海上風電機組維修優(yōu)化研究綜述

謝魯冰， 李 帥， 芮曉明， 王松嶺， 李國華

(1. 華北電力大學 能源動力與機械工程學院,北京 102206；2. 中國機械設(shè)備工程股份有限公司,北京 100055)

0 引言

2017年上半年，我國風電新增并網(wǎng)容量601萬kW，繼續(xù)保持穩(wěn)步增長勢頭，截至6月底, 我國累計并網(wǎng)容量達到1.54億kW，同比增長12%。2016年，我國海上風電新增裝機154臺，新增容量達到59萬kW，總裝機容量達到163萬kW，同比增長64%[1-3]，我國僅次于英國和德國，位列全球第三。考慮到海上風電投資大、風險高，同時受到海上天氣條件、海上風電場值班制、海上風電運維船只、備品備件管理等多種因素的影響，海上風電場對風機質(zhì)量和性能的要求更為嚴苛。并且國內(nèi)海上風電產(chǎn)業(yè)尚處于起步階段，規(guī)模發(fā)展也只有超過五年的時間，但是目前大部分風電機組已走出質(zhì)保期或即將質(zhì)保期滿，隨著時間的推移，機組投資人自主維護水平已經(jīng)成為衡量能否確保風電場正常運行的關(guān)鍵因素。因此如何采用合理的維護優(yōu)化方案與策略，對于減少運維成本和投資風險，提高風電場的可靠性，取得較好的社會經(jīng)濟效益, 無論是從風機制造商角度還是從開發(fā)商的角度而言，都將具有顯著的經(jīng)濟價值。 并且，隨著我國海上風電發(fā)展步入快速發(fā)展期，以及風電逐漸實現(xiàn)并網(wǎng)側(cè)平價上網(wǎng)的趨勢，實現(xiàn)成本及可靠度最優(yōu)的海上風電運維優(yōu)化研究將成為影響我國海上風電快速健康發(fā)展的重要因素。

本文對近年來海上風電運維策略研究的國內(nèi)外現(xiàn)狀進行了歸納分析，分別對基于海上運維后勤管理的優(yōu)化、維修可靠性及可達性為目標的優(yōu)化、海洋風能氣候與氣象預(yù)測的維修優(yōu)化、有限運維數(shù)據(jù)下維修優(yōu)化、海上風機容錯運行的冗余優(yōu)化、經(jīng)濟成本控制運維優(yōu)化這幾個層次對近年來的中外文獻進行了綜述，以此得出了海上風電運維研究熱點和方向展望，并提出了我國海上風電的發(fā)展及技術(shù)方向。

1 海上風電設(shè)備的故障特性

海上風電機組故障主要特點是維修成本高、維修等待時間長、對人力資源的技術(shù)水平要求高、單次修復(fù)的計劃性強等。尤其是不同類型的風機結(jié)構(gòu)基礎(chǔ)對故障維修的要求不盡相同，目前主流的風機基礎(chǔ)類型詳見表1?？蛇_性系統(tǒng)主要包括維修安裝船舶的配置和投資運行成本。船舶配置通常是考慮到它的使用目的、作業(yè)環(huán)境、入塢系統(tǒng)和安全水平等的需要；現(xiàn)有的船舶主要包括單體船、雙體船、小水線雙體船、氣墊船、半潛平臺船、起重船、安裝船等，各種船舶的分類與用途詳見圖1。

圖1 海上風電機組維修船舶分類

2 海上風電維修優(yōu)化策略研究現(xiàn)狀及展望

海上風電機組的維修是屬于多部件復(fù)雜系統(tǒng)的維修過程，主要維修邏輯如圖2所示。

根據(jù)中外文獻，目前海上風電維修的研究熱點和方向主要集中在圍繞解決海上風電可達性的風浪、維修船只、維修人力資源等對維修策略的影響分析、海上風電維修策略優(yōu)化數(shù)學模型、基于狀態(tài)監(jiān)測的海上風電組件故障診斷與評估方法研究、海上風電多部件系統(tǒng)預(yù)防性維修方案優(yōu)化、基于備品備件庫存及管理優(yōu)化的海上風電運維策略研究、海上風電容錯運行優(yōu)化研究、海上風電運維策略對運維成本影響的靈敏度分析等方面。

