论文部分内容阅读
摘要：随着风电新能源的快速发展，行业竞争日益凸显，降本增效逐渐成为企业关注的焦点。对风机进行运行质量评价、开展机组健康度评估能有效反应设备的可靠性状况，为场站运维实施专项检查和风机对标提供依据。本文在保证数据质量的前提下，结合风机各项KPI指标，借助MATLAB仿真工具，利用层次分析法与熵权法相结合，确定复合指标权重，减少专家在评估过程中主观因素和熵值法对指标权重不敏感的影响，得出风机的合理健康性综合得分，为现场运维提供技术支撑，提前开展设备预防性维护工作。
关键词：层次分析法;熵值法;健康性评估;KPI指标;风力发电;MATLAB
0 引言
我国风电行业大规模发展仅有约10年时间，且技术上主要采取与国外成熟设计公司合作的方式，自主研发水平不强，在快速增长的市场驱动下，风电投资者将主要精力放在了追求眼前市场及规模扩大上。随着风力发电机组的大量投入，由于各整机厂商质量参差不齐，风电场机组陆续暴露出关键部件早期故障、风机故障率高、故障持续时间长等问题。
在这种环境下，为提高风电机组运行质量水平，减少运行故障，消除事故隐患，提升投资效益，促进风力发电技术进步和风电行业的健康、持续发展，众多专家学者开始投身制定风电行业可靠性评价指标的体系建设中，“中国风能协会”站在全行业的角度制定了《风力发电机组运行质量综合评价办法》（试行），其中的基本评价指标（发电性能、可利用率、可靠性、运维经济性）是在分析国内外相关企业的风电机组运行质量和可靠性评价指标的基础上，结合全行业风电机组运行质量综合评价的特点，本着“面向问题、易于操作、横向可比、结果有用”的原则选定[1]。
1 可靠性评价指标
建立可靠性分析评价体系初期指标包括风电机组的PBA、TBA、MTBT、故障频次以及功率曲线符合度WPI等指标，以上指标是基于投运时间较长、数据样本较大的风电场为模型建立的。评价指标的数据来源主要基于风电场SCADA系统、运行维护记录、电网限电记录、上网电量和测风塔数据等，本文列举的风机指标是通过原始数据标准化处理得到的准确数据。
（1）PBA—基于发电量的风电机组可利用率
指一定的考核时间内风电机组实际发电量占应发电量的百分比。其计算方法如下：
PBA=[1-机组损失发电量/（实际发电量+机组损失发电量+非机组原因损失发电量）]*100%
（2）TBA—基于时间的风电机组可利用率
指在一定的考核时间内风电机组无故障可使用时间占考核时间的百分比。其计算方法如下：
TBA=[可用小时数/（可用小时数+不可用小时数）]*100%
（3）MTBT—平均故障间隔
MTBT=查询时段内日历小时数*投运风机数/故障频次
（4）WPI—功率曲线符合度
WPI=正常发电状态下风机十分钟实际功率求和/正常发电状态下十分钟理论功率求和
（5）等效利用小时数
等效利用小时数=实际发电量/装机容量
2 层次分析法评价体系
风电机组的可靠性水平是反映机组性能的重要指标之一，以往通常采用机组的时间可利用率来评价机组的可靠性，这种单一评判方法很多时候无法准确反映机组的健康水平[2]。针对上述问题，现提出一种基于多指标风电机组可靠性评价方法，以机组平均检修间隔时间MTBT、时间可利用率TBA、能量可利用率PBA、故障频次作为评价指标。在权重设置过程中，由于各场站之间数据质量和数据标准化方案尚不完善，考虑机组投运年限、地理位置、设备型号等影响因素，目前无法定量判断上述四個指标对设备健康度评价结果的影响程度，需要结合现场机组实际情况定性判断，故采用层次分析法计算各评价指标的权重系数，进而得到机组可靠性评价结果[3]。
3熵值法评价体系
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小;信息量越小，不确定性越大，熵也越大。根据熵的特性，可通过计算熵值来判断某事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大。
（1）指标归一化
由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好）。因此，对于高低指标用不同的算法进行数据标准化处理。
（2）指标熵值
设有组待评状态，个评价指标的系统，原始评价指标矩阵Y= ，对于某个指标的信息熵值为：
5 结论分析
