基于模糊层次分析法的风电机组零部件风险评估

2020-08-01李磊高朝祥邹修敏吴利平钟小村

机械工程师 2020年7期

李磊，高朝祥，邹修敏，吴利平，钟小村

（1.四川化工职业技术学院机械工程系, 四川泸州646099；2.中国船舶重工集团海装风电股份有限公司，重庆401122）

0 引言

风力发电作为可再生能源的代表，得到了飞速发展，机组整机质量水平越来越受到风电行业的关注和重视。风电机组零部件风险状态是影响机组整机质量水平的重要因素，零部件类别不同，影响程度也不同。零部件风险越大，对整机质量水平的影响程度则越大，在整机及零部件质量管理环节则应重点关注。因此，零部件的风险评估对整机及零部件的质量管理和风险控制具有重要的研究意义。

零部件风险评估需要综合考虑诸多风险因素，不同风险因素对零部件的风险影响程度也存在差异，零部件风险评估是一个多维度、多指标的综合问题。目前，模糊层次分析法、熵权法和理想点法等在分析多指标问题中得到了大量应用[1]。冯晓蕾、杨恒等[2]运用模糊层次分析法对起重机运行机构系统状态进行综合评价。王舒婷[3]通过熵权法从学生评价角度对高职院校教师教学质量进行评价。曾韬睿、王林峰等[4]借助理想点法建立围岩质量评价模型。本文基于上述研究，提出了一种基于模糊层次分析法的风电机组零部件风险评估方法。该方法通过构建零部件风险评估指标模型，借助模糊层次分析法得出指标权重，通过模糊综合评判法对零部件展开风险评判[1]，得到各零部件风险得分，实现零部件的风险等级分类。

1 风电机组零部件风险评估指标模型

零部件风险伴随风电机组整个生命周期，贯穿零部件设计、制造、采购、整机装配、机组运维等环节。本文从整机厂家出发，综合分析上述环节的诸多风险因素，最终确定零部件自身价值、零部件缺陷发现难易程度、零部件缺陷率、零部件缺陷影响程度、零部件缺陷纠正难易程度、对客户满意度的影响为风电机组零部件主要风险因素。

零部件自身价值（A），一般通过价格体现，通常价格越高的零部件，风险越大；零部件缺陷发现难易程度（B），一方面是零部件在交付环节的不合格品发现难易程度（B1），另一方面是机组运维过程中，零部件故障现象发现难易程度（B2）；零部件缺陷率（C），一方面是零部件在交付环节的不合格品率（C1），另一方面是机组在运行过程中，零部件的故障率（C2）；零部件缺陷影响程度（D），一方面是零部件在制造、装配等过程中，产生不合格品而影响零部件交付的不合格品影响程度（D1），另一方面是在机组运行过程中，零部件故障对机组运行的故障影响程度（D2）；零部件缺陷纠正难易程度（E），分为零部件交付环节不合格品纠正难易程度（E1）和机组运行环节零部件故障纠正难易程度（E2）；对客户满意度的影响（F），对客户满意度影响越大的零部件对整机的风险影响程度越大。

由此，建立风电机组零部件风险评估指标模型见图1。

图1 风电机组零部件风险评估指标模型

2 模型求解

不同指标对零部件风险评估结果的影响程度不同，我们需计算出某一指标相对于其他指标的重要性，即指标权重。

2.1 指标权重计算

2.1.1 三角模糊数

专家在对实际问题作比较判断时，大多无法给出一个具体的数值m，而给出“在m左右”的判断结果[5]。三角模糊数能很好地量化表达专家给出的这种“在m左右”的判断结果。一般用（l,m,n）表示三角模糊数，其中m表示判断的最可能值，l、n分别表示判断的最悲观值和最乐观值（基于模糊层次分析法的机械材料选择）。

1）定义一。三角模糊数aij=(kij,lij,mij)、bkh=(xkh,ykh,zkh)之间的运算法则[5]：

表1 “0.1～0.9”标度法[6]

