海上风电机组维修优化研究综述

谢鲁冰， 李 帅， 芮晓明， 王松岭， 李国华

(1. 华北电力大学 能源动力与机械工程学院,北京 102206；2. 中国机械设备工程股份有限公司,北京 100055)

0 引言

2017年上半年，我国风电新增并网容量601万kW，继续保持稳步增长势头，截至6月底, 我国累计并网容量达到1.54亿kW，同比增长12%。2016年，我国海上风电新增装机154台，新增容量达到59万kW，总装机容量达到163万kW，同比增长64%[1-3]，我国仅次于英国和德国，位列全球第三。考虑到海上风电投资大、风险高，同时受到海上天气条件、海上风电场值班制、海上风电运维船只、备品备件管理等多种因素的影响，海上风电场对风机质量和性能的要求更为严苛。并且国内海上风电产业尚处于起步阶段，规模发展也只有超过五年的时间，但是目前大部分风电机组已走出质保期或即将质保期满，随着时间的推移，机组投资人自主维护水平已经成为衡量能否确保风电场正常运行的关键因素。因此如何采用合理的维护优化方案与策略，对于减少运维成本和投资风险，提高风电场的可靠性，取得较好的社会经济效益, 无论是从风机制造商角度还是从开发商的角度而言，都将具有显著的经济价值。 并且，随着我国海上风电发展步入快速发展期，以及风电逐渐实现并网侧平价上网的趋势，实现成本及可靠度最优的海上风电运维优化研究将成为影响我国海上风电快速健康发展的重要因素。

本文对近年来海上风电运维策略研究的国内外现状进行了归纳分析，分别对基于海上运维后勤管理的优化、维修可靠性及可达性为目标的优化、海洋风能气候与气象预测的维修优化、有限运维数据下维修优化、海上风机容错运行的冗余优化、经济成本控制运维优化这几个层次对近年来的中外文献进行了综述，以此得出了海上风电运维研究热点和方向展望，并提出了我国海上风电的发展及技术方向。

1 海上风电设备的故障特性

海上风电机组故障主要特点是维修成本高、维修等待时间长、对人力资源的技术水平要求高、单次修复的计划性强等。尤其是不同类型的风机结构基础对故障维修的要求不尽相同，目前主流的风机基础类型详见表1。可达性系统主要包括维修安装船舶的配置和投资运行成本。船舶配置通常是考虑到它的使用目的、作业环境、入坞系统和安全水平等的需要；现有的船舶主要包括单体船、双体船、小水线双体船、气垫船、半潜平台船、起重船、安装船等，各种船舶的分类与用途详见图1。

图1 海上风电机组维修船舶分类

2 海上风电维修优化策略研究现状及展望

海上风电机组的维修是属于多部件复杂系统的维修过程，主要维修逻辑如图2所示。

根据中外文献，目前海上风电维修的研究热点和方向主要集中在围绕解决海上风电可达性的风浪、维修船只、维修人力资源等对维修策略的影响分析、海上风电维修策略优化数学模型、基于状态监测的海上风电组件故障诊断与评估方法研究、海上风电多部件系统预防性维修方案优化、基于备品备件库存及管理优化的海上风电运维策略研究、海上风电容错运行优化研究、海上风电运维策略对运维成本影响的灵敏度分析等方面。

