An Investigation of Offshore Wind Maintenance Strategies by Considering the Fleet Size and Mix

Abstract

Utviklingen av havvindparker har blomstret de siste tiårene. Potensialet for havvind er stort, ettersom vinden blåser jevnere og med høyere hastigheter, noe som kan øke kraftproduksjonen fra en vindturbin som er plassert offshore. Ved å plassere vindturbiner offshore, oppstår det mange utfordringer knyttet til både installasjon og drift og vedlikehold av vindmøllen. Den reduserte tilgjengeligheten og følsomheten for været kan gjøre det vanskelig å utføre planlagte operasjoner.

Drift og vedlikehold av offshore vindparker kan utgjøre opptil en tredel av den totale prosjektkostnaden. For å øke lønnsomheten må kostnadene reduseres. Bedre planlegging og forståelse av nødvendig vedlikehold av vindturbiner kan bidra til bedre flåteutnyttelse og flåtesammensetning. Drift og vedlikehold av havvind er utsatt for ustabilt vær, noe som begrenser tilgjengeligheten til vindmøller som trenger inspeksjoner eller reparasjoner.

Det overordnede målet var å lage en beslutningsstøttemodell som kunne brukes i strategiske beslutninger angående optimal sammensetning og flåtestørrelse for en gitt vindpark. En kombinert korrigerende og forebyggende vedlikeholdsstrategi ble valgt, og vedlikeholdsoppdrag er blitt stokastisk generert. En Markov-kjede har blitt brukt til å produsere syntetiske værdata basert på historiske vær observasjoner. En to-trinns optimaliseringsalgoritme er utviklet og 1000 Monte Carlo-simuleringer ble utført for å bestemme den optimale flåten for en vindmøllepark bestående av 30 vindturbiner og tre forskjellige fartøystyper med forskjellige egenskaper. Ytterligere casestudier er utført for å undersøke hvordan den foreslåtte modellen reagerer på endringer. Den case-baserte løsningsalgoritmen har gitt verdifull innsikt i noen av parametrene, og deres innflytelse på den optimale løsningen.

Resultatene antyder at det ikke er gunstig å leie større fartøy, for eksempel heavy lift vessels eller field support vessels, på lange tidskontrakter. Kostnadene knyttet til langsiktig charter av skipene er høye, og feilene de kan reparere forekommer ikke ofte nok. Resultatene antyder at hvis disse skipene leies inn på spotmarkedet eller kortsiktig charter, kan potensielle kostnadsreduksjoner oppnåes. Mindre fartøy som crew transfer vessel er ofte nødvendige og bør leies på langsiktig charter.

Den utviklede beslutningsstøttealgoritmen kan være av vitenskapelig verdi for fremtidige prosjekter som undersøker kostnadene knyttet til strategisk planlegging av drift og vedlikehold av en havvindpark.

The development of offshore wind farms has bloomed in recent decades. The potential for offshore wind is extensive, as the wind blows more steadily and at higher speeds which can increase the power output from a wind turbine placed offshore. By placing wind turbines offshore, many challenges arise related to both the installation and the operation and maintenance of the wind turbine. The reduced accessibility and sensitivity to the weather can make it difficult to execute planned operations.

The operation and maintenance of offshore wind farms can account for up to one-third of the overall project cost. To increase the profitability the cost must be reduced. Better planning and understanding of the required maintenance of wind turbines can contribute to better fleet utilization and mix of vessel types. The operation and maintenance of offshore wind are prone to unstable weather, which limits the accessibility to the wind turbines in need of inspections or repair.

The overall objective was to create a decision support model which could be used in strategic decisions regarding the optimal fleet size and mix for a given wind farm. A combined corrective and preventive maintenance strategy was chosen and maintenance missions has been stochastically generated. A Markov Chain has been used to produce synthetic weather data based on historical metocean data. A two-staged optimization algorithm has been developed and 1000 Monte Carlo Simulations were performed to determine the optimal fleet for a wind farm consisting of 30 wind turbines considering three different vessel types with different characteristics. Additional case studies have been performed to investigate how the proposed model behaves to changes in input. The case-based solution approach has provided valuable insight into some of the parameters, and their influence on the overall solution.

The results suggest that it is not beneficial to hire larger vessels, such as heavy lift vessels or field support vessels, on long time charter. The cost related to long term charter of the vessels are high, and the failures they can repair does not occur frequently enough. The results suggest that if these vessels are hired on the spot market or short term charter, potential cost reductions can be made. Smaller vessels, such as the crew transfer vessel, are frequently needed and should be hired on long term charter.

The developed decision support algorithm can be of scientific value for future projects investigating the cost related to the strategic planning of operation and maintenance of an offshore wind farm. The decision support tool can contribute to increased insight to which factors that influence the optimal fleet size and mix to maintain an offshore wind farm.