張琛，郭盛，高偉，邱逢濤，楊濤,李友良

(1.華中科技大學(xué) 能源與動力工程學(xué)院，湖北 武漢430074；2.華能湖北分公司，湖北 武漢430077)

?

基于可靠度的風(fēng)電機組機會維修策略

張琛1，郭盛1，高偉1，邱逢濤2，楊濤1,李友良1

(1.華中科技大學(xué) 能源與動力工程學(xué)院，湖北 武漢430074；2.華能湖北分公司，湖北 武漢430077)

摘要：在傳統(tǒng)預(yù)防性維修的基礎(chǔ)上，提出基于可靠度的風(fēng)電機組機會維修策略，當(dāng)某一部件損壞造成系統(tǒng)必須停機維修時，可將其他未發(fā)生故障部件的維修時刻提前，從而減少系統(tǒng)停機次數(shù)。結(jié)合具體風(fēng)力機實例，通過仿真分析驗證了機會維修策略相較于傳統(tǒng)預(yù)防性維修策略的經(jīng)濟性優(yōu)勢,并結(jié)合果蠅算法求出最佳機會維修閾值。

關(guān)鍵詞：風(fēng)力機；可靠度；機會維修；果蠅算法

隨著風(fēng)力機空氣動力學(xué)、葉片葉形設(shè)計、故障診斷等技術(shù)的突破，風(fēng)力發(fā)電產(chǎn)業(yè)正得到迅猛的發(fā)展。全球風(fēng)能理事協(xié)會發(fā)布的最新數(shù)據(jù)顯示，2014年全球風(fēng)電新增裝機容量51.477 GW，累計裝機容量達(dá)369.553 GW[1]。根據(jù)丹麥BTM公司的預(yù)測，在接下來的5年時間內(nèi)，全球風(fēng)能的累計裝機容量將以平均每年12%的速度遞增。由于風(fēng)力機大部分運行在風(fēng)沙、潮濕、腐蝕等惡劣環(huán)境下，隨著裝機容量的遞增，風(fēng)電場的故障概率呈現(xiàn)上升的趨勢。有文章指出，陸上風(fēng)力發(fā)電機組每千瓦時的運行檢修費用占總生產(chǎn)成本的15%～20%，而海上風(fēng)電機組的維修費用則更高[2]。所以，針對風(fēng)電場的實際運行狀況，選擇科學(xué)、合理的維修策略勢在必行。

傳統(tǒng)的維修策略大致可以分為3類：事后維修、預(yù)防維修、狀態(tài)維修。事后維修主要是針對小型系統(tǒng)，故障的發(fā)生對于產(chǎn)品或環(huán)境的影響不大時采取該維修方式。預(yù)防維修是在故障還沒發(fā)生之前，按照事先預(yù)定的時間間隔所采取的維修措施。狀態(tài)維修是根據(jù)系統(tǒng)的實時狀態(tài)數(shù)據(jù)來調(diào)整維修計劃，是一種更為精確的維修方式，但是系統(tǒng)需要配備復(fù)雜、昂貴的狀態(tài)監(jiān)測、數(shù)據(jù)處理、維修決策設(shè)備，成本較高。機會維修策略是在預(yù)防維修的基礎(chǔ)上發(fā)展起來的維修方式，它利用了系統(tǒng)部件之間的相關(guān)性。對于電力系統(tǒng)，部件的故障維修必然伴隨著巨大的停機損失，機會維修策略就是利用系統(tǒng)的停機時刻，對系統(tǒng)其他滿足預(yù)設(shè)條件的部件進(jìn)行提前維修，從而達(dá)到節(jié)省維修成本的目的。

