新疆風力機葉片覆冰風險評估探究

李姜超，成 斌，李西洋

(石河子大學機械電氣工程學院，新疆石河子832000)

隨著低碳經濟的興起，風電產業在我國乃至全球快速發展，產業規模不斷擴大，風力機葉片覆冰問題也愈發突出，導致風電事故頻發，直接影響風力機組運行安全和風電產業經濟效益。本文借鑒其他領域風險評估分析方法，分析風力機系統中葉片覆冰風險因素，提出風力機葉片覆冰風險模糊三維矩陣評估模型，為風力機葉片覆冰風險評估提供一種新思路，也為風電企業制定合理有效的管控措施給予一定的理論支持。

1 風險矩陣理論

在風電企業中，事故的發生不僅會給企業造成損失，也會對風電場周邊生態環境以及人員生命財產安全造成嚴重影響。因此，針對風力機系統進行風險因素分析與評估對于風電事故的預防與管控策略的制定有著重要意義。實際研究與工作中有較多風險評估方法，學者通常采用的是實際工程中常見的風險矩陣評估方法[1，2]。風險評估矩陣法是一種通過矩陣定量分析進行風險研究的綜合評估方法。它是由可能性(P)和嚴重性(S)作為評估的兩個維度所構建的一種風險評估矩陣，并對其賦予相應的加權值來計算系統風險值大小Z[2]?，F有的二維風險矩陣通過風險可能性和嚴重性分別來表征風險的不確定性和危害性，并未對風險的可控性做出反映，一定程度上影響了實際應用過程中風險矩陣評估的全面性和真實性[1]。因此本文將對二維風險矩陣進行改進，嘗試一種全新方法對風力機葉片覆冰風險進行全面分析與評估。

2 改進的三維風險矩陣模型

2.1 三維風險矩陣設計

三維風險矩陣是在傳統風險矩陣原有兩種維度的基礎上，引入可預測性維度所構建的評估模型[3，4]?？深A測性是指維護人員在一定時間內采取控制措施來解決風險的能力和水平。本文增加可預測性維度(V)，從可能性、嚴重性、可預測性3個維度對風力機葉片覆冰風險進行評估。風險值即Z=f(P，S，V)。

2.2 風險因素等級

本文將以我國法律法規和風電行業行為規范作為參考依據，確定風力機葉片覆冰風險可能性、嚴重性和可預測性的分級標準[1，5]。具體分級標準見表1～3。

表1 風險可能性(P)分級

表2 風險嚴重性(S)分級

表3 風險可預測性(V)分級

2.3 風險因素權重

為合理構建三維風險矩陣，采用9級標度法確定可能性、嚴重性及可預測性權重。表4為9級標度值。

表4 9級標度值

對于判斷矩陣，風險因素i與風險因素j的重要性之比為aij(aij>0)，aii=1且aij=1/aji(i，j=1，2，3)。根據表4提供的九級標度值進行計算，經檢驗后得出風力機葉片覆冰風險可能性、嚴重性和可預測性權重向量依次為w(p，s，v)= (0.323，0.533，0.144)。

3 新疆風力機葉片覆冰風險評估

3.1 G1法和模糊綜合評判法原理

由于新疆風力機葉片覆冰風險評估體系中因素較多，且具有一定的模糊性，全面對風險影響因素進行量化分析較為困難。因此，通過G1方法分別賦予風險準則層與指標層兩級評估指標相應權重，然后采用模糊關系合成原理對新疆風力機葉片覆冰風險進行多層次模糊評估[7- 10]。

3.2 G1法權重計算

郭亞軍教授改進特征值法，提出了一種全新的權重計算方法——G1法，有效地解決了AHP方法中難以滿足一致性的問題。G1法權重計算步驟如下：

(1)確定序關系。對于給定的評估標準，若指標ai的重要性大于aj則將其記為：ai>aj。專家從評估指標集{a1，a2， …，am}中依次選擇一個最重要的指標，按照次序標記為x1，x2，…，xm。經過m-1次選擇，按“>”確定唯一序關系，記為x1>x2>…>xm。

表5 rk賦值參考

(3)計算權重系數。權重系數公式為

(1)

wk-1=rkwk

(2)

3.3 模糊綜合評估

模糊綜合評估法是一種運用模糊數學隸屬度理論對研究對象進行綜合分析評估的方法[9，10]。特別適用于像風力機葉片覆冰風險評估這樣風險因素較多、難以量化且具有非確定性的問題。模糊評估模型及過程如下：

(1)結合實際工作情況，確定評估因素集為U={U1，U2，U3}，Ui={Ui1，Ui2，…，Uin}，如表6所示。

(2)根據新疆風力機葉片覆冰風險發生的實際情況并結合風險因素分級標準，確定評語等級由低到高依次為：小、較小、一般、較大、大。確定新疆風力機葉片覆冰風險評語集：可能性評語集為V1={V11，V12，V13，V14，V15}；嚴重性評語集為V2={V21，V22，V23，V24，V25}；可預測性評語集為V3={V31，V32，V33，V34，V35}。表7為該評語集臨界值。