表1 海上風電機組基礎(chǔ)結(jié)構(gòu)類型

圖2 復(fù)雜多部件系統(tǒng)維修優(yōu)化策略思維導(dǎo)圖

2.1 基于備品備件的海上維修后勤管理的優(yōu)化

由于海上風電維修受限于可達性的影響，因此風機維修的后勤優(yōu)化管理已逐漸成為提高運維可靠度、可用度和經(jīng)濟性的重要方向。尤其是對位于遠離海岸的寒冷深水區(qū)域的海上風電場[4]。由于歐洲海上風電發(fā)展比較早，海上風電運維經(jīng)驗比較豐富，工作模式比較先進，對影響運維的環(huán)境因素識別能力比較強。尤其是海上風電場離岸距離越來越遠，海況也變得越來越復(fù)雜，風電場的維護工作要求越來越高。為了滿足離岸更遠的海上風電場維護作業(yè)要求，對風電運維船的功能和性能要求也越來越高，船舶的安全性、可靠性、舒適性、經(jīng)濟性均能夠予以考慮[5]，因此，在該方面的研究相對超前。Mahmood Shafiee[6]將海上風電的后勤優(yōu)化策略分為3個層次，即有關(guān)可靠性、風場選址、維修人力及技術(shù)資源的風電場優(yōu)化設(shè)計方案與策略；有關(guān)備品備件管理、維修保障支持系統(tǒng)、維修器具租賃的優(yōu)化方案與策略；有關(guān)維修任務(wù)、維修船舶船塢、維修策略評估方法的優(yōu)化方案與策略。近年來，許多學者致力于將風電運維供應(yīng)鏈優(yōu)化作為研究方向[7-19]。同時，針對影響海上風電可維修性的各個因素研究也逐漸受到重視。Matti Scheua[20]指出海上風電單位發(fā)電成本的三分之一源自系統(tǒng)故障停機造成的運維成本，文獻通過MATLAB仿真海上風電故障與維修情況，在考慮維修船舶等待時間的前提下提出了海上風電機組維修間隔優(yōu)化方案。 Besnard[21]基于海上風電維修備件庫存、技術(shù)人員人數(shù)、運維船只選擇、直升飛機選擇技術(shù)4個主要因素，考慮維修等待問題適用的排隊理論，建立了維修后勤服務(wù)成本最優(yōu)化模型。Elin E.[22-27]認為維修人員與部件的運輸費用是海上風電運維成本重要組成部分，運輸費用主要由維修船舶與直升飛機的租賃費用產(chǎn)生，尤其是維修船舶的選型與編隊組合已成為運費的核心決策因素。為進一步節(jié)約維修成本，Elin E提出了考慮固定運維費用與船塢費用最小化的維修策略模型，并以挪威某座海上風電場進行了算理仿真，Elin E.最終認為基于海上天氣因素的維修船舶航線優(yōu)化選擇是影響維修總費用靈敏度的關(guān)鍵點。Kirsten[28]考慮到維修船舶的可用率、海洋氣象條件等限制性條件的影響，構(gòu)建了基于備件消耗成本最優(yōu)化的數(shù)學模型，以維修間隔作為目標優(yōu)化決策變量，并引入松弛因子作為維修船舶可用率、海浪高度對備件消耗費用靈敏度分析的量化指標。Christian[29]從維修船舶的尺寸選擇角度出發(fā)，考慮到高昂的船舶租賃費用、風速、浪高、上網(wǎng)電價作為約束條件，以此構(gòu)造船舶費用隨機模型。Goch G[30-34]等學者也分別從維修船舶、起重設(shè)備、人力資源配置等多個方面探究了海上風電后勤費用優(yōu)化問題。近年來針對海上風電單個核心部件的后勤供給優(yōu)化也成為研究熱點，Mahmood Shafiee[35]針以風機葉片的維修更換費用為目標，結(jié)合可達性涉及的海況和有義波高，最終得到了各種海況下的葉片定檢、巡檢間隔及相應(yīng)的具體維修工作方案。

總體上，目前針對海上風電后勤優(yōu)化方面的研究難點一是極端天氣狀況對運維船舶的選擇；二是技術(shù)人力資源對后勤費用波動的影響；三是對于新建海上風機，缺乏故障數(shù)據(jù)及齒輪箱等重要零部件在天氣影響下的更換費用數(shù)據(jù)；四是對于影響后勤費用的各個因素之間的內(nèi)部關(guān)聯(lián)性分析。

