《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：A tandem mother-daughter-vessel routing problem for maintenance activities in offshore wind farms
编辑推荐：
针对海洋风电场运维中SOV与STB协同运输的复杂问题，提出混合整数线性规划模型及基于VNS的元启发式算法，通过实际算例验证其有效性，并对比无人机配送问题基准数据，证明方法优势。
钱德拉·阿德·伊拉万（Chandra Ade Irawan）| 萨伊德·萨尔希（Said Salhi）| 吉安保罗·布蒂基（Giampaolo Buticchi）| 陈兴凯（Hing Kai Chan）
诺丁汉大学商学院中国分校，中国宁波诺丁汉大学，中国宁波
摘要 本文研究了一种创新但复杂的海上风电场运输问题，旨在改进运营和维护工作。该问题涉及服务操作船和安全转移船的串联配置。服务操作船被称为“母船”，可配备多艘称为“子船”的安全转移船。目标是为这两类船只寻找最优或接近最优的路线，以便它们能够接送技术人员和设备，从而维护选定海上风力涡轮机的服务质量并最小化总成本。首先设计并测试了一个新的混合整数线性规划模型。当该模型不再适用于中型和大型问题时，我们开发了一种基于变邻域搜索的有效元启发式方法，该方法配备了强大的局部搜索机制和高效的加速手段。通过使用实际案例对这种方法进行了评估，得出了有趣的管理见解。此外，由于该问题没有现有的基准解，因此将我们的方法与相关无人机路由问题的现有最先进方法进行了对比。计算结果表明，我们的方法足够强大和灵活，能够超越这些已知方法。
引言 与陆上运营相比，海上能源生产具有发电量和视觉影响小的优势（Akbari等人，2017年）。然而，主要障碍在于降低高昂的运营成本以确保盈利能力。在导致故障的多种原因中，转子系统和传输系统是最关键的组件（Cevasco等人，2021年）。在电气系统中，电力设备和电容器是故障的主要原因（Liserre等人，2020年）。无论故障原因如何，运营和维护（O&M）成本都是海上风电场总成本的重要部分，占总生命周期成本的四分之一（Snyder和Kaiser，2009年；Wiser等人，2016年）。最近在远离海岸的地方建立海上风电场后，O&M成本进一步增加。通过使用服务操作船（SOV）可以显著节省成本，因为SOV减少了访问限制和涡轮机转移时间（Irawan等人，2023年；Lazakis和Khan，2021年）。自2016年起，西门子开始使用SOV来维护位于荷兰北部的Gemini风电场（
www.geminiwindpark.nl ）。SOV上的住宿和储存设施使其能够在海上停留数天而无需返回港口。SOV可以配备多艘安全转移船（STB），用于将设备和技术人员转移到选定的涡轮机。使用吊杆系统将STB从SOV甲板上放下，在维护完成后将其从海中吊起。换句话说，SOV充当母船，而STB则作为子船。在某些情况下，两项维护活动需要同时使用这两艘船。
本文研究了串联配置下船只的最优路线问题，以应对季节性维护期间的日常O&M活动。根据维护计划，需要预防性维护的涡轮机在指定日期会被预先确定。技术人员和设备通过SOV或STB进行运输。STB比SOV更快、更省油，但某些涡轮机需要使用SOV才能到达。这主要是由于维护要求，包括用于执行任务的设备大小。目标是通过为SOV和STB生成最优路线来最小化成本，以便将设备和技术人员送达涡轮机并在完成任务后将其接回。SOV和STB具有从一台涡轮机接走技术人员并直接送到另一台涡轮机的灵活性。根据容量不同，STB还可以多次往返。此外，SOV可以携带多艘STB，这些STB在燃油成本、速度和容量上可能存在差异。在为这两类船只生成路线时，必须考虑完成维护活动所需的时间。在我们的研究中，如果技术人员晚到目的地，会引入惩罚措施，因为需要补偿加班时间。这也是为了确保问题有可行的解决方案。