由以上案例分析可以看出，按照以往单一评价指标（如时间可利用率TBA），只有#20、#22风机利用率稍低而其他风机该指标均在90%以上，无法进一步判断机组状态，而利用多指标评价方法可以定位到#033机组的健康度得分也偏低，反映在发电量上也较低，说明该风机已经处于运转不正
常的状态，需要后续加强关注，查找故障隐患。
同样，按照TBA分析#08机组可用率高达98%，而实际上该机组存在隐性缺陷，设备劣化程度已经开始缓慢加深，通过现场反应其功率曲线符合程度降低，平均检修间隔时间有所较短，也反映出该风机存在问题，故综合评价结果显示为亚健康状态。
由于单一指标很可能存在影响该指标的基础数据准确性较差，导致最终的评判结果与实际不符。本文从多角度出发，将多重指标量化反映到设备健康程度上来，综合评价设备可靠性，继而指导现场运维人员对健康状况不好的风机安排重点检查，经过长期的系统分析最终达到对设备的预防性维护，最大限度的降低设备性能损失，提高设备健康性。
参考文献
[1]王学良. 风电场可靠性评估研究[D].天津大学，2009.
Wang Xueliang. Research on reliability assessment of wind farms [D]. Tianjin University，2009.
[2]刘睿. 层次分析法在绿色供应商评价体系中的应用研究[J]. 中国管理信息化，2019，22（10）：151-154.
Liu Rui. Application of Analytic Hierarchy Process in Green Supplier Evaluation System[J]. China Management Information Technology，2019，22（10）：151-154.
[3]王超.基于层次分析法-熵值法的物资采购评审指标权重确定研究[J]. 中国学术期刊电子出版社，20 18，76（12）：39-43.
Wang Chao. Research on the weight determination of material procurement evaluation index based on analytic hierarchy process-entropy method[J]. China Academic Journals Electronic Press，20 18，76（12）：39-43.
作者简介：
许宜菲（1989.04-），男，河北石家庄，新天绿色能源股份有限公司生产运营管理中心，工程师，硕士研究生，研究方向为风电大数据分析。
关键词：层次分析法;熵值法;健康性评估;KPI指标;风力发电;MATLAB
0 引言
我国风电行业大规模发展仅有约10年时间，且技术上主要采取与国外成熟设计公司合作的方式，自主研发水平不强，在快速增长的市场驱动下，风电投资者将主要精力放在了追求眼前市场及规模扩大上。随着风力发电机组的大量投入，由于各整机厂商质量参差不齐，风电场机组陆续暴露出关键部件早期故障、风机故障率高、故障持续时间长等问题。
在这种环境下，为提高风电机组运行质量水平，减少运行故障，消除事故隐患，提升投资效益，促进风力发电技术进步和风电行业的健康、持续发展，众多专家学者开始投身制定风电行业可靠性评价指标的体系建设中，“中国风能协会”站在全行业的角度制定了《风力发电机组运行质量综合评价办法》（试行），其中的基本评价指标（发电性能、可利用率、可靠性、运维经济性）是在分析国内外相关企业的风电机组运行质量和可靠性评价指标的基础上，结合全行业风电机组运行质量综合评价的特点，本着“面向问题、易于操作、横向可比、结果有用”的原则选定[1]。
1 可靠性评价指标
建立可靠性分析评价体系初期指标包括风电机组的PBA、TBA、MTBT、故障频次以及功率曲线符合度WPI等指标，以上指标是基于投运时间较长、数据样本较大的风电场为模型建立的。评价指标的数据来源主要基于风电场SCADA系统、运行维护记录、电网限电记录、上网电量和测风塔数据等，本文列举的风机指标是通过原始数据标准化处理得到的准确数据。
（1）PBA—基于发电量的风电机组可利用率
指一定的考核时间内风电机组实际发电量占应发电量的百分比。其计算方法如下：
PBA=[1-机组损失发电量/（实际发电量+机组损失发电量+非机组原因损失发电量）]*100%
（2）TBA—基于时间的风电机组可利用率
指在一定的考核时间内风电机组无故障可使用时间占考核时间的百分比。其计算方法如下：
TBA=[可用小时数/（可用小时数+不可用小时数）]*100%