表1 海上风电机组基础结构类型

图2 复杂多部件系统维修优化策略思维导图

2.1 基于备品备件的海上维修后勤管理的优化

由于海上风电维修受限于可达性的影响，因此风机维修的后勤优化管理已逐渐成为提高运维可靠度、可用度和经济性的重要方向。尤其是对位于远离海岸的寒冷深水区域的海上风电场[4]。由于欧洲海上风电发展比较早，海上风电运维经验比较丰富，工作模式比较先进，对影响运维的环境因素识别能力比较强。尤其是海上风电场离岸距离越来越远，海况也变得越来越复杂，风电场的维护工作要求越来越高。为了满足离岸更远的海上风电场维护作业要求，对风电运维船的功能和性能要求也越来越高，船舶的安全性、可靠性、舒适性、经济性均能够予以考虑[5]，因此，在该方面的研究相对超前。Mahmood Shafiee[6]将海上风电的后勤优化策略分为3个层次，即有关可靠性、风场选址、维修人力及技术资源的风电场优化设计方案与策略；有关备品备件管理、维修保障支持系统、维修器具租赁的优化方案与策略；有关维修任务、维修船舶船坞、维修策略评估方法的优化方案与策略。近年来，许多学者致力于将风电运维供应链优化作为研究方向[7-19]。同时，针对影响海上风电可维修性的各个因素研究也逐渐受到重视。Matti Scheua[20]指出海上风电单位发电成本的三分之一源自系统故障停机造成的运维成本，文献通过MATLAB仿真海上风电故障与维修情况，在考虑维修船舶等待时间的前提下提出了海上风电机组维修间隔优化方案。 Besnard[21]基于海上风电维修备件库存、技术人员人数、运维船只选择、直升飞机选择技术4个主要因素，考虑维修等待问题适用的排队理论，建立了维修后勤服务成本最优化模型。Elin E.[22-27]认为维修人员与部件的运输费用是海上风电运维成本重要组成部分，运输费用主要由维修船舶与直升飞机的租赁费用产生，尤其是维修船舶的选型与编队组合已成为运费的核心决策因素。为进一步节约维修成本，Elin E提出了考虑固定运维费用与船坞费用最小化的维修策略模型，并以挪威某座海上风电场进行了算理仿真，Elin E.最终认为基于海上天气因素的维修船舶航线优化选择是影响维修总费用灵敏度的关键点。Kirsten[28]考虑到维修船舶的可用率、海洋气象条件等限制性条件的影响，构建了基于备件消耗成本最优化的数学模型，以维修间隔作为目标优化决策变量，并引入松弛因子作为维修船舶可用率、海浪高度对备件消耗费用灵敏度分析的量化指标。Christian[29]从维修船舶的尺寸选择角度出发，考虑到高昂的船舶租赁费用、风速、浪高、上网电价作为约束条件，以此构造船舶费用随机模型。Goch G[30-34]等学者也分别从维修船舶、起重设备、人力资源配置等多个方面探究了海上风电后勤费用优化问题。近年来针对海上风电单个核心部件的后勤供给优化也成为研究热点，Mahmood Shafiee[35]针以风机叶片的维修更换费用为目标，结合可达性涉及的海况和有义波高，最终得到了各种海况下的叶片定检、巡检间隔及相应的具体维修工作方案。

总体上，目前针对海上风电后勤优化方面的研究难点一是极端天气状况对运维船舶的选择；二是技术人力资源对后勤费用波动的影响；三是对于新建海上风机，缺乏故障数据及齿轮箱等重要零部件在天气影响下的更换费用数据；四是对于影响后勤费用的各个因素之间的内部关联性分析。

2.2 基于各种优化目标的维修策略

Sarker B R[36]建立了基于海上风机组件的多层次机会维修费用模型，通过采用机会更换、机会维修以及故障维修同时进行机会维修的方式降低维护费用。G.J.W. van Bussel[37]根据海上风机设备吊装起重机和直升机在风机运维中的优劣势分析，以风机可靠性为目标，基于状态监测和专家系统，对风机维修计划和维修任务进行了优化。 Sarker B R[38]采用机会维修方式，认为当对某一发生故障的部件进行更换时，按照机会维修理论也对其他相关部件进行维修，以此提出了基于多级预防性机会维修的海上风电维修策略，认为不同地域的海上风电机组由于风浪等天气因素影响，各风机组件的故障率及相应的故障阀值均存在一定程度上的差异，因此需要针对实际运行工况开展综合评判，并且机组部件的可维修性、可达性都将对进一步优化维修组别内部的具体部件组合产生影响。 Besnard[39]以维修费用最低为目标，将预防性维修机会维修和事后维修进行了对比分析，通过实例得出结论：在有限维修周期内，采用预防性机会维修较之事后维修约节约总成本43%。Matthias Hofmanna[40]以维修经济性为目标，研发了NOWIcob可视化软件，能够模拟海上风电实时运维状况及参数。Jannie J N[41]通过引入贝叶斯预后验理论，采用事后维修策略，对单个风机部件的检查和更换计划进行了优化,在优化过程中提出了单个部件的故障率维修阀值。

