而，分值计算时一般采用线性关系进行计算，计算出的分值和可靠性评价的实际价值不能等价。
换言之，现有的风电机组可靠性的评价一般是通过单一指标或者多个指标分别计算来进行的。然而，单一指标只能在某一方面表征风电机组可靠性，多个指标综合评估则需要建立与实际情况相符的方法，而非多个指标的简单叠加。
实际上，对于风电机组而言，目前没有行业统一的可靠性评价方法。传统的可靠性指标包括MTBF、失效率以及风电行业常用的指标(例如，可利用率等)。这些指标在进行可靠性评价时都有其局限性，如何综合各个可靠性指标设计一套合理的风电机组可靠性评价方法已经成为风电行业的迫切需求。
发明内容
因此，本发明的目的在于提供一种风电机组可靠性确定方法和风电机组可靠性确定装置，所述风电机组可靠性确定方法和风电机组可靠性确定装置能够通过合理地选择风电机组的多个可靠性指标来计算风电机组可靠性得分，有效地提高了风电机组可靠性评价的实际价值。
根据本发明的一方面，提供一种风电机组可靠性确定方法，包括：计算与基于发电量的可利用率PBA相应的第一可靠性得分；计算与平均检修间隔时间MTBI相应的第二可靠性得分；计算与平均机组检修总耗时MTOTI相应的第三可靠性得分；基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
优选地，确定风电机组可靠性的步骤包括：通过对第一可靠性得分、第二可靠性得分和第三可靠性得分进行加权求和来计算风电机组可靠性得分，其中，基于第一可靠性得分表示的风电机组发电量提升带来的收益增加程度以及第二可靠性得分和第三可靠性得分表示的可靠性提升带来的运维成本减少程度来执行加权求和；基于计算的风电机组可靠性得分确定风电机组可靠性。
优选地，当风电机组为陆上机组时，第二可靠性得分的权重低于第三可靠性得分的权重；当风电机组为海上机组时，第二可靠性得分的权重高于第三可靠性得分的权重；其中，第二可靠性得分代表运维频次，第三可靠性得分代表运维损失。
优选地，通过线性插值法计算与PBA相应的第一可靠性得分。
优选地，以PBA的理论最优值对应最高分，并且以PBA的最差值对应最低分，通过线性插值法计算与PBA相应的第一可靠性得分。
优选地，通过高优计分的累进计分法计算第二可靠性得分，其中，MTBI的数值越小，第二可靠性得分代表的运维频次越大，并且随着MTBI的数值在小于第一参考值的区间内提升，第二可靠性得分迅速增大，而随着MTBI的数值在大于第一参考值的区间内提升，第二可靠性得分缓慢增大；以及，通过低优计分的累进计分法计算所述第三可靠性得分，其中，MTOTI的数值越大，第三可靠性得分代表的运维损失越大，并且随着MTOTI的数值在大于第二参考值的区间内降低，第三可靠性得分迅速增大，而随着MTOTI的数值在小于第二参考值的区间内降低，第三可靠性得分缓慢增大。
优选地，在高优计分的累进计分法中，选取基点低于样本的MTBI均值，与基点相应的第二可靠性得分为最低分；选取满分点高于样本的MTBI均值，与满分点相应的第二可靠性得分为最高分。
优选地，在低优计分的累进计分法中，选取基点高于样本的MTOTI均值，与基点相应的第三可靠性得分为最低分；选取满分点低于样本的MTOTI均值，与满分点相应的第二可靠性得分为最高分。
根据本发明的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质记录有当被处理器执行时使得处理器执行如上所述的风电机组可靠性确定方法的程序代码。
根据本发明的另一方面，提供一种计算机，包括处理器和计算机可读存储介质，所述计算机可读存储介质记录有当被处理器执行时使得处理器执行如上所述的风电机组可靠性确定方法的程序代码。
根据本发明的另一方面，提供一种风电机组可靠性确定装置，包括：第一可靠性得分计算单元，用于计算与基于发电量的可利用率PBA相应的第一可靠性得分；第二可靠性得分计算单元，用于计算与平均检修间隔时间MTBI相应的第二可靠性得分；第三可靠性得分计算单元，用于计算与平均机组检修总耗时MTOTI相应的第三可靠性得分；风电机组可靠性确定单元，用于基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
根据本发明的风电机组可靠性确定方法和装置通过合理地选择风电机组的多个可靠性指标来计算风电机组可靠性得分，保证了计算的风电机组可靠性得分与风电机组的实际价值相一致。根据本发明的风电机组可靠性确定方法和风电机组可靠性确定装置分析选取能够综合代表风电机组可靠性的指标，即，从多维度的可靠性指标中，分析各个可靠性指标之间的关联关系和影响因素，综合考虑技术需求和市场需求，选择最合适的可靠性指标，代表风电机组不同维度的可靠性表现。
此外，根据本发明的风电机组可靠性确定方法和装置采用全新设计的累进计分原则，使得可靠性指标的数值及可靠性得分的变化与它们引起的经济收益趋于一致，即，通过应用累进计分法，设计各个可靠性指标之间的数值和可靠性得分的转换模型，使得可靠性指标的评估模型与实际情况一致。