機會維修策略是近年來維修領(lǐng)域的研究重點，在國內(nèi)外已取得不少的研究成果。趙洪山等[2-3]提出了機會更換概率密度的近似分布函數(shù)，并在分別考慮隨機故障和不考慮隨機故障的前提下，通過尋優(yōu)算法得出風(fēng)力機各部件的最佳維修閾值；蔡景等[4-5]利用蒙特卡洛仿真方法，給出系統(tǒng)隨機故障的產(chǎn)生時刻，通過系統(tǒng)維修成本率和可用度驗證了機會維修的實踐意義。楊元等[6]提出了從時間相關(guān)性、故障相關(guān)性、結(jié)構(gòu)相關(guān)性和功能相關(guān)性4個方面描述多部件系統(tǒng)的維修相關(guān)性，并建立多部件系統(tǒng)機會成組優(yōu)化模型，得到各部件的最佳機會維修閾值集。Fard等[7]針對K類部件預(yù)設(shè)了維修閾值L和維修冗余u，在對達(dá)到L的部件進(jìn)行維修的同時，對處于(L-u，L)的其他未故障部件同樣實施維修，以維修成本率作為決策目標(biāo)，尋求最佳L和u值。Pham等[8]以k-out-of-n的表決系統(tǒng)為研究對象，建立其機會型預(yù)防維修模型。Ding等[9]在考慮不完全維修影響的前提下，給出3種預(yù)防維修策略，并以實例說明機會維修策略的可行性。

現(xiàn)有的機會維修策略大多以時間條件作為維修的閾值，而且對最佳維修閾值的討論較少。由于在實際的風(fēng)力機運行過程中，設(shè)備的狀態(tài)與運行時間之間并非單純的線性關(guān)系，僅僅以時間作為維修條件會導(dǎo)致維修策略的實施與系統(tǒng)運行狀態(tài)不同步，無法滿足生產(chǎn)實際需求。本文在總結(jié)前人工作的基礎(chǔ)上，提出以可靠度作為維修決策閾值，針對具體的風(fēng)力機實例，通過仿真算法驗證機會維修的可行性，并結(jié)合果蠅尋優(yōu)算法提出風(fēng)力發(fā)電系統(tǒng)的最優(yōu)機會維修閾值，為實際的運行維修提供指導(dǎo)。

1風(fēng)力機組機會維修策略

1.1可靠度理論

可靠度是指部件在特定的時間和環(huán)境下完成規(guī)定功能的概率。對于一個全新的部件，其可靠度為1；對于完全失效、喪失工作能力的部件，其可靠度為0。所以，隨著部件的運行，其可靠度函數(shù)是從1到0的遞減函數(shù)。根據(jù)風(fēng)力機的故障統(tǒng)計數(shù)據(jù)，兩參數(shù)的威布爾分布可以近似表達(dá)出其可靠度的變化過程。部件i的可靠度函數(shù)

式中：αi為部件i的尺度參數(shù)，其值影響著威布爾函數(shù)曲線尺寸比例的大小；βi為部件i的形狀參數(shù)，其值影響著曲線的形狀；t為時間。

通過風(fēng)電機組各關(guān)鍵部件的失效函數(shù)h(t)及其歷史故障數(shù)據(jù)，利用最大似然估計方法可求取αi和βi。產(chǎn)品的失效率表示產(chǎn)品裂化過程中喪失工作能力的概率。對于滿足兩部件威布爾分布的部件i而言，其失效率函數(shù)

1.2隨機故障時間的產(chǎn)生

產(chǎn)生一組(0,1)內(nèi)的均勻隨機數(shù)δ1，δ2，…，則部件i的隨機故障時刻

1.3模型假設(shè)

為較好地說明情況和簡化計算，本文的維修模型基于以下假設(shè)：

a)風(fēng)力機各部件服從威布爾分布，且故障率分布相互獨立。

b)風(fēng)力機任一部件的故障會導(dǎo)致系統(tǒng)故障，且必須停機維修，停機維修時間相對于系統(tǒng)的運行時間可忽略不計。

c)只考慮風(fēng)力機各部件之間的經(jīng)濟相關(guān)性影響，不考慮結(jié)構(gòu)相關(guān)、故障相關(guān)等其他相關(guān)性。

d)在風(fēng)力機維修成本中，考慮系統(tǒng)固定維修費用(即系統(tǒng)停機損失)、故障維修費用、預(yù)防維修費用，且故障維修費用遠(yuǎn)遠(yuǎn)大于預(yù)防維修費用。

