风机集群的运维排程方法、装置、电子设备及存储介质转让专利
申请号 : CN202111194453.9
文献号 : CN113642937B
文献日 : 2022-02-15
发明人 : 冯建设 , 张建宇 , 陈军 , 成建洪 , 杜冬冬 , 陈功 , 罗启铭 , 吴育校 , 熊皓 , 覃江威
申请人 : 深圳市信润富联数字科技有限公司
摘要 :
权利要求 :
1.一种风机集群的运维排程方法,其特征在于,所述方法包括:获取所述风机集群的全局成本和运维排程基础数据,所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本,其中,所述总体产能损失成本用于表征所述风机集群因设备维护导致的产能损失成本和因性能衰退导致的产能损失成本,所述总体运维成本用于表征所述风机集群因预测性运维和故障运维所产生的运维成本;
将用于计算所述全局成本的最小值的计算函数确定为目标函数,所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间;
根据所述运维排程基础数据,确定限制条件,所述限制条件用于限定所述维护时间的取值范围;
将所述目标函数和所述限制条件输入预设求解器进行求解运算,确定所述风机集群的运维排程结果;
其中,所述获取所述风机集群的全局成本和运维排程基础数据,包括:计算所述风机集群的所述总体产能损失成本和所述总体运维成本,并根据所述总体产能损失成本和所述总体运维成本,确定所述全局成本;和,通过预设数据接口获取运维排程辅助系统中的数据,并将获取到的数据作为所述风机集群的运维排程基础数据,所述运维排程辅助系统中的数据包括如下至少一项:仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息;
其中,在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本,并根据所述总体产能损失成本和所述总体运维成本,确定所述全局成本之前,所述方法还包括:计算所述风机集群中各风机对应的运维成本,其中,计算各风机对应的运维成本的计算公式为:
其中, 表示所述风机集群中的第k台风机在时刻t对应的运维成本,为所述风机集群中的第k台风机的预测性运维成本, 为所述风机集群中的第k台风机的故障运维成本, 为所述风机集群中的第k台风机的健康阈值, 表示所述风机集群中的第k台风机的健康状态评估值,P表示所述风机集群中的第k台风机的健康状态评估值大于所述健康阈值的概率, 的取值区间为[0,1],T表示运维周期的时间上限值;
其中,在所述计算所述风机集群的所述总体产能损失成本和所述总体运维成本,并根据所述总体产能损失成本和所述总体运维成本,确定所述全局成本之前,所述方法还包括:计算所述风机集群中各风机对应的产能损失成本,其中,计算各风机对应的产能损失成本的计算公式为:
其中, 表示所述风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本,k为小于K的任一正整数,K表示所述风机集群中风机的总数量, 表示所述风机集群中的第k台风机的健康状态评估值, 表示所述风机集群在时刻t的风速预测值, 表示所述风机集群在时刻t的风功率预设值,tk表示第k台风机的开始维护时间,△表示第k台风机的维护时长,tk和tk+△均属于所述时间窗口[t0,t1]。
2.根据权利要求1所述的方法,其特征在于,所述目标函数为:其中, 表示所述风机集群的所述总体产能损失成本, 表示所述风机集群的所述总体运维成本,k的取值范围为[1,K],t的取值范围为[0,T],K表示所述风机集群中风机的总数量,T表示运维周期的时间上限值。
3.根据权利要求2所述的方法,其特征在于,所述全局成本还包括所述风机集群的能耗成本、所述风机集群的用工成本和所述风机集群的库存成本;
所述目标函数为:
其中 , 表 示 所述 风 机 集 群的 所 述 总 体 产能 损失 成 本 , 表示所述风机集群的所述总体运维成本, 表示所述风机集群的能耗成本, 表示所述风机集群的用工成本, 表示所述风机集群的库存成本,k的取值范围为[1,K],t的取值范围为[0,T],K表示所述风机集群中风机的总数量,T表示运维周期的时间上限值。
4.根据权利要求1所述的方法,其特征在于,所述限制条件包括如下至少一项:环境限制、资源限制、库存限制和人员限制;其中,所述环境限制是基于所述环境信息确定得到,所述资源限制是基于所述运维资源信息确定得到,所述库存限制是基于所述仓储信息和所述备品备件信息确定得到,所述人员限制是基于所述生产计划信息确定得到。
5.一种风机集群的运维排程装置,其特征在于,所述装置包括:获取模块,用于获取所述风机集群的全局成本和运维排程基础数据,所述全局成本包括所述风机集群的总体产能损失成本和总体运维成本,其中,所述总体产能损失成本用于表征所述风机集群因设备维护导致的产能损失成本和因性能衰退导致的产能损失成本,所述总体运维成本用于表征所述风机集群因预测性运维和故障运维所产生的运维成本;
