收稿日期：2021-12-08

基金項(xiàng)目：國家電網(wǎng)有限公司總部管理科技項(xiàng)目（可再生能源互補(bǔ)的分布式供能系統(tǒng)關(guān)鍵技術(shù)研究與示范）（4000-201936202A-0-0-00）

通信作者：袁鐵江（1975—），男，博士、教授、博士生導(dǎo)師，主要從事大規(guī)模儲能與新能源發(fā)電并網(wǎng)技術(shù)等方面的研究。ytj1975@dlut.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2021-1510 文章編號：0254-0096（2023）04-0341-08

摘 要：該文提出一種基于改進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)防性維修策略。選取重要度和故障危害度評價(jià)指標(biāo)，將熵權(quán)法與層次分析法結(jié)合計(jì)算各預(yù)防性維修評價(jià)指標(biāo)的綜合權(quán)重，并量化為設(shè)備及其部件的重要度與危害度指數(shù)；提出基于威布爾分布的預(yù)防性維修費(fèi)用模型，建立考慮重要度、危害度、經(jīng)濟(jì)性三大預(yù)防性維修指標(biāo)的優(yōu)化體系；以基于改進(jìn)熵權(quán)層次法維修決策指標(biāo)最小為目標(biāo)提出分布式供能設(shè)備預(yù)防性維修模型，計(jì)算分布式供能設(shè)備的最優(yōu)維修時(shí)間間隔。以分布式供能系統(tǒng)各關(guān)鍵設(shè)備及風(fēng)力發(fā)電機(jī)組部件為例對提出的策略進(jìn)行數(shù)值模擬，結(jié)果顯示提出的預(yù)防性維修策略能較好地反晨映維修對象的故障發(fā)生規(guī)律并確定出更加科學(xué)合理的維修時(shí)機(jī)和周期。

關(guān)鍵詞：重要度；危害度；供能系統(tǒng)；改進(jìn)熵權(quán)層次法；預(yù)防性維修

中圖分類號：TM507 """""" 文獻(xiàn)標(biāo)志碼：A

0 引 言

分布式供能系統(tǒng)投資規(guī)模小，臨近用戶側(cè)，作為能源的消費(fèi)者的同時(shí)也是能源的生產(chǎn)者［1-2］。這種微型或小型能量產(chǎn)消者可獨(dú)立運(yùn)行，供應(yīng)家庭、社區(qū)及工業(yè)園區(qū)的能量需求［3-4］。然而根據(jù)不同應(yīng)用場景需要，分布式供能系統(tǒng)設(shè)備種類繁多，故障率較高［5］，且單一環(huán)節(jié)的故障易導(dǎo)致連鎖反應(yīng)［6］，造成更大的損失。因此，針對不同的應(yīng)用場景，如何結(jié)合工程實(shí)際靈活調(diào)節(jié)，為用戶制定智慧的維修策略是發(fā)展分布式供能系統(tǒng)需解決的重要課題之一。

目前工業(yè)對設(shè)備的維修預(yù)測仍主要采取事后維修結(jié)合定期維護(hù)的策略［7］，然而不同設(shè)備、不同子系統(tǒng)的運(yùn)行工況、故障特點(diǎn)、對系統(tǒng)的重要程度和危害程度都不相同，而現(xiàn)有的維修策略缺乏數(shù)據(jù)支撐和科學(xué)分析，會造成大量的過維修和欠維修現(xiàn)象。

預(yù)防性維修是系統(tǒng)或部件的主要維修策略之一［8］。預(yù)防性維修通過在預(yù)定時(shí)間對系統(tǒng)或部件進(jìn)行系統(tǒng)檢查、維修、更換，以防止功能故障的發(fā)生［9-10］。目前，國內(nèi)外有很多學(xué)者針對預(yù)防性維修策略的制定展開了研究。文獻(xiàn)［11］劃分出電站輔機(jī)檢修單元的基本原則，對電站給水泵組進(jìn)行了以可靠性為中心的維修研究（reliability centered maintenance， RCM）的定量分析，優(yōu)化得到最小維修、故障費(fèi)用的維修周期。文獻(xiàn)［12］運(yùn)用馬爾可夫決策過程理論給出不同維修方式轉(zhuǎn)移概率表達(dá)式，以最小化維修成本為目標(biāo)優(yōu)化預(yù)防性維修策略。文獻(xiàn)［13］對風(fēng)電機(jī)組故障數(shù)據(jù)進(jìn)行威布爾分布擬合，計(jì)算得到機(jī)組的運(yùn)行期間平均故障間隔。文獻(xiàn)［14］將役齡回退因子和故障率遞增因子引入醫(yī)院診療設(shè)備的預(yù)防性維修策略模型，但未考慮不同部件失效的危害度不同對維修策略的影響。

