基于每小时组件级模拟的大型海上风电场集群的分析性韧性评估与优化模型

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Analytical resilience assessment and optimization model for large-scale offshore wind farm clusters informed by hourly component-level simulation

海上风电集群通过优化运维资源配置提升可用性。研究基于全年每小时组件级故障维修模型，构建涵盖54GW最大规划集群的22500种场景模拟，量化每40台需1艘CTV、每130台需1艘HLV的规模规律，揭示距港200km集群需额外0.5m波高限制，1m波高均值上升致可用性下降超30%。提出经济计量模型直接关联集群特征与运维需求，为应对气候变化和规模化发展提供决策依据。

　　

韩景佐|田志勇|马玲|陈新宇

中国华中科技大学电气与电子工程学院先进电磁工程技术国家重点实验室，武汉430074

摘要

海上风电容量的迅速扩张导致了大规模风电场集群的出现。这些风电场的可用性受到了涡轮机数量增加、港口到涡轮机距离延长以及波浪高度升高的挑战。现有的维护优化模型计算复杂度较高，而直接根据集群特征、物流条件和环境因素估算集群可用性的分析模型仍然缺乏。本研究提出了一个计量经济框架，该框架采用全年、每小时、组件级别的故障修复模型，整合了实际的海洋学数据、风电场数据、港口数据、船舶数据、故障率和修复时间数据。基于中国最大的计划中的风电场集群（54吉瓦），构建了22,500种不同的情景，这些情景涵盖了不同的涡轮机数量、港口到涡轮机的距离、30年的波浪条件以及船舶的波浪高度限制。结果表明，大约每40台涡轮机需要一艘CTV（人员运输船），每130台涡轮机需要一艘HLV（重型起重船）。远海风电场集群还需要将船舶的波浪高度限制提高0.5米以保持可用性。如果中位波浪高度增加1米，集群可用性可能会降低30%以上。通过将船舶波浪高度限制的增加量减少到波浪高度特征变化总和的一半以下，可以应对气候变化的挑战。我们的工作为大规模海上风电场集群提供了可扩展的韧性评估和优化框架，并提出了维护集群可用性的可行策略。

引言

海上风电作为实现全球碳中和目标的支柱，正在快速发展。到2030年，全球每年的新增装机容量将超过30吉瓦，到2033年将达到50吉瓦[1]。预计到2050年，累计装机容量将达到2000吉瓦，约占总发电能力的6%[2,3]。在美国，预计到2050年海上风电将占全国发电量的1-8%[4,5]。目前装机容量第二大的英国，预计其能源供应将有超过20%来自海上风电[6,7]。鉴于中国海上风电的巨大潜力[8]以及成本迅速下降[9]，加上陆上可再生能源的电网整合瓶颈[10]，中国海上风电正在快速发展[11]。中国目前拥有全球最大的海上风电装机容量，并预计到2050年其发电量的30%以上将来自海上风电[12,13]。世界其他地区也预计将出现显著的装机容量扩张[14]。

随着海上风电容量的迅速扩张，大规模海上风电场集群成为一种有效的管理范式。尽管集群化可以节省投资成本，但它给维护工作带来了额外的限制。在单个风电场中，船舶通常在短距离内从港口运输到涡轮机，从而能够在短暂的天气窗口内快速完成任务，维护效率较高。在这种情况下，天气窗口是维护效果的主要决定因素，所需的窗口时间相对较短。然而，在集群化的发展中，维护效率受到更多因素的制约。更大的维护工作量增加了船舶可用性的重要性，而较长的港口到涡轮机距离使得运输时间成为限制因素。这些延长的运输时间反过来又提高了确保长时间维护操作安全所需的最低天气窗口要求。维护负担的增加，加上气候变化导致的维护机会减少，可能会共同削弱集群的可用性。随着风电涡轮机数量的增加（从目前的最多300台[15]增加到大规模海上风电场集群中的超过5000台[16]），故障频率可能会上升，而与维护港口的距离增加可能会降低维护效率。此外，未来几十年典型和极端的波浪高度可能会增加几米[17,18]，从而减少维护窗口并导致故障积压。因此，目前风电场集群的可用性为60-80%[19,20]，可能会进一步下降。

优化船舶舰队规模和技术特性可以提高维护效率并增强风电场集群的可用性。维护工作主要受到船舶不足和天气窗口有限的限制。提高船舶的波浪高度限制可以扩大天气窗口，创造维护机会。扩大船舶舰队规模可以减少可用船舶的等待时间，并充分利用每个天气窗口，从而整体提高集群的可用性。尽管船舶舰队规模和特性在决定海上风电场可用性方面的重要性已经得到广泛认可，并提出了多种复杂的舰队配置优化模型，但直接将集群规格和海洋条件与提高大规模海上风电场集群可用性所需的舰队规模和船舶技术特性联系起来的封闭形式分析关系仍然缺乏。