此外，根据本发明的风电机组可靠性确定方法和装置分析陆上风机和海上风机的关键可靠性指标，并设计不同的评价方式，即，通过分析不同应用环境(陆上风机和海上风机)来调整各个可靠性指标的权重，分别给出针对不同应用环境的评价方式。
附图说明
通过下面结合附图对实施例进行的描述，本发明的这些和/或其他方面和优点将会变得清楚和更易于理解，在附图中：
图1示出根据本发明实施例的风电机组可靠性确定方法的流程图；
图2示出线性插值和累进计分法的比较的示图；
图3示出根据本发明实施例的风电机组可靠性确定装置的框图。
具体实施方式
在下文中参照附图更充分地描述本发明，在附图中示出了本发明的示例性实施例。然而，本发明可以以许多不同的形式来实施，且不应该解释为局限于在这里所提出的实施例。相反，提供这些实施例使得本公开将是彻底和完全的，并将本发明的范围充分地传达给本领域技术人员。在附图中，相同的标号始终表示相同的元件。
应该理解的是，尽管在这里可使用术语第一、第二、第三等来描述不同的元件、组件、区域、层和/或部分，但是这些元件、组件、区域、层和/或部分不应该受这些术语的限制。这些术语仅是用来将一个元件、组件、区域、层或部分与另一个元件、组件、区域、层或部分区分开来。因此，在不脱离本发明的教导的情况下，下面讨论的第一元件、组件、区域、层或部分可被称作第二元件、组件、区域、层或部分。如在这里使用的，术语“和/或”包括一个或多个相关所列项的任意组合和所有组合。
这里使用的术语仅为了描述特定实施例的目的，而不意图限制本发明。如这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。还应理解的是，当在本说明书中使用术语“包含”和/或“包括”时，说明存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其它特征、整体、步骤、操作、元件、组件和/或它们的组。
除非另有定义，否则这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域的普通技术人员所通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则术语(诸如在通用字典中定义的术语)应该被解释为具有与相关领域的环境中它们的意思一致的意思，而将不以理想的或者过于正式的含义来解释它们。
在下文中，将参照附图详细地解释本发明。
图1示出根据本发明实施例的风电机组可靠性确定方法的流程图。
参照图1，在步骤S101，计算与基于发电量的可利用率(PBA，Production basedavailability)相应的第一可靠性得分。在步骤S102，计算与平均检修间隔时间(MTBI，Meantime between inspection)相应的第二可靠性得分；在步骤S103，计算与平均机组检修总耗时(MTOTI，Mean time of total inspection)相应的第三可靠性得分。根据本发明实施例，步骤S101、S102和S103可以并行执行，也可以按照其他不同的顺序执行。
风电机组的可靠性指标很多，一般包括以下四类。第一类是传统的可靠性指标，包括：平均无故障时间(MTBF，Mean time between failures)、可靠度R(t)、失效率λ(t)、平均故障修复时间(MTTR，Mean time to repair)、故障频次(FF，Failure frequency)、平均机组故障总耗时(MTOTF，Mean time of total failures)等。第二类是可用性指标，包括：基于时间的可利用率(TBA)、基于发电量的可利用率(PBA，Time based availability)、功率曲线、容量系数等。第三类是运维相关指标，包括：平均检修间隔时间(MTBI)、平均检修耗时(MTTI，Mean time to inspect)、平均机组检修总耗时(MTOTI)等。第四类是经济性相关指标，损失电量成本、单位备件成本、单位维护成本、自用电率等。以上各个可靠性指标都代表了风电机组某一方面的可靠性水平，选取可靠性指标进行可靠性评价时，应该考虑各个可靠性指标的关联性以及它们对风电场业主的实际价值，而这种实际价值体现在运维支出和发电量获取收益两个方面。
从发电量获取收益出发，基于发电量的可利用率(PBA)是最能衡量该项内容的可靠性指标。因此，在本实施例中，选取PBA作为第一个关键指标。
MTOTI和MTBI共同代表机组运维过程的损失。因为MTOTI代表因为运维停机(即不能运行发电)的时间。由于运维停机所以不能发电，显然MTOTI越高，机组的损失越大；MTBI数值越高，说明机组需要检修停机的次数越小，显然一般情况下机组检修停机越频繁，机组出现故障，甚至某些器件损坏需要维修的可能性越大，因此MTBI数值越高，也就是说检修次数越少，机组的损失也越小。