第一确定模块,用于将用于计算所述全局成本的最小值的计算函数确定为目标函数,所述目标函数用于限定所述总体产能损失成本和所述总体运维成本之和达到最小值时的维护时间;
第二确定模块,用于根据所述运维排程基础数据,确定限制条件,所述限制条件用于限定所述维护时间的取值范围;
第三确定模块,用于将所述目标函数和所述限制条件输入预设求解器进行求解运算,确定所述风机集群的运维排程结果
其中,所述获取模块包括:
第一处理子模块,用于计算所述风机集群的所述总体产能损失成本和所述总体运维成本,并根据所述总体产能损失成本和所述总体运维成本,确定所述全局成本;和,第二处理子模块,用于通过预设数据接口获取运维排程辅助系统中的数据,并将获取到的数据作为所述风机集群的运维排程基础数据,所述运维排程辅助系统中的数据包括如下至少一项:仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息;
其中,所述获取模块还包括:
第一计算子模块,用于计算所述风机集群中各风机对应的运维成本,其中,计算各风机对应的运维成本的计算公式为:
其中, 表示所述风机集群中的第k台风机在时刻t对应的运维成本,为所述风机集群中的第k台风机的预测性运维成本, 为所述风机集群中的第k台风机的故障运维成本, 为所述风机集群中的第k台风机的健康阈值, 表示所述风机集群中的第k台风机的健康状态评估值,P表示所述风机集群中的第k台风机的健康状态评估值大于所述健康阈值的概率, 的取值区间为[0,1],T表示运维周期的时间上限值;
其中,所述获取模块还包括:还包括:第二计算子模块,用于计算所述风机集群中各风机对应的产能损失成本,其中,计算各风机对应的产能损失成本的计算公式为:其中, 表示所述风机集群中的第k台风机在时间窗口[t0,t1]的产能损失成本,k为小于K的任一正整数,K表示所述风机集群中风机的总数量, 表示所述风机集群中的第k台风机的健康状态评估值, 表示所述风机集群在时刻t的风速预测值, 表示所述风机集群在时刻t的风功率预设值,tk表示第k台风机的开始维护时间,△表示第k台风机的维护时长,tk和tk+△均属于所述时间窗口[t0,t1]。
6.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1‑4任一项所述的风机集群的运维排程方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1‑4任一项所述的风机集群的运维排程方法的步骤。
说明书 :
风机集群的运维排程方法、装置、电子设备及存储介质
技术领域
背景技术
风电等清洁能源是实现中国可持续发展战略的必然选择。发展风电、光伏等新能源的高效
运维技术已成为当前电力系统面临的重要问题之一。在风机单机容量较大、风机集群总体
结构越加复杂、各风机部件之间的耦合也愈加紧密的情况下,风机集群中的风机出现故障
的概率也会增加。据统计,风机集群因运行环境恶劣较易发生故障,陆上风机集群的运维成
本可达到其收益的15%~25%之间,而海上风机集群的运维成本可占到35%左右。
没有综合考虑各方面因素,从而使得风机集群的总体运维成本较高。
发明内容
素,从而使得风机集群的总体运维成本较高总体的问题。
信息、备品备件信息、运维资源信息、生产计划信息和环境信息。
还包括:
群中的第k台风机的健康状态评估值, 表示所述风机集群在时刻t的风速预测值, 表
示所述风机集群在时刻t的风功率预设值,tk表示第k台风机的开始维护时间,△表示第k台
风机的维护时长,tk和tk+△均属于所述时间窗口[t0,t1]。
还包括:
群中的第k台风机的故障运维成本, 为所述风机集群中的第k台风机的健康阈
值, 表示所述风机集群中的第k台风机的健康状态评估值,P表示所述风机集群中的第k
台风机的健康状态评估值大于所述健康阈值的概率, 的取值区间为[0,1],T表示运维
周期的时间上限值。
值范围为[0,T],K表示所述风机集群中风机的总数量,T表示运维周期的时间上限值。
机集群的能耗成本, 表示所述风机集群的用工成本, 表示
所述风机集群的库存成本,k的取值范围为[1,K],t的取值范围为[0,T],K表示所述风机集
群中风机的总数量,T表示运维周期的时间上限值。
源信息确定得到,所述库存限制是基于所述仓储信息和所述备品备件信息确定得到,所述
人员限制是基于所述生产计划信息确定得到。
的维护时间;
法的步骤。
成本的最小值的计算函数确定为目标函数,所述目标函数用于限定所述总体产能损失成本
和所述总体运维成本之和达到最小值时的维护时间;根据所述运维排程基础数据,确定限
制条件,所述限制条件用于限定所述维护时间的取值范围;将所述目标函数和所述限制条