分布式供能系統(tǒng)的結(jié)構(gòu)復(fù)雜，其維修決策涉及因素較多，且關(guān)系復(fù)雜，建立多層次綜合評價(jià)指標(biāo)體系能提高判斷的準(zhǔn)確性、可靠性，得到更合理的決策結(jié)果。在維修領(lǐng)域已有一些較客觀的評估體系，文獻(xiàn)［15］將系統(tǒng)重要度結(jié)構(gòu)分為目標(biāo)層、準(zhǔn)則層、指標(biāo)層和對象層，運(yùn)用模糊層次分析法對系統(tǒng)重要度進(jìn)行評價(jià)。文獻(xiàn)［16］將經(jīng)濟(jì)、可靠、能耗、環(huán)保作為準(zhǔn)則層，投資購置成本等作為指標(biāo)層，得到面向園區(qū)微電網(wǎng)的綜合能源系統(tǒng)的指標(biāo)評價(jià)體系。但面對不同研究對象，需重新建立適配的評價(jià)體系，使其進(jìn)行有針對性地評估。

評價(jià)體系綜合多方面的指標(biāo)和因素，按某種模型加權(quán)各指標(biāo)的權(quán)重便可獲得總體評價(jià)指數(shù)。層次分析法（analytic hierarchy process， AHP）和熵權(quán)法（entropy weight method， EWM）是求取權(quán)重時(shí)通用的兩種方法。然而AHP受主觀因素制約得出結(jié)論具有不穩(wěn)定性；而EWM根據(jù)不同指標(biāo)差異程度計(jì)算權(quán)重，受制數(shù)據(jù)集分布影響，靈敏性過高［17］。針對上述情況，文獻(xiàn)［18］運(yùn)用懲罰性變權(quán)法，通過使權(quán)重跟隨指標(biāo)值變化獲取更貼近實(shí)際的權(quán)重，然而這種方法僅計(jì)算底層指標(biāo)的主客觀權(quán)重，評價(jià)不夠全面、準(zhǔn)確。

在前人研究的基礎(chǔ)上，本文制定針對分布式供能系統(tǒng)維修的評價(jià)體系，并將體系中不同指標(biāo)的影響通過模型融合進(jìn)維修方案的具體制定中，提出一種基于改進(jìn)熵權(quán)層次法的分布式供能系統(tǒng)的預(yù)防性維修策略，將設(shè)備自身故障函數(shù)威布爾分布作為策略制定的下層基礎(chǔ)，結(jié)合設(shè)備實(shí)際場景下的維修經(jīng)濟(jì)性、設(shè)備重要度、故障危害度等指標(biāo)的量化數(shù)據(jù)，運(yùn)用Matlab編程求解維修策略模型，確定出更加科學(xué)合理的維修時(shí)機(jī)和周期，從而解決分布式供能設(shè)備過維修和欠維修現(xiàn)象，以保障系統(tǒng)的經(jīng)濟(jì)性、可靠性、可用性。

1 預(yù)防性維修策略基本思路

基于進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)備預(yù)防性維修策略的基本思路如圖1所示。

1）考慮可靠、可監(jiān)測、可維修、可用、經(jīng)濟(jì)等要求，根據(jù)現(xiàn)場需求及實(shí)際運(yùn)維特點(diǎn)，劃分出評價(jià)目標(biāo)的3個(gè)準(zhǔn)則作為第一層評價(jià)指標(biāo)，再將第一層評價(jià)指標(biāo)細(xì)化作為第二層評價(jià)指標(biāo)。

2）利用熵權(quán)法和層次分析法組合賦權(quán)得到第二層評價(jià)指標(biāo)的綜合權(quán)重；在降低分析的復(fù)雜性的同時(shí)不忽略分析的準(zhǔn)確性，結(jié)合歷史故障數(shù)據(jù)及現(xiàn)場專家的評估將各影響因素劃分五檔進(jìn)行打分，線性加權(quán)得到相應(yīng)的評價(jià)指數(shù)。

3）根據(jù)分布式供能設(shè)備故障規(guī)律實(shí)際，考慮設(shè)備故障后維修費(fèi)用和預(yù)防性維修費(fèi)用，建立基于威布爾分布的預(yù)防性維修費(fèi)用模型。

4）在獲得第二層評價(jià)指標(biāo)綜合權(quán)重的基礎(chǔ)上，將分布式供能系統(tǒng)的經(jīng)濟(jì)性、重要度、危害度等指標(biāo)采用熵權(quán)法改進(jìn)、消除量綱影響，優(yōu)化得分布式供能系統(tǒng)設(shè)備預(yù)防性維修最佳時(shí)間間隔。

improved EWM-AHP

2 模型建立

2.1 模型假設(shè)