进一步讲，从运维成本出发，风电机组检修频次比平均无故障时间和故障频次更重要，这是因为检修次数决定了重大故障次数和需要投入的维修成本。因此，从故障频次和可靠性角度，选择平均检修间隔时间(MTBI)作为第二个关键指标。从运维损失出发，平均机组检修总耗时(MTOTI)一方面影响风电机组停机时间从而进一步影响发电量，另一方面它还受到运维时间的影响，因此选择MTOTI作为第三个关键指标。
在计算出第一可靠性得分、第二可靠性得分和第三可靠性得分之后，在步骤S104，可基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。具体地讲，在步骤S104，可首先通过对第一可靠性得分、第二可靠性得分和第三可靠性得分进行加权求和来计算风电机组可靠性得分，然后基于计算的风电机组可靠性得分确定风电机组可靠性。这里，可基于第一可靠性得分表示的风电机组发电量提升带来的收益增加程度以及第二可靠性得分和第三可靠性得分表示的可靠性提升带来的运维成本减少程度来执行加权求和。
例如，当风电机组可靠性得分高于第一阈值时，可以确定风电机组可靠性高，无需对风电机组加以过多关注。然而，当风电机组可靠性得分低于第二阈值(这里，第二阈值小于第一阈值)时，可以确定风电机组可靠性低。在这种情况下，对于风电机组生产而言，需要从风电机组设计、生产、工艺等角度全面提升工作水平，对于风电机组运维而言，需要有针对性地进行风电机组的现场技术改进工作。此外，第一可靠性得分、第二可靠性得分和第三可靠性得分也可以更加具体地展示风电机组可靠性的薄弱环节，有助于行业人员进一步开展针对性的工作。
例如，如果与PBA相应的第一可靠性得分过低，则说明风电机组的设计制造可靠性较差，此时对于风电运维方而言，应该重点进行风电机组的现场技术改进和技术提升工作，对于风电制造方而言，应该重点关注设计可靠性和制造可靠性的提升。如果与MTBI相应的第二可靠性得分过低，则说明风电机组的现场运维质量较差，应该重点提升运维工作的工序工艺改进和运维质量的提升。如果与MTOTI相应的第三可靠性得分过低，尤其是在MTBI合理的情况下，则说明风电场的运维人员工作效率较差，应该重点提升运维人员的能力培训和工作效率的提升。
根据本发明实施例，在计算风电机组可靠性得分时，当风电机组为陆上机组时，第二可靠性得分的权重低于第三可靠性得分的权重；当风电机组为海上机组时，第二可靠性得分的权重高于第三可靠性得分的权重。例如如果风电机组为陆上机组，则第一可靠性得分的权重为50％，第二可靠性得分的权重为20％，第三可靠性得分的权重为30％；如果风电机组为海上机组，则第一可靠性得分的权重为50％，第二可靠性得分的权重为30％，第三可靠性得分的权重为20％。
这样分配权重的原因如下所述。对于风电机组而言，可靠性需要带来实际的经济价值和收益，风电机组的收益来自于两方面，即，发电量提升带来的收益增加和可靠性提升带来的运维成本减少。因此PBA(代表收益增加)所占比重应该为50％，MTBI和MTOTI(联合代表运维成本和损失)所占比重也应该为50％。也就是说，与PBA相应的第一可靠性得分的权重为50％，与MTBI相应的第二可靠性得分的权重和与MTOTI相应的第三可靠性得分的权重的总和为50％。
进一步讲，对于陆上机组而言，由于陆上机组维修的交通成本较低，因此MTOTI代表的运维损失比MTBI代表的运维频次更重要。此外，对于海上机组而言，由于海上机组维修的交通成本(出海成本)非常高，因此MTBI代表的运维频次比MTOTI代表的运维损失更重要。因此，对于陆上机组，MTOTI所占比重应该为30％，MTBI所占比重应该为20％，即，与MTBI相应的第二可靠性得分的权重为20％，与MTOTI相应的第三可靠性得分的权重为30％。对于海上机组，MTBI所占比重应该为30％，MTOTI所占比重应该为20％，即，与MTBI相应的第二可靠性得分的权重为30％，与MTOTI相应的第三可靠性得分的权重为20％。
根据本发明实施例，在计算与PBA相应的第一可靠性得分时，可通过线性插值法计算与PBA相应的第一可靠性得分。具体地讲，可以以PBA的理论最优值对应最高分，并且以PBA的最差值对应最低分，通过线性插值法计算与PBA相应的第一可靠性得分。例如，PBA的理论最优值100％可对应50分，PBA的最差值90％对应0分。当PBA低于90％时不再计算第一可靠性得分，而是直接进行说明，认定风电机组质量过差且不进入质量排名比较范围内。这里，不取PBA的理论最差值0％对应0分，这是因为对于风电机组而言，实际PBA均较高，低于90％时实际上说明风电机组已经属于严重质量缺陷机组。
根据本发明实施例，在计算与MTBI相应的第二可靠性得分以及与MTOTI相应的第三可靠性得分，可通过累进计分法来进行计算。以下首先描述通过累进计分法计算与MTBI相应的第二可靠性得分。