如前所述，海上风电系统的可达性对于运维成本的降低将起到关键作用。Athena Zitrou[42-44]等学者从最佳维修人员组合、基于排队理论的最佳维修等待时间间隔等层面对维修决策变量进行了优化分析。Mahmood Shafiee[45-49]借鉴模糊数学中的模糊综合评判理论，在沿用Chang D Y[50]在研究模糊综合评判方法解决多目标多属性优先级问题所提出的理论基础之上，创新提出了模糊综合评判网络模型。虽然Mahmood Shafiee等研究人员对多个属性的选择进行了模糊量化，并得出了备选维修方案的优先次序排列，但是对于海上风电机组系统而言，各个属性之间往往不是孤立存在的，因此各属性之间的关联性也将对维修方案的选择及精细化操作具备重大理论及实践意义，也是下一步海上风电运维优化的重点方向之一。

2.3 基于海上天气的维修优化研究

风、浪和海流条件是海上风电场电力生产的主要输入参数，对候场选址及后续运维，都要确定和评估这些参数。目前，海上风场海洋学特征数据主要依赖实测和建模获得。考虑到风浪条件对海上风电可达性及降低运维费用的重要程度，目前国外学者已经开展相关研究，研究方向主要是基于风浪环境对运维成本、船舶出海、人员配置等灵敏度方面的分析。Scheu M N[51]分别采用高斯统计法、ARMA过程以及马尔可夫过程对海上天气状态进行数学方法模拟与归纳。Matti Scheua[52]在总结大型海上风电维修策略方法的同时，利用MATLAB对风机故障和维修数据进行模拟，进而提出了考虑维修船只和维修间隔的优化策略，并就天气因素对于维修成本的影响进行了灵敏度分析。Iver Bakken[53]将波浪参数予以细化，将最大波高、平均波高、有义波高3种情况下对于维修船只出海工作的影响进行定量分析，并结合备件库存，提出了不同浪高下维修工作事项范围、维修间隔时间、人员配置的优化组合方案，节约了不必要的维修费用。

2.4 基于小样本数据下维修优化研究

对于海上风电而言，大量的运维数据、专家经验、运行日志、维修记录、事故处理报告、备品备件数据、贷款租赁成本、原材料价格等均是影响海上风电运维经济性和可靠性的重要数据来源，德国、瑞典、挪威等欧洲风电行业发达国家均已建立专门的数据库、实验室、数据处理中心，我国目前已逐渐意识到数据积累与处理的重要性，2009年专门成立了国家海上风力发电工程技术研究中心，承担我国海上风电装备技术研究、系统设计、集成制造及其海上风电场工程技术研究的专业化技术研发等任务。Hameed Z[54]借鉴德国WMEP与LWK数据库、芬兰VTT数据库的经验，提出了建立海上风电可靠性数据库(OREDA)的概念和思路,并认为现场数据与机组试验数据均是可靠性数据的重要来源，尤其是现场人员记录的故障数据与运行日志对于进一步开展维修优化具有积极作用，但是现场人员记录的故障数据往往在数量与质量上不能满足开展运维优化研究的要求。

总体上，我国海上风电运维研究尚处于研究初期阶段，目前国家海上风力发电工程技术研究中心已成立专门的大数据中心负责整理挖掘现有海上风机的维修数据,这方面，东海大桥海上风电场应充分利用其5年运行时间积累的信息，充分发挥了对后续运维优化的指导作用。

2.5 基于冗余优化的维修研究

近年来，在海上风电冗余设计优化方面，考虑到机组维护时间长，停机损失大、可达性差的特点，研究信号检测冗余、控制回路冗余、器件冗余等已成为热点方向。并且，除了传统的冗余设计之外，容错控制也是许多电机设备容错运行的主要方式。容错控制是指当控制系统中的某些部件发生故障时，系统仍能按期望的性能指标或性能指标略有降低(但可接受)的情况下，还能安全地完成控制任务，风力发电机与变频器的故障容错是当前这方面研究的主要方向[55]。Echavar E、Sørensen J D与Odgaard P F[56-58]概括了风电机组电气部分的5种容错控制方式，分别通过调整硬件设计与软件容错控制的方式实现不同电气故障的容错运行，提出了一种在几乎不增加风机重量与成本的前提下能够实现风机具有一定的故障容错能力的方法。Faulstich S[59]针对海上风机停机故障的预测与分析，进而以优化风机并网负荷功率曲线为目标提出了针对性的运维策略。Mikel[60]以提高发电效率为目标，考虑海浪对机组运行的影响，对变频控制的海上大型变电站故障情况进行预测，并提出针对性的优化设计及运维方案。总体上，海上风电冗余设计优化方向是实现未来与陆上智能电网的柔性接入、提高机组运行可靠性的重要手段。同时，研究高电压等级的功率模块串联技术路线和大电流的功率模块并联技术路线也是发展方向之一。

