基于多指标融合评价方法的风电机组优化选型辅助决策系统设计

李晟

（中国大唐集团公司，北京 100033）

文献[1]中显示，2011年我国（不包括台湾地区）新增安装风电机组11409台，装机容量达到17630.9 MW，累计安装风电机组45894台，装机容量达到62364.2MW，实现了年增长39.4%。

在风电的高速发展中，风电投资者在风电场建设和风机选型中面临了一系列问题，特别是对大型发电集团也面临着装机规模不断扩大而如何确保风机产能增加、投资量减少等难题[2-3]。

1）大量风机制造企业的竞争促进了我国风机制造业的发展，但是由于各个企业的制造基础、技术来源、技术力量参差不齐，造成市场上的风机质量也良莠不齐，对风机制造企业的实力及其产品、供应链进行深入了解，对于关注风电产业的投资者是非常必要的。但是，目前国内缺乏一个这样的综合平台，尤其是大型发电集团，缺乏掌握对风机制造厂商的全方位信息。

3）大量企业进入风机制造行业，一定程度上改变了风机的供求关系，带来了风机造价的下降。特别对于大型发电集团，获得及时的风机价格走势信息，并适时进行规模化风机采购，对于降低风电投资非常关键[4-6]。

1 基于多指标融合评价方法的风电机组优化选型

基于多指标融合评价体系的风电机组选型方法充分利用多个指标体系，把多个指标体系合理的支配和使用，把多个指标在空间或时间的冗余或互补信息根据某种准则来进行组合，以此获得被评价对象的一致性解释和描述，此评价方法获得了比它各种组成部分所构成的系统更优越的性能。其风电机组多指融合评价指标体系见图1。

图1 多指标融合评价指标体系Fig.1 Multi-index fusing evaluation system

多指标融合评价方法采用非线性加权综合法和线性加权综合法来建立基于运行经济性分析的综合评价方法。通过综合评价方法对风电机组进行评价，其最终目的是以客观、量化的结果来对风电机组制造厂家的选择提供直接依据，从而实现对风电机组的优化选型。

对于非线性加权综合法采用非线性模型

式中，Y是非线性评价指标；wi是与评价指标IDi所对应的权重系数 ；m为评价指标数量。对于线性加权综合法采用线性模型

式中，Y是线性评价指标；wi是与评价指标IDi所对应的权重系数；m为评价指标数量。

为了保证对基于运行经济性分析的风电机组选型评价方法的功能性和实效性，因此采用多指标融合综合评价方法来实现。

式中，α、β为已知的比例系数，α≥0，β≥0，α+β=1；Y为综合评价指标。

调查结果显示，大部分学生程度差，课上听不懂老师讲课，学习不重视，学习很困难。因为学得困难，导致了这部分多数厌学，最后发展成学困生。学困生占比例很大，教师很难照顾到每一位学生，学习成绩差主要是学习兴趣差，学习态度不端正等非智力因素所致。

在非线性加权综合法和线性加权综合法中其评价指标IDi均相同，因此与之对应的wi在非线性模型和线性模型的取值也应相同。采用专家评审法确定上述评价指标体系的相对重要程度[7-8]。

2 数据库在风电机组优化选型辅助决策软件系统的应用

数据库是数据管理的最新技术，是计算机科学技术中发展最快且应用最广的技术领域之一。数据库技术的不断发展为大容量数据的存储和管理提供了有力工具，目前作为信息系统核心和基础的通用数据库管理系统已在企业管理中得到了广泛应用。将数据库技术应用于风电机组优化选型辅助决策系统中，将会使系统的性能和灵活性大大提高，充分考虑多种客观因素并进行多指标和多层次优化，以提高风电场经济效益和运行安全性为核心实现风电机组的优化选型。随着Internet技术的不断发展，人们对C/S结构进行了变化和完善，形成了一种新的架构模式——B/S结构，也就是浏览器/服务器模式，它的本质是3层结构的C/S模式，其结构体系如图2所示。