根据本发明实施例，可通过高优计分的累进计分法来计算与MTBI相应的第二可靠性得分，选取基点低于样本的MTBI均值，选取满分点高于样本的MTBI均值。具体地讲，MTBI的数值越小，第二可靠性得分代表的运维频次越大，并且随着MTBI的数值在小于第一参考值的区间内提升，第二可靠性得分迅速增大，而随着MTBI的数值在大于第一参考值的区间内提升，第二可靠性得分缓慢增大。换言之，当MTBI的数值较小时，第二可靠性得分代表的运维频次较大，MTBI的数值的提升对风电机组运行和经济效益都将带来较大幅度的提升；而当MTBI的数值很大时，第二可靠性得分代表的运维频次较小，它的提升对风电机组运行和经济效益的提升放缓，MTBI愈趋近最大值，收益的提升愈小。考虑MTBI指标的数值和得分之间的关系，在MTBI提升的前半段，MTBI的提升难度较低，且效益提升较为明显，而在提升的后半段，MTBI的提升难度相对较高，且效益提升较为微弱。因此，根据本发明实施例，使用以下表示累进计分法的等式(1)至(4)来计算与MTBI相应的第二可靠性得分：
其中，Y表示第二可靠性得分，K和Z为常量，xi(i＝1,2...n)表示n个样本的MTBI的数值。
这种方法中，设定风电机组的MTBI符合正态分布。s是正态分布的一个参数，描述正态分布资料数据分布的离散程度，s越大数据分布越分散，s越小数据分布越集中。在本示例中，和之间的范围代表全部样本范围，其含义是，在符合正态分布的情况下，99.7％的机组的数据在该数据范围内。然而，本发明不限于此，还可以假定和之间的范围，或者，和之间的范围代表全部样本范围。
根据累进计分法，例如，可以选取作为基点，与基点相应的第二可靠性得分为最低分，同时选取作为满分点，与满分点相应的第二可靠性得分为最高分。例如，取MTBI的理论最优值10000h对应最高分20分(陆上机组)或30分(海上机组)；取MTBI的理论最差值0h对应0分。这里，取10000h为MTBI的理论最优值，是因为风电机组正常应至少包含一年一次的定期检修，但是本发明不排除更好的运维策略可以进一步提高MTBI的可能。取0h为MTBI的理论最差值，是因为较差的风电机组全年多次出现技改和故障处理等维修工作，会导致MTBI处于较低水平(不会达到0h，但相对会比较接近，例如100h)。
进一步讲，当时，相应的第二可靠性得分为0分，对应的D值为2；当时，陆上机组相应的第二可靠性得分为20分(海上机组的情况下相应的第二可靠性得分为30分)，对应的D值为8。这样，可以计算得到常量K和Z的取值。
D值是一个计算过程中间量，根据正态分布和累进计分法的原理，D值从0-10取值。其中，当和之间的范围代表全部样本范围时，D值分别取2和8，代表数据的分布位置。
然而，本发明不限于此，本领域技术人员可以根据实际需要，选择适当的基点和满分点，并且可以设置与基点和满分点相应的得分。
以下介绍一个计算与MTBI相应的第二可靠性得分的示例。假设5个不同厂家的陆上机组，MTBI指标的数值分别为5000h、6000h、4000h、2000h和1000h。设MTBI的理论最优值10000h对应20分(最高分)，MTBI的理论最差值0h对应0分(最低分)。选取作为基点，与基点相应的得分为0分，对应的D值为2；选取作为满分点，与满分点相应的得分为20分，对应的D值为8。即，D＝8时Y＝20，D＝0时Y＝2。将D和Y带入等式(1)，得到以下等式(5)：
因此，可以计算得到K＝3/200，Z＝-2，从而等式(1)可以变换为以下等式(6)：
同时，根据以上5个MTBI指标的数值，可以计算和s，即，
根据等式(2)，可以计算得出各个风电机组的D值为：5.675、6.157、5.193、4.228、3.746。然后，根据等式(1)或(6)，可以计算出各个风电机组的第二可靠性得分为15.653、16.648、14.590、12.189、10.789。
图2示出线性插值和累进计分法的比较的示图。
参照图2，与线性插值相比，累进计分法显示出以下特点：当MTBI在1000h以上时，风电机组运行相对平稳(即，故障较少)，此时MTBI的提升带来的收益提升趋于平稳，而当MTBI小于1000h(甚至更低时)，风电机组故障增多，造成的损失较大，此时MTBI的提升带来的更显著收益提升。也就是说，当MTBI小于1000h时，与MTBI变化对应的可靠性得分的变化要比1000h以上更加显著。
实际上，按比例的线性插值法，只是单一地衡量了MTBI指标提升和得分的关系，无法表现出MTBI指标在风电机组实际运行中，其数值的改变对风电机组和风电场运维等带来的影响程度和效益值。与此相比，累进计分法将指标提升难易程度和指标提升效果二者相结合，一方面体现出风电机组可靠性评价模型的实际运行状态，另一方面具有较好的灵活性和准确性。在累进计分法的基点和满分点的设置中，对待评价的所有样本都会有初步的行业评估，确定其指标水平分布所处标准正态分布区间，从而设定适当的基点和满分点，因此具有较好的科学性。
以下简单描述通过累进计分法计算与MTOTI相应的第三可靠性得分。