2.6 基于可控成本的运维优化

海上风电的经济成本控制包含2个层面：一是基于风电运维成本控制层面；二是基于海上风电场基建总投资与风电运营商投资收益层面。对于第一个层面，主要是指在项目出质保期后的实际运营阶段的费用控制；对于第二个层面，主要是指通过评测度电成本(LCOE)、内部收益率(IRR)、净资产收益率(ROE)等指标来衡量项目的经济可行性。 Effiom S O[61]对尼日利亚海上风电行业不同运营阶段的成本进行了讨论，认为有50%的海上风电成本源自资本性支出，另外50%的成本源自经营性支出。按照尼日利亚国内GDP及电力市场机制，单机容量4 MW的单机将节约4.95%的度电成本，单机容量在5～6 MW的机组将节约2.7%的度电成本。 Dicorato M[62]结合陆上风电的成本构成对海上风电建设期和运营期的成本进行预估，并以海上变电站为例具体分析了电压等级与海上变电站离岸距离之间的关联关系对建设及运维成本的影响。Castro Santos[63]分析了全生命周期下，海上风电部件购置及后期核心部件更换对成本的影响。

根据以上关于海上风电维修优化策略研究现状的分类，可以看出，维修决策研究的目的是在保证系统安全性、可靠性和可达性的前提之下，对成本和收益进行综合权衡，以此确定和调整维修时间、维修间隔、维修时机、维修任务等维修决策变量，最终制定合理最优的维修方案与计划，并通过维修评估方法不断检验并改进维修方案。国内外学者们的研究目标大致相同，只不过分别是从维修优化的各个环节开展优化研究，有的是研究数据来源对可靠性的影响，有的是考虑基于天气状况和备品备件费效比等因素对维修等待时间的评估。总体上，模糊数学、规划数学、运筹学、物流供应链管理等方法和理论的引入与融合已成为进一步优化海上维修策略的显著趋势。

通过文献综述可以看出，海上风电运维策略优化方面的文献主要出自英国、德国、挪威、瑞典、美国等国家的高校与研究机构，我国随着投运海上风电机组的逐渐增加，有关海上风电运维的研究也已起步，但是研究文献相对较少。文献[64-72]等学者分别从海上风电可靠性、可用性评估、机械故障机理分析等多方面进行了维修策略研究。海上风电运维优化研究方向及展望详见表2。

表2 海上风电运维优化研究方向及展望

3 我国海上风电维修策略优化研究面临的问题及方向

目前我国尚未完全掌握海上风电的核心技术，关键部件质量和可靠性不能完全满足运行要求，海上基建、塔筒防腐、海底电缆等各项维修基础仍待突破。以上问题可主要通过技术创新、加大单机容量、延伸上下游产业链、制定技术及建安标准、先进控制及仿真、核心大部件疲劳预警技术、舱内温湿度控制等方面入手解决。对于我国海上风电运维优化的发展方向，可针对大容量海上风电机组的突破载荷计算；海上防腐、高可靠性、高可维性关键技术；关键部件容错设计、智能诊断；小部件的冗余设计等方面展开。

4 结论

欧洲海上风电发达国家(例如英国)在海上风电行业管理、整体规划、海上工程施工、风电场运营和管理等方面积累了丰富经验，在维修策略优化方面，将更加注重维修数据的收集和整理研究、人工智能在策略制定与选择方面的应用、维修成本控制、维修产业链协同等环节的细化研究。我国在陆上风电运维方面，具备了在多种风能资源下长期稳定运维的丰富经验，随着海上风电发展步入快速发展期，更多陆上风电维修的成功经验将会应用到海上风电运维当中。目前，我国在海上风机设计制造及安装领域的个别技术环节已处于全球领先水平，在我国“十三五”大力发展海上风电的良好政策环境下，海上风电维修水平将得到不断提高。

参考文献：

[1]中国风能协会.2016年中国风电装机统计简报[EB/OL]. (2017-02-09)[2017-04-06]http://ex.bjx.com.cn/html/20170217/20940.shtml.