2.2 基于各種優(yōu)化目標的維修策略

Sarker B R[36]建立了基于海上風機組件的多層次機會維修費用模型，通過采用機會更換、機會維修以及故障維修同時進行機會維修的方式降低維護費用。G.J.W. van Bussel[37]根據(jù)海上風機設(shè)備吊裝起重機和直升機在風機運維中的優(yōu)劣勢分析，以風機可靠性為目標，基于狀態(tài)監(jiān)測和專家系統(tǒng)，對風機維修計劃和維修任務(wù)進行了優(yōu)化。 Sarker B R[38]采用機會維修方式，認為當對某一發(fā)生故障的部件進行更換時，按照機會維修理論也對其他相關(guān)部件進行維修，以此提出了基于多級預(yù)防性機會維修的海上風電維修策略，認為不同地域的海上風電機組由于風浪等天氣因素影響，各風機組件的故障率及相應(yīng)的故障閥值均存在一定程度上的差異，因此需要針對實際運行工況開展綜合評判，并且機組部件的可維修性、可達性都將對進一步優(yōu)化維修組別內(nèi)部的具體部件組合產(chǎn)生影響。 Besnard[39]以維修費用最低為目標，將預(yù)防性維修機會維修和事后維修進行了對比分析，通過實例得出結(jié)論：在有限維修周期內(nèi)，采用預(yù)防性機會維修較之事后維修約節(jié)約總成本43%。Matthias Hofmanna[40]以維修經(jīng)濟性為目標，研發(fā)了NOWIcob可視化軟件，能夠模擬海上風電實時運維狀況及參數(shù)。Jannie J N[41]通過引入貝葉斯預(yù)后驗理論，采用事后維修策略，對單個風機部件的檢查和更換計劃進行了優(yōu)化,在優(yōu)化過程中提出了單個部件的故障率維修閥值。

如前所述，海上風電系統(tǒng)的可達性對于運維成本的降低將起到關(guān)鍵作用。Athena Zitrou[42-44]等學者從最佳維修人員組合、基于排隊理論的最佳維修等待時間間隔等層面對維修決策變量進行了優(yōu)化分析。Mahmood Shafiee[45-49]借鑒模糊數(shù)學中的模糊綜合評判理論，在沿用Chang D Y[50]在研究模糊綜合評判方法解決多目標多屬性優(yōu)先級問題所提出的理論基礎(chǔ)之上，創(chuàng)新提出了模糊綜合評判網(wǎng)絡(luò)模型。雖然Mahmood Shafiee等研究人員對多個屬性的選擇進行了模糊量化，并得出了備選維修方案的優(yōu)先次序排列，但是對于海上風電機組系統(tǒng)而言，各個屬性之間往往不是孤立存在的，因此各屬性之間的關(guān)聯(lián)性也將對維修方案的選擇及精細化操作具備重大理論及實踐意義，也是下一步海上風電運維優(yōu)化的重點方向之一。

2.3 基于海上天氣的維修優(yōu)化研究

風、浪和海流條件是海上風電場電力生產(chǎn)的主要輸入?yún)?shù)，對候場選址及后續(xù)運維，都要確定和評估這些參數(shù)。目前，海上風場海洋學特征數(shù)據(jù)主要依賴實測和建模獲得?？紤]到風浪條件對海上風電可達性及降低運維費用的重要程度，目前國外學者已經(jīng)開展相關(guān)研究，研究方向主要是基于風浪環(huán)境對運維成本、船舶出海、人員配置等靈敏度方面的分析。Scheu M N[51]分別采用高斯統(tǒng)計法、ARMA過程以及馬爾可夫過程對海上天氣狀態(tài)進行數(shù)學方法模擬與歸納。Matti Scheua[52]在總結(jié)大型海上風電維修策略方法的同時，利用MATLAB對風機故障和維修數(shù)據(jù)進行模擬，進而提出了考慮維修船只和維修間隔的優(yōu)化策略，并就天氣因素對于維修成本的影響進行了靈敏度分析。Iver Bakken[53]將波浪參數(shù)予以細化，將最大波高、平均波高、有義波高3種情況下對于維修船只出海工作的影響進行定量分析，并結(jié)合備件庫存，提出了不同浪高下維修工作事項范圍、維修間隔時間、人員配置的優(yōu)化組合方案，節(jié)約了不必要的維修費用。

