一种针对风电机组备品备件的综合评价方法技术

本发明专利技术公开了一种针对风电机组备品备件的综合评价方法，该综合评价方法具体包括4个步骤：评价依据：需要考虑的因素包括备品的生命周期、备品备件的核算周期、环境运行温度和采购成本；数据预处理：数据预处理包含异常数据的删除、残缺数据的删除、数据库数据完整性的处理和输入量归一化处理共4个内容；建立模糊神经网络：确定网络规模及各初始连接权值、阈值和神经网络规模，把生命周期、备品备件的核算周期、环境运行温度和采购成本这4个参数作为模糊神经网络的4个输入节点，输出结果就是一个综合性能评价指标。本发明专利技术运用基于模糊神经网络的方法得出综合性能评价指标，为预测备品备件的需求量提供条件，提高风机总体经济效益。

【技术实现步骤摘要】
一种针对风电机组备品备件的综合评价方法
本专利技术属于风电机组备品备件的综合评价
，具体的说是涉及一种针对风电机组备品备件的综合评价方法。
技术介绍
目前，我国在金融、机械制造以及汽车配件等领域的综合评价系统相对比较成熟，但是在风电机组备品备件领域的综合评价系统还是不太成熟。随着近十几年，风力发电行业的蓬勃发展，提出风电机组备品备件的评价指标，建立完善的风电机组备品备件的综合评价系统，变得迫在眉睫。而如今运用在其他行业的评价方法主要有专家评价系统、层次分析法和AHP备件候选法等。目前，在风电机组备品备件市场缺乏一种综合评价的方法和手段，大多数风电场在选择备品备件品牌时大多数都是取决于决策者的喜好或往年的采购方案。我国在备品备件的综合评价领域主要都是专家评价系统结合层次分析法使用，专家评价系统存在专家知识水平不同和专家个人偏好不同等缺点。如今，在金融和新能源领域常使用层次分析法对备品备件进行综合评价，层次分析法是根据各个因素的重要性将备件挑选出来，以形成合理的备品备件候选集，虽然层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具，但是层次分析法是从备选方案中择优选取，并不能提供解决问题的新方案，并且层次分析法运用的定量数据较少，定性成分居多，并且结合了专家评价系统，更存在个人偏好的风险，结果并不令人信服。
技术实现思路
本专利技术为了克服现有技术存在的不足，提供一种针对风电机组备品备件的综合评价方法，该综合评价方法不但能够为备品备件的需求预测提供预数据，还能够为采购方案提供择优选择的依据。本专利技术是通过以下技术方案实现的：一种针对风电机组备品备件的综合评价方法，该综合评价方法具体包括如下步骤：步骤1.评价依据：需要考虑的因素包括备品的生命周期、备品备件的核算周期、环境运行温度和采购成本；步骤2.数据预处理：数据预处理包含异常数据的删除、残缺数据的删除、数据库数据完整性的处理和输入量归一化处理共4个内容；步骤3.建立模糊神经网络：确定网络规模及各初始连接权值、阈值和神经网络规模，把生命周期、备品备件的核算周期、环境运行温度和采购成本这4个参数作为模糊神经网络的4个输入节点，输出结果就是一个综合性能评价指标。本专利技术模糊神经网络的系统结构共分为4层：第1层：称为输入层，每个节点分别表示一个输入的语言变量；第2层：称为隶属函数层，每个节点分别代表一个隶属函数，该隶属函数是用如下的高斯函数表示的：其中，μij是xi的第j个隶属函数，cij是xi的第j个高斯隶属函数的中心，σj是xi的第j个高斯隶属函数的宽度，r是输入变量数，μ是隶属函数的数量，也代表系统总的规则数；第3层：称为T-范数层，每个节点分别代表一个可能的模糊规则中的IF-部分，因此，该层节点数反映了模糊规则数，第j个规则Rj的输出为：其中，是第j个RBF单元的中心，该层的每个节点即代表了一个RBF单元；第4层：称为归一化层，称这些节点为N节点，显然N节点数与模糊规则节点数相等，第j个节点Nj的输出为：其中，y是变量的输出，ωk是THEN-部分结果参数或者第k个规则的连接权，对于TSK模型：ωk＝αi0+αk1χ1+…+αkrχrk＝1，2，…，μ(3.5)；当结果参数是实常数时：ωk＝αkk＝1，2，…，μ(3.6)；把式(3.2)、式(3.3)、式(3.5)及式(3.6)分别代入式(3.4)，则分别得到：TSK模型：S模型：根据上述模型输出的参数，实现对风电机组备品备件进行评价的目的。本专利技术综合评价方法的分类对象为风电机组的发电机、叶片、齿轮箱、电动变桨、电机、电容、电控、传感器、变频器、IGBT或PLC等。首先，本专利技术主要是通过对现有其他领域的备品备件综合评价方法的研究，找出目前对风电机组备品备件管理以及采购存在的较大的问题，并运用一定的备品备件分类和综合评价方法进行分析和改进，目标是通过合理的新的评价方法，对风机备品进行系统地评价，继而为备品备件的需求预测提供条件，为风机备品备件的采购方案提供择优选择的依据，进而提高风机总体经济效益；其次，是通过合理的综合评价方法及相应库存基础管理的推行，建立一种长期的、有效的评价方法，改善以往的供应链流程，从而使风场备件采购管理逐步规范化、科学化。本专利技术中的综合评价方法是参考了传统工业和商业领域常用的专家评价系统和层次分析法，主要技术特征是创新地提出了基于模糊神经网络的综合评价方法，其次是不再简单地以专家评价作为唯一条件，或根据各因素条件将备品备件进行简单地排序。本专利技术的有益效果是：本专利技术方法运用基于模糊神经网络的综合评价方法对风电机组的备品备件进行系统地评价，得出综合性能评价指标，择优排序，为预测备品备件的需求量提供条件，为采购方案提供择优选择的依据，提高风机总体经济效益。而且本专利技术通过合理的评价管理方法及相应库存基础管理的推行，建立一种长期的、有效的评价体系，改善以往的供应链流程，提供多种合理且性价比高的采购备选方案，从而使风场备件的采购及管理逐步规范化、科学化。本专利技术属于一种新的应用领域：首次将评价方法运用在风电机组备品备件评价管理、需求分析预测及备品备件采购领域。本专利技术提供了一种新的评价依据：首次不仅将经济最优作为唯一依据，而是将备件的生命周期、备件的核算周期以及运行环境等因素综合考虑。本专利技术采用了一种新的评价模型：采用基于模糊神经网络的综合评价模型，模糊神经网络能够在综合考虑多因素的情况下对备品备件进行数据分析，得到一个模糊的综合性能评价指标。本专利技术相对于现有技术的创新性在于：本专利技术方法是应用在风电机组备品备件评价管理、需求分析预测及采购领域中，运用领域更广泛和全面，既能够对风机备品进行系统地评价，又能够为备品备件的需求预测提供条件，还能为风机备品备件的采购方案提供择优选择的依据。本专利技术首次将模糊神经网络运用于风电机组备品备件的综合评价系统中，这样就不仅仅是将经济最优作为唯一依据，而是将备件的生命周期、备件的核算周期以及运行环境等因素综合考虑。本专利技术也不是单方面对风力发电机组控制性能进行评价，理论上可以无限扩大评价因素，得出最后的综合性能评价指标。现有技术中传统的层次分析法判别的各个影响因素之间不存在关联度，因素之间互相不影响，一旦影响因素或判别指标过多，该方法就只能进行单层排序，不同的序列会影响最终结果。但是本专利技术中公开的基于模糊神经网络的综合评价方法可以很好地解决这个问题，并且判别指标理论上可以无限扩大，本文实例只选择了四个判别指标进行举例说明。本专利技术是一种运用在风电机组备品备件评价管理、需求分析预测和采购领域的基于模糊神经网络的综合评价方法。本专利技术中的综合评价方法区别于现如今其他领域常用的层次分析法，本专利技术中基于模糊神经网络的综合评价方法合理地考虑了各种风电领域特有的因素作为判别依据，而不仅是只考虑经济因素，科学地对风电机组备品备件进行了综合性能评价，并择优排序，形成了合理的采购预方案，本专利技术应用模糊神经网络在风电机组备品备件的综合性能评价指标评价方面得到灵活运用。附图说明图1是本专利技术实施例中叶片的综合性能评价指标曲线图；图2是本专利技术的模糊神经网络拓扑模型图；图3是本专利技术的模糊神经网络算法流程图。具体实施方本文档来自技高网...

