一种基于深度学习的海上风力发电设备运维调度方法

本发明公开了一种基于深度学习的海上风力发电设备运维调度方法，包括如下步骤：S1、采集风力发电设备的运行状态数据，并进行预处理；S2、利用变分自编码器对预处理后的数据进行降维处理，提取特征，并计算风力发电设备健康状态评分；S3、定义Dyna‑Q强化学习模型的状态空间，并构建动作空间和奖励函数，初始化Q值函数；S4、利用Dyna‑Q强化学习模型进行运维调度优化，并对Q值函数进行更新；S5、选择最优运维调度方案，并下发至远程监测系统。本发明结合深度学习与Dyna‑Q强化学习，实现海上风力发电设备智能运维调度，具备预测精准、调度优化、高效收敛和成本降低的优点。