(3)根據模糊數學中的隸屬度相關理論，選取N個專家根據前一步驟中所建立的評語集V對所有評價指標進行分類，然后對隸屬于每個評估等級的各項評估指標Uij的頻數進行詳盡統計，并記為nijl[8- 11]。指標頻數nijl與專家數量N之間的比值記為rijl，即為該項指標相對于評估等級的隸屬度，計算公式為

rijl=nijlN-1

(3)

(4)根據隸屬度，確定模糊評估矩陣為

(4)

基于已獲得的權重矩陣wi和評級矩陣Ri，得到模糊評估矩陣B為

(5)

(5)分別對指標Uij與指標Ui進行模糊評估，構造模糊評估矩陣C為

C=wR=[c1c2…cm]

(6)

值得注意的是，完成模糊綜合評估矩陣的構建后，應參照評語集選擇合適的比較參數。根據表7中數據，選取其中值1，3，5，7，9作為等級加權向量DT，能夠更加直觀清楚表示新疆風力機葉片覆冰風險E=DT。依據E值可判別新疆風力機葉片覆冰可能性、嚴重性、可預測性三者等級。

表6 評估指標體系

表7 評語集臨界值

4 三維風險矩陣構建

依據表1、2、3中等級分類情況，并參考二維風險矩陣風險值計算方法[12- 14]，計算三維風險值矩陣

(7)

式中，wp表示可能性權重值；ws表示嚴重性權重值；wv表示可預測性權重值；pi、sj、vk分別代表三者各自相對應等級賦值。

借鑒傳統風險矩陣建立方法，并依據本課題研究情況，將新疆風力機葉片覆冰風險等級按照風險值劃分為3個等級，如表8所示。

表8 風險等級表

在三維坐標系中，分別以可能性、嚴重性、可預測性作為坐標的三個維度，構建三維風險矩陣色譜圖。其中，黑色部分表征高風險狀況，灰色部分表征中等風險狀況，白色部分表征低風險狀況。

5 三維風險矩陣示例

選取新疆地區某風電場運行風電機組進行研究，評估該風電場機組風力機葉片覆冰風險的可能性、嚴重性和可預測性?；谀：S風險矩陣方法對風力機葉片覆冰風險進行模糊綜合評估。

表9 因素指標權重及評估結果

5.1 指標權重確定

采用G1法首先對準則層指標進行重要性排序，確定序關系為U2>U3>U1>U4，記為x1>x2>x3>x4。參照表5確定重要度比值為r2=1.2，r3=1.4，r4=1.2。依據式(1)和(2)依次計算出準則層指標權重W=(0.285 0，0.203 5，0.341 9，0.169 6)。同樣，依據此方法計算準則層U1、U2、U3、U4中各項二級指標的權重，結果見表9。

5.2 多層次模糊綜合評判

根據表7中的標準，評估該風電場風力機葉片覆冰風險可能性，計算各項指標隸屬度，結果統計整理如表9所示。根據表9中的計算結果，構建模糊矩陣Ri。以管理因素U1為例，其評估矩陣為

根據式(5)對管理因素進行評估，計算得B1=(0.178 2，0.163 6，0.174 5，0.203 7，0.280 0)

同理可得，U2、U3、U4評估向量為：B2=(0.133 7， 0.203 1， 0.202 8，0.203 1，0.257 3)；B3=(0.111 9， 0.169 1， 0.186 3， 0.270 9， 0.261 8)；B4=(0.080 0， 0.168 6， 0.250 7， 0.261 6， 0.239 1)。

由此可得準則層評估指標矩陣R為

依據式(6)進行評估，確定風險可能性等級：Cp=WR=(0.129 8，0.174 4，0.197 2，0.236 4，0.262 2)，Ep=CDT=5.653 6。

可知該風電場風力機葉片覆冰風險可能性評估值為5.653 6，處于評估值4～6之間，即風險可能性為一般水平。同樣，根據此方法可以得到風險嚴重性、可預測性評估值分別為5.717 4和5.606 6。

5.3 三維風險矩陣建立

結合表1、2、3的三維風險因素，按式(7)計算風力機葉片覆冰風險值Z。根據上述計算得出的125組葉片風險組合可以獲得三維風險矩陣色譜圖，如圖1所示。色譜圖中的每個小方塊代表風險可能性、嚴重性和可預測性的一種組合，能夠清楚直觀的表示評估對象所對應的風險狀況。

圖1 三維風險矩陣色譜

6 結 論

(1)在傳統二維風險矩陣基礎上，將可預測性維度引入到新疆風力機葉片覆冰風險評估體系中，基于矩陣的三個維度對葉片覆冰風險進行研究，構建一種全新的三維風險矩陣評估模型，為風險研究提供了一種更為全面、準確的評估方法。

(2)鑒于AHP法難以滿足一致性的問題，采用G1法依據模糊數學的方法對量化較為困難的指標進行模糊賦權，有效解決了指標難以量化的問題。

(3)通過對新疆某風電場風力機覆冰葉片風險研究，說明該模糊三維風險矩陣評估模型具備良好的應用價值。為風力機葉片覆冰風險管控提供理論依據，提高企業監管的針對性，能有效降低重特大風電事故發生概率，確保風力機安全平穩運行。