新疆风力机叶片覆冰风险评估探究
2019-10-23李姜超李西洋
李姜超,成 斌,李西洋
(石河子大学机械电气工程学院,新疆石河子832000)
随着低碳经济的兴起,风电产业在我国乃至全球快速发展,产业规模不断扩大,风力机叶片覆冰问题也愈发突出,导致风电事故频发,直接影响风力机组运行安全和风电产业经济效益。本文借鉴其他领域风险评估分析方法,分析风力机系统中叶片覆冰风险因素,提出风力机叶片覆冰风险模糊三维矩阵评估模型,为风力机叶片覆冰风险评估提供一种新思路,也为风电企业制定合理有效的管控措施给予一定的理论支持。
1 风险矩阵理论
在风电企业中,事故的发生不仅会给企业造成损失,也会对风电场周边生态环境以及人员生命财产安全造成严重影响。因此,针对风力机系统进行风险因素分析与评估对于风电事故的预防与管控策略的制定有着重要意义。实际研究与工作中有较多风险评估方法,学者通常采用的是实际工程中常见的风险矩阵评估方法[1,2]。风险评估矩阵法是一种通过矩阵定量分析进行风险研究的综合评估方法。它是由可能性(P)和严重性(S)作为评估的两个维度所构建的一种风险评估矩阵,并对其赋予相应的加权值来计算系统风险值大小Z[2]。现有的二维风险矩阵通过风险可能性和严重性分别来表征风险的不确定性和危害性,并未对风险的可控性做出反映,一定程度上影响了实际应用过程中风险矩阵评估的全面性和真实性[1]。因此本文将对二维风险矩阵进行改进,尝试一种全新方法对风力机叶片覆冰风险进行全面分析与评估。
2 改进的三维风险矩阵模型
2.1 三维风险矩阵设计
三维风险矩阵是在传统风险矩阵原有两种维度的基础上,引入可预测性维度所构建的评估模型[3,4]。可预测性是指维护人员在一定时间内采取控制措施来解决风险的能力和水平。本文增加可预测性维度(V),从可能性、严重性、可预测性3个维度对风力机叶片覆冰风险进行评估。风险值即Z=f(P,S,V)。
2.2 风险因素等级
本文将以我国法律法规和风电行业行为规范作为参考依据,确定风力机叶片覆冰风险可能性、严重性和可预测性的分级标准[1,5]。具体分级标准见表1~3。
表1 风险可能性(P)分级
表2 风险严重性(S)分级
表3 风险可预测性(V)分级
2.3 风险因素权重
为合理构建三维风险矩阵,采用9级标度法确定可能性、严重性及可预测性权重。表4为9级标度值。
表4 9级标度值
对于判断矩阵,风险因素i与风险因素j的重要性之比为aij(aij>0),aii=1且aij=1/aji(i,j=1,2,3)。根据表4提供的九级标度值进行计算,经检验后得出风力机叶片覆冰风险可能性、严重性和可预测性权重向量依次为w(p,s,v)= (0.323,0.533,0.144)。
3 新疆风力机叶片覆冰风险评估
3.1 G1法和模糊综合评判法原理
由于新疆风力机叶片覆冰风险评估体系中因素较多,且具有一定的模糊性,全面对风险影响因素进行量化分析较为困难。因此,通过G1方法分别赋予风险准则层与指标层两级评估指标相应权重,然后采用模糊关系合成原理对新疆风力机叶片覆冰风险进行多层次模糊评估[7- 10]。
3.2 G1法权重计算
郭亚军教授改进特征值法,提出了一种全新的权重计算方法——G1法,有效地解决了AHP方法中难以满足一致性的问题。G1法权重计算步骤如下:
(1)确定序关系。对于给定的评估标准,若指标ai的重要性大于aj则将其记为:ai>aj。专家从评估指标集{a1,a2, …,am}中依次选择一个最重要的指标,按照次序标记为x1,x2,…,xm。经过m-1次选择,按“>”确定唯一序关系,记为x1>x2>…>xm。
表5 rk赋值参考
(3)计算权重系数。权重系数公式为
(1)
wk-1=rkwk
(2)
3.3 模糊综合评估
模糊综合评估法是一种运用模糊数学隶属度理论对研究对象进行综合分析评估的方法[9,10]。特别适用于像风力机叶片覆冰风险评估这样风险因素较多、难以量化且具有非确定性的问题。模糊评估模型及过程如下:
(1)结合实际工作情况,确定评估因素集为U={U1,U2,U3},Ui={Ui1,Ui2,…,Uin},如表6所示。
(2)根据新疆风力机叶片覆冰风险发生的实际情况并结合风险因素分级标准,确定评语等级由低到高依次为:小、较小、一般、较大、大。确定新疆风力机叶片覆冰风险评语集:可能性评语集为V1={V11,V12,V13,V14,V15};严重性评语集为V2={V21,V22,V23,V24,V25};可预测性评语集为V3={V31,V32,V33,V34,V35}。表7为该评语集临界值。
