In diesem Artikel wird ein neuartiger, prognostisch gesteuerter Ansatz zur Optimierung vorgeschlagen
Betrieb und Wartung (O&M) Entscheidungen in Wasserkraftanlagen. Unser Ansatz
nutzt die Erkenntnisse aus Sensordaten, um den Rest genau vorherzusagen
Lebenszeitverteilung kritischer Erzeugungsanlagen in Wasserkraftsystemen,
d.h., Axiallager, und nutzen Sie diese Vorhersagen, um O optimal zu planen&M
Maßnahmen für eine Flotte von Wasserkraftgeneratoren. Wir berücksichtigen komplexe Zusammenhänge
über Ausfallrisiken von Wasserkraftgeneratoren, Reservoir, Produktion, und Nachfrage
Managemententscheidungen. Wir schlagen ein stochastisches Gelenk O vor&M-Planungsmodell zu
Bewältigen Sie die einzigartigen Herausforderungen der Wasserkraft O&M einschließlich der gegenseitigen Abhängigkeit von
Erzeugungskapazitäten, die nichtlineare Natur der Stromerzeugung, betriebsbereit
Anforderungen, und Unsicherheiten. Wir entwickeln eine auf zwei Ebenen basierende Zerlegung
Lösungsalgorithmus zur effektiven Bearbeitung umfangreicher Fälle. Der Algorithmus
beinhaltet eine Kombination aus Benders-Optimalitätsschnitten und ganzzahligen Schnitten zur Lösung
das Problem effizient lösen. Wir entwerfen einen experimentellen Rahmen dafür
Bewerten Sie das vorgeschlagene prognostisch gesteuerte O&M-Planungsrahmen, verwenden
reale Zustandsüberwachungsdaten von Wasserkraftsystemen, Historischer Markt
Preise, und Wasserzuflussdaten. Der entwickelte Rahmen kann teilweise sein
für einen schrittweisen Ansatz implementiert. Unsere Experimente zeigen das
erhebliche Vorteile des sensorgesteuerten O&M-Framework bei der Verbesserung
Zuverlässigkeit, Verfügbarkeit, effektive Nutzung von Ressourcen, und System
Rentabilität, insbesondere bei der schrittweisen Umstellung von der traditionellen zeitbasierten Methode
von Wartungsrichtlinien bis hin zu zustandsbasierter, prognosegesteuerter Wartung
Richtlinien.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: