許 強,劉 楊,賈瑩超
(中國能源建設集團科技發展有限公司,天津 南開300091)
我國海上風電即將進入大規模發展階段,越來越多的海上風電場投入運行,海上風電智慧運維管理是我們即將面對的挑戰。與陸上風電相比,海上風電運維運維難度較大,一方面是海上風電特殊的工作環境影響(如海上高鹽霧、高濕度環境對設備性能的影響,水文氣象因素對出海窗口期的影響)造成設備可靠性差、故障率高、維護周期長、維修工藝復雜;另一方面由于新機組應用后的性能未得到充分的驗證、缺乏專業維護團隊、遠程故障診斷和處理水平偏低等因素影響。所以,亟須研究構建綜合海上風電智慧運維平臺。隨著通信技術的不斷進步,基于數字化技術開發海上風電智慧運維管理系統,可實現運維模式和策略的智能優化,統籌區域內海上風電運維資源,有效降低運維成本,提高發電量,提升安全生產管理水平。
近年來風力發電機組廠商以及海上風電投資運營單位都在積極建設故障診斷和遠程預警系統,但受限于海上風力發電機組運行時間段、故障數據積累匱乏等因素影響,當前的故障診斷和遠程預警體系和水平尚不足以支撐海上風力發電機組運維成本的大幅降低。目前,海上風電運維面臨以下亟待研究解決的難題。
在距離海岸較近的地方,小型運維船具本成本優勢,但是,在遠海風電場,由于海上風電運維船舶受天氣、海況等不確定因素影響,故障缺陷不能像陸上風電那樣及時處理,造成風機因故障停運的情況時有發生。
專業運維船舶使用或租用成本較高,考慮運維船舶出行成本,單一故障處理、維護產生的經濟成本巨大,僅為了維修某臺風力發電機組動用大型運維船舶對風電場的效益產生極大的影響。
由于海上風電起步較晚,運維管理缺乏先進的管理方法和信息化的技術手段支撐,生產管理比較粗放,亟待提升運維管理智能化、智慧化水平。
海上風電運維受到海洋水文氣象條件、設備狀態及故障率、停機損失、運維人員配置、船舶狀態、備件管理、海洋生態環境等諸多因素影響,海上風電智慧運維管理平臺開發需采集大量數據,如水文氣象、區域環境、船舶、人員、設備等數據基于各類數據提出數據分析、處理模型,確定所有可能影響運維工作的評價維度,建立多個維度統一的,以一定時間窗口期內運維成本最低為目標的海上風電智慧運維調度策略模型。
通過建立海洋、水文氣象條件與運維船舶大小、吃水深度、排水量等關系模型,獲取不同條件下的船舶出海影響模型,結合風電場數據監測系統制定基于大數據分析的海上風電運維船舶智能調度策略。根據大數據計算提供的區域內運維船舶情況、碼頭資源、水文氣象條件、設備參數及故障情況、備件庫存、運維人員配置等條件,最優化配置運維船舶資源,制定船舶出海計劃。
目前海上風電場均采用遠程對風機及相關設備的運行狀態進行監控,當監盤人員發現設備異常、故障報警或停機時,會派遣運維人員去現場解決。風機及相關設備定期工作,預防試驗或故障檢修時,運維人員會根據實際情況制定技術方案,建立運維策略,所以合理的維護人員數量、能滿足不同情景的運維船舶、所能攜帶的工具、備件、海洋水文氣象條件、故障檢修時間、可進入方式的選擇等都是運維策略所需考慮的問題。擁有合理可靠的運維策略和資源,不僅可以事半功倍而且可以帶來更大的效益。
為保證智慧運維方案合理有效,精準調度,需要逐步構建不同層次的數學模型:海上潮汐、海浪、海流、水深、海冰等不同海洋水文條件的輸入對海上風電海上運維作業的調度影響;風速、風向、海霧、雷暴、熱帶氣流等不同氣象條件對海上運維作業的影響;海洋水文、氣象條件與運維船舶大小、吃水深度、排水量等關系模型,海上風電場各風機、設備運行狀態、維護保養計劃、缺陷情況、故障情況、備品備件情況、現場人員情況、船舶使用情況等對運維調度的影響,根據不同場景構建不同條件下的船舶出海影響模型,確定海洋水文、氣象與作業環境、工作時間、人員安排、工具及備品材料、船舶調度等條件對運維工作的綜合影響模型。
影響海上風電運維成本因素包括:氣象、海況、風機平臺登陸限制、運維人員數量、值班制度、因故障或定檢停機導致的發電量損失、船舶和運輸限制、碼頭選擇、風場設備停運、備品、備件數量等因素。通過采用多任務組合出海的運維策略模型,以及基于海上水文氣象因素的運維船舶航線優化選擇,可以降低總體運維成本。考慮到運維船舶的可用率、海洋氣象條件等限制性條件的影響,需要構建基于船舶、人員、備件消耗成本最優化的數學模型,以運維工作時間作為目標優化決策變量,并引入松弛因子作為運維船舶可用率、氣象海況、人員安排、備件消耗等費用靈敏度分析的量化指標。從運維船舶選擇角度出發,考慮船舶費用、風速、浪高、發電量損失作為約束條件,以此構建運維成本模型。
統籌考慮可能影響運維成本的因子,如風機位置、港口位置、氣象條件、海況條件、船舶類型和人員分布等條件,以運維的直接成本最低、損失的發電量最少、安全可靠性最高作為海上風電運維最優策略,可以得到最優運行維護策略流程如圖1所示。