本文的贡献分为三个方面：建模、解决方法和新结果，包括管理见解。
(a) 建模
我们提出了一种新的海上风电场维护和路由优化模型。所提出的模型考虑了母船（SOV）与多艘子船（STB）之间的串联配置，这两种船只同时提供接送服务。问题的目标是通过生成最优路线来最小化将设备和技术人员输送到海上涡轮机的成本。据我们所知，我们的混合整数线性规划模型是新的，在之前的研究中尚未被探索过。
(b) 解决方法
商业求解器（例如CPLEX）在解决所提出的MILP模型时遇到困难，尤其是对于相对较大的问题。因此，我们开发了一种基于变邻域搜索的元启发式方法。所提出的解决方法包括由多个局部搜索程序组成的局部搜索引擎。通过使用相关无人机路由问题的基准案例与现有方法进行比较，评估了所提方法的性能。结果突显了该方法的优势和适应性。
(c) 解决方案与分析
使用文献中的实际案例评估了所提出的模型及其解决方法，特别是使用Thanet（英国肯特郡）海上风电场的布局（Fischetti和Pisinger，2018年）。我们强调了在SOV和STB串联配置下使用所提出的解决方法解决海上风电场维护活动物流问题的好处。此外，我们还分析了技术人员转移时间和维护持续时间对结果的影响。
本文的其余部分结构如下：第2节解释了所提出的问题并描述了优化模型的构建。第3节介绍了基于变邻域搜索设计的解决方法。第4节提供了我们的计算实验结果并分析了发现。最后一节总结了我们的发现，并指出了一些潜在的研究方向。
章节摘录 文献综述 关于海上风电场维护活动的路由问题有大量的文献。特别是，已经有很多研究关注使用船员转移船（CTV）来运输技术人员和设备到涡轮机。CTV通常从最近的海港部署到风电场。维护完成后，CTV会返回港口，因为这种类型的船只不能在海上过夜。
问题构建 问题包括一组选定的涡轮机( I) I= { 1 , 2, ? , n} i∈ I i∈ I ( n+ i) , i∈ I
所提出的解决方法 在方程（1）–（49）中构建的模型使用商业求解器（例如CPLEX v22.1.0）难以解决，尤其是对于相对较大的问题。由于该模型旨在解决日常运营问题，因此需要一种能够在短时间内生成可接受解决方案的方法。因此，我们开发了一种基于变邻域搜索（VNS）的元启发式方法。计算结果 本节提供了我们的计算实验结果，以讨论所提出模型和解决方法的表现。为了对我们的方法进行额外的有力评估，我们还对其进行了轻微修改，以解决一个有现有基准结果的相关无人机路由问题。首先描述了我们的测试案例，然后展示了计算结果。在测试相关问题时，我们也得到了一些有趣的结果。
讨论 在本节中，我们从三个角度讨论了结果的意义。首先，我们研究了仅使用SOV或STB进行涡轮机访问的效果。其次，我们评估了不确定性对获得解决方案的影响。然后，我们评估了对技术人员等待时间进行惩罚对结果的影响。最后，我们总结了计算实验的关键发现，提供了实用的管理建议。
结论与建议 在本研究中，我们研究了海上风电场中使用串联船只配置进行维护任务的路由问题。考虑了作为母船的SOV，以及配备多艘异构STB（称为子船）。这两种类型的船只可以同时访问选定的涡轮机。为了解决这个问题，我们首先设计了一个创新的数学模型，该模型被构建为MILP模型。由于这个问题难以精确解决，
CRediT作者贡献声明 钱德拉·阿德·伊拉万（Chandra Ade Irawan）： 撰写——审阅与编辑、撰写——初稿、验证、方法论、形式分析、概念化。萨伊德·萨尔希（Said Salhi）： 撰写——审阅与编辑、验证、方法论、形式分析。吉安保罗·布蒂基（Giampaolo Buticchi）： 撰写——审阅与编辑、验证、形式分析。陈兴凯（Hing Kai Chan）： 撰写——审阅与编辑、验证、形式分析。
利益冲突声明 作者声明没有已知的财务利益冲突或可能影响本文工作的个人关系。
