基于半馬爾可夫決策過程的風機維修優(yōu)化研究.pdf

1、當今世界,能源是人類生存和發(fā)展的重要基礎。其中風能是一種分布廣泛的清潔型能源,風力發(fā)電也越來越受到人類的關注與重視。與此同時,風力發(fā)電機組長期在戶外工作,由于惡劣的自然環(huán)境導致風力發(fā)電機組突發(fā)故障的事故時有發(fā)生,這樣不僅僅會增加風力發(fā)電廠的維修成本,甚至造成巨大的經濟損失。因此,合理的維修決策對于風力發(fā)電機的可用性和經濟性都有著顯著的作用。
　　針對風力發(fā)電機零部件葉片和變速箱的劣化特性和維修策略問題,本文采用泊松過程和Gamma

2、過程分別對葉片和變速箱的劣化過程進行建模,并將維修方式和檢測時間間隔作為決策變量,同時又考慮葉片和變速箱系統(tǒng)處于劣化狀態(tài)下的劣化代價和停機代價的影響,建立基于半馬爾可夫決策過程的單部件狀態(tài)維修優(yōu)化模型。本文使用Q學習算法和策略迭代算法分別對葉片、變速箱兩不同模型進行求解,并得到最優(yōu)維修策略和最優(yōu)費用率。另外還通過對多次仿真的數據結果進行比較分析,證明了這兩類模型的可用性和經濟性。
　　同時,本文還將風力發(fā)電機的葉片和變速箱串聯(lián)組成