1.4機會維修模型

傳統(tǒng)的預(yù)防性維修不考慮部件之間的相關(guān)性，每個部件按照其單獨設(shè)定的維修計劃進(jìn)行維修，當(dāng)任一部件發(fā)生隨機故障，或達(dá)到其預(yù)防維修閾值時，系統(tǒng)即停機對部件進(jìn)行更換維修。而機會維修則充分利用部件之間的相關(guān)性，當(dāng)某一部件的損壞造成系統(tǒng)必須停機進(jìn)行維修，其他尚未故障的部件即獲得一個維修機會，這時可以考慮將未發(fā)生故障部件的維修時刻提前，利用系統(tǒng)巨大的停機損失來達(dá)到節(jié)約成本的目的。

基于可靠度的機會維修策略如圖1所示，其中Ro為預(yù)設(shè)機會維修可靠度閾值，Rp為預(yù)設(shè)預(yù)防維修可靠度閾值，to為機會維修時刻，tp為預(yù)防維修時刻。

圖1　機會維修策略

預(yù)先設(shè)定各部件的機會維修可靠度閾值和預(yù)防性維修可靠度閾值，當(dāng)部件運行在0～to時間段，發(fā)生隨機故障時，系統(tǒng)即停機進(jìn)行更換；當(dāng)部件運行至to～tp時間段，發(fā)生故障即停機更換，或者有其他部件故障導(dǎo)致系統(tǒng)停機時進(jìn)行機會維修；當(dāng)部件運行至tp時則進(jìn)行預(yù)防性更換。

2數(shù)值計算

風(fēng)力機系統(tǒng)的預(yù)防維修策略、機會維修策略流程分別如圖2、圖3所示，其中tpj為部件j的預(yù)防維修時刻，tfj為部件j的故障維修時刻，toj為部件j的機會維修時刻，pi和fi分別為部件i的預(yù)防維修次數(shù)和故障維修次數(shù)，oj為部件j的機會維修次數(shù)，n為預(yù)先設(shè)定的仿真次數(shù)。

圖2　預(yù)防維修策略流程

圖3　機會維修策略流程

通過記錄各部件在預(yù)設(shè)仿真次數(shù)下的維修次數(shù)，可得到系統(tǒng)的維修成本率η，其計算式為

式中：C0為系統(tǒng)的固定維修費用，Cfi為部件i的故障維修費用，Cpi為部件i的預(yù)防維修費用，Coi為部件i的機會維修費用，T為系統(tǒng)運行總時間。

3算例分析

3.1仿真分析結(jié)構(gòu)比較

本文結(jié)合文獻(xiàn)[9]算例對所提仿真算法進(jìn)行驗證，將風(fēng)力發(fā)電系統(tǒng)簡化為由轉(zhuǎn)子、軸承、齒輪箱和發(fā)電機4部件組成的系統(tǒng)，各部件的威布爾分布參數(shù)以及維修數(shù)據(jù)見表1。為了簡化計算，本文設(shè)置4部件的預(yù)防維修可靠度閾值均為0.1，機會維修可靠度均為0.2。

表1風(fēng)力機各部件威布爾參數(shù)

部件威爾布參數(shù)αi/dβi維修費用/萬元C0CfiCpiCoi轉(zhuǎn)子300033.511.22.82.8軸承375023.56.01.51.5齒輪箱240033.515.23.83.8發(fā)電機330023.51.02.52.5

預(yù)設(shè)總的仿真次數(shù)為10 000次，每次仿真系統(tǒng)均產(chǎn)生新的隨機數(shù)，可認(rèn)為這10 000次仿真獨立同分布，可適用于經(jīng)典統(tǒng)計分析方法[5]。預(yù)防性維修與機會維修仿真結(jié)果比較見表2。

表2仿真結(jié)果比較

仿真次數(shù)預(yù)防維修成本率/(元·d-1)機會維修成本率/(元·d-1)1000139.3422140.51982000141.5270137.33723000141.9233136.80944000142.7064136.87545000142.0990136.79906000141.4717136.90787000141.4552136.78128000141.2622136.88559000140.7559136.795410000140.9373136.7456

由表2可看出：隨著仿真次數(shù)的逐步增加，維修成本率的計算結(jié)果也逐漸穩(wěn)定；與傳統(tǒng)的預(yù)防維修相比，機會維修成本的經(jīng)濟性優(yōu)越。