[2]国家能源局.2017年上半年风电并网运行情况[EB/OL]. (2017-07-05)[2017-08-09]http://www.nea.gov.cn/2017-07/24/c_136468307.htm.

[3]水电水利规划设计总院.2016年全国各省区风电建设运行[EB/OL].(2017-10-09)[2017-12-09]http://www.sohu.com/a/201130478_100006059.

[4]ARVESEN A, BIRKELAND C, HERTWICH E G. The importance of ships and spare parts in LCAs of offshore wind power[J]. Environment Science Technology, 2013,47(6):2948-2956.

[5]芮晓明, 张穆勇, 霍娟. 基于性能可靠性的风电机组功率曲线评定新方法[J]. 动力工程学报, 2014, 34(9):742-747.

[6]MAHMOOD S. Maintenance logistics organization for offshore wind energy: Current progress and future perspectives[J]. Renewable Energy,2015,77(2):182-193.

[7]WEE H M, YANG W H, CHOU C W, et al. Renewable energy supply chains, performance, application barriers, and strategies for further development[J]. Renewable and Sustainable Energy Reviews,2012,16(8):545-565.

[8]AMBUEHL S, SøRENSEN J D. Sensitivity of risk-based maintenance planning of offshore wind turbine farms[J]. Energies, 2017, 10(505):1.

[9]DE REGT D N. Economic feasibility of offshore service locations for maintenance of offshore wind farms on the Dutch part of the North Sea[D]. The Netherlands: Delft Institute of Applied Mathematics, 2012.

[10]KARYOTAKIS A. On the optimization of operation and maintenance strategies for offshore wind farms[D]. London:University College London, 2011.

[11]BESNARD F. On maintenance optimization for offshore wind farms[D]. Sweden: Chalmers University of Technology, 2013.

[12]FLORY J A. Optimal replacement strategies for wind energy systems[D]. USA:University of Pittsburgh, 2013.

[13]LINDQVIST M, LUNDIN J. Spare part logistics and optimization for wind turbines:methods for cost-effective supply and storage[D]. Sweden: Uppsala University, 2010.

[14]DEWAN A. Logistic & service optimization for O&M of offshore wind farms: model development & output analysis[D]. The Netherlands: Delft University of Technology, 2013.

[15]GUNDEGJERDE C, HALVORSEN I B. Vessel fleet size and mix for maintenance of offshore wind farms: a stochastic approach[D]. Norway: Norwegian University of Science and Technology, 2012.

[16]AMAYRI A. Condition based maintenance of wind turbine systems considering different turbine types and lead times[D]. Canada: Concordia University, 2011.

[17]PARIKH N D. Optimizing maintenance cost of wind farms by scheduling preventive maintenance and replacement of critical components using mathematical approach[D]. USA:Texas A&M University, 2012.

[18]BHARADWAJ U R. Risk based life management of offshore structures and equipment[D]. UK: Loughborough University, 2010.

[19]FRANCOIS B. On maintenance optimization for offshore wind farms[D]. Sweden: Chalmers University of Technology Gothenburg, 2013.

[20]MATTI S, DENIS M, MATTHIAS H, et al. Maintenance strategies for large offshore wind farms[J]. Energy Procedia,2012, 24(24):281-288.

[21]BESNARD F, FISCHER K, TJERNBERG L B. A model for the optimization of the maintenance support organization for offshore wind farms[J]. IEEE Transactions on Sustainable Energy,2013,4 (2):443-450.

[22]ELIN E, HALVORSEN W, CHRISTIAN B. Vessel fleet analysis for maintenance operations at offshore wind farms[J]. Energy Procedia, 2013,35(41):167-176.

[23]HOFF A, ANDERSSON H, CHRISTIANSEN M, et al. Industrial aspects and literature survey: Fleet composition and routing[J].Computational Operation Research, 2010,37(12):2041-2061.

[24]FAULSTICH S, HANH B, TAVNER P. Wind turbine downtime and its importance for offshore deployment[J].Wind Energy,2011,14(3):327-337.

