面向多风电场海上风电组合的协同维护与环境感知路由集成优化框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：An integrated optimization framework for coordinated maintenance and environment-aware routing in multi-farm offshore wind portfolios

　　

•跨风电场机会性维护共享海上资源并降低成本。
•环境感知路由在动态气象海洋条件下确保安全。
•选址 - 路径 - 调度框架优化 SOV/CTV 维护物流。
•两阶段分解 - 细化算法平衡了解决方案质量和可处理性。

引言

海上风能已成为全球可再生能源组合的重要组成部分，因为用于陆上风电开发可用土地日益稀缺 [1,2]。该行业受益于优质的风资源和稳健的政策支持，推动全球装机容量预测从 2023 年的约 68 GW 增长到 2035 年的超过 420 GW，长期估计超过 2 TW [3,4]。然而，这种快速扩张受到海上风机相对较低可靠性和有限可达性的制约 [5]。恶劣的海洋条件，结合复杂的物流和可达性限制，导致与陆上设施相比，故障率更高且停机时间更长 [6]。因此，运维（O&M）费用约占能源总成本的 25–30%，使 O&M 成为海上风电开发的主要成本驱动因素 [7]。

为了缓解这些成本，维护策略已从反应式校正维护（CM）[8] 和预防性维护（PM）[9] 发展到机会性维护（OM）[10]。OM 将现有的现场访问视为在合格组件达到关键预防阈值之前执行额外维护的机会 [11,12]。大量研究已证明 OM 在提高资产可用性和减少意外停机方面的价值 [[13], [14], [15]]。除了提高可靠性外，OM 还增强了维护物流。例如，Si 等人 [16] 引入了一种以资源为中心的策略，利用 OM 进行协作船舶调度。通过将资产可靠性与物流效率相结合，OM 可以大幅降低生命周期 O&M 成本。同时，风电场维护的决策支持系统经历了渐进式演变，从基于知识的专家系统和 Petri 网模型发展到最近新兴的 AI 智能体 [[17], [18], [19]]。这些方法主要利用特定领域知识来支持风机级故障分析、维护策略选择和维护程序制定。

尽管取得了这些进展，现有的海上风电 O&M 规划模型仍面临三个关键限制。首先，大多数研究独立优化每个风电场内的任务调度和资源分配。他们将 OM 限制在内部机会上，例如分组本地任务以节省船舶往返 [20,21] 或利用本地天气窗口以减少生产损失 [5,22]。这种单场规划假设反映了早期行业结构，当时风电项目在地理上是分散的且独立管理的 [23]。然而，随着海上风电项目越来越多地作为地理上相邻的集群开发 [24]，孤立的维护规划变得不再适用。同一风电场内的风机暴露于类似的天气和载荷条件下，这可能导致维护需求集中在重叠的时期内 [25]。如果邻近的风电场仍然分别规划，一个风电场可能面临船舶短缺和调度冲突，而附近的资源却未充分利用，导致资源冗余。因此，联合维护策略已成为一种强大工具，用于在相邻风电场间汇聚船舶和技术人员，降低 O&M 成本，提高船舶利用率，并增强系统整体可用性 [[26], [27], [28]]。然而，大多数联合维护研究仅限于共享物理资源。更深层的机会在于跨风电场共享维护窗口。在这种机会性联合维护逻辑中，一个风电场的强制维修可以为邻近风电场中合格的退化组件执行预防性维护创造低成本的机会。这种跨风电场机会共享机制在当前文献中尚未得到充分探索。

其次，随着海上风电场向更深水域和更远近海位置扩展，维护规划变得更加复杂。早期风电场可以直接从港口使用人员转移船（CTV）进行服务，但随着与 O&M 港口的距离增加，仅靠 CTV 维护变得效率低下且不安全，因为存在通行限制 [29]。因此，运营商越来越依赖服务运维船（SOV），SOV 可以在海上停留数天，并作为 CTV 部署的移动基地 [30]。这一转变建立了一个双层系统。战略性的 SOV 锚位定义了 CTV 路由的可行区域，进而限制了任务调度。因此，选址、路径和调度形成了一个紧密耦合的层级，其中高层决策严格决定下游的可行性 [31]。多智能体方法也被用于表示风机、维护资源和天气窗口之间的相互作用，一些研究扩展到维护调度或路径规划 [32]。然而，它们很少捕捉到这里考虑的 SOV 锚位与详细 CTV 路由之间的双层耦合。由于完全集成模型在计算上难以求解，现有文献通常依赖于朴素的分解，例如固定 SOV 位置或过于简化的成本函数 [33,34]。一些考虑联合维护的研究仍然很少提供同时优化船舶定位、路径和任务调度的详细操作级模型 [24,35]。因此，这些碎片化的方法由于决策层之间缺乏反馈，在结构上无法驾驭跨层权衡，持续产生全局次优解决方案。