件输入预设求解器进行求解运算,确定所述风机集群的运维排程结果。通过这种方式,在制
定运维排程计划时,可以综合考虑风机集群的总体产能损失成本和总体运维成本,从而使
得风机集群的全局成本实现最小化,达到节约成本的目的。
附图说明
言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
具体实施方式
本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人
员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
能损失成本可以包括该风机在预设运维周期内不进行设备维修带来的产能损失成本和进
行设备维修带来的产能损失成本。上述总体运维成本是指风机集群中各风机在预设运维周
期内的运维成本之和,其中,各风机对应的运维成本可以包括但不限于该风机的预测性运
维成本、故障运维成本等。
品备件系统中的备品备件信息、运维资源信息(如维护工程师、交通工具等)、生产计划信
息、环境信息(如天气等)等。
以考虑到风机性能衰退带来的产能损失,还可以综合考虑多种不同的维修策略,如故障后
维修、预测性维修等,以实现对风机集群的运维成本的最小化。
修时间点有足够的维护工程师可以安排、维修时间点的天气状态良好、维修时间点的备件
库有足够的备件更换等。
求解器可以为开源或者自定义的启发性求解器,如遗传算法求解器,本申请不做具体限定。
此处的运维排程结果可以包括运维排程的整体计划信息,如每个待维修风机的维修开始时
间、每个维修任务对应的维修团队构成、备品备件领用计划等。进一步地,该运维排程结果
还可以包括对运维成本的明细输出,方便进一步的统计分析和系统优化。
的。
备件信息、运维资源信息、生产计划信息和环境信息。
成本实现对多优化目标的统一化,将多优化目标转化为明确的单目标优化的求解问题。并
且,可以通过预设数据接口自动获取运维排程辅助系统中的数据,将运维排程与其他生产
制造系统如制造执行系统(Manufacturing Execution System,简称MES)、仓库管理系统
(Warehouse Management System,简称WMS)、企业资源计划系统(Enterprise Resource
Planning,简称ERP)等内部的数据进行集成,实现数据上的互通互联与智能运维决策的自
动化执行,从而可以提高以往手动或者半自动排单的效率。
风机的健康状态评估值, 表示风机集群在时刻t的风速预测值, 表示风机集群在时
刻t的风功率预设值,tk表示第k台风机的开始维护时间,△表示第k台风机的维护时长,tk和
tk+△均属于时间窗口[t0,t1]。
本时,可以先通过故障预测与健康管理(Prognostic and Health Management,简称PHM)模
块得到每台风机的健康状态评估值,以及通过风功率预测模块得到每台风机的风功率预测
值。
有K台风机,在某时刻 ,PHM模块计算得到风机集群中各风机的健康状态评估值分别用
表示。风功率预测模块可以通过对风速这一时间序列进行预测,并基于风
机的风速功率曲线,得到风功率预测值。假设时刻t预测到的风速为 ,风速功率曲线模型
为 ,可以得到时刻t的风功率预测值为 。
由此可以得到从时刻t0到时刻t1,如果不对第K台风机进行设备维修,那么第K台风机的产能
损失为:
体产能损失成本。
以准确的计算出该台风机需要维修的开始时间tk,这样可以保证在时刻tk维修能够使得该
台风机的产能损失达到最小。
k台风机的故障运维成本, 为风机集群中的第k台风机的健康阈值, 表示风
机集群中的第k台风机的健康状态评估值,P表示风机集群中的第k台风机的健康状态评估
值大于健康阈值的概率, 的取值区间为[0,1],T表示运维周期的时间上限值。
的预防性维护列表中获取第k台风机对应的预测性运维成本,从预设的故障维修列表中获
取第k台风机对应的故障运维成本,并根据获取到的第k台风机对应的预测性运维成本和故
障运维成本,以及第k台风机对应的健康状态评估值与健康阈值,通过上述公式4来计算第k
台风机的运维成本。需要说明的是,此处的预防性维护列表中包括各台风机的历史的预防
性维护数据,如维护时间、维护成本等。此处的故障维修列表包括各风机的历史的故障后维
修数据,如维修时间、运维成本等。
机的总数量,T表示运维周期的时间上限值。
小化,由此降低风机集群的运维排程成本。
集群的用工成本, 表示风机集群的库存成本,k的取值范围为[1,K],t的
取值范围为[0,T],K表示风机集群中风机的总数量,T表示运维周期的时间上限值。
指在对风机集群进行维护的过程中不同人员的人力成本。上述风机集群的库存成本是指囤
积对风机集群进行维修的备件所产生的成本。
损失成本、总体运维成本、能耗成本、用工成本和库存成本的全局成本达到最小化,由此降
低风机集群的运维排程成本。
