[논문]An Optimization Model for O&M Planning of Floating Offshore Wind Farm using Mixed Integer Linear Programming

Sang, Min-Gyu; Lee, Nam-Kyoung; Shin, Yong-Hyuk; Lee, Chulung; Oh, Young-Jin

doi:10.9708/jksci.2021.26.12.255

An Optimization Model for O&M Planning of Floating Offshore Wind Farm using Mixed Integer Linear Programming 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.26 no.12, 2021년, pp.255 - 264

Sang, Min-Gyu (School of Industrial Management and Engineering, Korea University) , Lee, Nam-Kyoung (Smart Convergence Dept., KEPCO Engineering & Construction Co., Inc.) , Shin, Yong-Hyuk (Dept. of Industrial Engineering, Konkuk University) , Lee, Chulung (School of Industrial Management and Engineering, Korea University) , Oh, Young-Jin (Smart Convergence Dept., KEPCO Engineering & Construction Co., Inc.)

초록
AI-Helper

본 연구에서는 부유식 해상풍력발전의 운영 및 유지보수에 필요한 체계적인 정비계획 수립을 위해 최적화기법을 활용한 수리 모형을 제안하고자 한다. 주간 단위로 선박과 기술자를 운용하는 계획정비와 고장정비 작업의 배정에 혼합정수계획법(Mixed Integer Linear Programming, MILP)을 도입하였다. 본 연구의 최적화 모델을 활용한 사례연구에서는 선박과 기술자의 투입 규모가 유지정비 비용에 미치는 영향을 확인하였으며 1년간 정비계획 수립에서 더 나아가 정비작업별 상세 스케줄링까지 연계되는 단계적 최적화 방법론을 함께 제시하였다. 세부적으로는 기상 데이터와 정비 데이터를 활용한 발전량 손실을 비가동 비용으로 반영하여 정비 우선순위를 선정하였으며, 이를 통해 국내 실정에 맞는 해상풍력단지의 유지보수 전략을 제시할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

In this paper, we propose operations and maintenance (O&M) planning approach for floating offshore wind farm using the mathematical optimization. To be specific, we present a MILP (Mixed Integer Linear Programming that suggests the composition of vessels, technicians, and maintenance works on a weekly basis. We reflect accessibility to wind turbines based on weather data and loss of power generation using the Jensen wake model to identify downtime cost that vary from time to time. This paper also includes a description of two-stage approach for maintenance planning & detailed scheduling and numeric analysis of the number of vessels and technicians on the O&M cost. Finally, the MILP model could be utilized in order to establish the suitable and effective maintenance planning reflecting domestic situation.

주제어

표/그림 (7)

그림 Fig. 1. Maintenance types for wind farm
그림 Fig. 2. Layout of hypothetical offshore wind farm
그림 Fig. 3. Power Curve of DTU 10MW Wind turbine
그림 Fig. 4. Performance of Preventive task in one year
표 Table 1. Scenario Comparison
그림 Fig. 5. Vessel operations in one year
표 Table 2. Case Study Result for Scenario 1, 2 and 3

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 해상풍력발전 유지보수 최적화 계획 및 스케줄링 문제를 풀기 위한 2-Stage 접근법으로서 MILP 기반의 선박/인력/작업 할당 모델을 개발하였다. 동해 부유식 해상풍력발전 시나리오를 바탕으로 국내의 정비사업수행의 관례와 터빈 정비 매뉴얼을 참고하여 현실적인 제약조건들을 반영하였으며, 최적화 계산 모델을 활용한 사례연구로 정비계획이 할당된 결과를 고찰하였다.
Stage 2는 Stage 1의 정비계획을 바탕으로 언제 어느 터빈을 정비하고 베이스로 복귀해야 비용 또는 이동거리를 최소화할 수 있을지 하루 단위의 스케줄링 문제이다. 이에 본 논문에서는 우선적으로 Stage 1에서 유지보수 비용 최적화 관점에서 정비계획 수립을 위한 수리 모델을 중점적으로 다루며 발전량 손실을 고려한 혼합정수계획법(Mixed Integer Linear Programming, MILP) 모델을 소개하고자 한다.

