当前位置: 风电网 » 风电产业 » 正文

荷兰应用科学研究院胡博:人工智能技术助力风场维护

日期:2018-10-19    来源:能见 APP

国际风力发电网

2018
10/19
17:24
文章二维码

手机扫码看新闻

关键词: 人工智能技术 风电运维 风电场 风能大会

2018年10月17日-19日,2018北京国际风能大会暨展览会(CWP 2018)在北京新国展隆重召开。本次大会由中国可再生能源学会风能专业委员会、中国循环经济协会可再生能源专业委员会、全球风能理事会、中国农业机械工业协会风力机械分会、国家可再生能源中心和中国电子信息产业发展研究院(赛迪集团)六大权威机构联合主办。

荷兰应用科学研究院荷兰能源研究中心海上风场安装和运维技术研究员/顾问胡博在“风电场运行维护论坛”中发表主旨演讲。演讲主题为《海上风场维护安排自动化》。

他在演讲中表示,对于每天运维安排我们可以看到即使是非常小的风场,只有六十台的风场,用完全人工的方式去找最优方案也是非常复杂的,所以我们需要借助人工智能或者数学方法的一个帮助。

它会把一天当中的任务作为一个优先选择顺序的一个分配,并且有更合理的分配来分配资源,它的航行路线,人员的一个安排,包括位置顺序,然后它会把维护性的任务尽量安排到低风速的天数里面,这样的话它在关机的过程中发电量会最小,另外它会尽快的完成修复性的任务,这样的话会尽早的让坏掉的风机重新产生发电量。

QQ截图20181019172447

以下为发言实录:

胡博:谢谢大家光临我的演讲,大家下午好,我叫胡博,来自荷兰ECN,ECN是荷兰的能源研究中心,在今年4月份的时候并到了TNO,它是荷兰的自然科学应用技术研究中心,所以现在这个名字可能有些混淆,但是需要给大家解释一下,搞清楚这个概念,我今天的演讲题目是海上风场维护安排自动化,向未来的一种海上风电场运维安排自动化迈进,所以讲的是如何自动的去安排运维的一些工作安排。

首先这是我今天的一个演讲提纲,我先花一点点时间来介绍一下我们公司和海上风电这方面的业务,我会通过一个案例的方式来介绍我们公司在海上运维方面的一个产品,也是一种解决方案,它叫ECN(英文),首先我们ECN它在很多能源领域都有一些研究,它是荷兰最早的能源研究所,是以核能开始,但是在197几年的时候从事了风能行业的一些研究,欧洲也是最早研究风能的一个研究所,我们在风电领域主要是做海上方面的,然后包括它的选址,然后测量,测量包括风资源的测量,也有风机上的一些载荷的测量,然后同时我们也做整机的一些设计制造,但是我所负责的方面,今天的主题就是在海上风电的一个运维方面。我们在运维方面有很多很多的一些软件,它都是基于那种模拟的形式,然后来进行一个运行策略的优化,其中包括安装方面的,就是说我们优化安装的一些逻辑步骤,然后它的第一步应该怎么样,第二步应该怎么样,然后把整体的成本尽量降到最低,另外我们在开发的前期对运维的成本做一个估算的软件,也是基于模拟的,同时我们也可以用这个软件做一些长期的运维策略优化,比如说我们要用多少运维船,需要多少人,然后它大概是有多少是预防型的,然后故障之后修理的这么一个比例,我们都可以做这方面的策略优化。

另外还有就是说对这个故障的一些预判,预判之后怎么进行处理,最后就是我今天要讲的主题,就是我们在短期之内如何来安排我们的一些运维计划,所谓短期之内是什么意思呢?就是我今天讲的这个,我们有一款软件叫(英文),已经是成熟的一款软件,今天通过一个案例来给大家讲一下,假设我们有一个风场,像图中所示的这种,基本上都会有一些待办的运维任务,比如说有一些地方需要替换,或者有地方需要修理,甚至只是简简单单的做一些例行的检查,去安排我们的人员出海,然后去操作一些代办的事项,然后我们看到图上有没有一些资源,所谓资源就是运维船,还有维护人员,同时还有一些限制,浪高的限制,或者是风向风速的一些限制,甚至是一些资源方面的限制,比如说今天人员不够,或者今天船不够,这都是一些设置,甚至是时间上的安排都是一些限制,然后我们有这些资源,有这些限制,还有这些任务要办,那我们怎么样去安排它,做一个最佳的安排,然后来达到一个最好的效果呢,这就是刚才我说的问题,如果达到最佳的安排,那么第一个问题就是如何定义这个最佳,那我们可以把最佳定义成发电量损失最低,或者是维护成本最低,甚至是它的一个净的收入最高,然后当我们选择一个我们的策略,我们想要优化的一个目标的时候,我们就可以尽可能的去安排这个计划,然后达到这个目标。