構(gòu)建模型的假設(shè)如下：

1）相對于設(shè)備正常運(yùn)行時(shí)間，更換或維修設(shè)備所花費(fèi)的時(shí)間很短，因此忽略不計(jì)。

2）設(shè)備各部件的故障分布相互獨(dú)立。

2.2 預(yù)防性維修重要度、危害度模型的建立

對于結(jié)構(gòu)較復(fù)雜的分布式供能系統(tǒng)，其維修決策涉及因素多，因素間關(guān)系復(fù)雜，建立多層次綜合評價(jià)指標(biāo)體系能提高判斷的準(zhǔn)確性、可靠性，得到更合理的決策結(jié)果。本文采用熵權(quán)法和層次分析法耦合的方式確定指標(biāo)綜合權(quán)重，并量化為重要度、危害度評價(jià)指數(shù)。分布式供能設(shè)備的重要度、危害度指標(biāo)如表1所示。

基于層次分析法建立各因素之間的相對重要度判斷矩陣：

[A=a11a12...a1na21a22...a2n............an1an2...ann]""" （1）

假設(shè)被分析對象有[n]個(gè)評價(jià)指標(biāo)，計(jì)算判斷矩陣[A]的最大特征根[lmax]，并求解得出最大特征根[lmax]對應(yīng)的特征向量，最后進(jìn)行一致性檢驗(yàn)，得到具有滿意的一致性的判斷矩陣。從而求得[n]個(gè)影響因素的權(quán)重α=（α1，α2，…，αn），量化各因素所產(chǎn)生的影響。

在采用層次分析法計(jì)算出指標(biāo)因素權(quán)重的基礎(chǔ)上，通過熵權(quán)法［19-20］計(jì)算客觀權(quán)重，首先進(jìn)行標(biāo)準(zhǔn)化處理，再計(jì)算各評價(jià)指標(biāo)所占比重，最后計(jì)算各指標(biāo)的熵值，得到對應(yīng)的熵值權(quán)重為β=（β1，β2，…，βn）。

將兩種方法的權(quán)重組合賦權(quán)得到第[m]個(gè)評價(jià)指標(biāo)的熵權(quán)層次法綜合權(quán)重[φm，]即：

[φm=αmβmm=1nαmβm]"""" （2）

在確定設(shè)備的影響評價(jià)指標(biāo)權(quán)重的基礎(chǔ)上，進(jìn)行專家五檔評分（見表2），采用線性加權(quán)的數(shù)學(xué)模型計(jì)算設(shè)備的各子系統(tǒng)或部件的重要度、危害度評價(jià)指數(shù)，計(jì)算公式為：

[CIndex=φ1a1+φ2a2+…+φnan=m=1nφmam]"""""" （3）

式中：[CIndex]——評價(jià)指數(shù)；[φm]——第[m]個(gè)評價(jià)指標(biāo)改進(jìn)熵權(quán)層次法權(quán)重；[am]——第[m]個(gè)評價(jià)指標(biāo)的專家五檔評分分?jǐn)?shù)。

2.3 預(yù)防性維修費(fèi)用模型的建立

系統(tǒng)故障后維修會產(chǎn)生損失，定期預(yù)防性維修也會因更換或維修部件產(chǎn)生費(fèi)用，考慮兩種維修方式的博弈，能在經(jīng)濟(jì)性要求中尋求恰當(dāng)?shù)钠胶恻c(diǎn)。預(yù)防性維修費(fèi)用模型以選取最優(yōu)時(shí)間間隔T為目標(biāo)，在運(yùn)行至周期T時(shí)對相關(guān)部件進(jìn)行預(yù)防性維修或更換，使維修費(fèi)用最少。一個(gè)周期的平均時(shí)長如式（4）所示，預(yù)防性維修費(fèi)用C如式（5）所示。

[Tav=0TtdF（t）+T∞TdF（t）=0TR（t）dt]""" （4）

[C=c1F（T）+c2R（T）]"""""" （5）

式中：[Tav]—— 一個(gè)周期平均時(shí)長，天；[F（t）]——累積失效概率函數(shù)；[R（t）]——可靠度函數(shù)；[c1]——事后維修損失，元；[c2]——定期維修損失，元。

則系統(tǒng)長期運(yùn)行時(shí)產(chǎn)生的平均周期內(nèi)損失為：

[C（T）=c1F（T）+c2R（T）0TR（t）dt]""" （6）

可知，[C（T）]最小時(shí)預(yù)防性維修花費(fèi)最少，此時(shí)對應(yīng)的時(shí)間[T]為經(jīng)濟(jì)最優(yōu)維修周期。

