一种基于强化学习的风电机舱装备质量评估与维修决策方法

本发明涉及一种基于强化学习的风电机舱装备质量评估与维修决策方法，属于风电机组运维领域。本发明利用马尔可夫决策过程建立风电机舱状态劣化模型，并结合动态集成概率神经网络对状态转移概率进行估计，提高预测准确性。通过灰色模型对风机机舱子部件故障数据进行威布尔分布参数估计，完成部件的寿命可靠性分析，进而得到风电机舱的可靠度函数，实现装备质量评估。本发明采用事后维修和机会维修结合的维修方法，根据部件可靠度函数和维修成本模型，建立维修决策模型的目标函数，并利用AD3QN算法求解最优维修策略，实现最小维修成本，提高风电场运行效率和经济效益。