本研究开发了一个可扩展的建模框架，可以直接根据内部系统特性和外部压力估算大规模海上风电场集群的可用性。通过汇总每小时级别的结果获得的年度平均风电场可用性被用作长期韧性的指标，从而能够评估技术经济评估和部署优化等长期决策。基于全年、每小时、组件级别的故障修复模拟模型，建立了数据驱动的计量经济框架，该模型整合了实际的海洋学数据、风电场数据、港口数据、船舶数据、故障率和修复时间数据。模拟模型考虑了每小时的随机组件退化，并为7个组件和3种类型的故障确定了修复措施。基于中国最大的计划中的风电场集群（54吉瓦），构建了22,500种不同的情景，这些情景涵盖了不同的涡轮机数量（200至5000台）、与维护港口的距离（20至200公里）、历史波浪条件（1994至2023年）以及船舶的波浪高度限制（1.5至2.5米）。占用区域内的历史每小时显著波浪高度时间序列来自再分析数据集。维护船舶的波浪高度限制是根据现有和未来的技术确定的。涡轮机数量与维护港口距离之间的相互作用代表了位于更远海域的风电场面临的增加的维护负担。年度每小时显著波浪高度的中位数、第90百分位数和四分位数范围代表了波浪条件的典型值、极端值和变化范围。尽管船员运输船（CTV）和重型起重船（HLV）的数量与涡轮机数量高度相关，但为了避免内生性问题，仍然将其包括在内。选择逻辑回归模型以确保风电场可用性不超过100%。残差分布符合正态性。使用随机无放回重采样来减轻自相关性。

然后利用所提出的分析模型来确定根据日益严峻的挑战所需的物流改进措施。结果表明，如果约40台涡轮机配备一艘CTV，约130台涡轮机配备一艘HLV，近海（20公里）风电场的容量扩大不会降低可用性。远海风电场需要将船舶的波浪高度限制额外提高0.5米以减轻负面影响。如果中位波浪高度增加1米，集群可用性可能会降低30%以上。通过将船舶波浪高度限制增加约0.47倍、0.38倍或0.28倍，可以缓解气候变化带来的典型值（中位数）、变化范围（四分位数范围）和极端值（第90百分位数）增加带来的挑战。当前可用性较高的集群表现出更大的韧性。我们的工作为大规模海上风电场集群提供了可扩展的韧性评估和优化框架，并提出了在日益严峻的挑战下维护集群可用性的可行策略。

总结来说，本文的贡献如下：

(1)

提出了一个全年、每小时、组件级别的故障修复模拟模型。分别对3种故障模式和7种组件类型的每小时随机退化和修复措施进行了建模。高分辨率建模使得能够直接整合各种组件和故障模式的实际故障率和修复时间数据，从而提高了精确度和实用性。

(2)

提出了一种基于集群特征、物流条件和环境因素直接估算集群可用性的分析计量经济模型。该定量模型基于中国最大的计划中的海上风电场集群（54吉瓦），针对不同的涡轮机数量、港口到涡轮机距离、历史波浪条件和船舶波浪高度限制，训练了22,500种不同的情景。每种情景都使用所提出的全年、每小时、组件级别的故障修复模型进行了模拟。

(3)

通过平衡船舶充足性和利用率，确定了所需船舶数量与涡轮机数量之间的分析关系。量化了涡轮机数量增加、港口到涡轮机距离延长以及波浪条件恶化的影响。还确定了所需船舶波浪高度限制增加与未来挑战之间的分析关系。

(4)

结果表明，大约每40台涡轮机需要一艘CTV，每130台涡轮机需要一艘HLV以确保船舶充足。远海风电场集群还需要将船舶的波浪高度限制提高0.5米以保持可用性。如果中位波浪高度增加1米，集群可用性可能会降低30%以上。通过将船舶波浪高度限制增加不到波浪高度特征变化总和的一半，可以应对气候变化的挑战。当前可用性较高的集群表现出更大的韧性。

本文的其余部分组织如下。第2节详细介绍了背景和相关工作。第3节介绍了方法和材料。第4节展示了结果和讨论。第5节提出了结论。

部分摘录

背景和相关工作

先前的研究已经确定物流优化是提高集群可用性的有效策略。然而，从实际的大规模集群中得出的每种类型船舶所需数量与风电场规模（即涡轮机数量）之间的分析关系仍然很大程度上尚未探索。此外，将船舶波浪高度限制的增加与波浪条件的变化以及集群规模的扩大联系起来的分析关系也尚未得到充分研究

方法和材料

韧性被定义为系统抵御、吸收、从外部干扰中恢复并适应的能力[[36], [37], [38]]。这种能力由内部能力（如维护效率）和外部压力因素（包括气候变化下恶劣天气的加剧）共同塑造。现有的评估通常在单一事件的尺度上量化韧性。这里，使用每小时风电场可用性来表征短期韧性，其

所研究的大规模集群中每台涡轮机到港口的距离

风电场集群的扩大导致了涡轮机数量的增加。为了高效维护，涡轮机通常优先布置在近海区域。随着集群规模的扩大，后来建造的涡轮机由于近海区域的耗尽而不得不布置在更远的海上，从而导致涡轮机到港口的距离增加。图5展示了所研究集群中每台涡轮机到最近港口的距离。

大多数涡轮机部署在60–110公里范围内

结论

海上风电对许多国家实现碳中和至关重要，但其规模的扩大和气候变化可能会导致可用性降低。鉴于缺乏能够直接根据内部约束和外部压力因素估算风电场可用性的定量模型，本研究采用计量经济框架，并通过高分辨率维护模拟模型分析了22,500种不同的情景。主要结论如下：

(1)

涡轮机的数量

CRediT作者贡献声明

韩景佐：撰写——原始草稿、可视化、验证、软件、方法论、正式分析、数据整理、概念化。田志勇：撰写——审稿与编辑。马玲：撰写——审稿与编辑。陈新宇：撰写——审稿与编辑、监督。