根据本发明实施例，可通过低优计分的累进计分法来计算与MTOTI相应的第三可靠性得分，选取基点高于样本的MTOTI均值，选取满分点低于样本的MTOTI均值。这种低优计分的累进计分法与上述的高优计分的累进计分法之间的区别在于基点和满分点以及相应的最低分和最高分有所不同。这是因为，MTOTI的数值越大，第三可靠性得分代表的运维损失越大，并且随着MTOTI的数值在大于第二参考值的区间内降低，第三可靠性得分迅速增大，而随着MTOTI的数值在小于第二参考值的区间内降低，第三可靠性得分缓慢增大。换言之，当MTOTI的数值越低时，第三可靠性得分代表的运维损失越小，与其对应的得分应该越高，同样将MTOTI的数值变化趋势和得分变化趋势相结合，当MTOTI的数值较大时，其数值的降低对风电机组运行和经济效益都带来较大幅度的提升；当MTOTI的数值较小时，其数值的降低对风电机组运行和经济效益的提升放缓，愈趋近极小值，收益的提升愈小。因此，MTOTI从较大值开始降低时，其难度较低且产生较大收益，MTOTI从较小值继续降低时，其难度较高且难以产生较大价值。
根据本发明实施例，也可使用如上所述的表示累进计分法的等式(1)至(4)来计算与MTOTI相应的第三可靠性得分。此时，在等式(1)至(4)中，Y表示第三可靠性得分，K和Z为常量，xi(i＝1,2...n)表示n个样本的MTOTI的数值。在这种情况下，可以选取作为基点，与基点相应的第三可靠性得分为最低分，同时选取作为满分点，与满分点相应的第三可靠性得分为最高分。例如，取MTOTI的理论最优值0h对应最高分30分(陆上机组)或20分(海上机组)；取MTOTI的理论最差值720h对应最低分0分。这里，取720h为MTOTI的理论最差值720h，这是因为，一般情况下如果风电机组的MTOTI多于720小时，则认定该风电机组质量过差且不计入风电机组质量排名范围内。进一步讲，当时，相应的第三可靠性得分为0分，对应的D值为8；当时，相应的第三可靠性得分为30分(陆上机组，海上机组的情况下相应的第二可靠性得分为20分)，对应的D值为2。这样，可以计算得到常量K和Z的取值，进而计算与MTOTI相应的第三可靠性得分。然而，本发明不限于此，本领域技术人员可以根据实际需要，选择适当的基点和满分点，并且可以设置与基点和满分点相应的得分。
图3示出根据本发明实施例的风电机组可靠性确定装置的框图。
参照图3，所述风电机组可靠性确定装置可包括第一可靠性得分计算单元310、第二可靠性得分计算单元320、第三可靠性得分计算单元330和风电机组可靠性确定单元340。第一可靠性得分计算单元310计算与PBA相应的第一可靠性得分，第二可靠性得分计算单元320计算与MTBI相应的第二可靠性得分，第三可靠性得分计算单元330计算与MTOTI相应的第三可靠性得分。风电机组可靠性确定单元340基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
根据本发明实施例，风电机组可靠性确定单元340可通过对第一可靠性得分、第二可靠性得分和第三可靠性得分进行加权求和来计算风电机组可靠性得分，并基于计算的风电机组可靠性得分确定风电机组可靠性。当风电机组为陆上机组时，第一可靠性得分的权重为50％，第二可靠性得分的权重为20％，第三可靠性得分的权重为30％；当风电机组为海上机组时，第一可靠性得分的权重为50％，第二可靠性得分的权重为30％，第三可靠性得分的权重为20％。
第一可靠性得分计算单元310可通过线性插值法计算与PBA相应的第一可靠性得分。例如，第一可靠性得分计算单元310可以以PBA的理论最优值对应最高分，并且以PBA的最差值对应最低分，通过线性插值法计算与PBA相应的第一可靠性得分。第二可靠性得分计算单元320可通过累进计分法计算与MTBI相应的第二可靠性得分，第三可靠性得分计算单元330也可与MTOTI相应的第三可靠性得分。如上所述，通过选择适当的基点和满分点，并设置与基点和满分点相应的得分，可以使用等式(1)至(4)来计算与MTBI相应的第二可靠性得分和与MTOTI相应的第三可靠性得分。
根据本发明实施例的风电机组可靠性确定方法还可被实施为计算机可读记录介质上的程序代码。当所述程序代码被处理器执行时，处理器可执行根据本发明实施例的风电机组可靠性确定方法。计算机可读记录介质是能够将数据存储为之后可由计算机***读取的程序的任何数据存储装置。计算机可读记录介质的示例包括：只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储装置。计算机可读记录介质还可被分布在联网的计算机***上，从而以分布的方式存储和执行所述计算机可读代码。
根据本发明实施例的风电机组可靠性确定方法还可在计算机上执行。例如，计算机可包括处理器和计算机可读存储介质。所述计算机可读存储介质可记录有用于实现根据本发明实施例的风电机组可靠性确定方法的程序代码。当所述程序代码被计算机的处理器执行时，计算机的处理器可执行根据本发明实施例的风电机组可靠性确定方法。