2.4 基于小樣本數(shù)據(jù)下維修優(yōu)化研究

對于海上風電而言，大量的運維數(shù)據(jù)、專家經(jīng)驗、運行日志、維修記錄、事故處理報告、備品備件數(shù)據(jù)、貸款租賃成本、原材料價格等均是影響海上風電運維經(jīng)濟性和可靠性的重要數(shù)據(jù)來源，德國、瑞典、挪威等歐洲風電行業(yè)發(fā)達國家均已建立專門的數(shù)據(jù)庫、實驗室、數(shù)據(jù)處理中心，我國目前已逐漸意識到數(shù)據(jù)積累與處理的重要性，2009年專門成立了國家海上風力發(fā)電工程技術(shù)研究中心，承擔我國海上風電裝備技術(shù)研究、系統(tǒng)設(shè)計、集成制造及其海上風電場工程技術(shù)研究的專業(yè)化技術(shù)研發(fā)等任務(wù)。Hameed Z[54]借鑒德國WMEP與LWK數(shù)據(jù)庫、芬蘭VTT數(shù)據(jù)庫的經(jīng)驗，提出了建立海上風電可靠性數(shù)據(jù)庫(OREDA)的概念和思路,并認為現(xiàn)場數(shù)據(jù)與機組試驗數(shù)據(jù)均是可靠性數(shù)據(jù)的重要來源，尤其是現(xiàn)場人員記錄的故障數(shù)據(jù)與運行日志對于進一步開展維修優(yōu)化具有積極作用，但是現(xiàn)場人員記錄的故障數(shù)據(jù)往往在數(shù)量與質(zhì)量上不能滿足開展運維優(yōu)化研究的要求。

總體上，我國海上風電運維研究尚處于研究初期階段，目前國家海上風力發(fā)電工程技術(shù)研究中心已成立專門的大數(shù)據(jù)中心負責整理挖掘現(xiàn)有海上風機的維修數(shù)據(jù),這方面，東海大橋海上風電場應(yīng)充分利用其5年運行時間積累的信息，充分發(fā)揮了對后續(xù)運維優(yōu)化的指導(dǎo)作用。

2.5 基于冗余優(yōu)化的維修研究

近年來，在海上風電冗余設(shè)計優(yōu)化方面，考慮到機組維護時間長，停機損失大、可達性差的特點，研究信號檢測冗余、控制回路冗余、器件冗余等已成為熱點方向。并且，除了傳統(tǒng)的冗余設(shè)計之外，容錯控制也是許多電機設(shè)備容錯運行的主要方式。容錯控制是指當控制系統(tǒng)中的某些部件發(fā)生故障時，系統(tǒng)仍能按期望的性能指標或性能指標略有降低(但可接受)的情況下，還能安全地完成控制任務(wù)，風力發(fā)電機與變頻器的故障容錯是當前這方面研究的主要方向[55]。Echavar E、S?rensen J D與Odgaard P F[56-58]概括了風電機組電氣部分的5種容錯控制方式，分別通過調(diào)整硬件設(shè)計與軟件容錯控制的方式實現(xiàn)不同電氣故障的容錯運行，提出了一種在幾乎不增加風機重量與成本的前提下能夠?qū)崿F(xiàn)風機具有一定的故障容錯能力的方法。Faulstich S[59]針對海上風機停機故障的預(yù)測與分析，進而以優(yōu)化風機并網(wǎng)負荷功率曲線為目標提出了針對性的運維策略。Mikel[60]以提高發(fā)電效率為目標，考慮海浪對機組運行的影響，對變頻控制的海上大型變電站故障情況進行預(yù)測，并提出針對性的優(yōu)化設(shè)計及運維方案?？傮w上，海上風電冗余設(shè)計優(yōu)化方向是實現(xiàn)未來與陸上智能電網(wǎng)的柔性接入、提高機組運行可靠性的重要手段。同時，研究高電壓等級的功率模塊串聯(lián)技術(shù)路線和大電流的功率模塊并聯(lián)技術(shù)路線也是發(fā)展方向之一。

