Wind power system reliability and maintenance optimization considering turbine and wind uncertainty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Wind power is an important source of renewable energy and accounts for significant portions in supplying electricity in many countries and locations. The purpose of this paper is to develop a method for wind power system reliability assessment and condition-based maintenance (CBM) optimization considering both turbine and wind uncertainty. Existing studies on wind power system reliability mostly considered wind uncertainty only and did not account for turbine condition prediction. Design/methodology/approach Wind power system reliability can be defined as the probability that the generated power meets the demand, which is affected by both wind uncertainty and wind turbine failures. In this paper, a method is developed for wind power system reliability modeling considering wind uncertainty, as well as wind turbine condition through health condition prediction. All wind turbine components are considered. Optimization is performed for maximizing availability or minimizing cost. Optimization is also conducted for minor repair activities to find the optimal number of joint repairs. Findings The wind turbine condition uncertainty and its prediction are important for wind power system reliability assessment, as well as wind speed uncertainty. Optimal CBM policies can be achieved for optimizing turbine availability or maintenance cost. Optimal preventive maintenance policies can also be achieved for scheduling minor repair activities. Originality/value This paper considers uncertainty in both wind speed and turbine conditions and incorporates turbine condition prediction in reliability analysis and CBM optimization. Optimization for minor repair activities is studied to find the optimal number of joint repairs, which was not investigated before. All wind turbine components are considered, and data from the field as well as reported studies are used.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle