海上风电机组运维排程优化模型及其改进遗传算法

周鹏飞; 刘俊

doi:10.19912/j.0254-0096.tynxb.2024-2328

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

海上风电机组运维排程优化模型及其改进遗传算法

更新时间：2026-07-21

- 海上风电机组运维排程优化模型及其改进遗传算法
- 海上风电机组运维排程优化模型及其改进遗传算法
- 太阳能学报 2026年47卷第5期页码：247-257
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.19912/j.0254-0096.tynxb.2024-2328
  中图分类号： TK83
- 网络首发：2026-06-04，
  
  纸质出版：2026
- 稿件说明：
移动端阅览
周鹏飞, 刘俊. 海上风电机组运维排程优化模型及其改进遗传算法[J]. 太阳能学报, 2026,47(5):247-257.

周鹏飞, 刘俊. 海上风电机组运维排程优化模型及其改进遗传算法[J]. 2026, 47(5): 247-257.
周鹏飞, 刘俊. 海上风电机组运维排程优化模型及其改进遗传算法[J]. 太阳能学报, 2026,47(5):247-257. DOI： 10.19912/j.0254-0096.tynxb.2024-2328.

周鹏飞, 刘俊. 海上风电机组运维排程优化模型及其改进遗传算法[J]. 2026, 47(5): 247-257. DOI： 10.19912/j.0254-0096.tynxb.2024-2328.

摘要

针对海上风电场复杂运维任务优化排程问题

提出一种任务风电机组运维排程优化模型和改进遗传算法（OPGA）。该模型考虑了运维班组任务负荷与工时利用效率

引入任务风电机组组合策略

通过优化运维作业次序与路径

实现运维成本的最小化以及作业效率的提升;约束条件包括运维船载重、航距以及班组工时限制等;为提高模型求解精度与效率

OPGA算法采用不重复自然数编码表征运维作业次序路径

在解码过程中嵌入分支定界搜索方法

并引入种群灾变优化操作。以某海上风电场工程为背景的试验结果表明

OPGA较传统遗传算法求解较大规模问题的运维成本节约15%以上

工时利用率提升10%以上。

Abstract

To address the intricate challenge of scheduling optimization for maintenance tasks in offshore wind farms

an innovative optimization model for offshore wind turbine O&M scheduling and an enhanced genetic algorithm

termed Optimized Genetic Algorithm （OPGA）

were introduced. This model takes into account the workload and operational efficiency of the maintenance teams

incorporates a strategic approach for task-turbine grouping

and refines the sequence and route of maintenance activities with the aim of reducing maintenance costs and enhancing operational productivity. The model's constraints encompass the maintenance vessel's load capacity and travel distance

the team's working time constraints

among others. In order to augment the accuracy and efficiency of the model

the OPGA algorithm employs non-repeating natural-number encoding to depict the sequence and path of maintenance operations

integratesa branch-and-bound search within the decoding phase

and incorporates a population-catastrophe operator. The experimental results based on an offshore wind farm project show that compared with the traditional genetic algorithm

OPGA can save more than 15% of the operation and maintenance cost and increase the working hour utilization rate by more than 10% when solving largescale problems.

关键词

Keywords

references

吕致为, 王永, 邓奇蓉. 考虑时间窗约束的海上风电机组运维方案优化[J]. 太阳能学报, 2022, 43(10): 177-185.

刘璐洁, 符杨, 马世伟,等. 基于可靠性和维修优先级的海上风电机组预防性维护策略优化[J]. 中国电机工程学报, 2016, 36(21): 5732-5740.

WANG Z, GUO Y H, WANG H J.Review on monitoring and operation(maintenance technology of far(reaching sea smart wind farms[J]. Journal of marine science and engineering, 2022, 10(6): 820.

刘永前, 马远驰, 陶涛. 海上风电场维护管理技术研究现状与展望[J]. 全球能源互联网, 2019, 2(2): 127-137.

张尉. 江苏中部沿海海上风电运维方案研究[D]. 南京: 南京理工大学, 2018.

葛畅, 阎洁, 刘永前, 等. 海上风电场运行控制维护关键技术综述[J]. 中国电机工程学报, 2022, 42(12): 4278-4292.

屈冲, 闫建国, 覃涛, 等. 最佳运维时间窗的海上风电场维护优化策略[J]. 太阳能学报, 2022, 43(10): 177-185.

DAI L J, STÅLHANE M, UTNE I B. Routing and scheduling of maintenance fleet for offshore wind farms[J]. Wind engineering, 2015, 39(1): 15-30.

IRAWAN C A, OUELHADJ D, JONES D, et al.Optimisation of maintenance routing and scheduling for offshore wind farms[J]. European journal of operational research, 2017, 256(1): 76-89.

ALLAL A, SAHNOUN M, ADJOUDJ R, et al.Multi(agent based simulation(optimization of maintenance routing in offshore wind farms[J]. Computers & industrial engineering, 2021, 157: 107342.

STÅLHANE M, HVATTUM L M, SKAAR V. Optimization of routing and scheduling of vessels to perform maintenance at offshore wind farms[C]//Proceedings of the 12th Deep Sea Offshore Wind R&D Conference (EERA DeepWind). Trondheim, Norway, 2015.

郭慧东, 王玮, 夏明超. 海上风电机群维修排程在线多目标决策模型[J]. 中国电机工程学报, 2017, 37(7): 1993-2001.

ZHANG Z Y.Scheduling and routing optimization of maintenance fleet for offshore wind farms using Duo(ACO[J]. Advanced materials research, 2014, 1039: 294-301.

姜广田, 纪皎月, 董佳伟. 绿色物流配送下的多车型动态车辆路径优化[J]. 系统工程理论与实践, 2024, 44(7): 2362-2380.

华昊辰, 翟家祥, 陈星莺,等. 基于增强精英保留遗传算法的虚拟微网群动态划分及能量局域自治[J]. 中国电机工程学报, 2024, 44(12): 4652-4666.

陆煊, 崔玫, 宋劭, 等. 基于灾变遗传算法的船舶火灾探测报警系统电缆线路设计[J]. 船海工程, 2016, 45(2): 58-60, 64.

鄢小虎, 何发智, 陈壹林. 求解大规模软硬件划分问题的爬山淘汰粒子群算法[J]. 东南大学学报(自然科学版), 2017, 47(2): 225-230.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑时间窗约束的海上风电机组运维方案优化

基于改进APO-SVMD的海上风电场混合储能容量配置

风浪冰载荷作用下海上风电机组塔筒结构动力响应

考虑土体蠕变的海上风力机桶型基础长期沉降计算方法研究

基于一体化耦合技术的海上风电基础疲劳分析