2.6 基于可控成本的運維優(yōu)化

海上風電的經(jīng)濟成本控制包含2個層面：一是基于風電運維成本控制層面；二是基于海上風電場基建總投資與風電運營商投資收益層面。對于第一個層面，主要是指在項目出質(zhì)保期后的實際運營階段的費用控制；對于第二個層面，主要是指通過評測度電成本(LCOE)、內(nèi)部收益率(IRR)、凈資產(chǎn)收益率(ROE)等指標來衡量項目的經(jīng)濟可行性。 Effiom S O[61]對尼日利亞海上風電行業(yè)不同運營階段的成本進行了討論，認為有50%的海上風電成本源自資本性支出，另外50%的成本源自經(jīng)營性支出。按照尼日利亞國內(nèi)GDP及電力市場機制，單機容量4 MW的單機將節(jié)約4.95%的度電成本，單機容量在5～6 MW的機組將節(jié)約2.7%的度電成本。 Dicorato M[62]結(jié)合陸上風電的成本構(gòu)成對海上風電建設(shè)期和運營期的成本進行預(yù)估，并以海上變電站為例具體分析了電壓等級與海上變電站離岸距離之間的關(guān)聯(lián)關(guān)系對建設(shè)及運維成本的影響。Castro Santos[63]分析了全生命周期下，海上風電部件購置及后期核心部件更換對成本的影響。

根據(jù)以上關(guān)于海上風電維修優(yōu)化策略研究現(xiàn)狀的分類，可以看出，維修決策研究的目的是在保證系統(tǒng)安全性、可靠性和可達性的前提之下，對成本和收益進行綜合權(quán)衡，以此確定和調(diào)整維修時間、維修間隔、維修時機、維修任務(wù)等維修決策變量，最終制定合理最優(yōu)的維修方案與計劃，并通過維修評估方法不斷檢驗并改進維修方案。國內(nèi)外學者們的研究目標大致相同，只不過分別是從維修優(yōu)化的各個環(huán)節(jié)開展優(yōu)化研究，有的是研究數(shù)據(jù)來源對可靠性的影響，有的是考慮基于天氣狀況和備品備件費效比等因素對維修等待時間的評估。總體上，模糊數(shù)學、規(guī)劃數(shù)學、運籌學、物流供應(yīng)鏈管理等方法和理論的引入與融合已成為進一步優(yōu)化海上維修策略的顯著趨勢。

通過文獻綜述可以看出，海上風電運維策略優(yōu)化方面的文獻主要出自英國、德國、挪威、瑞典、美國等國家的高校與研究機構(gòu)，我國隨著投運海上風電機組的逐漸增加，有關(guān)海上風電運維的研究也已起步，但是研究文獻相對較少。文獻[64-72]等學者分別從海上風電可靠性、可用性評估、機械故障機理分析等多方面進行了維修策略研究。海上風電運維優(yōu)化研究方向及展望詳見表2。

表2 海上風電運維優(yōu)化研究方向及展望

3 我國海上風電維修策略優(yōu)化研究面臨的問題及方向

目前我國尚未完全掌握海上風電的核心技術(shù)，關(guān)鍵部件質(zhì)量和可靠性不能完全滿足運行要求，海上基建、塔筒防腐、海底電纜等各項維修基礎(chǔ)仍待突破。以上問題可主要通過技術(shù)創(chuàng)新、加大單機容量、延伸上下游產(chǎn)業(yè)鏈、制定技術(shù)及建安標準、先進控制及仿真、核心大部件疲勞預(yù)警技術(shù)、艙內(nèi)溫濕度控制等方面入手解決。對于我國海上風電運維優(yōu)化的發(fā)展方向，可針對大容量海上風電機組的突破載荷計算；海上防腐、高可靠性、高可維性關(guān)鍵技術(shù)；關(guān)鍵部件容錯設(shè)計、智能診斷；小部件的冗余設(shè)計等方面展開。

4 結(jié)論

歐洲海上風電發(fā)達國家(例如英國)在海上風電行業(yè)管理、整體規(guī)劃、海上工程施工、風電場運營和管理等方面積累了豐富經(jīng)驗，在維修策略優(yōu)化方面，將更加注重維修數(shù)據(jù)的收集和整理研究、人工智能在策略制定與選擇方面的應(yīng)用、維修成本控制、維修產(chǎn)業(yè)鏈協(xié)同等環(huán)節(jié)的細化研究。我國在陸上風電運維方面，具備了在多種風能資源下長期穩(wěn)定運維的豐富經(jīng)驗，隨著海上風電發(fā)展步入快速發(fā)展期，更多陸上風電維修的成功經(jīng)驗將會應(yīng)用到海上風電運維當中。目前，我國在海上風機設(shè)計制造及安裝領(lǐng)域的個別技術(shù)環(huán)節(jié)已處于全球領(lǐng)先水平，在我國“十三五”大力發(fā)展海上風電的良好政策環(huán)境下，海上風電維修水平將得到不斷提高。

參考文獻：

[1]中國風能協(xié)會.2016年中國風電裝機統(tǒng)計簡報[EB/OL]. (2017-02-09)[2017-04-06]http://ex.bjx.com.cn/html/20170217/20940.shtml.