根据本发明实施例，通过对不同可靠性指标之间的关联关系和相互影响进行分析，选取合适的可靠性指标来确定风电机组可靠性。此外，在计算可靠性得分时使用累进计分法，结合可靠性指标的实际意义，设计可靠性指标的数值与可靠性得分之间的关系。此外，对陆上机组和海上机组进行区别分析，给出符合实际需求的可靠性评价模型。
更具体地讲，根据本发明实施例的风电机组可靠性确定方法和风电机组可靠性确定装置通过合理地选择风电机组的多个可靠性指标来计算风电机组可靠性得分，保证了计算的风电机组可靠性得分与风电机组的实际价值相一致。根据本发明实施例的风电机组可靠性确定方法和风电机组可靠性确定装置分析选取能够综合代表风电机组可靠性的指标，即，从多维度的可靠性指标中，分析各个可靠性指标之间的关联关系和影响因素，综合考虑技术需求和市场需求，选择最合适的可靠性指标，代表风电机组不同维度的可靠性表现。
此外，根据本发明实施例的风电机组可靠性确定方法和风电机组可靠性确定装置采用全新设计的累进计分原则，使得可靠性指标的数值及可靠性得分的变化与它们引起的经济收益趋于一致，即，通过应用累进计分法，设计各个可靠性指标之间的数值和可靠性得分的转换模型，使得可靠性指标的评估模型与实际情况一致。
此外，根据本发明的风电机组可靠性确定方法和风电机组可靠性确定装置分析陆上风机和海上风机的关键可靠性指标，并设计不同的评价方式，即，通过分析不同应用环境(陆上风机和海上风机)来调整各个可靠性指标的权重，分别给出针对不同应用环境的评价方式。
虽然已经显示和描述了一些实施例，但是本领域技术人员应该理解，在不脱离本发明的原理和精神的情况下，可以对这些实施例进行修改，本发明的范围由权利要求及其等同物限定。
Claims (11)
1.一种风电机组可靠性确定方法，其特征在于，所述风电机组可靠性确定方法包括：
计算与基于发电量的可利用率PBA相应的第一可靠性得分；
计算与平均检修间隔时间MTBI相应的第二可靠性得分；
计算与平均机组检修总耗时MTOTI相应的第三可靠性得分；
基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
2.根据权利要求1所述的风电机组可靠性确定方法，其特征在于，确定风电机组可靠性的步骤包括：
通过对第一可靠性得分、第二可靠性得分和第三可靠性得分进行加权求和来计算风电机组可靠性得分，其中，基于第一可靠性得分表示的风电机组发电量提升带来的收益增加程度以及第二可靠性得分和第三可靠性得分表示的可靠性提升带来的运维成本减少程度来执行加权求和；
基于计算的风电机组可靠性得分确定风电机组可靠性。
3.根据权利要求2所述的风电机组可靠性确定方法，其特征在于，
当风电机组为陆上机组时，第二可靠性得分的权重低于第三可靠性得分的权重；
当风电机组为海上机组时，第二可靠性得分的权重高于第三可靠性得分的权重；
其中，第二可靠性得分代表运维频次，第三可靠性得分代表运维损失。
4.根据权利要求3所述的风电机组可靠性确定方法，其特征在于，通过线性插值法计算与PBA相应的第一可靠性得分。
5.根据权利要求4所述的风电机组可靠性确定方法，其特征在于，以PBA的理论最优值对应最高分，并且以PBA的最差值对应最低分，通过线性插值法计算与PBA相应的第一可靠性得分。
6.根据权利要求3所述的风电机组可靠性确定方法，其特征在于，
通过高优计分的累进计分法计算第二可靠性得分，其中，MTBI的数值越小，第二可靠性得分代表的运维频次越大，并且随着MTBI的数值在小于第一参考值的区间内提升，第二可靠性得分迅速增大，而随着MTBI的数值在大于第一参考值的区间内提升，第二可靠性得分缓慢增大；以及，
通过低优计分的累进计分法计算所述第三可靠性得分，其中，MTOTI的数值越大，第三可靠性得分代表的运维损失越大，并且随着MTOTI的数值在大于第二参考值的区间内降低，第三可靠性得分迅速增大，而随着MTOTI的数值在小于第二参考值的区间内降低，第三可靠性得分缓慢增大。
7.根据权利要求6所述的风电机组可靠性确定方法，其特征在于，
在高优计分的累进计分法中，选取基点低于样本的MTBI均值，与基点相应的第二可靠性得分为最低分；选取满分点高于样本的MTBI均值，与满分点相应的第二可靠性得分为最高分。
8.根据权利要求6所述的风电机组可靠性确定方法，其特征在于，
在低优计分的累进计分法中，选取基点高于样本的MTOTI均值，与基点相应的第三可靠性得分为最低分；选取满分点低于样本的MTOTI均值，与满分点相应的第二可靠性得分为最高分。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质记录有当被处理器执行时使得处理器执行如权利要求1至8中的任一项所述的风电机组可靠性确定方法的程序代码。
10.一种计算机，包括处理器和计算机可读存储介质，其特征在于，所述计算机可读存储介质记录有当被处理器执行时使得处理器执行如权利要求1至8中的任一项所述的风电机组可靠性确定方法的程序代码。
11.一种风电机组可靠性确定装置，其特征在于，所述风电机组可靠性确定装置包括：
