一种应用强化学习的风电机组预测性维护决策方法及系统

本发明公开了一种应用强化学习的风电机组预测性维护决策方法及系统，该方法中首先采集多源数据；然后基于多源数据构建设备健康指数，评估设备当前健康状态，并采用深度学习方法预测设备未来退化趋势；接着应用PPO算法构建维护决策框架，通过状态空间、动作空间和多目标奖励函数，生成维护决策；系统还提供决策解释、执行维护活动并评估效果、存储维护经验和学习结果，以及协调短期、中期和长期维护决策。本发明将PPO算法应用于风电机组维护决策，设计了多目标奖励函数，用于维护时机和方式的决策。根据设备健康状态、运行环境等多维信息，在考虑可靠性与经济性的基础上生成风电机组维护策略，可降低维护成本，提高设备可用性和运营效益。