但是我们想采取的方式是用电脑,人工智能的方式,然后来做一个自动化的优化,而不是说人为的去做一个排查,因为我们觉得人当一个风场很大的时候,任务很多的时候,资源很丰富的时候,人为的效果是非常的低效,所以我们把这个东西转化成一个数学模型,我们通过数学建模,然后通过一些算法,然后去自动化的解决优化的问题,所以它是一个强调数学问题,复杂的数学问题,然后最后我们肯定要把这个现实的东西,然后转化成一个我们模型里面,然后这样的话达到一个最好的,最贴近现实的一个模拟结果,然后那现实当中,这个活动是怎么样安排的?比如说欧洲这边的例子来举例,就是在每一天我们的风电场的经理,运维经理他都会收到一些任务清单,就是说我今天有哪些维护任务需要去做,也许不是今天,就到目前为止,我有哪些东西要做,也许可以今天,也许可以明天,这个我们把它叫做维护任务,它上面描述了我在哪台风机上要作业,作业的工时是多少,五小时还是六小时,然后它需要哪些人员,至少两个,还是至少三个,这些人员有哪些要求,需要哪些技能,是电工还是机械工这样子。

然后风电场的运维经理需要把这些维护任务做一些安排,那我今天做哪些,明天做哪些,如果今天做三个或四个,那我是先做哪个后做哪个,放多少人进去,放谁进去,路线怎么安排,这个都是它需要考量的,而我们这个软件给的解决方案就是说如何把这个维护任务的清单转换成出海计划,这个是通过我们这个软件自动来安排的。那我这个案例是关于荷兰的一个风电场,它叫(英文),它就在这片区域,大概离海岸线,这是荷兰,这个离海岸线大概是23公里,它是(英文)荷兰的一个公司,它的风场有维斯塔斯的风机,一个风机两兆瓦。然后这个案例里面,我们有12个,这个维护团队有12个维护人员,并且有一条船,这条船是小型的,双体的那种(英文),运维船。另外在这一天当中,它总共有九个待办的任务,其中七个是预防性的任务,两个是修复性的任务,这两台风机是已经坏掉的,已经是不能产生风能,不能产生能量了,然后另外七个如果我们去做的话,然后在做的过程中需要把它关掉,所以在做的过程中会损失一些发电量。

然后这些是我们拿到的一些任务,要做的待办任务,同时我们知道在修复两个坏掉的风机,一个风机需要4.5个工时,一个风机需要14个工时,这是我们已知的,同时我们已知一些天气预报的信息,比如说这个是浪高的天气预报,未来包括今天之内,未来一个星期的浪高,这个是风速的一个天气预报,那通过这些已知的信息,然后我们看一下它人为是怎么安排的,这个是人,他们实际上一个人为的安排,那天他们只出海了一次,然后就是做了一个任务,他们把出海到了这个14号风机上,用大概将近一个小时的时间出海,并且用两个维护人员做了两个小时的工作,完成了这一个任务。但是我们通过(英文)算出来一个优化的方案,可以说这个结果是把两台风机,其中先去十号风机,更远的风机,然后回到14号风机,这样的话下午的时候把两个人员一起接回岸上,这个的话如果有问题,我需要快点讲,如果待会有问题的话可以来回答大家的问题,用这种方式的话,结果是上边这个是实际的方案,它的发电量损失,下面是我们给出优化方案的发电量损失,今天任务所造成的发电量损失,蓝色的是一些没有完成的任务,因为我们刚刚看到还有七个预防性的任务,还没有被安排到今天计划里面,它放到后面安排,那我们如果在之后把这些预防性的工作给完成的话,它会有额外的发电量损失,这放的是蓝色的部分,因为它不是今天发射的,为什么这么做呢?是因为我们今天知道有这些任务,但是明天也许会有更多的任务,这是我们今天所不知道的,所以说它只是作为一个参考,但是也许明天更新的话可能会有一些改变,但是我们这个软件它所优化的在近期的范围之内,它整体的一个发电量损失降到最低,整个是一个优化的目标。