가설 설정

또한, 정비작업이 수행되는 일정별로 발생하는 발전량 손실은 비가동 비용으로 환산되는데 이 과정에서 풍속과 풍향 데이터가 활용된다. 단위시간(time shift, 주 단위)에 발생하는 고장정비의 수와 기상 상태는 과거 이력 데이터의 경향과 동일하다는 가정을 하였으며 국내 실정에 맞는 계획정비 관례, 근무시간 등을 반영하면서 최적의 인력/자원/작업 배치를 통하여 최소한의 비용으로 모든 정비를 완료하도록 하였다.
제약식 (3)은 특정 시점 t 에고 장난 터빈의 대수는 그때까지 누적된 고장 터빈의 수보다 적다는 것을 나타낸다. 본 모형에서는 대략적으로 각 시점 t에 고장이 몇 번 정도 발생하는지는 과거 이력을 바탕으로 사전에 주어진 것으로 가정한 것이다. 제약식 (4) 는한 주에 가동되는 선박의 대수는 최대 가용 선박보다 적음을 의미한다.
제약식 (4) 는한 주에 가동되는 선박의 대수는 최대 가용 선박보다 적음을 의미한다. 이번 연구에서는 선박 종류는 고려하지 않고 CTV만 도입한 것으로 가정한다. 제약식 (5)는 한 주에 가용 기술자 팀의 수가 그 주에 최대 가용 팀 수보다 적다는 것을 의미한다.
연간 계획정비는 터빈당 3일 정도의 물량으로 정비팀 투입이 필요한 것으로 간주해 총 300일 분량의 정비작업이 있는 것으로 가정하였고 고장정비는 건당 평균 18시간이 소요되는 것으로 반영하였다. 정비팀은 매일 베이스를 출발하여 정비작업을 수행하고 베이스로 복귀하는데, 베이스, 풍력단지 위치와 CTV 속도를 고려한 왕복 이동 시간은 3시간이 소요되는 것으로 가정하였다.

제안 방법

본 논문에서는 해상풍력발전 유지보수 최적화 계획 및 스케줄링 문제를 풀기 위한 2-Stage 접근법으로서 MILP 기반의 선박/인력/작업 할당 모델을 개발하였다. 동해 부유식 해상풍력발전 시나리오를 바탕으로 국내의 정비사업수행의 관례와 터빈 정비 매뉴얼을 참고하여 현실적인 제약조건들을 반영하였으며, 최적화 계산 모델을 활용한 사례연구로 정비계획이 할당된 결과를 고찰하였다. 본 연구처럼 주간 단위로 작업수와 가용선박 및 인력 수를 우선적으로 지정해 놓으면, 미리 기술자들의 근무 스케줄을 수립할 수 있고, 날씨의 변동 등 부득이한 사정으로 인해 유지보수 계획에 차질이 생기더라도 유연하게 대처할 수 있는 기반을 제공한다.
본 모델의 목적함수는 선박의 운영비용, 고용하는 팀의 인건비, 계획정비로 인한 비가동 비용, 고장정비로 인한 비가 동비용으로 이루어져 있으며 고정비를 제외한 O&M 비용을 최소화하도록 하였다
본 연구는 동해 상에 부유식 해상풍력발전 단지를 운영하는 가상의 시나리오를 바탕으로 수행되었고, 국내외 풍력 O&M 전문가 인터뷰를 바탕으로 한 비즈니스 사례를 반영해 국내 실정에 적합한 정비 방안들을 세부적인 요건들로 삼았다
해상풍력 유지보수 최적화 문제는 위의 다양한 고려사항들을 고려하면서 어떤 운송수단을 얼마나 운용하고 기술자를 어떻게 투입할 것인지 등을 결정하는 전략적인 (Tactical) 영역과 실행단계 관점에서 하루 단위로 어느 경로로 선박을 운용해 정비 비용을 최소화할지를 탐색하는 스케줄링 영역을 모두 포함하고 있다. 본 연구에서는 실시간으로 변화하는 비가동 비용을 고려한 최적의 정비계획 수립을 위하여 2-Stage 기반의 접근법을 제시한다, Stage 1은 각 주별로 투입할 선박, 기술자의 적정 투입량 그리고 수행할 정비 작업의 수를 파악하는 정비계획을 수립하는 것이다. Stage 2는 Stage 1의 정비계획을 바탕으로 언제 어느 터빈을 정비하고 베이스로 복귀해야 비용 또는 이동거리를 최소화할 수 있을지 하루 단위의 스케줄링 문제이다.

대상 데이터

비가동에 따른 발전손실량 계산 등에는 단지 해역의 바람/파랑 장 데이터가 필요하며, 본 연구에서는 관련 기술개발에서 확보한 특정 해역의 40년 동안의 바람/파랑 후측 데이터를 활용하였다.

데이터처리

확보된 과거 해역 데이터를 바탕으로 각 주의 평균적인 풍속과 풍향을 계산하고 위에서 제시한 풍력터빈 배치와 Jensel 모델에 따른 후류 영향을 고려한 발전량 계산 결과를 비가동 비용으로 환산하였다. Stage 2에서는 개별 터빈의 정비 비가동을 고려한 발전량 손실을 반영해 비 가동 비용을 산출할 것이다.