第三，操作执行层的一个持续限制是在复杂海洋环境中对船舶通行的建模不准确 [36]。远海站点的特点是风高、有效波高波动大和强流，造成航行条件的显著时空变异性 [37,38]。然而，绝大多数 O&M 文献用简单的欧几里得距离近似船舶路径 [39,40]。这种深刻的简化忽略了动态海洋环境，生成了具有不切实际旅行时间估计的计划。由此产生的时间表不仅在经济上是次优的；它们通常是操作上不可行的，本质上是不安全的，并且容易发生代价高昂的级联延迟。实际上，船舶通行是一个时空优化问题，而不是距离的简单函数 [41]。因此，真正稳健的框架必须生成既具有成本效益又能在现实世界中执行计划的方案 [42]。这些以孤立管理和简单路径为特征的传统方法，如图 1(a) 所示。对于近海风电场，CTV 直接从港口派出，而对于远海风电场，SOV 通常作为母船，尽管规划仍然是孤立的且依赖于理想的直线路径。

为了解决这些限制，本研究提出了一种机会性维护策略，概念如图 1(b) 所示。该策略旨在最大化共享维护资源的利用，并在组合资产基础上战略性地创建维护机会窗口。核心创新在于我们将一个风电场的 CM 或 PM 触发视为邻近风电场的宝贵主动干预机会。在此概念下，我们提出了一个名为邻近风电场环境感知选址与路由及机会性维护（NELROM）的整体框架。该模型专门设计用于验证协调维护和整体调度能提高组件可靠性和系统可用性，从而推动经济效益。

NELROM 构建为一个由每日滚动时域控制的多阶段决策框架。在每个每日优化窗口内，模型引擎同时确定最佳的 SOV 锚位、所有 CTV 穿梭航次的精确访问顺序和时间，以及实际的环境感知船舶路径。如图 1(b) 所示，这种方法生成了在海洋环境中导航的现实、动态通行，与传统模型中使用的易风险欧几里得近似形成了鲜明对比。核心目标是在动态海洋环境中确保安全合规和最大化系统可用性，同时最小化总运维成本。我们的工作提供了三个贡献：

•跨风电场机会性维护：我们将 OM 从场内任务分组扩展到了跨风电场机会共享。NELROM 将一个风电场的维护触发视为邻近风电场的低成本维护机会，实现了动态资源协同，从而增强整个投资组合的舰队部署效率。
•集成 SOV–CTV 选址 - 路径 - 调度优化：我们制定了一个每日滚动时域模型，共同优化 SOV 锚位、CTV 路径和任务调度。这通过两阶段算法高效求解，平衡了近优解质量与每日 O&M 规划所需的计算速度和稳定性。
•环境感知可执行路径：受气象和海洋（metocean）条件约束的路径决策紧密嵌入到维护优化中。动态气象海洋条件被转化为安全旅行时间矩阵，生成的维护计划既经济又操作可执行。

本文的其余部分结构如下。第 2 节概述了 NELROM 框架，详细介绍了三个模块。第 3 节提出了 NELROM 的综合数学建模。第 4 节详细介绍了为高效求解大规模优化问题而开发的特定求解算法。第 5 节展示了实验结果，突出了与基准策略相比我们方法在操作和经济上的优势。最后，第 6 节总结了研究并建议了未来调查的途径。

节摘要

整体框架
为确保每日操作计划，NELROM 由三个紧密耦合的阶段组成。首先，SOV 携带 CTV、人员和设备离开港口前往战略选择的离岸锚点。其次，CTV 在 SOV 和风机之间穿梭以执行维护任务。在最后一个阶段，维护任务完成后，CTV 接回机组人员并将他们返回 SOV。整个操作的目标是在最小化总维护成本的同时

数学表述
本节展示了 NELROM 的数学表述。在一个风电场中安排的动作被视为邻近风电场的潜在机会，因此模型协调任务以利用空间和时间上的接近性。NELROM 将海洋条件整合到规划中，并产生详细的选址和路径决策，包括时间依赖可达性下的 SOV 锚位和 CTV 路径。通过评估维护支出、生产损失和运输

解决方案方法
本节展示了 NELROM 的求解算法。我们采用两阶段设计，其中第一阶段从离散离岸候选点中选择 SOV 锚位，第二阶段通过 MILP 求解带时间窗口的取送 VRP 以激活 CTV 航次、分配任务并安排服务时间。航行时间来自基于网格感知 A*的时间依赖旅行时间模块，该模块考虑了水深、洋流、风和波。为了在不重新打开 MILP 的情况下收紧计划，一种

案例研究
在本节中，提出了数值案例研究以验证所提出的 NELROM 并将其性能与既定维护策略进行量化比较。我们首先详细介绍了实验设置，定义了两个研究风电场的成本和操作参数。随后，我们进行了一系列比较和敏感性分析。我们策略的性能与六种替代维护方法进行了基准测试，包括传统独立维护。

结论
由孤立规划和过度简化的物流驱动，远海风电场日益增长的 O&M 成本挑战了项目的可行性。本研究通过开发 NELROM 解决了这些差距，这是一个以相邻风电场在现实约束下的机会性联合维护策略为中心的整体优化框架。通过捕捉系统级协同效应，NELROM 为滚动时域规划提供了现实、经济高效的基础。它结合了两阶段选址 - 路径

CRediT 作者贡献声明
张冯琦：写作 – 初稿，数据整理，概念化。
司国金：写作 – 审查和编辑，方法论。
郑美梅：验证，软件。
司武军：可视化，调查。
夏唐彬：写作 – 审查和编辑，监督。
习立峰：写作 – 审查和编辑。

张冯琦 | 司国金 | 郑美梅 | 司武军 | 夏唐彬 | 习立峰