[2]國家能源局.2017年上半年風電并網(wǎng)運行情況[EB/OL]. (2017-07-05)[2017-08-09]http://www.nea.gov.cn/2017-07/24/c_136468307.htm.

[3]水電水利規(guī)劃設(shè)計總院.2016年全國各省區(qū)風電建設(shè)運行[EB/OL].(2017-10-09)[2017-12-09]http://www.sohu.com/a/201130478_100006059.

[4]ARVESEN A, BIRKELAND C, HERTWICH E G. The importance of ships and spare parts in LCAs of offshore wind power[J]. Environment Science Technology, 2013,47(6):2948-2956.

[5]芮曉明, 張穆勇, 霍娟. 基于性能可靠性的風電機組功率曲線評定新方法[J]. 動力工程學報, 2014, 34(9):742-747.

[6]MAHMOOD S. Maintenance logistics organization for offshore wind energy: Current progress and future perspectives[J]. Renewable Energy,2015,77(2):182-193.

[7]WEE H M, YANG W H, CHOU C W, et al. Renewable energy supply chains, performance, application barriers, and strategies for further development[J]. Renewable and Sustainable Energy Reviews,2012,16(8):545-565.

[8]AMBUEHL S, S?RENSEN J D. Sensitivity of risk-based maintenance planning of offshore wind turbine farms[J]. Energies, 2017, 10(505):1.

[9]DE REGT D N. Economic feasibility of offshore service locations for maintenance of offshore wind farms on the Dutch part of the North Sea[D]. The Netherlands: Delft Institute of Applied Mathematics, 2012.

[10]KARYOTAKIS A. On the optimization of operation and maintenance strategies for offshore wind farms[D]. London:University College London, 2011.

[11]BESNARD F. On maintenance optimization for offshore wind farms[D]. Sweden: Chalmers University of Technology, 2013.

[12]FLORY J A. Optimal replacement strategies for wind energy systems[D]. USA:University of Pittsburgh, 2013.

[13]LINDQVIST M, LUNDIN J. Spare part logistics and optimization for wind turbines:methods for cost-effective supply and storage[D]. Sweden: Uppsala University, 2010.

[14]DEWAN A. Logistic & service optimization for O&M of offshore wind farms: model development & output analysis[D]. The Netherlands: Delft University of Technology, 2013.

[15]GUNDEGJERDE C, HALVORSEN I B. Vessel fleet size and mix for maintenance of offshore wind farms: a stochastic approach[D]. Norway: Norwegian University of Science and Technology, 2012.

[16]AMAYRI A. Condition based maintenance of wind turbine systems considering different turbine types and lead times[D]. Canada: Concordia University, 2011.

[17]PARIKH N D. Optimizing maintenance cost of wind farms by scheduling preventive maintenance and replacement of critical components using mathematical approach[D]. USA:Texas A&M University, 2012.

[18]BHARADWAJ U R. Risk based life management of offshore structures and equipment[D]. UK: Loughborough University, 2010.

[19]FRANCOIS B. On maintenance optimization for offshore wind farms[D]. Sweden: Chalmers University of Technology Gothenburg, 2013.

[20]MATTI S, DENIS M, MATTHIAS H, et al. Maintenance strategies for large offshore wind farms[J]. Energy Procedia,2012, 24(24):281-288.

[21]BESNARD F, FISCHER K, TJERNBERG L B. A model for the optimization of the maintenance support organization for offshore wind farms[J]. IEEE Transactions on Sustainable Energy,2013,4 (2):443-450.

[22]ELIN E, HALVORSEN W, CHRISTIAN B. Vessel fleet analysis for maintenance operations at offshore wind farms[J]. Energy Procedia, 2013,35(41):167-176.

[23]HOFF A, ANDERSSON H, CHRISTIANSEN M, et al. Industrial aspects and literature survey: Fleet composition and routing[J].Computational Operation Research, 2010,37(12):2041-2061.

[24]FAULSTICH S, HANH B, TAVNER P. Wind turbine downtime and its importance for offshore deployment[J].Wind Energy,2011,14(3):327-337.

[25]OSTGREN B. Execution of maintenance on offshore wind farm[R].Norway:the Norwegian electricity company, 2012:10-12.

