《Ocean Engineering》：Installation planning of offshore wind turbine foundations considering wave spatial variability and uncertainty
编辑推荐：
•考虑了波浪空间变异性对海上风力涡轮机基础安装规划的影响。•基于 SWAN 模型开发了一个先模拟后优化框架。•采用遗传算法建立了一个两阶段优化框架。•评估了季节性对海上风力涡轮机基础安装的影响。引言近年来，海上风电发展迅速，已成为可持续能源的重要组成部分。根据《全球能源回顾
- •
考虑了波浪空间变异性对海上风力涡轮机基础安装规划的影响。
- •
基于 SWAN 模型开发了一个先模拟后优化框架。
- •
采用遗传算法建立了一个两阶段优化框架。
- •
评估了季节性对海上风力涡轮机基础安装的影响。
引言
近年来，海上风电发展迅速，已成为可持续能源的重要组成部分。根据《全球能源回顾 2026》（IEA, 2026），2025 年全球新增风电装机容量达到约 160 GW，比 2024 年增长了近 40%。仅中国就增加了 117 GW，同比增长 48%，占全球总数的绝大部分。与陆上风电相比，海上风电具有多项优势（Hibbert, 2011），如可利用的海域面积更大、风能资源更强，能够部署更大的风力涡轮机和更高的发电量。然而，海上风力涡轮机（OWT）的安装更容易受天气条件影响，且成本高于陆上安装（M 等人，2010）。经验表明，恶劣天气是海上风电场运输和安装延误的主要原因（Scholz-Reiter 等人，2010）。此外，OWT 的运输和安装成本可占项目总成本的 20%（Tekle Muhabie 等人，2018）。因此，在考虑天气影响的情况下规划安装过程对于降低 OWT 的安装成本至关重要。
恶劣的海上天气条件（风和浪）一直影响海上风力涡轮机安装作业的关键因素（Scholz-Reiter 等人，2011; Irawan 等人，2017; Ursavas, 2017; Barlow 等人，2018; Tekle Muhabie 等人，2018; Amorosi 等人，2024）。为确保安全，OWT 的安装受到严格的环境限制，仅允许在风和波浪条件低于指定阈值时进行操作。这些允许的时间段被称为可作业气象窗口。OWT 的安装通常包括三个主要阶段：预组装、基础安装以及上部结构和下部结构安装，第三阶段仅在所有基础安装完成后执行（Ursavas, 2017）。基础安装包括打桩入海床和灌浆以连接导管架与桩基础（Tekle Muhabie 等人，2018）。上部结构和下部结构由叶片、塔筒段、机舱和轮毂组成。根据配置，可以采用各种预组装策略，如兔耳式、三叶式和单吊式安装。
在现有的海上风电安装规划研究中，Scholz-Reiter 等人（2011）将天气状况分为三类（好、中、差），并建立了一个混合整数线性规划（MILP）模型以最小化项目总持续时间。Irawan 等人（2017）研究了一个多目标规划优化问题，旨在最小化项目总成本和总完成时间。Ursavas（2017）扩展了 Scholz-Reiter 等人（2011）的工作，通过优化上部结构和下部结构的安装规划，并开发了一种 Benders 分解算法来求解考虑风不确定性的 MILP 模型。Barlow 等人（2018）提出了一种混合模拟 - 优化框架，以支持海上风电场安装期间的物流决策。Amorosi 等人（2024）解决了整个海上风力涡轮机（OWT）安装过程的规划优化问题，包括基础、过渡段、电缆铺设以及上部结构和下部结构。他们建立了一个 MILP 模型，并为该问题提供了下界和上界。
从上述文献综述可以看出，现有的海上风电安装规划研究相当全面。然而，尚无研究考虑波浪空间变异性对 OWT 安装的影响。在波浪传播过程中，岛屿和海床地形变化会引起衍射和破碎等效应，导致风电场不同区域的有效波高出现空间变化，进而影响 OWT 安装的规划。与上部结构和下部结构相比，基础结构的安装对波浪条件更敏感。因此，本研究专注于海上风力涡轮机的基础安装阶段。此外，OWT 基础安装通常持续数月，在此期间难以获得整个规划期内准确的波浪预报。 因此，OWT 安装规划中也必须考虑波浪不确定性。
本研究的主要贡献如下：
- (i).
提出了一个在波浪空间变异性与不确定性下 OWT 基础安装调度的模拟 - 优化框架。在该框架中，使用二阶马尔可夫链生成多个波浪场景。使用 SWAN 模型模拟每个场景下的波浪传播，以获得 MILP 模型所需的波浪参数。
- (ii).
基于样本平均近似（SAA）方法（Kleywegt 等人，2002）建立了一个 MILP 模型，该模型考虑了波浪不确定性，并最小化所有安装船只的总作业时间。还纳入了与波浪空间变异性相关的约束。
- (iii).
开发了一种基于遗传算法的两阶段求解方法来求解该 MILP 模型。
本文其余部分组织如下。第 1 节介绍了引言。第 2 节回顾了相关文献。第 3 节介绍了问题描述和数学公式化。第 4 节介绍了解决所提出模型的优化算法。数值案例研究和计算结果在第 5 节中报告。第 6 节总结了本研究的结论。
章节摘要
文献综述
在本节中，我们回顾了关于波浪模型、随机规划和优化算法的相关文献。
问题描述
OWT 基础安装必须考虑波浪及其不确定性的影响。为确保作业安全，OWT 安装活动要求在允许波浪条件下进行，其中有效波高不超过预定阈值。然而，风电场周围岛屿的存在和海床地形的变化导致现场各区域的有效波高出现空间差异。此外，这些差异随动态变化
求解方法
遗传算法（GA）是一种受自然选择和遗传进化原理启发的元启发式优化算法。它通过选择、交叉和变异迭代改进候选解。在本研究中，GA 被用于求解第 3 节中提出的 MILP 模型。鉴于所提出模型中决策变量数量庞大，这增加了使用 GA 编码和求解问题的难度。因此，我们设计了一个两阶段
背景数据
为验证所提出模型和算法的有效性，对中国福建省莆田市南日岛附近海域进行了案例研究。该区域风能资源丰富，拥有众多海上风电项目。图 4、图 5 分别展示了研究区域的海深图和风浪玫瑰图。波浪数据源自欧洲中期天气预报中心发布的再分析数据集
结论
本研究探讨了波浪条件空间变异性和不确定性下的海上风力涡轮机基础安装规划问题。由于海床地形变化和岛屿的存在，风电场不同区域的有效波高发生变化。为减少恶劣波浪条件造成的安装延误，我们提出了一个模拟 - 优化框架。首先，使用二阶马尔可夫链生成多个波浪场景。然后，
CRediT 作者贡献声明
Rui Liang: 写作 – 审阅与编辑，写作 – 原稿，可视化，验证，软件，方法论，调查，形式分析，数据整理，概念化。Zhongbo Liu: 监督，资源，项目管理，资金获取，概念化。Peixiu Han: 监督，概念化，资金获取，资源。Shuhui Li: 监督，概念化，调查。Shiqi Tong: 监督，概念化，调查。
竞争利益声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本文报告的工作。
致谢
本研究得到 国家自然科学基金（批准号：52171247, 52071057, 51779022）、中央高校基本科研业务费（25CX06076A）以及 山东省博士后创新种子培育计划（SDZZ-ZR-202501419）的支持。
Rui Liang|Zhongbo Liu|Peixiu Han|Shuhui Li|Shiqi Tong