[25]OSTGREN B. Execution of maintenance on offshore wind farm[R].Norway:the Norwegian electricity company, 2012:10-12.

[26]ZHU Q, PENG H. HOUTUM G J V. A condition-based maintenance policy for multi-component systems with a high maintenance setup cost[J].Or Spectrum, 2015,37 (4):1007-1035.

[27]LI H, DELOUX E, DIEULLE L. A condition-based maintenance policy for multi-component systems with Lévy copulas dependence[J]. Reliability Engineering & System Safety, 2016(149):44-55.

[28]KIRSTEN T, WESTERHOLTA J, SCHUHA P. Spare parts planning for offshore wind turbines subject to restrictive maintenance conditions[J].Procedia CIRP, 2013,7(12):563-568.

[29]CHRISTIAN G, ELIN E. HALVORSEN W, et al. A stochastic fleet size and mix model for maintenance operations at offshore wind farms[J].Transportation Research Part C,2015(52):74-92.

[30]GOCH G, KNAPP W, HRTIG F. Precision engineering for wind energy systems[J]. CIRP Annals-Manufacturing Technology, 2012,62(2):611-634.

[31]FAGERHOLT K, CHRISTIANSEN M, HVATTUM L M, et al. A decision support methodology for strategic planning in maritime transportation[J]. Omega,2010,38(6): 465-474.

[32]HALVORSEN W, GUNDEGJERDE C, HALVORSEN I B, et al. Vessel fleet analysis for maintenance operations at offshore wind farms[J]. Energy Procedia,2013,35(41):167-176.

[33]MENG Q, WANG T. A chance constrained programming model for short-term liner ship fleet planning problems[J]. Maritime Policy Management,2010(37):329-346.

[34]SHYSHOU A, GRIBKOVSKAIA I, BARCELJ. A simulation study of the fleet sizing problem arising in offshore anchor handling operations[J].European Journal of Operation Research,2010,203(1):230-240.

[35]MAHMOOD S, MICHAEL P. An optimal number-dependent preventive maintenance strategy for offshore wind turbine blades considering logistics[J]. Advances in Operations Research, 2013(2):261-267.

[36]SARKER B R, FAIZ T I．Minimizing maintenance cost for offshore wind turbines following multi-level opportunistic preventive strategy[J]. Renewable Energy, 2016(85):104-113．

[37]BUSSEL G J W, SCHÖNTAG C. Operation and maintenance aspects of large offshore wind farms[D]. Netherlands: Stenden University, 2014.

[38]SARKER B R, HOSSAIN M S J.Optimal locations of on-line and off-line rework stations in a serial production system[J].International Journal of Production Research, 2016,54(12):1-19.

[39]BESNARD F, PATRIKSSON M A. Stochastic model for opportunistic service maintenance planning of offshore wind farms[C]. IEEE Powertech conference,Trondheim,Norway, 2011:19-23.

[40]MATTHIAS H, IVER B S. NOWIcob-A tool for reducing the maintenance costs of offshore wind farms[J].Energy Procedia,2013,35(41): 177-186.

[41]JANNIEN J N, JOHN D S. On risk-based operation and maintenance of offshore wind turbine components[J]. Reliability Engineering and System Safety,2011, 96(1):218-229.

[42]ATHENA Z, TIM B, LESLEY W. A model for availability growth with application to new generation offshore wind farms[J]. Reliability Engineering and System Safety,2016,152(1):83-94.

[43]FAULLSTICH S, HAHN B, TAVNER P J. Wind turbine downtime and its importance for offshore deployment[J].Wind Energy,2011，14(3):327-337.

[44]STEWEN G. Offshore wind cost reduction task force. Offshore wind cost reduction task force report[R]. England: Calon company,2012.

[45]SHAFIEE M. A fuzzy analytic network process model to mitigate the risks associated with offshore wind farms[J]. Expert Systems with Applications,2015,42(4):2143-2152.

[46]SHAFIEEM M, PATRIKSSON M, BERTLING L. A redundancy optimization model applied to offshore wind turbine power converters[C]. In:Proceedings of the IEEE PowerTech Conference,Grenoble, France,2013:23-27.

[47]SHAFIEE M. An FMEA-based risk assessment approach for wind turbine systems: a comparative study of onshore and offshore[J]. Energies, 2014,7(2):619-642.

