基于离散数值分析技术的海上风电机组安装施工规划模拟研究

摘 要：海上风电机组安装主要包括多船舶联合施工、单船自运输安装施工两种方式。海上风电场建设中，风电机组安装施工费用占有较大比重，进行整体施工规划分析可以为宏观决策提供量化依据。鉴于此，采用离散数值分析模拟技术，以实际工程项目施工限制条件和风浪流数据为计算参数，对项目总工期和怠机时长等进行数值模拟，以比较上述两种模式的施工效率优劣。结果表明，相对航行距离在359.26 km前，单船模式施工累计耗时高于多船模式，超过该距离后，多船模式逐渐高于单船模式；多船模式怠机抵抗性能整体上优于单船模式。

关键词：计算机模拟；海上风电机组；施工设备；整体施工规划；船机利用率

中图分类号：TV511 文献标志码：A

0 引 言

经过多年政策扶持与商业化发展，风能于清洁能源建设中异军突起［1-2］。在全球能源技术革新与国内“双碳”战略的大背景下，海上风力发电场建设方兴未艾［3］。海上风资源较陆上更丰富、稳定，但建设成本也更高。同尺寸风力发电机组安装成本，海上通常是陆地的2 倍多［4］。有序推进海上风电场建设的过程中，将面临降本增效等一系列考验。一般开发商的资本金内部收益率［5］达到8%，方可达成平价化目标［6-7］。为实现此目标，国内外学者从多个维度开展了降本优化研究，包括风力发电机组设计优化［8］、后期运维［9］、基础支撑结构设计［10］、附加产品［11］等。

上述优化设想的实现取决于安装施工的有效进行。通常，建设成本占海上风力发电总成本比重为60%～80%［12］，建筑安装成本占建设成本的比重为29%，风电机组安装成本占建筑安装成本的18%，可见风电机组安装施工成本造价有较大的优化空间。海上风电机组安装成本受天气窗口和船舶适应性因素影响较大，可造成施工怠机的天气因素包括降雨、低温、能见度、安装与运输过程中的波高、风速、洋流速（对船舶操控、动力定位、抛锚产生影响）、潮位等［ 13］。为削弱这些怠机因素对建设工期的影响，近年来风电机组安装专用船舶加速了迭代升级。海上风力发电机组件通常由2～3 段塔筒、1 套机舱、1 套轮毂、3 支叶片组成，合理进行组件的预组装也可减弱怠机因素对施工效率的影响［14］。

相较于船机设备的性能提升与施工工艺的调整，对风电机组安装的整体施工规划也被部分学者所探讨。Typian等［15］尝试比较了两种用来评估海上风电机组安装可作业窗口与怠机时长的方法，一种方法是基于蒙特卡罗算法的数值模拟，另一种是基于马尔可夫理论的概率分布分析，贡献了2 种方法的Matlab 代码。结果表明马尔可夫理论可更便于施加环境限制条件；Scholz 等［16］基于的数学模型，使用天气预报数据，拟计算出最佳船舶施工调度计划表，从而优化出运码头风电机组的组件供货安排；Lütjen 等［17］的数学模型考虑了不同风电机组的组件供货商码头对拟建设风场出运码头间的供货关系，以及出运码头储货量对海上风场施工建设的动态关系；Abderrahim 等提出海上风电场的总体安装规划问题，通过构建数学模型生成一个评估中期规划表，使用该该表减少给定项目的总成本［18］；Tomas 等［19］将中长期环境数据输入水动力软件，统计船机设备在风电机组安装各施工步骤中的不收敛概率，以此作为时域环境数据的修正系数，进而评估施工天气窗口；Venkitachalam［20］对风场海底电缆的施工安装过程进行了施工规划模拟，为提高模拟的真实性，在模型中加入具有不确定性的变量，并研究这些变量对安装过程的影响。

综上，对海上风电场施工规划模拟的研究经历了从构建数学模型到使用商用数值模拟软件的探索，力求更准确评估具有随机性的影响因素和动态施工过程对长期整体性施工工期的影响。国内海上风电场建设虽然如火如荼，然而还少有从该领域展开系统性研究。开展海上风电机组安装施工规划模拟研究有助于为建设单位在项目开发前的宏观决策提供量化的数据支撑。本文梳理海上施工关键步骤的相互关联逻辑以及施工工艺限制条件，调研各类安装船舶的性能以及风场天气条件。通过施工规划模拟，评估不同海上作业船舶组合在各施工内容和过程中受特定风场天气影响产生待机的总体情况和概率，实现海上风电场施工船组的合理配置，降低项目海上施工天气待机风险，提高整体施工效率。