3 基于改進(jìn)熵權(quán)層次法的分布式供能系統(tǒng)預(yù)防性維修模型

熵權(quán)法的原理為：熵是表示一個(gè)系統(tǒng)混亂程度的函數(shù)。對于事物的某一屬性，不同的因素在同一屬性上產(chǎn)生的效果差異越大，則該屬性提供的信息越多；若不同因素在同一屬性產(chǎn)生的效果接近或幾乎無影響，那么該屬性不能提供信息量，認(rèn)為該屬性無意義［21-22］。

2.2節(jié)已通過層次分析法和熵權(quán)法組合計(jì)算出了各設(shè)備的重要度、危害度，在此基礎(chǔ)上采用熵權(quán)法消除量綱的影響，衡量第一層評價(jià)指標(biāo)的重要程度。采用改進(jìn)的熵權(quán)法考慮部件維修成本、重要度及故障危害度建立分布式供能系統(tǒng)設(shè)備預(yù)防性維修模型，以基于改進(jìn)熵權(quán)層次法維修決策指標(biāo)最小為目標(biāo)函數(shù)，求得滿足經(jīng)濟(jì)性、可靠性、可用性的維修最優(yōu)周期[T]。基于改進(jìn)熵權(quán)層次法維修決策模型為：

[minIi（T）=Si1（T）Zi1（T）+Si2（T）Zi2+Si3（T）Zi3]"" （7）

式中：[Zi1（T）]——第[i]個(gè)部件在[T]時(shí)刻對應(yīng)于成本最優(yōu)模型時(shí)的維修成本，元；[Zi2]——第[i]個(gè)部件的重要度指數(shù)；[Zi3]——第[i]個(gè)部件的故障危害度指數(shù)；[Si1（T）]——第[i]個(gè)部件維修成本的熵權(quán)法權(quán)重；[Si2（T）]——第[i]個(gè)部件重要度的熵權(quán)法權(quán)重；[Si3（T）]——第[i]個(gè)部件危害度的熵權(quán)法權(quán)重。

根據(jù)熵權(quán)法原理，對于第一層評價(jià)指標(biāo)的第[j]個(gè)指標(biāo)的信息熵[EjT]為：

[EjT=-ki=1rPijT×lnPijT"，" j=1，2，3]"" （8）

式中：[k]——計(jì)算系數(shù)，[k=1/ln（n）]；[Pij]——[T]時(shí)刻時(shí)第[i]個(gè)部件的第[j]個(gè)第一層評價(jià)指標(biāo)在第一層評價(jià)指標(biāo)中占比，[Pij]求解公式為：

[PijT=ZijTZi1T+Zi2+Zi3""]"" （9）

第[j]個(gè)一層評價(jià)指標(biāo)的熵權(quán)[Sj]為：

[SjT=1-EjT/j=131-EjTSi1T=CT]"" （10）

將式（8）～式（10）代入式（7），在設(shè)備維修決策指標(biāo)[I（T）]最小時(shí)對應(yīng)的[T]即為考慮維修成本、重要度、危害度的最優(yōu)維修時(shí)間間隔。

4 算例分析

基于改進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)防性維修策略的算例求解采用Matlab仿真平臺。

4.1 重要度分析

系統(tǒng)重要度可解釋為某個(gè)系統(tǒng)或某個(gè)設(shè)備在發(fā)生故障時(shí)產(chǎn)生影響的重要程度［23］。根據(jù)分布式供能系統(tǒng)需求及實(shí)際運(yùn)維特點(diǎn)，將分布式供能系統(tǒng)設(shè)備及其部件重要度的6個(gè)影響因素相對重要程度兩兩進(jìn)行比較，構(gòu)成如式（11）所示判斷矩陣。

[A=1231312131213121313131311514153251112341112335121]"""""" （11）

可求解得到，矩陣最大特征根[lmax=6.167]，最大特征根對應(yīng)的特征向量[ω=]［0.2527，0.2015，0.0962，0.5282，0.4528，0.6343］，經(jīng)計(jì)算，滿足一致性校驗(yàn)。

結(jié)合歷史故障數(shù)據(jù)進(jìn)行評估，計(jì)算得出熵權(quán)法權(quán)重。6個(gè)重要度指標(biāo)的層次分析法權(quán)重、熵權(quán)法權(quán)重、綜合權(quán)重見表3。

4.2 危害度分析

同理，依次對4個(gè)分布式供能系統(tǒng)設(shè)備預(yù)防性維修的危害度指標(biāo)的相對重要度進(jìn)行兩兩比較，構(gòu)成如式（12）所示危害度判斷矩陣。