圖1 海上風電最優運維策略流程
3.2.1 水文、氣象變量因素
海上風電運維工作面臨著風浪、海流、海霧、臺風、潮汐、雷暴等水文氣象條件的影響,這些因素直接影響著運維船只的選擇和出海時間窗口期的確定,其中,風浪是影響制定日常運維工作計劃的主要因素。
浪高和風速是影響日常運維船舶出海的主要因素,運維工作要根據當前浪高和風速條件確定是否能夠出海或選擇何種運維船舶才可能開展運維工作。由于預測的水文氣象數據可能和實際有所偏差,為了降低出海運維階段的安全風險,模型要設置選取最苛刻的限制條件,作為滿足運維船舶出海的基本條件。不同等級運維船舶出海允許條件均應滿足保障安全航行的最低要求。
3.2.2 環境地理因素
環境地理因素也是影響海上風電運維策略的重要因素,包括:海上風電場區域內風機、升壓站、海纜等設備的數量及分布情況,區域內島嶼、暗礁和其他影響航行的障礙物情況,出海碼頭及船舶的位置,物資倉庫及運維人員基地位置,海事管理部門對本區域內船舶航行的特殊要求等。
3.2.3 運行維護資源
包括管理制度,運維人員配置方式,值班安排,各類型運維船舶數量,備件管理模式等。管理制度應結合海上風電特殊性,運維模式應以確保出海運維期完成相關機組和設備所有檢查和維護項目為目標,在一定周期內全覆蓋完成所有設備檢查和維護。所以合理安排運維船舶航線和運維人員數量是提高運維可以有效工作效率。考慮到場內設備故障偶發性和出海窗口期的不確定性,風電場的日常維護所需材料及各種備件應提前準備充足。
3.2.4 海上風電智慧運維模型
智慧運維模型設計原則為充分利用船舶出海時間窗口完成盡量多的運維任務,使得每次出海運維工作效率最高,總體運維成本最低。模型通過綜合判斷各種因素影響的分析結果,根據下一步運維工作計劃和臨時故障檢修任務確定出可以在本次窗口期內完成的運維任務,并確定使用的運維船舶、運維人員、備件及材料等要素,按照多任務出海運維模式如圖2所示,完成既定的運維任務,從而達到智慧運維的目的。

圖2 海上風電多任務出海運維模式
出海窗口期多任務運維模式是把運維人員按照設計路線依次送到指定風電機組上,直至最后第n臺機組,待最后一臺機組運維任務完成后,船舶開始返程,并依次把n臺機組的運維人員逐步接回來,假設出海準備時間為tzb,碼頭到第一臺風機的時間為tgo,登陸到機組時間為tzy,回程登船時間為thc,機組間航行時間為tzj,第i臺機組運維工作時間為Ai,那么完成n項運維工作的最短出海時間tmin算法如下。
計算n個運維任務需要時間