[26]ZHU Q, PENG H. HOUTUM G J V. A condition-based maintenance policy for multi-component systems with a high maintenance setup cost[J].Or Spectrum, 2015,37 (4):1007-1035.

[27]LI H, DELOUX E, DIEULLE L. A condition-based maintenance policy for multi-component systems with Lévy copulas dependence[J]. Reliability Engineering & System Safety, 2016(149):44-55.

[28]KIRSTEN T, WESTERHOLTA J, SCHUHA P. Spare parts planning for offshore wind turbines subject to restrictive maintenance conditions[J].Procedia CIRP, 2013,7(12):563-568.

[29]CHRISTIAN G, ELIN E. HALVORSEN W, et al. A stochastic fleet size and mix model for maintenance operations at offshore wind farms[J].Transportation Research Part C,2015(52):74-92.

[30]GOCH G, KNAPP W, HRTIG F. Precision engineering for wind energy systems[J]. CIRP Annals-Manufacturing Technology, 2012,62(2):611-634.

[31]FAGERHOLT K, CHRISTIANSEN M, HVATTUM L M, et al. A decision support methodology for strategic planning in maritime transportation[J]. Omega,2010,38(6): 465-474.

[32]HALVORSEN W, GUNDEGJERDE C, HALVORSEN I B, et al. Vessel fleet analysis for maintenance operations at offshore wind farms[J]. Energy Procedia,2013,35(41):167-176.

[33]MENG Q, WANG T. A chance constrained programming model for short-term liner ship fleet planning problems[J]. Maritime Policy Management,2010(37):329-346.

[34]SHYSHOU A, GRIBKOVSKAIA I, BARCELJ. A simulation study of the fleet sizing problem arising in offshore anchor handling operations[J].European Journal of Operation Research,2010,203(1):230-240.

[35]MAHMOOD S, MICHAEL P. An optimal number-dependent preventive maintenance strategy for offshore wind turbine blades considering logistics[J]. Advances in Operations Research, 2013(2):261-267.

[36]SARKER B R, FAIZ T I．Minimizing maintenance cost for offshore wind turbines following multi-level opportunistic preventive strategy[J]. Renewable Energy, 2016(85):104-113．

[37]BUSSEL G J W, SCH?NTAG C. Operation and maintenance aspects of large offshore wind farms[D]. Netherlands: Stenden University, 2014.

[38]SARKER B R, HOSSAIN M S J.Optimal locations of on-line and off-line rework stations in a serial production system[J].International Journal of Production Research, 2016,54(12):1-19.

[39]BESNARD F, PATRIKSSON M A. Stochastic model for opportunistic service maintenance planning of offshore wind farms[C]. IEEE Powertech conference,Trondheim,Norway, 2011:19-23.

[40]MATTHIAS H, IVER B S. NOWIcob-A tool for reducing the maintenance costs of offshore wind farms[J].Energy Procedia,2013,35(41): 177-186.

[41]JANNIEN J N, JOHN D S. On risk-based operation and maintenance of offshore wind turbine components[J]. Reliability Engineering and System Safety,2011, 96(1):218-229.

[42]ATHENA Z, TIM B, LESLEY W. A model for availability growth with application to new generation offshore wind farms[J]. Reliability Engineering and System Safety,2016,152(1):83-94.

[43]FAULLSTICH S, HAHN B, TAVNER P J. Wind turbine downtime and its importance for offshore deployment[J].Wind Energy,2011，14(3):327-337.

[44]STEWEN G. Offshore wind cost reduction task force. Offshore wind cost reduction task force report[R]. England: Calon company,2012.

[45]SHAFIEE M. A fuzzy analytic network process model to mitigate the risks associated with offshore wind farms[J]. Expert Systems with Applications,2015,42(4):2143-2152.

[46]SHAFIEEM M, PATRIKSSON M, BERTLING L. A redundancy optimization model applied to offshore wind turbine power converters[C]. In:Proceedings of the IEEE PowerTech Conference,Grenoble, France,2013:23-27.

[47]SHAFIEE M. An FMEA-based risk assessment approach for wind turbine systems: a comparative study of onshore and offshore[J]. Energies, 2014,7(2):619-642.

[48]SHAFIEE M, FINKKELSTEIN M. An optimal age-based group maintenance policy for multi-unit degrading systems. Reliability Engineering and System Safety[J/OL]. http://dx.doi.org/10.1016/j.ress.

[49]SHAFIEE M, KOLIOS A. A multi-criteria decision model to mitigate the operational risks associated with offshore wind infrastructures[J/OL].[2014,-539-547].http://dx.doi.org/10.1201/b17399-77.