1 研究方法

基于离散数值分析模拟技术对海上风场的建设施工进行数值建模分析，计算海上风电机组安装的施工效率与建安成本。使用UWiSE ML 语言对施工工艺流程进行描述和建模，如图1 所示。

区别于C++、Python 等文本化的编程形式，UWiSE ML 是一种图像化编程语言。其中，作为基本编程单元的Block（逻辑块）是一种“积木式”函数，不同的Block（逻辑块）功能不同。逻辑块内除定义各自功能属性的信息外，还可定义施工限制条件和施工所需窗口期。

模拟计算以气象数据为基础，将施工逻辑流程、限制条件、窗口期等与气象数据进行比较计算，统计输出施工时效的最值、平均值等，本文取平均值作为特征值进行分析。

2 研究内容

国内传统的海上风电机组安装，主作业船一般只进行起重吊装作业，组件的补给运输任务由自航运输驳船执行。新一代风电机组安装船在具备自升能力的同时亦拥有自航能力，甲板面积也有较大拓展，能自行携带多台套风电机组安装组件，无需补给运输船的支持。单船作业可减少海上船舶资源的需求数量和调度频次。同时风电机组部件都从同一固定的船甲板起吊，可使起重倒驳不受海况限制。当然这类新型自升式风电机组安装平台船在建造和运维成本方面也会相应增加，是否适合项目条件，还需综合考虑风电机组的组件供货能力、出运码头到风场的航行距离、海上天气条件、码头水深条件、辅助船舶市场情况等因素。本研究以中国南方沿海某风场为例，该海上风电场包括114 台10 MW 风电机组，水深10～20 m，出运码头距离锚地3.86 km，由锚地沿航道线至该风场近岸点机位的航行距离为30 km。获取该风场2011—2020 年10 a 的历史环境数据，比较两种风电机组安装模式的施工时效。

2.1 工况设计与模型构建

考虑两种施工模式，第1 种为新式的单船施工法，使用一条自航自升式风电机组安装船，运输并安装风电机组的组件，每船次运输4 台套。塔筒采取立式储运方式，叶片在安装海域采取单叶片式吊装，其中机舱和轮毂在出运码头预组装，不占用海上吊装时间。第2 种模式为传统的多种船舶联合施工法，3 条作业线同时进行，在相应的施工节点互有交叉。采用1 条非自航自升式安装船在海上负责风电机组的组件吊装，1 条自航驳船负责运输塔筒（卧式储运）、机舱、轮毂等组件，1 条自航驳船负责运输叶片。运输船每船次运输1 台套风电机组组件，风电机组安装船将组件过驳到自身甲板后再择机进行吊装作业。

风场离岸距离是上述两种施工模式的重要影响因素，因此将船舶相对航行距离列为研究变量。定义航行距离为船舶由锚地到风场近岸机位点的航线长度，相对航行距离即航行距离与初始工况实际航行距离的差值。选择30 km 作为距离梯度，工况设计如表1 所示。

为表述方便，在后文的分析中，将“多船-三叶片-塔筒卧式运输”模型简称为多船模型，将“单船-单叶片-塔筒立式运输”简称为单船模型。

如图2 所示，为多船施工模型逻辑程序运行示意图。整个施工分为3 部分，风电机组安装船作业线、塔筒运输船作业线和叶片运输船作业线3 条作业线独立循环且相互交叉影响。3 条作业线同时开始、同步进行，对于风电机组安装船作业线，首先是对风电机组安装船进行动员Ⅰ，动员完成后按照1→2→3→4→5→6→7→8→9→10→11→12→13→14→15→1 的步骤顺序迭代循环，迭代114 次后执行步骤Ⅱ，对风电机组安装船进行复员返港。对于塔筒运输船，按照A→B→C→D→E→F→G→H→I→J→K→L→M→N→O→P→A 的步骤顺序迭代循环114 次。对于叶片运输船，按照a→b→c→d →e→f→g→h→i→j→k→a 的步骤顺序迭代循环114 次。其中，风电机组安装船停靠在机位点后，需要敷设电缆并进行人员流动，将栈桥横亘于船体和机位点基础之间，称该操作步骤为“栈桥准备”。