图2 3层结构体系图Fig.2 Three-layer structure diagram

B/S结构的用户工作界面是通过IE浏览器来实现的。其主要事务逻辑在服务器端实现，少部分事务逻辑在前端实现，形成3层的体系结构。随着技术的不断向前发展，B/S结构这种全新的3层软件系统构造技术逐渐成为系统开发的首选。

3 系统功能模块设计

为了促进系统的实践和应用，开发了“基于多指标融合评价方法的风电机组优化选型辅助决策系统”。软件系统的成功开发，为实现风电机组选型辅助决策系统的科学应用奠定了良好的工作平台。

根据风电机组优化选型辅助决策系统的构建思路，主要由5个功能模块组成，分别是制造厂商数据库、风电机组数据库、国内风电场建设（主机）数据库、风电主机造价数据库以及同类风电场机组选型查询模块。其风电机组优化选型辅助决策系统结构如图3所示。

图3 风电机组优化选型辅助决策系统结构图Fig.3 Assistant decision system design for optimum type selection of wind turbines system structure

同时，系统开设了风电投资者、风机制造企业专用账号和相应功能：

1）风电投资者。可以浏览、查询制造厂商数据库、风电机组数据库、国内风电场建设（主机）数据库、风电主机造价数据库，并根据自身需求选择风机造价走势分析、风机数据对比、企业产能对比、同类风场选型情况查询等功能。

2）风机制造企业。具备录入、更新、浏览本企业的企业信息、风机产品资料以及已投产风场（风机）主要运行数据。

3.1 制造厂商数据库

截至2010年底，国内共有83家风机制造企业，其中国有企业37家，民营企业27家，合资企业9家，外资企业10家。制造厂商数据库重点包含了企业基本情况、主要机型、技术特点、生产能力、区域规划及地方合作计划等信息，其工作界面如图4所示。

图4 制造厂商数据库工作界面Fig.4 Manufacturers′work database interface

3.2 风电机组数据库

风力发电项目是一个综合性技术很强的项目，它涉及：电机学、空气动力学、自动控制、材料力学、微电脑应用、机械系统工程、电力系统工程等诸多技术。以目前使用最为广泛的双馈式风力发电机组为例，一套风力发电机组系统主要由叶片、齿轮箱、发电机、偏航系统、控制系统、塔架、轮毂、变桨系统、主轴等几部分组成。通过风电机组数据库可以查询到国内外主流风电机组的产品型号、技术参数、适用范围、主要材料、塔架参数、功率曲线、推力曲线、风机安装要求、低电压穿越能力、功率调节控制功能等数据。其风电机组数据库工作界面如图5所示。

图5 风电机组数据库工作界面Fig.5 Database interface of wind turbines

3.3 国内风电场建设（主机）数据库

截至2010年底，全国风机装机容量已达4473.3万kW，上升至世界第一位。国内风电场建设（主机）数据库记录了国内近500个已投产或正在建设项目的地形条件、风资源状况、海拔高度、使用机组型号及参数、年发电量（已投产项目）等数据，其工作界面如图6所示。

图6 国内风电场建设数据库工作界面Fig.6 Construction database interface of domestic wind farms

3.4 风电主机造价数据库

风机主机造价数据库通过统计2005年以来主要发电集团、国家特许权项目招标的风电机组造价数据，分析国内外主流厂商风机千瓦造价变化趋势、中标比例等，为新建风电场主机采购提供及时准确的信息，其数据库结构图如图7所示。

图7 风机主机造价数据库结构图Fig.7 Host cost database of wind turbines

3.5 同类风电场机组选型查询模块

系统以地形条件、风资源状况、海拔高度为三要素，对风场类型进行划分。新建风场对比国内风电场建设（主机）数据库，可获得同类风场机组选型、运行情况，从而为新建风场风机选型提供参考，具体原理如图8所示。

