An electricity price-dependent control-limit policy for conditionbased maintenance optimization for power generating unit

• Autorzy: Qian X. , Wu Y.

Identyfikatory

DOI

10.17531/ein.2016.2.12

Warianty tytułu

PL

Za stosowanie strategii uzależniającej termin przeglądu od ceny prądu elektrycznego do optymalizacji utrzymania ruchu agregatu prądotwórczego z uwzględnieniem jego stanu technicznego

• Języki publikacji: EN

Abstrakty

EN

For the control-limit policy of condition-based maintenance (CBM), it usually focuses on the internal condition of the equipment while neglecting the un-constant external conditions. However, the electricity price-dependent downtime cost have influence on the cost-effectiveness of control-limit policy for a generating unit in a power system. To make a linkage between CBM and the nonconstant cost model, an electricity price-dependent control-limit policy (EPCLP) is proposed to accommodate the time-dependent downtime costs. For the proposed EPCLP, preventive maintenance control-limits is much flexible to be adjusted to different electricity price levels, and the maintenance cost reduction can be achieved among the planning horizon as a result. The optimal control-limits and maintenance costs for different downtime-cost ratios, reliabilities, covariate processes and electricity price scenarios are analysed to compare the performances between the proposed policy and the constant control-limit policy. Through the sensitivity analysis, the application scope of the proposed policy is evaluated.

PL

Stosując strategie utrzymania ruchu uwzględniające bieżący stan techniczny obiektu (condition based maintenance, CBM) oparte na pojęciu progu konserwacji koniecznej (control limit), najczęściej przywiązuje się wagę do stanu samego sprzętu, ignorując przy tym niestałe warunki zewnętrzne. Należy jednak pamiętać, że w przypadku agregatów prądotwórczych wchodzących w skład układów elektroenergetycznych, koszty przestoju zależne od ceny energii elektrycznej mają wpływ na opłacalność stosowania strategii progu konserwacji koniecznej. Aby powiązać CBM z modelem kosztów niestałych, zaproponowano strategię progu konserwacji koniecznej, w której wysokość progu uzależniona jest od ceny prądu elektrycznego (electricity price-dependent control-limit policy, EPCLP). Przyjęcie takiej strategii pozwala uwzględnić koszty przestojów zależne od czasu. W EPCLP, progi czasowe konserwacji zapobiegawczej są bardzo elastyczne, co pozwala na ich regulację zgodnie z aktualną ceną energii elektrycznej. Strategia umożliwia redukcję kosztów w danym horyzoncie planowania. W celu porównania proponowanej strategii ze strategią stałego progu konserwacji koniecznej, w pracy przeanalizowano optymalne progi czasowe konserwacji koniecznej oraz koszty utrzymania ruchu dla różnych stosunków przestoju do kosztu, różnych wartości niezawodności, różnych procesów kowariantnych oraz różnych scenariuszy zmian cen energii elektrycznej. Zakres zastosowania proponowanej strategii oceniano za pomocą analizy czułości.

Słowa kluczowe

EN

power generating unit; multi-component system; condition-based maintenance; control-limit policy; electricity price

PL

agregat prądotwórczy; system wieloelementowy; utrzymanie zależne od bieżącego stanu technicznego; strategia progu konserwacji koniecznej; cena energii elektrycznej

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2016
• Tom: Vol. 18, no. 2
• Strony: 245--253
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Qian X.

• The Key Laboratory of Metallurgical Equipment and Control of Education Ministry Wuhan University of Science and Technology No. 947 Heping Avenue, Wuhan 430081, China

autor

Wu Y.

• School of Hydropower and Information Engineering Huazhong University of Science and Technology No. 1037 Luoyu road, Wuhan 430074, China