第一可靠性得分计算单元，用于计算与基于发电量的可利用率PBA相应的第一可靠性得分；
第二可靠性得分计算单元，用于计算与平均检修间隔时间MTBI相应的第二可靠性得分；
第三可靠性得分计算单元，用于计算与平均机组检修总耗时MTOTI相应的第三可靠性得分；
风电机组可靠性确定单元，用于基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710316812.0A CN108876073A (zh) | 2017-05-08 | 2017-05-08 | 风电机组可靠性确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710316812.0A CN108876073A (zh) | 2017-05-08 | 2017-05-08 | 风电机组可靠性确定方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108876073A true CN108876073A (zh) | 2018-11-23 |
Family
ID=64287179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710316812.0A Withdrawn CN108876073A (zh) | 2017-05-08 | 2017-05-08 | 风电机组可靠性确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108876073A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110212585A (zh) * | 2019-07-02 | 2019-09-06 | 国电联合动力技术有限公司 | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 |
| CN112085408A (zh) * | 2020-09-18 | 2020-12-15 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组时间可利用率的实现方法及实现装置 |
| CN112529359A (zh) * | 2020-11-11 | 2021-03-19 | 中广核风电有限公司 | 风电场风电机组风险评价方法、装置、设备及存储介质 |
-
2017
- 2017-05-08 CN CN201710316812.0A patent/CN108876073A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110212585A (zh) * | 2019-07-02 | 2019-09-06 | 国电联合动力技术有限公司 | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 |
| CN112085408A (zh) * | 2020-09-18 | 2020-12-15 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组时间可利用率的实现方法及实现装置 |
| CN112529359A (zh) * | 2020-11-11 | 2021-03-19 | 中广核风电有限公司 | 风电场风电机组风险评价方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghenai et al. | Recent trends of digital twin technologies in the energy sector: A comprehensive review | |
| Sperstad et al. | Testing the robustness of optimal access vessel fleet selection for operation and maintenance of offshore wind farms | |
| TW541448B (en) | Rotating equipment diagnostic system and adaptive controller | |
| Endrerud et al. | Marine logistics decision support for operation and maintenance of offshore wind parks with a multi method simulation model | |
| Kerres et al. | Economic evaluation of maintenance strategies for wind turbines: a stochastic analysis | |