图8 同类风电场机组选型查询Fig.8 Selection inquires of similar wind farms

实际操作中，用户通过选择新建风场的地形条件（山地、丘陵、平原、海边、海上、高原、潮间带七大类），风资源状况（一类、二类、三类、四类），海拔高度（0～500 m、500～1000 m、1000～1500 m、1500～2000 m、2000～2500 m、2500-3000 m、3000 m以上7档），确定风电场类型后，系统后台通过模糊匹配查询，在国内风电场（主机）建设数据库中选择出与新建风场类型相近的已建风场风机选型情况。风电投资者可根据查询结果开展调研工作，为新建风场风机选型提供基础数据。图9为同类风电场机组选型模块工作界面。

图9 同类风电场机组选型模块工作界面Fig.9 Selection module interface for the similar wind farm

4 结语

通过基于多指标融合评价方法的风电机组选型辅助决策系统的运行，将影响风电资源的因素有效地整合到一个综合平台上实现对风机制造厂商全方位信息的了解，从而充分掌握国内风机市场变化趋势，为实施规模化采购提供便利条件。

同时为风机制造企业提供了一个展示与交流的平台，促进国内风机市场的良性发展，并且创造了巨大的经济效益，赢得了业内良好的口碑。自2010年3月，风电机组优化选型辅助决策系统投入运行以来，为新建风场的风电机组选型起到了积极作用，并累计节约投资近3亿元，促进了风电健康有序发展。

[1]CHINESE WIND ENERGY ASSOCIATION.2011 China wind power installed capacity of statistics[EB/OL].（2012-03-23）[2012-05-07].Http://www.cwea.org.cn/download/display_info.asp?id=44.

[2]蒋东翔，洪良友，黄乾，等.风力机状态监测与故障诊断技术研究[J].电网与清洁能源，2008，3（24）:40-44.JIANG Dong-xiang，HONG Liang-you，HUANG Qian，et al.Condition monitoring and fault diagnostic techni-ques for wind turbine[J].Power System and Clean Energy，2008，3（24）:40-44（in Chinese）.

[3]田迅，任腊春.风电机组选型分析[J].电网与清洁能源，2008，24（4）:36-39.TIANXun，RENLa-chun.Type selection for wind turbines[J].Power System and Clean Energy，2008，24（4）:36-39（in Chinese）.

[4]朱涛.风电接入系统的相关问题研究综述[J].南方电网技术，2009，3（5）:58-63.ZHU Tao.Review of some problems related to wind farm integration[J].Southern Power System Technology，2009，3（5）:58-63（in Chinese）.

[5]张礼达，张彦南.气象灾害对风电场的影响分析 [J].电力科学与工程，2009，25（11）:28-30.ZHANG Li-da，ZHANG Yan-nan.Influence of meteorological disaster on wind power field[J].Electric Power Science and Engineering，2009，25（11）:28-30（in Chinese）.

[6]李海波，卢绪祥，李录平，等.风力机叶片动力特性实验台设计[J].热能动力工程，2012，27（1）:117-121.LI Hai-bo，LU Xu-xiang，LI Lu-ping，et al.Journal of engineering for thermal energy and power[J].Journal of Engineering for Thermal Energy and Power，2012，27（1）:117-121（in Chinese）.

[7]范炜，张文忠，刘庆超.基于费用-效益模型的风电机组优化选型研究[J].华东电力，2010，38（6）：914-916.FAN Wei，ZHANG Wen-zhong，LIU Qing-chao.Research on optimal selection of wind turbine based on cost-benefit model[J].China Electric Power，2012，27（1）:117-121（in Chinese）.

[8]BILLINTON R，CHEN H.Determination of the optimum site matching wind turbine using risk-based capacity benefit factors[J].IEE Proceedings Generation，Transmission and Distribution，1999，146（1）:96-100.