Bibliografia

• 1. Ahmad R, Kamaruddin S. An overview of time-based and condition-based maintenance in industrial application. Computers & Industrial Engineering 2012; 63(1): 135-149, http://dx.doi.org/10.1016/j.cie.2012.02.002.
• 2. Banjevic D, Jardine AKS, Makis V, Ennis M. A control-limit policy and software for condition-based maintenance optimization. INFOR 2001; 39(1): 32-50.
• 3. Castanier B, Grall A, Berenguer C. A condition-based maintenance policy with non-periodic inspections for a two-unit series system. Reliability Engineering & System Safety 2005; 87(1): 109-120, http://dx.doi.org/10.1016/j.ress.2004.04.013.
• 4. Chen A. and Wu G. Real-time health prognosis and dynamic preventive maintenance policy for equipment under aging Markovian deterioration. International Journal of Production Research 2007; 45(15): 3351-3379, http://dx.doi.org/10.1080/00207540600677617.
• 5. Chen D, Trivedi K S. Optimization for condition-based maintenance with semi-Markov decision process. Reliability Engineering & System Safety 2005; 90(1): 25-29, http://dx.doi.org/10.1016/j.ress.2004.11.001.
• 6. Cox D. Regression models and life-tables. Journal of the Royal Statistical Society. Series B (Methodological) 1972; 34(2): 187-220.
• 7. Diyin T, Jinsong Y. Optimal Replacement Policy for a Periodically Inspected System Subject to the Competing Soft and Sudden Failures. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2015; 17(2): 228-235, http://dx.doi.org/10.17531/ein.2015.2.9.
• 8. Elwany A H, Gebraeel N Z, Maillart L M. Structured Replacement Policies for Components with Complex Degradation Processes and Dedicated Sensors. Operations Research 2011; 59(3): 684-695, http://dx.doi.org/10.1287/opre.1110.0912.
• 9. Gorjian N, Ma L, Mittinty M, Yarlagadda P, Sun Y. A review on degradation models in reliability analysis, in Proceedings of the 4th World Congress on Engineering Asset Management 2009. Athens.
• 10. Gröwe-Kuska N, Kiwiel K, Nowak M, Nowak M P, Römisch W, Wegner I. Power management under uncertainty by Lagrangian relaxation. in Proceedings of the 6th International Conference Probabilistic Methods Applied to Power Systems PMAPS 2000. INESC Porto.
• 11. Hamilton J D. Time series analysis. New York: Cambridge Univ Press, 1994.
• 12. Heitsch H, Römisch W. Scenario reduction algorithms in stochastic programming. Computational optimization and applications 2003; 24(2): 187-206, http://dx.doi.org/10.1023/A:1021805924152.
• 13. Jardine A K S, Makis V, Banjevic D, Braticevic D, Ennis M. A decision optimization model for condition-based maintenance. Journal of Quality in Maintenance Engineering 1998; 4(2): 115-121, http://dx.doi.org/10.1108/13552519810213644
• 14. Jardine A K S, Lin D, and Banjevic D. A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing 2006; 20(7): 1483-1510, http://dx.doi.org/10.1016/j.ymssp.2005.09.012.
• 15. Jiang R. A multivariate CBM model with a random and time-dependent failure threshold. Reliability Engineering & System Safety 2013; 119: 178-185, http://dx.doi.org/10.1016/j.ress.2013.05.023.
• 16. Jiang R. Optimization of alarm threshold and sequential inspection scheme. Reliability Engineering & System Safety 2010; 95(3): 208-215, http://dx.doi.org/10.1016/j.ress.2009.09.012.
• 17. Liu Q, Dong M, Lv W, Geng X, Li Y. A novel method using adaptive hidden semi-Markov model for multi-sensor monitoring equipment health prognosis. Mechanical Systems and Signal Processing 2015; 64-65: 217-232, http://dx.doi.org/10.1016/j.ymssp.2015.03.029.
• 18. Makis V, Jardine A K S. Optimal replacement in the proportional hazards model. INFOR 1992; 30(1): 172-183.
• 19. Makis V, Jiang X. Optimal Replacement Under Partial Observations. Mathematics of Operations Research 2003; 28(2): 382-394, http://dx.doi.org/10.1287/moor.28.2.382.14484.
• 20. Marseguerra M, Zio E, Podofillini L. Condition-based maintenance optimization by means of genetic algorithms and Monte Carlo simulation. Reliability Engineering & System Safety 2002; 77(2): 151-165, http://dx.doi.org/10.1016/S0951-8320(02)00043-1.
• 21. PJM. Hourly Real-Time & Day-Ahead LMP. [cited 2014; Available from: http://www.pjm.com/markets-and-operations/energy/real-time/onthlylmp.aspx.
• 22. Qian X. Control-limit Policy of Condition-based Maintenance Optimization for Multi-component System by Means of Monte Carlo Simulation. IAENG International Journal of Computer Science 2014; 41(4): 269-273.
• 23. Tian Z, Liao H. Condition based maintenance optimization for multi-component systems using proportional hazards model. Reliability Engineering & System Safety 2011; 96(5): 581-589, http://dx.doi.org/10.1016/j.ress.2010.12.023.
• 24. Wang W. A model to determine the optimal critical level and the monitoring intervals in condition-based maintenance. International Journal of Production Research 2000; 38(6): 1425-1436, http://dx.doi.org/10.1080/002075400188933.
• 25. Yang K, Yang G. Degradation Reliability Assessment Using Severe Critical Values. International Journal of Reliability, Quality and Safety Engineering 1998; 5(1): 85-95, http://dx.doi.org/10.1142/S0218539398000091.
• 26. Zhao X, Fouladirad M, Bérenguer C, Bordes L. Condition-based inspection/replacement policies for non-monotone deteriorating systems with environmental covariates. Reliability Engineering & System Safety 2010; 95(8): 921-934, http://dx.doi.org/10.1016/j.ress.2010.04.005.