【技术保护点】
1.一种针对风电机组备品备件的综合评价方法，其特征在于：所述综合评价方法具体包括如下步骤：步骤1.评价依据：需要考虑的因素包括备品的生命周期、备品备件的核算周期、环境运行温度和采购成本；步骤2.数据预处理：数据预处理包含异常数据的删除、残缺数据的删除、数据库数据完整性的处理和输入量归一化处理共4个内容；步骤3.建立模糊神经网络：确定网络规模及各初始连接权值、阈值和神经网络规模，把生命周期、备品备件的核算周期、环境运行温度和采购成本这4个参数作为模糊神经网络的4个输入节点，输出结果就是一个综合性能评价指标。

【技术特征摘要】
1.一种针对风电机组备品备件的综合评价方法，其特征在于：所述综合评价方法具体包括如下步骤：步骤1.评价依据：需要考虑的因素包括备品的生命周期、备品备件的核算周期、环境运行温度和采购成本；步骤2.数据预处理：数据预处理包含异常数据的删除、残缺数据的删除、数据库数据完整性的处理和输入量归一化处理共4个内容；步骤3.建立模糊神经网络：确定网络规模及各初始连接权值、阈值和神经网络规模，把生命周期、备品备件的核算周期、环境运行温度和采购成本这4个参数作为模糊神经网络的4个输入节点，输出结果就是一个综合性能评价指标。2.根据权利要求1所述的一种针对风电机组备品备件的综合评价方法，其特征在于：所述模糊神经网络的系统结构共分为4层：第1层：称为输入层，每个节点分别表示一个输入的语言变量；第2层：称为隶属函数层，每个节点分别代表一个隶属函数，该隶属函数是用如下的高斯函数表示的：其中，μij是xi的第j个隶属函数，cij是xi的第j个高斯隶属函数的中心，σj是xi的第j个高斯隶属函数的宽度，r是输入变量数，μ是隶属函数的数量，...

【专利技术属性】
技术研发人员：张倩，张延迟，宋悦琳，李鹏飞，万辉，
申请(专利权)人：上海探能实业有限公司，快备新能源科技上海有限公司，
类型：发明
国别省市：上海,31