[50]CHANG D Y. Applications of the extent analysis method on fuzzy AHP[J]. European Journal of Operational Research, 1996,95(3):649-655.

[51]SCHEU M N, MATHA D, MUSKULUS M. Validation of a markov-based weather model for simulation of O&M for offshore wind farms[C]. Proceedings of the 22th International Offshore and Polar Engineering Conference. Rhodes: International Society of Offshore and Polar Engineers (ISOPE), 2012:463-468．

[52]MATTI S, DENIS M, MATTHIAS H. Maintenance strategies for large offshore wind farms[J]. Energy Procedia,2012,24(24):281-288.

[53]IVER B S, ELIN E H. Comparison of single- and multi-parameter wave criteria for accessing wind turbines in strategic maintenance and logistics models for offshore wind farms[J].Energy Procedia,2014(53):221-230.

[54]HAMEED Z, VATN J, HEGGEST J. Challenges in the reliability and maintainability data collection for offshore wind turbines[J]. Renewable Energy,2011,36(8):2154-2165.

[55]黃玲玲，曹家麟，張開華，等. 海上風電機組運行維護現(xiàn)狀研究與展望[J]. 中國電機工程學報,2016，36(3):729-738.

[56]SORENSEN J D. Reliability analysis and risk-based methods for planning of operation and maintenance of offshore wind turbines[C]. International Conference on Ocean, Offshore and Arctic Engineering,USA,2017:23-34.

[57]ECHAVARIA E, VAN B G J W, TOMIYAMA T. Finding functional redundancies in offshore wind turbine design[J]. Wind Energy, 2012, 15(4):609-626．

[58]ODGAARD P F, STOUSTRUP J, KINNAERT M. Fault-tolerant control of wind turbines: A benchmark model[J]. IEEE Transactions on Control Systems Technology, 2013,21(4):1168-1182．

[59]FAULSTICH B. Wind turbine downtime and its importance for offshore deployment[J]. Wind Energy,2011,14(3):327-337.

[60]MIKEL P G, JOAN B J. Power generation efficiency analysis of offshore wind farms connected to a SLPC(single large power converter) operated with variable frequencies considering wake effects[J].Energy, 2012,37(1) 455-468.

[61]EFFIOM S O, ABAM F I. Economic cost evaluation on the viability of offshore wind turbine farms in Nigeria[J]. Energy Reports,2016(2):48-53.

[62]DICORATO M, FORTE G, PISAN M. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable Energy,2011(36): 2043-2051.

[63]CASTRO S L, DIAZ C V. Life-cycle cost analysis of floating offshore wind farms[J]. Renewable Energy,2014, 66(3):41-48.

[64]黎皓.基于可靠性理論的海上風電場運維研究[D]. 北京:華北電力大學, 2013.

[65]劉璐潔,符楊,馬世偉,等. 基于可靠性和維修優(yōu)先級的海上風電機組預(yù)防性維護策略優(yōu)化[J]. 中國電機工程學報,2014，36(21):5732-5740.

[66]符楊,馬媛,劉璐潔,等.海上風電機組分階段預(yù)防性維修策略[J]. 電力建設(shè),2017,38(6):124-132.

[67]鄭小霞,趙華,劉璐潔,等.考慮可及性的海上風機綜合維護策略[J].電網(wǎng)技術(shù), 2014 , 38 (11) :3030-3036.

[68]劉璐潔,符楊,馬世偉,等.基于運行狀態(tài)監(jiān)測與預(yù)測的海上風機維護策略[J].電網(wǎng)技術(shù), 2015, 39 (11) :3292-3297.

[69]符楊,李學武,黃玲玲. 基于時間延遲理論的海上風電機組不定期檢修策略[J].電力系統(tǒng)自動化,2016,40 (15) :133-140.

[70]郭慧東,王瑋,夏明超.海上風電機群維修排程在線多目標決策模型[J].中國電機工程學報, 2017, 37 (7) :1993-2000.

[71]黃移典.海上風電安裝平臺沖樁系統(tǒng)故障維修[J].科技創(chuàng)新導(dǎo)報,2017,14 (26):13-16.

[72]杜勉,易俊,郭劍波,等. 以可靠性為中心的維修策略綜述及其在海上風電場運維中的應(yīng)用探討[J].電網(wǎng)技術(shù), 2017, 41 (7) :2247-2254.