但实际上我们考量它每天的一个发电量节省的话是看红色节点的区域,好,那这个是我们根据它的天气预报来算出来的预测结果,通过它的天气预报来安排的一个计划,但是我们就想那天气预报的准确率是否会给它的结果造成影响,会有多大的影响,那我们看到这个红色的部分是我们之间拿到天气预报,而蓝色的部分是实际发生的天气情况,这个是风速,我们看到会有一些偏差,尤其是在今天,就是第一天它实际上的风速发生的是比预报中要高一部分,并且在大概几天之后它会有一个比较强的一个风暴,然后这个是天气预报没有预测出来的,所以说这两个现实中比天气预报的风速高出一个更高的发电量损失,所以说这个是通过实际的天气情况得出来的结果,跟之前的相比会发现无论是现实安排计划和预测,我们优化给出来的安排计划,它的发电量损失都比用天气预报来的要更高一些。

但既使是这样的话,我们给出来的优化方案跟实际的方案相比,还是有很大的一个提高,发电量损失的一个提高。这是刚才我们放在某一天中的案例,但是如果我们在长期的过程中用我们的软件自动安排计划,那它在长期积累是有什么样的收益特?这个图我们看到在2014年的4月1号一直运行到2014年9月1号,然后我们把实际的跟优化做一个对比,会发现最后五个月时间里边,我们基本上能够提高三十万欧元的一个收益,然后具体的话就是我们测试了153天,然后这个是实际的一个发电量损失,我们优化方案的发电量损失,然后这个是它提升的一个收益,然后大概占1.1%左右。

最后的结论,就是对于每天运维安排我们可以看到既使是非常小的风场,只有六十台的风场,用完全人工的方式去找最优方案是非常复杂的,所以我们需要借助人工智能或者数学方法的一个帮助,另外的话就是我们用这个(英文)来安排计划,它通过哪些方式去优化结果呢?首先它会把一天当中的任务作为一个优先选择顺序的一个分配,并且有更合理的分配来分配资源,它的航行路线,人员的一个安排,包括位置顺序,然后它会把维护性的任务尽量安排到低风速的天数里面,这样的话它在关机的过程中发电量会最小,另外它会尽快的完成修复性的任务,这样的话会尽早的让坏掉的风机重新产生发电量。

最后通过这个案例,我们可以看到它发电量提升潜力可以达到1.1%,发电量的提升,另外这个案例仅仅是包括了一些相对小的一些运维任务,像大部件的更换还没有安排在里面,如果把大部件的更换安排在里面,这个会更高。另外的话这个风场其实已经很有经验的(英文)人员安排,所以说即使在这种非常有经验的团队里面,我们可以产生更高的效益,说明强调了人工智能来代替人安排一个重要性,最后的话就是我们软件可以安排多条船,因为我们案例用一条船,其实也可以变得更复杂,条件可以变得更复杂,多条船,包括可以把其他的一些目标当做优化的目标,包括净利润当目标,所谓净利润就是把当天的发电量乘以当天的电价,减去出海的成本,比如说船的燃油费,人工费用等等,这就是我今天要讲的课题,谢谢大家。

返回 国际风力发电网 首页

风电资讯一手掌握,关注 风电头条 储能头条 微信公众号

看资讯 / 读政策 / 找项目 / 推品牌 / 卖产品 / 招投标 / 招代理 / 发新闻

风电头条

储能头条

国际能源网站群

国际能源网 国际新能源网 国际太阳能光伏网 国际电力网 国际风电网 国际储能网 国际氢能网 国际充换电网 国际节能环保网 国际煤炭网 国际石油网 国际燃气网