3.2最優(yōu)機會維修閾值

果蠅優(yōu)化算法是由中國臺灣學(xué)者潘文超于2011年6月提出的，用于金融預(yù)警模型的研究，是一種基于果蠅覓食行為推演出尋求全局優(yōu)化的新方法，是在粒子群等群智能算法的基礎(chǔ)上發(fā)展而來的。依據(jù)果蠅的基本生理特性，將其尋找食物的過程進(jìn)行仿真模擬，從而獲得具有良好全局性能的尋優(yōu)方法。其本身具有尋優(yōu)速度快、不易陷入局部最優(yōu)、穩(wěn)定性高、尋優(yōu)精度高等特點，其應(yīng)用領(lǐng)域相當(dāng)廣泛，特別是在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)、支持向量回歸參數(shù)優(yōu)化、財務(wù)管理、企業(yè)風(fēng)險預(yù)警方面有著重要的應(yīng)用價值[10-11]。基于果蠅尋優(yōu)算法，針對上文風(fēng)力機實例的簡化模型，尋求風(fēng)力發(fā)電系統(tǒng)的最佳機會維修閾值。

在實際運行維護(hù)過程中，部件的預(yù)防維修閾值一般根據(jù)材料特性和歷史參數(shù)提前設(shè)定，所以在尋優(yōu)過程中仍然假定風(fēng)力機4部件的預(yù)防維修可靠度閾值為0.1。果蠅算法仿真尋優(yōu)過程如圖4所示。

圖4　果蠅算法迭代尋優(yōu)過程

由圖4可得：隨著迭代次數(shù)的逐漸增加，系統(tǒng)機會維修成本率為101.278 8 元/天，此時對應(yīng)的機會維修可靠度閾值為0.801 1，即當(dāng)系統(tǒng)必須停機維修時，對可靠度達(dá)到0.801 1的未故障部件實施提前更換維修，系統(tǒng)的維修成本率達(dá)到最小值。

4總結(jié)

機會維修策略是在傳統(tǒng)預(yù)防性維修策略的基礎(chǔ)上發(fā)展起來的，在風(fēng)電場維修策略的研究與應(yīng)用中受到越來越多的關(guān)注。機會維修的一大優(yōu)點就是可以利用系統(tǒng)龐大的停機損失，而這一優(yōu)勢在風(fēng)電場特別是海上電場可以得到放大。

本文首先介紹了基于可靠度的機會維修策略模型，并與傳統(tǒng)的預(yù)防維修模型相比較。結(jié)合具體的算例，以維修成本率作為決策目標(biāo)，仿真結(jié)果顯示與預(yù)防維修策略相比，機會維修在經(jīng)濟性方面體現(xiàn)出優(yōu)勢。最后結(jié)合果蠅尋優(yōu)算法求取風(fēng)力系統(tǒng)的最佳機會維修閾值，對實際的運行維護(hù)有一定的指導(dǎo)意義。

參考文獻(xiàn)：

[1] 全球風(fēng)能理事會. 2014年全球風(fēng)電裝機容量統(tǒng)計[J]. 風(fēng)能，2015(2)：50-53.

GWEC. 2014 Global Wind Power Installed Capacity Statistics[J]. Wind Energy, 2015(2):50-53.

[2] 趙洪山,鄢盛騰,張小田.風(fēng)電機組確定性機會更換維修策略的研究[J]. 太陽能學(xué)報,2014,35(4):568-574.

ZHAO Hongshan, YAN Shengten, ZHANG Xiaotian. Deterministic Opportunistic Replacement Maintenance Strategy for Wind Turbine[J]. Acta Energiae Solarris Sinica, 2014, 35 (4): 568-574.

[3] 趙洪山,張路朋. 基于可靠度的風(fēng)電機組預(yù)防性機會維修策略[J]. 中國電機工程學(xué)報,2014, 34(22): 3777-3782.

ZHAO Hongshan, ZHANG Lupeng. Preventive Opportunistic Maintenance Strategy for Wind Turbines Based on Reliability[J]. Proceedings of the CSEE, 2014 , 34 (22) : 3777-3782.

[4] 趙洪山,鄢盛騰,劉景青.基于機會維修模型的風(fēng)電機組優(yōu)化維修[J]. 電網(wǎng)與清潔能源,2012,28(7):1-5.