值得注意的是，3 个循环存在交叉。风电机组安装船循环的程序中，步骤5 的执行需要步骤4 和步骤I 全部执行结束；步骤6 的执行需要步骤5 和步骤N 全部执行结束；步骤11 的执行需要步骤10 和步骤i 全部结束作为开始条件。

塔筒运输船循环的程序中，步骤I 的执行需要步骤H 和步骤3 全部结束作为开始条件；步骤J 的执行需要步骤I 和步骤5 全部结束作为开始条件； 步骤O 的执行需要步骤N和步骤6 全部结束作为开始条件。

叶片运输船循环的程序中，步骤a 的执行需要步骤k 和步骤G 全部结束作为开始条件；步骤g 的执行需要步骤O 和步骤f 全部结束作为开始条件；步骤h 的执行需要步骤g 和步骤10 全部结束作为开始条件。如图3 所示，为单船施工模型逻辑程序运行示意图。单船施工模型程序包括3 部分，航行运输（图3 中步骤1、8、9）、码头装货（图3 中步骤2～7）和现场安装（图3 中步骤10～22）。风电机组安装船初始驻留位置为锚地，在接到动员指令后进驻出运码头装载风电机组的组件，即执行步骤1；风电机组安装船按照步骤2～7 的循环顺序装载N 套风电机组组件（本文设定为装载4 台套）；在装载完成4 台套风电机组组件后，首先由码头驶进锚地（执行步骤8），而后前往风场（执行步骤9）。当风电机组安装船到达风场后，按照步骤10～22 的循环次序依次将储运的4 台套风电机组的组件安装到指定机位点，而后返回锚地并进港，进行下一批次的循环作业，直到所属风场内114 台风电机组全部安装完成，风电机组安装船返回初始位置，本程序结束。

2.2 环境气象数据

本研究意在比较两种施工模式的施工时效，因此选择非预测性的历史气象环境数据，数据年份为2011—2020。表2为中国沿海某风场监测点10 年间环境数据，有义波高、10 m高风速、100 m 高风速、洋流速、波周期的统计参数，包括最大、最小值、众数以及平均值。码头内环境数据对施工干扰较小，因此不列入本次概率统计。

3 数值结果分析

选取时效数值模拟结果进行分析，具体包括理想天气情况下的项目累计耗时，实际天气情况下项目累计耗时，实际天气情况下项目累计天气怠机时长，数据详列于表3。理想情况指不考虑环境气象数据进行施工模拟，而实际天气情况会考虑环境气象数据对工程的影响。为直观反映计算结果，项目累计耗时单位选取为“月（本文中的月统一取为30 d，且本文中“月”仅作为计量使用）”，项目累计天气怠机时长选为“小时”。

由表3 中数据可得图4，图4 为理想天气情况下，对两种模型项目累计耗时的对比图。由图4 可知，单船模型曲线保持恒定斜率呈线性增长，曲线斜率为0.00857、截距为9.13267。多船模型曲线可分为两个阶段，第1 阶段（相对航行距离0～150 km）保持小幅度的线性增长，斜率为0.000333；第2 阶段（相对航行距离180～390 km）呈较大幅度的增长，且其有与多船模型曲线相交的趋势。由表3 中数据可得图5，图5 为实际天气情况下，对两种模型项目累计耗时的对比图。可知单船模型与多船模型曲线在相对航行距离359.26 km 处相交，对应项目累计耗时16.98 月。对图5 中的单船模型曲线进行线性拟合，得出其线性回归拟合曲线，如式（1）所示。

T =0.00808d +14.0816 （1）

式中：T—— 单船模型在实际状态下的项目累计耗时；d——相对航行距离。

由公式（1）可知，单船模式在理想与实际两种环境状态下项目累计耗时曲线的斜率基本相同。与理想状态相比，实际环境状态的曲线向上整体平移了约4.95，即天气因素对单船模型施工效率的延时约为4.95 月。对于图5 中的多船模型曲线，与理想状态的曲线相比，多船模型实际状态的曲线走势发生了较大改变。在0～330 km 范围内，因变量基本保持线性增加，在330～390 km 范围则曲线斜率发生了较大的增长。

