Schwimmende Offshore-Windturbinen (FOWTs) werden zu einem wichtigen Bestandteil zukünftiger Energiesysteme, da sie konventionelle Netze ergänzen und die gesamte Energiesicherheit und -resilienz unterstützen können. Das Verständnis der dynamischen Entwicklung der Zuverlässigkeit schwimmender Offshore-Windturbinen unter Gefahrenereignissen und Degradationsbedingungen ist jedoch noch unzureichend und stellt eine große wissenschaftliche Herausforderung dar. Bestehende Überwachungssysteme wie SCADA sind nur begrenzt in der Lage, die tatsächlichen Grundursachen von Bauteilfehlern zu identifizieren. Daher können Wartungsmaßnahmen nur auf falsche oder unvollständige Fehlerquellen abzielen, während nicht erkannte Grundursachen weiterhin Restschäden verbreiten und die Degradation anderer Komponenten beschleunigen können. In dieser Studie wurde ein dynamischer Zuverlässigkeitsbewertungsrahmen zur Resilienzbewertung für das Wiederherstellungsmanagement schwimmender Offshore-Windturbinen unter Gefahrenbedingungen entwickelt. Ein Bayessches Netzwerk wurde verwendet, um die hierarchische Systemstruktur der schwimmenden Offshore-Windturbine darzustellen und die Ausbreitung von Bauteilfehlern auf Subsystem- und Systemebene zu modellieren. Während des Wiederherstellungsprozesses kann dieser Rahmen die Auswirkungen von Restschäden aufgrund nicht identifizierter oder unvollständig behobener Grundfehler auf die weitere Entwicklung der Zuverlässigkeit erfassen. Ein bedingungsbewusstes Deep-Detection-Modul wurde eingeführt, um den auf Fehlerprognose und Gesundheitsmanagement basierenden Wiederherstellungsprozess abzubilden. Obwohl diese Strategie vor der Wartung zusätzliche Erkennungsinvestitionen und Entscheidungsressourcen erfordert, ermöglicht sie eine genauere Identifikation von Grundursachen und deren Ausbreitungspfaden und unterstützt so effektivere Wiederherstellungsentscheidungen. Eine Fallstudie zeigt, dass die Systemzuverlässigkeit schnell sinken kann, wenn kritische Bauteile von Gefahrenereignissen betroffen sind. Die Studie zeigt zudem, dass die auf Erfahrung basierende Wiederherstellung die Systemfunktionen teilweise wiederherstellen kann, aber Restschäden möglicherweise nicht beseitigt werden, wenn die Grundursachen nicht vollständig erkannt sind. Im Gegensatz dazu erzielt die bedingungsbewusste Strategie eine höhere Wiederherstellungswirkung der Zuverlässigkeit durch verbesserte Grundursachenerkennung und Reparatureffektivität. Die Ergebnisse zeigen die Bedeutung der Integration bedingungsbewusster Erkennung in die Nachkatastrophen-Wiederherstellungsplanung und heben den Wert der dynamischen Zuverlässigkeitsbewertung zur Verbesserung der Resilienz schwimmender Offshore-Windturbinen hervor. Insbesondere bietet diese Studie eine Grundlage für das quantitative Verständnis, wie die Leistung von Fehlerprognose und Gesundheitsmanagement die Wiederherstellungseffekte und Resilienzerhöhung beeinflusst, und unterstützt so die Bewertung des Werts von Fehlerprognose und Gesundheitsmanagement im Wiederherstellungsmanagement schwimmender Offshore-Windturbinen nach Katastrophen.

Schwimmende Offshore-Windturbinen;Bayessches Netzwerk;Bedingungsbewusste Wiederherstellung;Resilienz der Energieinfrastruktur;Fehlerprognose und Gesundheitsmanagement