ZHAO Hongshan, YAN Shengteng, LIU Jingqing. Optimization Maintenance of Wind Turbine Based on Opportunisticmaintenance Model[J]. Power System and Clean Energy, 2012, 28(7): 1-5.

[5] 肖羅椿,蔡景,李鑫.系統(tǒng)單個部件機會維修的費用和可用度仿真[J]. 四川兵工學(xué)報,2014,35(6):40-43.

XIAO Luochun, CAI Jing, LI Xin. System Maintenance Cost and Availability Simulation Based on Single-part Opportunistic Maintenance[J]. Journal of Sichuan Ordnance, 2014, 35(6): 40-43.

[6] 楊元,黎放,侯重遠(yuǎn),等.基于相關(guān)性的多部件系統(tǒng)機會成組維修優(yōu)化[J]. 計算機集成制造系統(tǒng)，2012,18(4):827-832.

YANG Yuan, LI Fang, HOU Zhongyuan,et al. Opportunistic Group Maintenance Optimization of Multi-unit System Under Dependence[J]. Computer Integrated Manufacturing Systems, 2012, 18(4): 827-832.

[7] ZHENG X, FARD N. A Maintenance Policy of Deteriorating Systems[J]. European Journal of Operational Research, 2002 (139): 469-489.

[8] PHAM H, WANG H. Optimal(τ,T) Opportunistic Maintenance of ak-out-of-n:G System with Imperfect PM and Partial Failure[J]. Naval Research Logistics, 1996 (47): 223-239.

[9] DING F F, TIAN Z G. Opportunistic Maintenance for Wind Farms Considering Multi-level Imperfect Maintenance Thresholds[J]. Renewable Energy, 2012 (45): 175-182.

[10] 胡能發(fā).演化式果蠅算法及其應(yīng)用研究[J]. 計算機技術(shù)與發(fā)展,2013,23(7):131-134.

HU Nengfa. Evolutionary Fruit Algorithm and Its Application Research[J]. Computer Technology and Development, 2013, 23(7): 131-134.

[11] 祁麗婉,梁庚,童國煒.基于果蠅算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷[J]. 電網(wǎng)與清潔能源,2014,30(9):31-36.

QI Liwan. LIANG Geng, TONG Guowei. A Gear Box Fault Diagnosis Method Based on Fruit Fly Optimization Algorithm to Optimize the BP Neural Network[J]. Power System and Clean Energy, 2014, 30(9):31-36.

張琛(1992)，男，湖北鄂州人。在讀碩士研究生，研究方向為風(fēng)電場智能化運行維修策略。

郭盛(1992)，男，河南漯河人。在讀博士研究生，研究方向為振動信號處理及故障診斷。

高偉(1954)，男，湖北漢川人。教授，工學(xué)博士，從事熱工過程自動化、熱力設(shè)備與系統(tǒng)動態(tài)特性分析、辨識與建模、數(shù)字仿真研究工作。

(編輯李麗娟)

Opportunistic Maintenance Strategy for Wind Power Generators Based on Reliability

ZHANG Chen1, GUO Sheng1, GAO Wei1, QIU Fengtao2, YANG Tao1, LI Youliang1

(1.The School of Energy and Power Engineering, Huazhong University of Science and Technology, Wuhan, Hubei 430074, China; 2.Huaneng Hubei Branch, Wuhan, Hubei 430077, China)

Abstract：On the basis of traditional preventable maintenance, an opportunistic maintenance strategy for wind power generators based on reliability is proposed, which means that when damage of some component causes necessary shut-down and maintenance, it is able to bring forward maintenance time of other components without failures, so as to reduce shut-down times. It is proved by specific wind turbine examples and simulating analysis that this opportunistic maintenance strategy has better economy advantages compared with traditional preventable maintenance strategy. Optimal opportunistic maintenance threshold could be determined by using fruit fly optimization algorithm.

Key words：wind turbine; reliability; opportunistic maintenance; fruit fly optimization algorith

作者簡介：

中圖分類號：TM614

文獻(xiàn)標(biāo)志碼：A

文章編號：1007-290X(2016)02-0040-05

doi:10.3969/j.issn.1007-290X.2016.02.008

基金項目：國家科技支撐計劃資助項目(2015BAA06B02)

收稿日期：2015-10-26