(3)根据模糊数学中的隶属度相关理论,选取N个专家根据前一步骤中所建立的评语集V对所有评价指标进行分类,然后对隶属于每个评估等级的各项评估指标Uij的频数进行详尽统计,并记为nijl[8- 11]。指标频数nijl与专家数量N之间的比值记为rijl,即为该项指标相对于评估等级的隶属度,计算公式为
rijl=nijlN-1
(3)
(4)根据隶属度,确定模糊评估矩阵为
(4)
基于已获得的权重矩阵wi和评级矩阵Ri,得到模糊评估矩阵B为
(5)
(5)分别对指标Uij与指标Ui进行模糊评估,构造模糊评估矩阵C为
C=wR=[c1c2…cm]
(6)
值得注意的是,完成模糊综合评估矩阵的构建后,应参照评语集选择合适的比较参数。根据表7中数据,选取其中值1,3,5,7,9作为等级加权向量DT,能够更加直观清楚表示新疆风力机叶片覆冰风险E=DT。依据E值可判别新疆风力机叶片覆冰可能性、严重性、可预测性三者等级。
表6 评估指标体系
表7 评语集临界值
4 三维风险矩阵构建
依据表1、2、3中等级分类情况,并参考二维风险矩阵风险值计算方法[12- 14],计算三维风险值矩阵
(7)
式中,wp表示可能性权重值;ws表示严重性权重值;wv表示可预测性权重值;pi、sj、vk分别代表三者各自相对应等级赋值。
借鉴传统风险矩阵建立方法,并依据本课题研究情况,将新疆风力机叶片覆冰风险等级按照风险值划分为3个等级,如表8所示。
表8 风险等级表
在三维坐标系中,分别以可能性、严重性、可预测性作为坐标的三个维度,构建三维风险矩阵色谱图。其中,黑色部分表征高风险状况,灰色部分表征中等风险状况,白色部分表征低风险状况。
5 三维风险矩阵示例
选取新疆地区某风电场运行风电机组进行研究,评估该风电场机组风力机叶片覆冰风险的可能性、严重性和可预测性。基于模糊三维风险矩阵方法对风力机叶片覆冰风险进行模糊综合评估。
表9 因素指标权重及评估结果
5.1 指标权重确定
采用G1法首先对准则层指标进行重要性排序,确定序关系为U2>U3>U1>U4,记为x1>x2>x3>x4。参照表5确定重要度比值为r2=1.2,r3=1.4,r4=1.2。依据式(1)和(2)依次计算出准则层指标权重W=(0.285 0,0.203 5,0.341 9,0.169 6)。同样,依据此方法计算准则层U1、U2、U3、U4中各项二级指标的权重,结果见表9。
5.2 多层次模糊综合评判
根据表7中的标准,评估该风电场风力机叶片覆冰风险可能性,计算各项指标隶属度,结果统计整理如表9所示。根据表9中的计算结果,构建模糊矩阵Ri。以管理因素U1为例,其评估矩阵为
根据式(5)对管理因素进行评估,计算得B1=(0.178 2,0.163 6,0.174 5,0.203 7,0.280 0)
同理可得,U2、U3、U4评估向量为:B2=(0.133 7, 0.203 1, 0.202 8,0.203 1,0.257 3);B3=(0.111 9, 0.169 1, 0.186 3, 0.270 9, 0.261 8);B4=(0.080 0, 0.168 6, 0.250 7, 0.261 6, 0.239 1)。
由此可得准则层评估指标矩阵R为
依据式(6)进行评估,确定风险可能性等级:Cp=WR=(0.129 8,0.174 4,0.197 2,0.236 4,0.262 2),Ep=CDT=5.653 6。
可知该风电场风力机叶片覆冰风险可能性评估值为5.653 6,处于评估值4~6之间,即风险可能性为一般水平。同样,根据此方法可以得到风险严重性、可预测性评估值分别为5.717 4和5.606 6。
5.3 三维风险矩阵建立
结合表1、2、3的三维风险因素,按式(7)计算风力机叶片覆冰风险值Z。根据上述计算得出的125组叶片风险组合可以获得三维风险矩阵色谱图,如图1所示。色谱图中的每个小方块代表风险可能性、严重性和可预测性的一种组合,能够清楚直观的表示评估对象所对应的风险状况。
图1 三维风险矩阵色谱
6 结 论
(1)在传统二维风险矩阵基础上,将可预测性维度引入到新疆风力机叶片覆冰风险评估体系中,基于矩阵的三个维度对叶片覆冰风险进行研究,构建一种全新的三维风险矩阵评估模型,为风险研究提供了一种更为全面、准确的评估方法。
(2)鉴于AHP法难以满足一致性的问题,采用G1法依据模糊数学的方法对量化较为困难的指标进行模糊赋权,有效解决了指标难以量化的问题。
(3)通过对新疆某风电场风力机覆冰叶片风险研究,说明该模糊三维风险矩阵评估模型具备良好的应用价值。为风力机叶片覆冰风险管控提供理论依据,提高企业监管的针对性,能有效降低重特大风电事故发生概率,确保风力机安全平稳运行。