存限制是基于仓储信息和备品备件信息确定得到,人员限制是基于生产计划信息确定得
到。
风机维修。上述资源限制可以包括交通工具、维修工具类设备的可用性等限制,该资源限制
是基于上述运维资源信息确定得到。例如,假设某类维修工具只有3个,那么在同一时刻需
要使用该维修工具的维修任务不能超过3个。上述库存限制可以包括备品备件的数量等限
制,该库存限制是基于上述仓储信息和上述备品备件信息确定得到。例如,假设某类备件只
有5个,那么在同一时刻需要使用该备件的维修任务不能超过5个。上述人员限制可以包括
特定技能的人员数量和上班时间的限制等限制,该人员限制是基于上述生产计划信息确定
得到。例如,假设某特定技能的人员数量只有2人,那么在同一时刻需要该特定技能的人员
的维修任务不能超过2个。
第k台风机与第k’台风机之间的交通时间,k的取值范围为[1,K],t的取值范围为[0,T],K表
示风机集群中风机的总数量,T表示运维周期的时间上限值。
进行设备维护;这样可以确保风机维护维修任务只能在天气条件允许的条件下进行,且任
一风机维护维修任务在给定的运维周期内只能被执行一次。上述公式9表示若任一时刻整
个风机集群的运维任务不能大于运维中心所支持的最大任务容量,这里需要综合考虑对应
技能员工数量、维护资源等的限制。上述公式10表示第k台风机与第k’台风机之间的交通时
间不能大于第k台风机对应的维修开始时间与第k’台风机对应的维修开始时间的差值,这
样限制了不同运维任务之间的开始时间间隔要不小于交通运输时间。
中运维任务的可执行性。
块。该故障预测与健康管理模块的一个主要产出即为风机的健康状态评估值,对于数据驱
动的故障预测与健康管理模块,定义可观测到的输入参数为 ,其构成可
以为系统参数、控制器数据、传感器数据等,下一步建立模型M,得到风机的健康状态评估值
。当然,在该故障预测与健康管理模块中还可以获取到风机的故障预测值、
风机的剩余寿命预测值等等。该风功率预测模块可以利用数据采集与监视控制系统
(Supervisory Control And Data Acquisition,简称SCADA)采集的风机的实时数据,以及
获取到的数值天气预报(Numerical Weather Prediction,简称NWP)和风机的位置信息,对
风机的风速进行预测,得到风速预测值 ,再根据风速功率曲线模型为 ,可以得到
当前的风功率预测值为 。
出运维排程模块中的求解器的目标函数。此处的故障维修列表用于提供各风机的故障运维
成本。预防性维护列表用于提供各风机的预测性运维成本。与此同时,可以通过接口模块从
其他生产制造系统如制造执行系统(Manufacturing Execution System,简称MES)、仓库管
理系统(Warehouse Management System,简称WMS)、企业资源计划系统(Enterprise
Resource Planning,简称ERP)等系统中获取仓储信息、备品备件信息、运维资源信息、生产
计划信息和环境信息,并根据这些信息确定出运维排程模块中的求解器的限制条件,由此
在运维排程模块中基于模型求解,得到运维排程结果。
300可以包括:
少一项:仓储信息、备品备件信息、运维资源信息、生产计划信息和环境信息。
风机的健康状态评估值, 表示风机集群在时刻t的风速预测值, 表示风机集群在时
刻t的风功率预设值,tk表示第k台风机的开始维护时间,△表示第k台风机的维护时长,tk和
tk+△均属于时间窗口[t0,t1]。
k台风机的故障运维成本, 为风机集群中的第k台风机的健康阈值, 表示风
机集群中的第k台风机的健康状态评估值,P表示风机集群中的第k台风机的健康状态评估
值大于健康阈值的概率, 的取值区间为[0,1],T表示运维周期的时间上限值。
机的总数量,T表示运维周期的时间上限值。
机集群的用工成本, 表示风机集群的库存成本,k的取值范围为[1,
K],t的取值范围为[0,T],K表示风机集群中风机的总数量,T表示运维周期的时间上限值。
制是基于仓储信息和备品备件信息确定得到,人员限制是基于生产计划信息确定得到。
相互间的通信,
的步骤。
间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在
涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些
要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设
备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除
在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明
将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一
致的最宽的范围。