[48]SHAFIEE M, FINKKELSTEIN M. An optimal age-based group maintenance policy for multi-unit degrading systems. Reliability Engineering and System Safety[J/OL]. http://dx.doi.org/10.1016/j.ress.

[49]SHAFIEE M, KOLIOS A. A multi-criteria decision model to mitigate the operational risks associated with offshore wind infrastructures[J/OL].[2014,-539-547].http://dx.doi.org/10.1201/b17399-77.

[50]CHANG D Y. Applications of the extent analysis method on fuzzy AHP[J]. European Journal of Operational Research, 1996,95(3):649-655.

[51]SCHEU M N, MATHA D, MUSKULUS M. Validation of a markov-based weather model for simulation of O&M for offshore wind farms[C]. Proceedings of the 22th International Offshore and Polar Engineering Conference. Rhodes: International Society of Offshore and Polar Engineers (ISOPE), 2012:463-468．

[52]MATTI S, DENIS M, MATTHIAS H. Maintenance strategies for large offshore wind farms[J]. Energy Procedia,2012,24(24):281-288.

[53]IVER B S, ELIN E H. Comparison of single- and multi-parameter wave criteria for accessing wind turbines in strategic maintenance and logistics models for offshore wind farms[J].Energy Procedia,2014(53):221-230.

[54]HAMEED Z, VATN J, HEGGEST J. Challenges in the reliability and maintainability data collection for offshore wind turbines[J]. Renewable Energy,2011,36(8):2154-2165.

[55]黄玲玲，曹家麟，张开华，等. 海上风电机组运行维护现状研究与展望[J]. 中国电机工程学报,2016，36(3):729-738.

[56]SORENSEN J D. Reliability analysis and risk-based methods for planning of operation and maintenance of offshore wind turbines[C]. International Conference on Ocean, Offshore and Arctic Engineering,USA,2017:23-34.

[57]ECHAVARIA E, VAN B G J W, TOMIYAMA T. Finding functional redundancies in offshore wind turbine design[J]. Wind Energy, 2012, 15(4):609-626．

[58]ODGAARD P F, STOUSTRUP J, KINNAERT M. Fault-tolerant control of wind turbines: A benchmark model[J]. IEEE Transactions on Control Systems Technology, 2013,21(4):1168-1182．

[59]FAULSTICH B. Wind turbine downtime and its importance for offshore deployment[J]. Wind Energy,2011,14(3):327-337.

[60]MIKEL P G, JOAN B J. Power generation efficiency analysis of offshore wind farms connected to a SLPC(single large power converter) operated with variable frequencies considering wake effects[J].Energy, 2012,37(1) 455-468.

[61]EFFIOM S O, ABAM F I. Economic cost evaluation on the viability of offshore wind turbine farms in Nigeria[J]. Energy Reports,2016(2):48-53.

[62]DICORATO M, FORTE G, PISAN M. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable Energy,2011(36): 2043-2051.

[63]CASTRO S L, DIAZ C V. Life-cycle cost analysis of floating offshore wind farms[J]. Renewable Energy,2014, 66(3):41-48.

[64]黎皓.基于可靠性理论的海上风电场运维研究[D]. 北京:华北电力大学, 2013.

[65]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,2014，36(21):5732-5740.

[66]符杨,马媛,刘璐洁,等.海上风电机组分阶段预防性维修策略[J]. 电力建设,2017,38(6):124-132.

[67]郑小霞,赵华,刘璐洁,等.考虑可及性的海上风机综合维护策略[J].电网技术, 2014 , 38 (11) :3030-3036.

[68]刘璐洁,符杨,马世伟,等.基于运行状态监测与预测的海上风机维护策略[J].电网技术, 2015, 39 (11) :3292-3297.

[69]符杨,李学武,黄玲玲. 基于时间延迟理论的海上风电机组不定期检修策略[J].电力系统自动化,2016,40 (15) :133-140.

[70]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) :1993-2000.

[71]黄移典.海上风电安装平台冲桩系统故障维修[J].科技创新导报,2017,14 (26):13-16.

[72]杜勉,易俊,郭剑波,等. 以可靠性为中心的维修策略综述及其在海上风电场运维中的应用探讨[J].电网技术, 2017, 41 (7) :2247-2254.