[A=1121315211214321135431]""" （12）

可求解得到，最大特征根[lmax=4.0511]，最大特征根對應(yīng)的特征向量[ω=]［0.1362，0.2239，0.3777，0.8881］，經(jīng)計(jì)算，滿足一致性校驗(yàn)。

結(jié)合歷史故障數(shù)據(jù)進(jìn)行評估，計(jì)算得出熵權(quán)法權(quán)重。4個(gè)危害度指標(biāo)的層次分析法權(quán)重、熵權(quán)法權(quán)重、綜合權(quán)重如表4所示。

4.3 維修決策實(shí)例分析

4.3.1 分布式供能系統(tǒng)各設(shè)備維修實(shí)例

根據(jù)分布式供能系統(tǒng)大量故障數(shù)據(jù)分析得出，各設(shè)備及其部件的失效規(guī)律服從威布爾分布，根據(jù)文獻(xiàn)［24］所述方法計(jì)算分布式供能設(shè)備的失效概率和累積失效概率如圖2、圖3所示。

equipment in distributed energy supply system

分布式供能設(shè)備的預(yù)防性維護(hù)費(fèi)用、故障維修費(fèi)用、五檔打分計(jì)算出的重要度和危害度見表5。

將相關(guān)數(shù)據(jù)代入式（6），利用Matlab根據(jù)所建模型對目標(biāo)函數(shù)進(jìn)行數(shù)據(jù)擬合，由于模型的維修時(shí)間分布存在斷點(diǎn)，考慮其非負(fù)特性，將目標(biāo)函數(shù)取倒數(shù)，觀察到函數(shù)值對于維修周期在可行域內(nèi)有唯一極值點(diǎn)，函數(shù)微分取其最大值所對應(yīng)時(shí)間T為最優(yōu)維修時(shí)間決策值，成本最優(yōu)模型下的維修時(shí)間分布結(jié)果C（T）如圖4所示。再將部件重要度與危害度代入式（7），基于改進(jìn)熵權(quán)層次法的預(yù)防性維修時(shí)間分布如圖5所示。

最優(yōu)模型結(jié)果

預(yù)防性維修結(jié)果

圖4、圖5中曲線最高點(diǎn)對應(yīng)橫坐標(biāo)即為最優(yōu)維修時(shí)間間隔，求導(dǎo)得到基于費(fèi)用最優(yōu)維修模型、基于改進(jìn)熵權(quán)層次法的預(yù)防性維修模型的維修時(shí)間間隔，上述維修周期和商家手冊建議維修周期見表6。

4.3.2 風(fēng)力發(fā)電機(jī)組典型部件維修實(shí)例

風(fēng)力發(fā)電機(jī)組作為分布式供能系統(tǒng)最主要的發(fā)電單元之一，其建設(shè)周期短、發(fā)展速度快，運(yùn)行維護(hù)經(jīng)驗(yàn)和理論不足，運(yùn)行可靠性問題明顯。本文以風(fēng)力發(fā)電機(jī)組典型部件為例，分析其預(yù)防性維修策略。風(fēng)力發(fā)電機(jī)組典型部件相關(guān)參數(shù)見表7。風(fēng)力發(fā)電機(jī)組典型部件威布爾失效概率如圖6所示，威布爾累積失效概率如圖7所示。

風(fēng)力發(fā)電機(jī)組典型部件的成本最優(yōu)模型下預(yù)防性維修分布和基于改進(jìn)熵權(quán)層次法的預(yù)防性維修分布如圖8、圖9所示。

預(yù)防性維修結(jié)果

基于費(fèi)用最優(yōu)維修模型的維修時(shí)間間隔、基于改進(jìn)熵權(quán)層次法的預(yù)防性維修時(shí)間間隔及商家手冊建議維修時(shí)間間隔見表8。

4.3.3 預(yù)防性維修決策結(jié)果分析

對于分布式供能系統(tǒng)設(shè)備及其部件，不同設(shè)備和部件的維修費(fèi)用不同，失效模型不同，最優(yōu)維修間隔也不同?；诟倪M(jìn)熵權(quán)層次法的預(yù)防性維修模型在預(yù)防性維修費(fèi)用模型的基礎(chǔ)上引入重要度指數(shù)和危害度指數(shù)，完善了預(yù)防性維修模型。