图2 同层指标权重向量计算过程

3）层次总排序。

为得到同层指标相对于最终目标层的重要性排序，在层次单排序基础上，进一步层次总排序，计算出指标相对于目标层的权重向量λ[8]。

设已完成上一层指标N1、N2、…、Nn层次总排序，得到权重向量λ1=（n1,n2,……,nn）（首层指标层次总排序权重向量等于层次单排序权重向量），本层指标M1、M2、…、Mm相对于上一层指标Ni层次单排序的权重向量Wi=(d(M1)i,d(M2)i…d(Mm)i,)（当Mj与Ni无关时，d(Mj)i=0），则本层指标M1、M2、…、Mm层次总排序权重向量为

重复上述过程，可计算出底层指标关于目标层的权重向量，完成指标权重计算。

2.2 模糊综合评判

通过模糊综合评判法对评估对象实施综合评判。

第一步，建立评估对象指标集E={e1,e2,…，en} ,评语集V={v1,v2,…，vt}[7]。

第二步，对指标集进行单因素评判，构建隶属度矩阵R：

式中：rnt表示集合E内指标en对集合V内评语vt的隶属度。

第三步，计算得到指标集指标权重向量λ。

第四步，展开模糊综合评判，得到模糊综合评判向量：

第五步，对评语集量化赋分，获得模糊综合评判分数F。设定评语集V=（高风险，一般风险，较低风险，低风险，极低风险），赋分V=（100，75，50，25，0），计算可得：

由式（13）、式（14）可得

得分F越高的零部件，风险越大。

3 实例应用

某整机厂家需对其2.0 MW双馈风力发电机组零部件进行风险评估，由于篇幅有限，下面仅以机组中部分零部件（主齿轮箱、锁紧销、弹性支撑）为例，说明通过模糊层次分析法进行风险评估的具体应用过程。

3.1 计算指标权重

参照图1所建立的指标模型，该整机厂家组织其研究院、交付中心和工程公司三方分别对指标模型各指标进行评判，根据表1量化评判信息，得表2。将表2初始数据算术平均，得表3。

表2 指标层初始三角模糊判断矩阵

表3 指标层三角模糊判断矩阵

根据图2，计算指标层权重向量W′：

W′=（0.29 0.03 0.08 0.27 0.21 0.12）。

参照计算指标层A、B、C、D、E、F权重过程，计算子指标层B1、B2、C1、C2、D1、D2、E1、E2相对于指标层的权重，结合式（11）得所有子指标相对于目标层的权重，完成指标权重的求解，最终权重结果见表4。

表4 指标权重结果信息

3.2 实施模糊综合评判

建立指标集E={A，B1，B2，C1，C2，D1，D2，E1，E2，F}，评语集V=（高风险，一般风险，较低风险，低风险，极低风险）。

组织整机厂研究院、交付中心和工程公司相关人员对待评估零部件各指标集进行单因素评判，得隶属度矩阵，见表5。

表5 零部件隶属度矩阵

根据式（13）～式（15）可计算出主齿轮箱、锁紧销、弹性支撑在各指标下的模糊综合评判得分及总分，计算结果见表6。

表6 零部件各指标模糊综合评判得分及总分

根据零部件模糊综合评判总分，对零部件进行风险等级划分，划分方法见表7。

表7 风电机组零部件风险等级划分方法

由此可知，主齿轮箱、锁紧销、弹性支撑分别属于高风险零部件、低风险零部件、较低风险零部件。

零部件风险等级划分结果可作为风电机组零部件质量管理和整机风险管控的重要参考。在零部件采购和整机运行维护环节中可根据零部件的风险等级，实施差异化管理，集中力量重点关注高风险零部件。同时，根据表6零部件各指标模糊综合评判得分，对于同一零部件，得分高的高风险指标对应的环节应尤为重视，比如，特别重视主齿轮箱的“零部件自身价值”、“故障影响程度”和“故障纠正难易程度”指标对应的环节。从而，可以针对不同的零部件以及同一零部件不同的指标在质量管理和风险管控上做到有的放矢。