[发明专利]一种基于年度定额的风电场备件的库存优化方法

说明书

本发明公开了一种基于年度定额的风电场备件的库存优化方法，以年度定额的风电场备件库存模型为基础，计算剩余库存对应的各部件可用率及相应的风电场平均可用率，计算第i个部件的库存定额数增加1后的相应的风电场平均可用率；计算各部件库存定额数增加对风电场平均可用率的改善程度及相应的效费比；选择最大效费比对应的部件，计算其库存定额数增加1之后是否仍符合预算约束，如符合，更新风电场最优平均可用率及该部件的库存定额数，如不符合，去除最大效费比,若效费比为空集则结束计算。本发明的有益效果是能够使备件采购资金最大程度提高风电场的平均可用率。

技术领域

本发明属于风电技术领域，涉及一种基于年度定额的风电场备件的库存优化方法。

背景技术

风电机组工作环境恶劣，各种故障频繁发生。当部件发生严重故障时，一般采用以备件更换故障部件的方式进行维修。此时，相应备件是实施维修所必需的物资，若风电场的备件库存中缺少所需备件，则必须等待备件到货后方可实施维修，风电机组停机时间将大大延长。因此，合理的备件库存可提高风电场的可用率，减少停机损失。

目前风电场的备品备件库存控制还处于较为初级的阶段，通常在年初根据运行人员经验确定本年度需购买的备件类型及数量并编制预算，待预算经上级部门审核通过后，进行采购。如年中出现备件短缺现象则进行紧急采购，以因应备件需求。

因备件数目为整数，所以备件库存优化控制问题是典型的离散优化问题，可通过遗传算法进行求解。遗传算法以优化目标作为适应度函数，将优化变量编码为基因，通过选择、交叉、变异运算对种群进行更新，末代种群中最优个体的基因值经过解码作为优化问题的解。

遗传算法的基本运算过程如下：

a)初始化：设置进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

b)个体评价：计算群体P(t)中各个个体的适应度。

c)选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。

d)交叉运算：将交叉算子作用于群体。交叉算子将不同个体的基因值进行拼接形成新的个体。

e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。

f)终止条件判断：若t＝T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

现有方案完全依赖运行人员的经验，备件采购资金无法最大程度提高风电场的平均可用率。因此，我们采用概率方法在备件库存数量与风电场平均可用率之间建立了明确的数学关系；遗传算法可求解该问题，但因智能算法具有随机性，不一定能得到全局最优解；遗传算法通过迭代进行求解，其计算量较大，耗时较长。目前，风电场的备件库存通常由运行人员根据经验进行确定，经常出现备件长期闲置或备件短缺现象，导致备件采购所花费的资金并不能最大程度地提高风电场的可用率。

发明内容

本发明的目的在于提供一种基于年度定额的风电场备件的库存优化方法，解决了现有的风电场的备品备件库存控制效率低，备件采购资金无法最大程度提高风电场的平均可用率的问题。

本发明所采用的技术方案是按照以下步骤进行：

(1)设上一年度各部件的剩余库存为{Q₁，Q₂，Q₃，......，Q_m}，各部件的初始购买数量均为0，则S_i＝Q_i，S_i为风电机组第i个部件的库存；