從決策結(jié)果可看到，成本最優(yōu)預(yù)防性維修模型最優(yōu)維修間隔的大小受故障后維修費(fèi)用及定期費(fèi)用的大小相博弈的影響，優(yōu)化結(jié)果會向花銷較少的維修方式偏移，從而改變預(yù)防性維修周期優(yōu)化結(jié)果，但考慮因素不全面、結(jié)果較片面?；诟倪M(jìn)熵權(quán)層次法計(jì)算出的時(shí)間間隔在商家手冊規(guī)定時(shí)間上下浮動(dòng)，這是因?yàn)楸疚乃鲇?jì)算方法尊重設(shè)備自身特性，并根據(jù)工程需求靈活調(diào)節(jié)不同指標(biāo)權(quán)重，也可根據(jù)歷史故障數(shù)據(jù)動(dòng)態(tài)修正模型參數(shù)，相較商家手冊更符合工程現(xiàn)場實(shí)際，實(shí)際操作人員可根據(jù)本文所述方法制定更科學(xué)合理的維修計(jì)劃。通過對比驗(yàn)證了基于改進(jìn)熵權(quán)層次法預(yù)防性維修策略的指導(dǎo)性和科學(xué)性，具有理論和實(shí)踐價(jià)值。

5 結(jié) 論

為協(xié)調(diào)分布式供能設(shè)備的運(yùn)行可靠性與維護(hù)經(jīng)濟(jì)性之間的沖突，解決系統(tǒng)普遍存在過維修、欠維修的現(xiàn)象，本文提出一種基于改進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)防性維修策略。根據(jù)分布式供能系統(tǒng)運(yùn)維特點(diǎn)和實(shí)際工況確定系統(tǒng)維修雙層評價(jià)體系，通過將層次分析法和熵權(quán)法綜合計(jì)算，得到滿足主觀、客觀要求的第二層評價(jià)指標(biāo)綜合權(quán)重；將第一層評價(jià)指標(biāo)運(yùn)用熵權(quán)法進(jìn)行計(jì)算；以基于改進(jìn)熵權(quán)層次法維修決策指標(biāo)最小為目標(biāo)求解，得出分布式供能設(shè)備的最優(yōu)維修間隔。改進(jìn)熵權(quán)層次法可充分挖掘多層評價(jià)指標(biāo)信息，避免了評價(jià)指標(biāo)權(quán)重的簡單處理；最后，通過實(shí)例驗(yàn)證了本文基于改進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)防性維修策略的有效性。

本文探索性提出基于改進(jìn)熵權(quán)層次法的分布式供能設(shè)備預(yù)防性維修策略，為確定最優(yōu)維護(hù)決策時(shí)間間隔提供了方法和依據(jù)，相比商家手冊更加精確滿足設(shè)備在實(shí)際運(yùn)行時(shí)的維護(hù)、維修需要。此外，在工程現(xiàn)場可根據(jù)不同場景的實(shí)際情況動(dòng)態(tài)修正模型參數(shù)，具有良好的適用性和擴(kuò)展性。目前研究僅限在設(shè)備級和部件級對維修策略的討論，在未來的工作中將進(jìn)一步探究分布式供能系統(tǒng)設(shè)備維修決策總體方案在系統(tǒng)全壽命周期成本分析中所能做出的貢獻(xiàn)，從而更好的評估維修決策對系統(tǒng)經(jīng)濟(jì)性尋優(yōu)的整體影響。

［參考文獻(xiàn)］

［1］"""" HOLLERMANN D E， HOFFROGGE D F H， MAYER F， et al. Optimal （n-1）-reliable design of distributed energy supply systems［J］. Computers amp; chemical engineering， 2019， 121： 317-326.

［2］"""" 張丹. 天然氣分布式能源系統(tǒng)原動(dòng)設(shè)備的國產(chǎn)化探討［J］. 煤氣與熱力， 2017， 37（10）： 28-31.

ZHANG D. Discussion on localization of prime equipment of natural gas distributed energy system［J］. Gas amp; heat， 2017， 37（10）： 28-31.

［3］"""" 李更豐， 別朝紅， 王睿豪， 等. 綜合能源系統(tǒng)可靠性評估的研究現(xiàn)狀及展望［J］. 高電壓技術(shù)， 2017， 43（1）： 114-121.

LI G F， BIE Z H， WANG R H， et al. Research status and prospects on reliability evaluation of integrated energy system［J］. High voltage engineering， 2017， 43（1）： 114-121.

［4］"""" 張淑婷， 陸海， 林小杰， 等. 考慮儲能的工業(yè)園區(qū)綜合能源系統(tǒng)日前優(yōu)化調(diào)度［J］. 高電壓技術(shù)， 2021， 47（1）： 93-101.

ZHANG S T， LU H， LIN X J， et al. Operation scheduling optimization of integrated-energy system in industrial park in"" consideration"" of"" energy"" storage［J］."" High"" voltage engineering， 2021， 47（1）： 93-101.