將tyw.i按照升序進行排序。
若n個運維任務中,運維需用時間最短的任務是n,則按照下式計算n組運維人員的最短返程時間tmin.n:

若n個運維任務中,運維需用時間最短的任務不是n,則按照下式計算n組運維人員的最短返程時間tbest.n:

利用tmin.n計算最短出海運維時間:

通過以上算法。可以得出n個運維任務的最短運維時間和船舶調度策略。最終得出總的出海運維時間如下:

為了充分利用出海窗口時間完成最多運維工作,合理安排運維任務順序和數量是主要決策因素,當存在出海時間均小于出海窗口時間且數量相同的兩組運維任務時,優先選擇出海運維需用時間較長的組合,當運維工作內容相同時,應先處理先發故障的機組,一般系統故障監測會設置故障序號字段,先發故障序號小,因此可用故障序號代表時間順序。
假設當前有m組不同運維任務組合,第i組運維任務數量為ni,出海運維時間為ti,第i組故障序號之和為di,則選擇目標函數可定義為:

式中:nmax為全部運維任務組合中最大運維任務數量;tmax為最長運維需用時間;dmax為最大故障序號之和;nmin為全部運維任務組合中最大運維任務數量;tmin為最短運維需用時間;dmin為最小故障序號之和;M1和M2為正整數,且滿足M1≥M2。
3.2.5 出海約束條件
由于船舶出海受水文氣象條件、地理環境、運維工作內容、船舶資源、運維人員配置等各類因素的限制,因此需要確定相應的約束條件,本模型設計約束條件劃分為3類,即出海時間窗口約束、船舶載重量約束、運維人員配置約束。
假設第i組運維任務出海時間為tyw.i,所需人員數量為nry,備品及工具重量為wwz,時間窗口長度為twindow,船舶載人量為nzr,船舶載重量為wzz,運維人員數量為nzrs,運維人員體重系數為k,則約束條件如下:

