STOCHOS: Stochastic Opportunistic Maintenance Scheduling For Offshore Wind Farms

海上风力发电 停工期 调度(生产过程) 海底管道 时间范围 运筹学 收入 计算机科学 概率逻辑 风力发电 环境科学 业务 可靠性工程 工程类 运营管理 财务 电气工程 岩土工程 人工智能
作者
Petros Papadopoulos,David W. Coit,Ahmed Aziz Ezzat
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2207.02274
摘要

Despite the promising outlook, the numerous economic and environmental benefits of offshore wind energy are still compromised by its high operations and maintenance (O&M) expenditures. On one hand, offshore-specific challenges such as site remoteness, harsh weather, transportation requirements, and production losses, significantly inflate the O&M costs relative to land-based wind farms. On the other hand, the uncertainties in weather conditions, asset degradation, and electricity prices largely constrain the farm operator's ability to identify the time windows at which maintenance is possible, let alone optimal. In response, we propose STOCHOS, short for the stochastic holistic opportunistic scheduler--a maintenance scheduling approach tailored to address the unique challenges and uncertainties in offshore wind farms. Given probabilistic forecasts of key environmental and operational parameters, STOCHOS optimally schedules the offshore maintenance tasks by harnessing the opportunities that arise due to favorable weather conditions, on-site maintenance resources, and maximal operating revenues. STOCHOS is formulated as a two-stage stochastic mixed integer linear program, which we solve using a scenario-based rolling horizon algorithm that aligns with the industrial practice. Tested on real-world data from the U.S. North Atlantic where several offshore wind farms are in-development, STOCHOS demonstrates considerable improvements relative to prevalent maintenance benchmarks, across various O&M metrics, including total cost, downtime, resource utilization, and maintenance interruptions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
Dita完成签到,获得积分10
1秒前
惠惠发布了新的文献求助10
1秒前
脑洞疼应助lan采纳,获得10
2秒前
3秒前
成就的笑南完成签到 ,获得积分10
4秒前
偷狗的小月亮完成签到,获得积分10
4秒前
爱吃泡芙完成签到,获得积分10
4秒前
ysl完成签到,获得积分10
5秒前
5秒前
爆米花应助pipge采纳,获得30
5秒前
彻底完成签到,获得积分10
6秒前
7秒前
韋晴完成签到,获得积分10
8秒前
8秒前
10秒前
领导范儿应助wenjian采纳,获得10
10秒前
10秒前
奇拉维特完成签到 ,获得积分10
10秒前
11秒前
Apple发布了新的文献求助10
11秒前
wtg完成签到,获得积分10
11秒前
在水一方应助Sheila采纳,获得10
12秒前
英姑应助YE采纳,获得30
12秒前
ysl发布了新的文献求助30
12秒前
12秒前
cilan完成签到 ,获得积分10
15秒前
义气的妙松完成签到,获得积分10
15秒前
yangjing发布了新的文献求助10
16秒前
rosexu发布了新的文献求助10
16秒前
盘尼西林发布了新的文献求助10
17秒前
科研通AI2S应助我是125采纳,获得10
17秒前
李健的小迷弟应助arkamar采纳,获得10
18秒前
Xiaoxiao完成签到,获得积分10
18秒前
cilan发布了新的文献求助10
18秒前
SciGPT应助William鉴哲采纳,获得10
18秒前
19秒前
咩咩完成签到,获得积分20
20秒前
合一海盗应助wtg采纳,获得200
20秒前
20秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527928
求助须知:如何正确求助?哪些是违规求助? 3108040
关于积分的说明 9287614
捐赠科研通 2805836
什么是DOI,文献DOI怎么找? 1540070
邀请新用户注册赠送积分活动 716904
科研通“疑难数据库(出版商)”最低求助积分说明 709808