［5］"""" BRETAS"" A"" S，"" OROZCO-HENAO"" C，"" MARIN-QUINTERO J， et al. Microgrids physics model-based fault location formulation： analytic-based distributed energy resources effect compensation［J］. Electric power systems research， 2021， 195： 107178.

［6］"""" 郇嘉嘉， 隋宇， 張小輝. 綜合能源系統(tǒng)級聯(lián)失效及故障連鎖反應(yīng)分析方法［J］. 電力建設(shè)， 2019， 40（8）： 84-92.

HUAN J J， SUI Y， ZHANG X H. Analysis method for cascade failure and fault chain reaction of integrated energy system［J］. Electric power construction， 2019， 40（8）： 84-92.

［7］"""" 陳長駿. 電動(dòng)塞拉門關(guān)鍵易損部件故障預(yù)測方法研究［D］. 杭州： 中國計(jì)量學(xué)院， 2016.

CHEN C J. Fault prognosis method research for key vulnerable components of electric sliding plug door［D］. Hangzhou： China Jiliang University， 2016.

［8］"""" GARGARI M Z， HAGH M T， ZADEH S G. Preventive maintenance scheduling of multi energy microgrid to enhance the resiliency of system［J］. Energy， 2021， 221： 119782.

［9］"""" JAVAD T， MOHAMMAD M， BAHMAN N， et al. An inventory model with imperfect item， inspection errors， preventive maintenance and partial backlogging in uncertainty"" environment［J］."" Journal"" of ""industrial"" amp; management optimization， 2018， 15（3）： 1317-1344.

［10］""" 周元高， 曾祥君， 金維宇， 等. 工業(yè)互聯(lián)網(wǎng)環(huán)境下預(yù)防性維修管理多目標(biāo)協(xié)同優(yōu)化［J］. 數(shù)學(xué)的實(shí)踐與認(rèn)識， 2021， 51（5）： 27-35.

ZHOU Y G， ZENG X J， JIN W Y， et al. Multi objective collaborative optimization of preventive maintenance management""" in""" industrial""" internet""" environment［J］. Mathematics in practice theory， 2021， 51（5）： 27-35.

［11］""" 曹鐘中， 楊昆， 顧煜炯， 等. 電站給水泵組RCM定量分析方法的研究［J］. 中國電機(jī)工程學(xué)報(bào)， 2003， 23（9）： 207-211.

CAO Z Z， YANG K， GU Y J， et al. Quantitative RCM analyzing method for feed pump units in power plant［J］. Proceedings of the CSEE， 2003， 23（9）： 207-211.

［12］""" LI H Y， LI Y P， CHEN Z. Research on wind turbine system reliability modeling and preventive maintenance policy considering performance degradation and shock［J］. Journal of physics conference series， 2021， 1983（1）： 012114.

［13］""" 芮曉明， 張穆勇， 霍娟. 試運(yùn)行期間風(fēng)電機(jī)組平均故障間隔時(shí)間的估計(jì)［J］. 中國電機(jī)工程學(xué)報(bào)， 2014， 34（21）： 3475-3480.

RUI X M， ZHANG M Y， HUO J. An estimation method of wind turbines’ mean time between failures during the trial operation period［J］. Proceedings of the CSEE， 2014， 34（21）： 3475-3480.

［14］""" 陳嘉倩， 劉勤明， 葉春明， 等. 基于故障風(fēng)險(xiǎn)的醫(yī)院診療設(shè)備預(yù)防性機(jī)會維修策略研究［J］. 工業(yè)工程與管理， 2021， 26（5）： 51-58.

CHEN J Q， LIU Q M， YE C M， et al. Research on preventive opportunistic maintenance strategy for medical diagnosis and treatment equipment based on failure risk［J］. Industrial engineering and management， 2021， 26（5）： 51-58.

［15］""" 王寶， 劉青， 王彬， 等. 基于重要度的電弧爐煉鋼系統(tǒng)維修決策［J］. 中南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2013， 44（1）： 14-24.

WANG B， LIU Q， WANG B， et al. Maintenance decision- making for EAF steelmaking system based on criticality［J］. Journal of Central South University （science and technology）， 2013， 44（1）： 14-24.

［16］""" 張世翔， 呂帥康. 面向園區(qū)微電網(wǎng)的綜合能源系統(tǒng)評價(jià)方法［J］. 電網(wǎng)技術(shù)， 2018， 42（8）： 2431-2439.

ZHANG S X， LYU S K. Evaluation method of park-level integrated energy system for microgrid［J］. Power system technology， 2018， 42（8）： 2431-2439.