후속연구

본 연구처럼 주간 단위로 작업수와 가용선박 및 인력 수를 우선적으로 지정해 놓으면, 미리 기술자들의 근무 스케줄을 수립할 수 있고, 날씨의 변동 등 부득이한 사정으로 인해 유지보수 계획에 차질이 생기더라도 유연하게 대처할 수 있는 기반을 제공한다. 본 연구는 국내에 대규모 해상풍력단지가 조성된 상황을 가정한 것으로서 발전사업자 관점과 국내 현장의 일반적인 요구사항을 제약 조건으로 반영한 모형이기 때문에 특정 운영 규칙(대형 작업선 도입, 교대근무, 정비 물량 등)을 추가로 반영함으로써 모형을 유연하게 활용할 수 있다. 아직 국내는 해상풍력이 태동기에 있어 배후항만, 대형 크레인 등의 유지정비 인프라가 미흡한 상황이지만 본 연구는 향후 국내 해상풍력단지 유지정비를 위한 선박/인력/작업 배치 계획의 기초적인 가이드라인 역할을 할 수 있을 것으로 기대된다.
본 연구는 국내에 대규모 해상풍력단지가 조성된 상황을 가정한 것으로서 발전사업자 관점과 국내 현장의 일반적인 요구사항을 제약 조건으로 반영한 모형이기 때문에 특정 운영 규칙(대형 작업선 도입, 교대근무, 정비 물량 등)을 추가로 반영함으로써 모형을 유연하게 활용할 수 있다. 아직 국내는 해상풍력이 태동기에 있어 배후항만, 대형 크레인 등의 유지정비 인프라가 미흡한 상황이지만 본 연구는 향후 국내 해상풍력단지 유지정비를 위한 선박/인력/작업 배치 계획의 기초적인 가이드라인 역할을 할 수 있을 것으로 기대된다.
두번째는 이번 모델으로 얻어진 정보를 바탕으로 Stage 2 연구를 통해 하루 단위 상세 유지정비 스케줄링 문제를 풀어볼 수 있다. 즉, 몇 번째 주에 몇 명의 기술자 팀이 선박 몇 대를 활용하여 유지보수 작업을 몇 회 진행하여야 한다는 것을 알고 있다는 조건을 바탕으로 매일 정비팀마다 어떤 운송수단으로 어떤 터빈을 어떠한 경로로 정비할 것인지 구체적인 스케줄을 탐색하는 연구로 발전시킬 수 있을 것이다.
본 연구에서 다소 부족했던 점들을 보완하기 위해 향후 연구 사항 두 가지를 제시하고자 한다. 현재 연구에서는 고정비용은 고려하지 않고 변동비 위주의 목적식을 사용했는데, 향후에는 선박의 고정비용을 추가하여 최대 선 박수와 기술자 수를 바꿔가면서 민감도 분석을 진행하여 선박 투자에 대한 경제성 분석을 해 볼 수 있다. 두번째는 이번 모델으로 얻어진 정보를 바탕으로 Stage 2 연구를 통해 하루 단위 상세 유지정비 스케줄링 문제를 풀어볼 수 있다.

참고문헌 (27)

Jae-Kyeong Jang, Mi-Ho Park & Jong-Po Park, Comparison of O&M Performance of Offshore Wind Farms Based on Improved Accessibility and Reliability of Large Parts, Journal of Wind Energy, 11(3), 40-51, 2020. DOI: 10.33519/kwea.2020.11.3.005
Offshore Wind Farm in Asia, POSRI Issue Report, 1-18, 2018.
Walford, C. A., Wind turbine reliability: understanding and minimizing wind turbine operation and maintenance costs (No. SAND2006-1100), Sandia National Laboratories, 2006.
Dinwoodie, I., McMillan, D., Revie, M., Lazakis, I., & Dalgic, Y., Development of a combined operational and strategic decision support model for offshore wind, Energy Procedia, 35, 157-166, 2013. DOI: 10.1016/j.egypro.2013.07.169

상세보기
Dalgic, Y., Lazakis, I., Dinwoodie, I., McMillan, D., & Revie, M., Advanced logistics planning for offshore wind farm operation and maintenance activities, Ocean Engineering, 101, 211-226, 2015. DOI: 10.1016/j.oceaneng.2015.04.040

상세보기
Kaldellis, J. K., & Apostolou, D., Life cycle energy and carbon footprint of offshore wind energy. Comparison with onshore counterpart, Renewable Energy, 108, 72-84, 2017. DOI: 10.1016/j.renene.2017.02.039

상세보기
G.Rinaldi, P.R Thies, R.Walker& L.Johanning, A decision support model to optimise the operation and maintenance strategies of an offshore renewable energy farm, Ocean Engineering, 145, 250-262, 2013. DOI: 10.1016/j.oceaneng.2017.08.019