綜合考慮保障船舶安全航行的各類因素(如區域內船舶狀況、碼頭資源、海洋水文氣象條件、船舶數據、燃油成本、船舶吃水和排水量等),轉化為對應的數學約束條件,結合風電場設備實時監測信息、備件材料信息、船舶信息、海面航行信息、人員配置信息等,構建基于船舶物聯網的船舶智能優化航行方案,在給定優化目標下,通過算法給出最優或較優的出行航線方案,最終確定包含船舶的出海計劃,人員配置,運維工作順序安排與備件調配計劃等內容的總體智慧運維方案。
建立全生命周期的運維成本統計模型,將設備管理、備品備件管理、人力管理、生產管理中的運維成本進行系統的研究與整合,便于對運維成本進行分析和優化。通過海上風電運維成本控制,可以對于海上風電運維成本的資本性支出和經營性支出進行全生命周期的細化分析及結合各項影響因素的關聯分析,進而評估運維資源分配及后期設備維護計劃對于整體運維成本的影響情況。
通過搭建智慧運維管理平臺來實現數字海上風電智慧運維策略的實際應用,通過各功能模塊細化保證海上風電安全生產管理標準化,具體分為11個功能模塊。
首頁,此功能由2個功能模塊組成,用戶首頁模塊用于根據用戶角色區分顯示歡迎信息;管理大屏模塊用于管理監測大屏,全方位展示數字化海上風電場成果。
監測管理。此功能由4個功能模塊組成,系統監測模塊用于監測風場總體概況,風機監測模塊用于監測風機運行情況,升壓站監測模塊用于監測升壓站運行情況,箱變監測用于監測箱變運行情況。
運維管理。此功能由10個功能模塊組成,操作票模塊用于對操作票進行管理;工作票管理模塊用于對工作票進行管理;檢修管理模塊用于對檢修工作進行管理;培訓管理模塊用于對運行培訓工作進行管理;巡視管理模塊用于對巡視檢查工作進行管理;交接班管理模塊用于對交接班工作進行管理;值長日志模塊主要用于值長工作記錄;考核事項管理模塊主要作為考核評分記錄;設備輪換模塊主要用于對設備定期輪換工作進行管理;督辦信息模塊,主要用于對當前督辦事務的管理。
設備管理。此功能由5個功能模塊組成,物資管理模塊用于對物資入庫、出庫、儲存、使用的管理;缺陷管理模塊用于對設備缺陷全過程進行管理;故障解決方案模塊用于為主要設備提供故障快速解決方案;告警監測模塊用于風電場內設備告警監測的管理;設備位置模塊用于設備所屬具體位置分布記錄。
調度管理。此功能由5個功能模塊組成,調度計劃模塊用于對生產調度計劃進行管理;船舶管理模塊用于對船舶調度計劃進行管理;策略管理模塊用于對調度策略進行設置;氣象監測模塊用于對氣象信息進行監測預警;海況監測模塊用于對海況信息進行監測預警。
安全管理。此功能由7個功能模塊組成,應急預案模塊用于對海上風電場各項應急預案進行管理;事故預想模塊用于記錄事故預想工作完成情況;安全檢查模塊用于記錄風電場各項安全檢查工作情況;安全管理體系模塊用于三級安全網絡及各崗位安全職責;安全活動模塊用于風電場開展安全活動記錄;事故分析模塊用于事故分析記錄;安全演練模塊用于安全及反事故演練記錄。
計劃管理。此功能由5個功能模塊組成,電量計劃模塊用于顯示下達的電量計劃;巡檢計劃模塊用于規定風電場各崗位巡檢計劃;設備檢修計劃模塊用于主要設備檢修計劃安排;培訓計劃模塊用于制定月度、年度各類培訓計劃;物資采購計劃用于制定月度、年度采購計劃。
策略管理。此功能由3個功能模塊組成,最小成本模塊用于設置運維方案最小成本邊界條件;最少設備模塊用于設置運維方案最少用設備邊界條件;最快時間模塊用于設置運維方案最快時間邊界條件。
建模管理。此功能由4個功能模塊組成,主要應用于建立數學模型,風場分布模塊用于建模風場位置、區域情況;風機分布模型用于風機機位分布情況;船舶分布模塊用于建模運維船舶分布情況;人員分布模塊用于建模人會員分布情況。
用戶管理。此功能由4個功能模塊組成,部門管理模塊用于對組織機構進行維護;人員管理模塊用于對人員基本信息進行維護;角色管理模塊用于對角色信息進行維護;權限管理模塊用于對權限信息進行維護。
系統管理。此功能由3個功能模塊組成,基礎數據模塊用于對基礎數據進行初始化和設置;系統監測模塊用于對系統運行情況進行監測;密碼管理模塊用于對用戶密碼進行統一管理。
通過分析海上運維管理各項要素,構建智慧運維管理模型,結合大數據、物聯網和智能技術來進行開發海上風電智慧運維管理平臺開發,系統架構如圖3所示。系統主要包括用戶層、應用層、平臺層、組件層、數據層、基礎層等功能模塊。用戶層、應用層主要實現用戶需求與系統輸入輸出間的交互,平臺層、組件層、數據層主要實現需求分析、數據處理、策略優化計算等核心功能,基礎層主要實現海量大數據儲存。

圖3 海上風電智慧運維平臺系統架構
本文主要分析了海上風電場運維管理存在的問題及技術需求,結合海上風電場區域內水文、氣象、環境特點,運維工作實際特點及安全生產工作要求等約束條件,提出了海上風電船舶調度策略及智慧運維模型的構建方法,研究形成了海上風電智慧運維管理平臺系統架構。海上風電智慧運維管理平臺通過對海上風電場日常運維進行科學的規劃,解決了海上風電運維管理安全與效率,成本與效益的平衡問題。海上風電智慧管理平臺的推廣應用可以有效提升海上風電日常運維管理、設備健康管理水平,確保海上風電場的安全穩定運行并創造最大經濟效益。