基于剩余寿命预测信息的风电场动态成组维护策略研究

现有的风电场成组维护优化研究中,较少考虑维护时间窗内的部件实时状态信息动态变化影响,针对此问题,提出了一种考虑剩余寿命预测信息动态更新的风电场成组维护策略.首先,利用实时状态信息获得各部件剩余寿命预测结果,基于实时剩余寿命预测结果优化最小平均维修成本,构建单部件最优维修时间窗.其次,考虑风电机组部件结构相关性及部件备件库存约束,以节省维修成本最大为目标,建立风电场成组维护模型,并采用遗传算法进行成组维护策略优化.最后,采用滚动时间窗模型实时更新机组部件的剩余寿命预测信息,动态调整原有维修方案.一个实际风电场案例的分析结果表明,所提策略能够实时更新风电场维修计划,实现维修计划的动态优化,有助于降...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 52; no. 16; pp. 178 - 187
Main Authors 黄玲玲, 马永杰, 应飞祥, 王全德, 刘璐洁
Format Journal Article
LanguageChinese
Published 海上风电技术教育部工程研究中心(上海电力大学),上海 200090%上海电力大学电气工程学院,上海 200090 16.08.2024
Subjects
genetic algorithm
wind farm
遗传算法
动态成组维护
相关性
correlation
dynamic group maintenance
剩余寿命预测
residual life prediction
风电场
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.231397

Cover

More Information
Summary:现有的风电场成组维护优化研究中,较少考虑维护时间窗内的部件实时状态信息动态变化影响,针对此问题,提出了一种考虑剩余寿命预测信息动态更新的风电场成组维护策略.首先,利用实时状态信息获得各部件剩余寿命预测结果,基于实时剩余寿命预测结果优化最小平均维修成本,构建单部件最优维修时间窗.其次,考虑风电机组部件结构相关性及部件备件库存约束,以节省维修成本最大为目标,建立风电场成组维护模型,并采用遗传算法进行成组维护策略优化.最后,采用滚动时间窗模型实时更新机组部件的剩余寿命预测信息,动态调整原有维修方案.一个实际风电场案例的分析结果表明,所提策略能够实时更新风电场维修计划,实现维修计划的动态优化,有助于降低维修成本.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.231397