| Kwoka et al. | Divestiture policy and operating efficiency in US electric power distribution | |
| CN108876073A (zh) | 风电机组可靠性确定方法和装置 | |
| WO2023123685A1 (zh) | 风力发电机组的寿命评估方法和装置 | |
| Faramarzi et al. | New network data envelopment analysis approaches: an application in measuring sustainable operation of combined cycle power plants | |
| Alshareef et al. | A new global index for short term voltage stability assessment | |
| Dinwoodie | Modelling the operation and maintenance of offshore wind farms | |
| Djeddi et al. | Gas turbine reliability modelling based on a bath shaped rate failure function: modified Weibull distribution validation | |
| Mondol et al. | Techno-economic assessments of advanced Combined Cycle Gas Turbine (CCGT) technology for the new electricity market in the United Arab Emirates | |
| Wagner et al. | A systematic review of modeling approaches for flexible energy resources | |
| Ogaji et al. | Novel approach for improving power-plant availability using advanced engine diagnostics | |
| CN114742363A (zh) | 风电机组的能效状态评价方法、***及介质 | |
| Warren et al. | Managing uncertainty in electricity generation and demand forecasting | |
| CN110212585A (zh) | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 | |
| CN109409758A (zh) | 水电站设备健康状态评价方法及*** | |
| Solarin | Multivariate causality test of electricity consumption, capital formation, export, urbanisation and economic growth for Togo | |
| Wu et al. | Research on the Reliability Allocation Method for a Wind Turbine Generator System Based on a Fuzzy Analytic Hierarchy Process Considering Multiple Factors | |
| Iorga et al. | Engineering design from a safety perspective | |
| Sperstad et al. | Testing the robustness of optimal vessel fleet selection for operation and maintenance of offshore wind farms | |
| CN111080046A (zh) | 一种输电技术成熟度评估方法和装置 | |
| Yadav et al. | Operational-economics based evaluation and selection of a power plant using graph theoretic approach |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181123 |
|
| WW01 | Invention patent application withdrawn after publication |