상세보기
A.Gutierrez-Alcoba, E.M.T.Hendrix, G.Ortega, E.E.Halvorsen-We are & D.Hauglandc, On offshore wind farm maintenance scheduling for decision support on vessel fleet composition, European Journal of Operational Research, 279, 124-131, 2019. DOI: 10.1016/j.ejor.2019.04.020

상세보기
Besnard, F., On optimal maintenance management for wind power systems (Doctoral dissertation, KTH), 2009.
Rademakers, L. W. M. M., Braam, H., Obdam, T. S., & vd Pieterman, R. P., Operation and maintenance cost estimator (OMCE) to estimate the future O&M costs of offshore wind farms, European Offshore Wind 2009 Conference (Vol. 1, pp. 14-16), 2009.
The European terminology standard, SS-EN 13306, p.36, 2001.
Sankaranarayanan, V., Maintenance-Wind Energy Production, 2015.
Suryadarma, E. H. E., Ai, T. J., Bawono, B., & Siswantoro, A. T., Improving Bimetal Bond Quality Between Cast Steel and Aluminum Alloys Using Response Surface Methodology, International Journal of Metalcasting, 1-10, 2021. DOI: 10.1007/s40962-021-00687-4

상세보기
Gonzalez-Longatt, F., Wall, P., & Terzija, V., Wake effect in wind farm performance: Steady-state and dynamic behavior, Renewable Energy, 39(1), 329-338, 2012. DOI: 10.1016/j.renene.2011.08.053

상세보기
Jensen, N.O., "A Note on Wind Generator Interaction", RISO-M-2411, Riso National Lab, 1983.
Zhang, Z., Multi-ACO Application in Routing and Scheduling Optimization of Maintenance Fleet (RSOMF) Based on Conditions for Offshore Wind Farms, Journal of Power and Energy Engineering, 6(10), 20, 2018. DOI: 10.4236/jpee.2018.610002

상세보기
Parashar, A. and Swankar, K.K., A Genetic Algorithm Approach to Solve Unit Commitment Problem, IOSR Journal of Electrical and Electronics Engineering, 7, 60-64, 2013. DOI: 10.9790/1676-0736064
Irawan, C. A., Eskandarpour, M., Ouelhadj, D., & Jones, D., Simulation-based optimisation for stochastic maintenance routing in an offshore wind farm, European Journal of Operational Research, 289(3), 912-926, 2021. DOI: 10.1016/j.ejor.2019.08.032

상세보기
Stock-Williams, C., & Swamy, S. K., Automated daily maintenance planning for offshore wind farms, Renewable Energy, 133, 1393-1403, 2019. DOI: 10.1016/j.renene.2018.08.112

상세보기
Halvorsen-Weare, E. E., Norstad, I., Stalhane, M., & Nonas, L.M., A metaheuristic solution method for optimizing vessel fleet size and mix for maintenance operations at offshore wind farms under uncertainty, Energy Procedia, 137, 531-538, 2017. DOI: 10.1016/j.egypro.2017.10.382

상세보기
Stalhane, M., Bolstad, K. H., Joshi, M., & Hvattum, L. M., A dual-level stochastic fleet size and mix problem for offshore wind farm maintenance operations, INFOR: Information Systems and Operational Research, 59(2), 257-289, 2021. DOI: 10.1080/03155986.2020.1857629

상세보기
Halvorsen-Weare, E. E., Gundegjerde, C., Halvorsen, I. B., Hvattum, L. M., & Nonas, L. M., Vessel fleet analysis for maintenance operations at offshore wind farms, Energy Procedia, 35, 167-176, 2013. DOI: 10.1016/j.egypro.2013.07.170

상세보기
Stalhane, M., Vefsnmo, H., Halvorsen-Weare, E. E., Hvattum, L. M., & Nonas, L. M., Vessel fleet optimization for maintenance operations at offshore wind farms under uncertainty, Energy Procedia, 94, 357-366, 2016. DOI: 10.1016/j.egypro.2016.09.195

상세보기
Elkinton, C., Manwell, J., & McGowan, J., Offshore wind farm layout optimization (OWFLO) project: Preliminary results, 44th AIAA aerospace sciences meeting and exhibit, 2006. DOI: 10.2514/6.2006-998
The DTU 10MW Reference Wind Turbine Project Site, https://rwt.windenergy.dtu.dk/dtu10mw/dtu-10mw-rwt
Ilkyeong Moon, Byungsoo Kim, Hoontae Kim, Yongwon Seo, & Chulung Lee, Operations Management, Life and Power Press, 2016.
Gurobi Optimizer. Available at: https://www.gurobi.com/products/gurobi-optimizer. [Accessed: 1 November 2021].

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증