提取图4 和图5 中两种模型的项目累计耗时差值，绘制两种模式的项目累计耗时差值，如图6 所示。其中，定义单船与多船的项目累计耗时之差为正值；为简化表述，称实际情况下的项目累计耗时差值为实际差值，理想情况下的项目累计耗时为理想差值。图6 所示，理想差值曲线总是高于实际差值曲线。理想差值处于［0.8，2.76］月的闭区间，实际差值处于区间［-0.97，1.31］月，比较两者，实际差值的区间左右端点均小于理想值，其中左端点差值为1.77 月，右端点为1.45 月。其物理意义在于，风、浪、流等因素削弱了两种模式间的时效差异。实际差值曲线呈一种波动式下降，从相对航行距离150 km 开始，实际差值曲线开始彻底回落，至360 km处跌至零点，而后呈负值远离零点。理想差值曲线从相对航行距离180 km 处开始回落，但在150 km 开始其曲线斜率趋缓于前；180 km 后的理想差值曲线呈近似线性，向零点逼近；以180 km 所在点为理想差值曲线峰值点，则峰后差值曲线的拟合斜率绝对值要大于峰前曲线。

由以上分析可知，相对航行距离150 和359.26 km 可将两种模型施工耗时分成3 部分，第1 部分，单船模式施工耗时高于多船模式施工耗时；第2 部分，多船模式施工耗时追击单船模式施工耗时；第3 部分，多船模式施工耗时高于单船模式施工耗时。

由表3 中数据可得图7，图7 为两种模型项目累计天气怠机时长的对比图。由图7 可知，单船模型曲线总是高于多船模型曲线。多船模型曲线在0～330 km 范围内随相对航行距离呈负相关，从180 km 开始下降趋势大为减缓；在相对航行距离为330 km 时出现转折，项目平均累计怠机时长开始快速增加。单船模型曲线在初期呈现负相关趋势，至60 km 处开始回升，达到150 km 后呈波动式下降。具体的，出现了3 次非等周期性波动，波动幅度呈递减趋势，波动峰值依次为3689.46、3558.32、3496.19 h，三者比值为1∶0.96∶0.95。

进一步的取待机累计耗时与项目实际天气下的累计耗时之比，简称待机比重，绘制曲线如图8 所示。除多船模型在360 km 处出现反弹外，两种模型的待机比重曲线随相对航行距离增加呈下降趋势。在现有定义域内，单船模型待机比重值域区间为27.86%～35.97%，多船为13.63%～26.22%，前者与后者左端点差值14.23%，右端点差值为9.75%，单船模型怠机比重总是高于多船模型，即风、浪、流等客观因素对单船模型的影响总是要大于多船模型。怠机比重反映了施工模式的怠机因素响应程度，即对怠机因素的抵抗性能。多船模式怠机抵抗性能整体上优于单船模式，这在于多船模型的多作业面方式而多船模型的怠机抵抗性能又分为3 个阶段，抗性快速增加，对应定义域0～180 km；抗性缓慢增加，对应定义域180～360 km；抗性快速减少，对应定义域360～390 km。

4 结 论

本文使用离散数值分析对海上风电机组安装进行数值模拟，对影响风电机组安装阶段时效的关键因素进行数值计算与分析。主要结论如下：

1）相对航行距离150 和359.26 km 可将两种模型施工耗时分成3 部分，第1 部分，单船模式施工累计耗时高于多船；第2 部分，多船模式施工累计耗时快速追赶单船模式；第3部分，多船模式施工累计耗时高于单船模式，相交处对应的项目累计耗时为16.98 月。

2）对单船模型理想状态下项目累计耗时与实际状态下项目累计耗时曲线进行拟合对比，其斜率基本相同，曲线向上整体平移了约4.95，即天气因素对单船模型施工效率的延时约为4.95 月。

3）单船模型天气怠机时长曲线的自变量与因变量在初期呈现负相关趋势，至60 km 处开始回升，达到150 km 后呈波动式下降，但整体上下降值较小，曲线极差为242.1 h，与值域平均值相比仅为6.8%。

4）多船模式怠机抵抗性能整体上优于单船模式，多船模型的怠机抵抗性能可以按相对航行距离划分为3 个阶段，抗性快速增加阶段，对应相对航行距离0～180 km；抗性缓慢增加，对应相对航行距离180～360 km；抗性快速减少，对应相对航行距离360～390 km。

［参考文献］

［1］ DECASTRO M， SALVADOR S， GÓMEZ-GESTEIRA M，et al. Europe， China and the United States： three differentapproaches to the development of offshore wind energy［J］.Renewable and sustainable energy reviews， 2019， 109：55-70.

［2］ MUSIAL W， SPITSEN P， DUFFY P， et al. Offshore Windmarket report： 2022 edition［R］. National Renewable EnergyLab.（NREL）， Golden， CO（ United States）， 2022.