（3）MTBT—平均故障间隔
MTBT=查询时段内日历小时数*投运风机数/故障频次
（4）WPI—功率曲线符合度
WPI=正常发电状态下风机十分钟实际功率求和/正常发电状态下十分钟理论功率求和
（5）等效利用小时数
等效利用小时数=实际发电量/装机容量
2 层次分析法评价体系
风电机组的可靠性水平是反映机组性能的重要指标之一，以往通常采用机组的时间可利用率来评价机组的可靠性，这种单一评判方法很多时候无法准确反映机组的健康水平[2]。针对上述问题，现提出一种基于多指标风电机组可靠性评价方法，以机组平均检修间隔时间MTBT、时间可利用率TBA、能量可利用率PBA、故障频次作为评价指标。在权重设置过程中，由于各场站之间数据质量和数据标准化方案尚不完善，考虑机组投运年限、地理位置、设备型号等影响因素，目前无法定量判断上述四個指标对设备健康度评价结果的影响程度，需要结合现场机组实际情况定性判断，故采用层次分析法计算各评价指标的权重系数，进而得到机组可靠性评价结果[3]。
3熵值法评价体系
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小;信息量越小，不确定性越大，熵也越大。根据熵的特性，可通过计算熵值来判断某事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大。
（1）指标归一化
由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好）。因此，对于高低指标用不同的算法进行数据标准化处理。
（2）指标熵值
设有组待评状态，个评价指标的系统，原始评价指标矩阵Y= ，对于某个指标的信息熵值为：
5 结论分析
由以上案例分析可以看出，按照以往单一评价指标（如时间可利用率TBA），只有#20、#22风机利用率稍低而其他风机该指标均在90%以上，无法进一步判断机组状态，而利用多指标评价方法可以定位到#033机组的健康度得分也偏低，反映在发电量上也较低，说明该风机已经处于运转不正
常的状态，需要后续加强关注，查找故障隐患。
同样，按照TBA分析#08机组可用率高达98%，而实际上该机组存在隐性缺陷，设备劣化程度已经开始缓慢加深，通过现场反应其功率曲线符合程度降低，平均检修间隔时间有所较短，也反映出该风机存在问题，故综合评价结果显示为亚健康状态。
由于单一指标很可能存在影响该指标的基础数据准确性较差，导致最终的评判结果与实际不符。本文从多角度出发，将多重指标量化反映到设备健康程度上来，综合评价设备可靠性，继而指导现场运维人员对健康状况不好的风机安排重点检查，经过长期的系统分析最终达到对设备的预防性维护，最大限度的降低设备性能损失，提高设备健康性。
参考文献
[1]王学良. 风电场可靠性评估研究[D].天津大学，2009.
Wang Xueliang. Research on reliability assessment of wind farms [D]. Tianjin University，2009.
[2]刘睿. 层次分析法在绿色供应商评价体系中的应用研究[J]. 中国管理信息化，2019，22（10）：151-154.
Liu Rui. Application of Analytic Hierarchy Process in Green Supplier Evaluation System[J]. China Management Information Technology，2019，22（10）：151-154.
[3]王超.基于层次分析法-熵值法的物资采购评审指标权重确定研究[J]. 中国学术期刊电子出版社，20 18，76（12）：39-43.
Wang Chao. Research on the weight determination of material procurement evaluation index based on analytic hierarchy process-entropy method[J]. China Academic Journals Electronic Press，20 18，76（12）：39-43.
作者简介：
许宜菲（1989.04-），男，河北石家庄，新天绿色能源股份有限公司生产运营管理中心，工程师，硕士研究生，研究方向为风电大数据分析。