［17］""" 黃大榮， 陳長沙， 孫國璽， 等. 電力變壓器故障的客觀熵權(quán)識別及診斷方法［J］. 電力系統(tǒng)自動(dòng)化， 2017， 41（12）： 206-211.

HUANG D R， CHEN C S， SUN G X， et al. Recognition and diagnosis method of objective entropy weight for power transformer fault［J］. Automation of electric power systems， 2017， 41（12）： 206-211.

［18］""" 顧煜炯， 陳昆亮， 楊昆. 基于熵權(quán)和層次分析的電站設(shè)備維修方式?jīng)Q策［J］. 華北電力大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2008， 35（6）： 72-76， 82.

GU Y J， CHEN K L， YANG K. Decision of maintenance mode for power plant equipment based on entropy weight and analytic hierarchy process［J］. Journal of North China Electric Power University（natural science edition）， 2008， 35（6）： 72-76， 82.

［19］""" SHENG J M， CHEN T Y， JIN W， et al. Selection of cost allocation methods for power grid enterprises based on entropy weight method［J］. Journal of physics： conference series， 2021， 1881（2）： 022063.

［20］""" 萬書亭， 馬曉棣， 陳磊， 等. 基于振動(dòng)信號短時(shí)能熵比與DWT的高壓斷路器狀態(tài)評估及故障診斷［J］. 高電壓技術(shù)， 2020， 46（12）： 4249-4257.

WAN S T， MA X L， CHEN L， et al. State evaluation and fault" diagnosis" of" high-voltage" circuit" breaker" based" on short-time energy entropy ratio of vibration signal and DTW［J］. High voltage engineering， 2020， 46（12）： 4249-4257.

［21］""" FU Y， ZHENG Y Z， HAO S Q， et al. Research on comprehensive decision-Making of distribution automation equipment testing results based on entropy weight method combined with grey correlation analysis［J］. Journal of physics： conference series， 2021， 2005（1）： 012220.

［22］""" 尹浩霖. 清潔能源發(fā)電系統(tǒng)預(yù)防性維修決策技術(shù)研究［D］. 西安： 西安理工大學(xué)， 2019.

YIN H L. Research on preventive maintenance decision technology of clean energy power generation system［D］. Xi’an： Xi’an University of Technology， 2019.

［23］""" 尹小貝， 張琪誠， 王浩澤. 冪等律在求解概率重要度時(shí)使用順序的研究［J］. 安全與環(huán)境學(xué)報(bào)， 2021， 21（2）： 534-538.

YIN X B， ZHANG Q C， WANG H Z. Application sequence of the idempotent law in calculating the probability significance of the repetitive events［J］. Journal of safety and environment， 2021， 21（2）： 534-538.

［24］""" 王文岳， 崔杰. 威布爾分布分析及其在產(chǎn)品壽命分析中的應(yīng)用［J］. 電子產(chǎn)品可靠性與環(huán)境試驗(yàn)， 2019， 37（5）： 16-26.

WANG W Y， CUI J. Weibull distribution analysis and its application in product life analysis［J］. Electronic product reliability and environmental testing， 2019， 37（5）： 16-26.

PREVENTIVE MAINTENANCE STRATEGY OPTIMIZATION OF DISTRIBUTED ENERGY SUPPLY EQUIPMENT BASED ON

IMPROVED EWM-AHP

Fei Siqi1，Yuan Tiejiang1，Qi Chen1，Zhai Baoyu2

（1. College of Electrical Engineering， Dalian University of Technology， Dalian 116023， China；

2. State Grid Xinjiang Electric Power Company， Urumuqi 830092， China）

Abstract：This work proposes a preventive maintenance model of distributed energy supply equipment based on improved EWM-AHP. The importance and failure hazard evaluation indexes are selected， and the entropy weight method and analytic hierarchy process are combined to calculate the comprehensive weight of each preventive maintenance evaluation index， which is quantified as the importance and hazard index of equipment and its components. The preventive maintenance cost model based on Weibull distribution is established to form an optimization system considering three preventive maintenance indexes： importance， harm and economy. Then， taking the maintenance decision index based on improved entropy weight hierarchy method is minimized as a goal， a preventive maintenance model of distributed energy supply equipment based on improved EWM-AHP is proposed to calculate the optimal maintenance interval of distributed energy supply equipment. Taking the key equipment of distributed energy supply system and typical wind turbine components as an example， the results show that the proposed preventive maintenance strategy can better reflect the fault occurrence law of the maintenance object to determine a more scientific and reasonable maintenance time and cycle.

Keywords：importance； criticality； energy supply system； improved EWM-AHP； preventive maintenance