［3］ 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要［N］. 北京： 人民日报， 2021-03-13（001）.

The 14th five-year plan for national economic and socialdevelopment of the People’s Republic of China and theoutline of the long-range goals to 2035［N］. People’sDaily ，2021-03-13（001）.

［4］ VIRTANEN E A， LAPPALAINEN J， NURMI M， et al.Balancing profitability of energy production， societalimpacts and biodiversity in offshore wind farm design［J］.Renewable and sustainable energy reviews， 2022， 158：112087.

［5］ CASTRO S L， FILGUEIRA V A， CARRAL C L， et al.Economic feasibility of floating offshore wind farms［J］.Energy， 2016， 112： 868-882.

［6］ VAZQUEZ A， IGLESIAS G. Grid parity in tidal streamenergy projects： an assessment of financial， technologicaland economic LCOE input parameters［J］. Technologicalforecasting and social change， 2016， 104： 89-101.

［7］ 元国凯， 李耀能， 卢钦先， 等. 以设计为龙头的海上风电工程总承包项目管理研究［J］. 南方能源建设， 2022，9（1）： 1-8.

YUAN G K， LI Y N， LU Q X， et al. Research on designledEPC project management of offshore wind power project［J］. Southern energy construction， 2022， 9（1）： 1-8.

［8］ ASHURI T， ZAAIJER M B， MARTINS J R R A， et al.Multidisciplinary design optimization of offshore windturbines for minimum levelized cost of energy［J］. Renewableenergy， 2014， 68： 893-905.

［9］ SHIELDS M， BEITER P， NUNEMAKER J， et al. Impactsof turbine and plant upsizing on the levelized cost of energyfor offshore wind［J］. Applied energy， 2021， 298：117189.

［10］ WU X N， HU Y， LI Y， et al. Foundations of offshore windturbines： a review［J］. Renewable and sustainable energyreviews， 2019， 104： 379-393.

［11］ ZHAI Y， XU C， ZHAO H， et al. Dynamic analysis of anintegrated floating structure consisting of a barge offshorewind turbine with an aquaculture cage［C］//The 32ndInternational Ocean and Polar Engineering Conference.OnePetro， 2022： ISOPE-I-22-047.

［12］ 信达证券. 风力发电成本结构拆分［R］. 2021.CINDA Securities， Wind power cost structure breakdown［R］. 2021.

［13］ AHN D， SHIN S， KIM S， et al. Comparative evaluation ofdifferent offshore wind turbine installation vessels forKorean west-south wind farm［J］. International Journal ofNaval Architecture and Ocean Engineering， 2017， 9（1）：45-54.

［14］ URAZ E. Offshore wind turbine transportation amp;installation analyses planning optimal marine operationsfor offshore wind projects［D］. Cotlang sweden： GotlandUniversity， 2011.

［15］ TYAPIN I， HOVLAND G， JORDE J， Comparison ofMarkov theory and Monte Carlo simulations for analysis ofmarine operations related to installation of an offshore windturbine［C］//The 24th International Congress on ConditionMonitoring （COMADEM）， Stavanger， Norway，2011：1071-1081.

［16］ SCHOLZ R B， LÜtjen M， HEGER J， et al. Planning andcontrol of logistics for offshore wind farms［C］//Proceedingsof the 12th WSEAS International Conference onMathematical and Computational Methods In Science andEngineering. Hangzhou， China， 2010： 242-247.

［17］ LÜTJEN M， KARIMI H R. Approach of a port inventorycontrol system for the offshore installation of wind turbines［C］//ISOPE International Ocean and Polar EngineeringConference. Isope， 2012： ISOPE-I-12-142.

［18］ AIT A A， QUANDT M， LÜtjen M. Aggregate installationplanning of offshore wind farms［C］//Proceedings of the 7thInternational Conference on Communications andInformation Technology. Rhodes Island， Greece， 2013.

［19］ GINTAUTAS T， SØRENSEN J. Improved methodology ofweather window prediction for offshore operations based onprobabilities of operation failure［J］. Journal of marinescience and engineering， 2017， 5（2）： 20.

［20］ VENKITACHALAM G A. Modelling the installation ofoffshore wind farms： defining the installation of offshorewind submarine power cables using a discrete eventsimulation based logistics model［D］. Delft： Delft Universityof Technology， 2020.

基金项目：中国船舶集团风电发展有限公司自立科研项目（YY2022-003）