A Methodological Framework for Risk-Based Maintenance Decision-Making in Offshore Wind Systems
Author
Suchova, Martina
Term
4. term
Education
Publication year
2026
Abstract
This thesis addresses how to plan maintenance in offshore wind under substantial uncertainty in weather, accessibility, subsystem degradation, and economics. It proposes a simulation-based, risk-based framework that treats maintenance as an adaptive policy rather than a fixed schedule. Turbines are decomposed into critical subsystems represented with Weibull-based degradation models, and maintenance behavior is captured through corrective, preventive, and opportunistic logic. The framework integrates stochastic weather generation and realistic offshore access windows, maintenance execution, power production, electricity price uncertainty, and lifecycle economic evaluation. Economic performance is measured using both clean and risk-adjusted net present value. Maintenance-policy parameters are optimized with Particle Swarm Optimization (PSO), and long-term robustness is assessed via Monte Carlo simulation. Results indicate that adaptive risk-based policies can reduce corrective maintenance exposure, improve visit grouping efficiency, and deliver stronger lifecycle risk–return performance than representative fixed-interval strategies. Overall, the framework offers a flexible methodological basis for maintenance optimization in offshore wind and for future intelligent decision-support systems.
Denne afhandling adresserer, hvordan vedligeholdelse i havvind kan planlægges under betydelig usikkerhed i vejr, tilgængelighed, komponentnedbrydning og økonomi. Den foreslår et simuleringsbaseret, risikobaseret rammeværk, hvor vedligeholdelse modelleres som en adaptiv politik frem for faste intervaller. Vindmøller opdeles i kritiske delsystemer med Weibull-baserede nedbrydningsmodeller, og interventionsadfærd beskrives gennem korrektiv, præventiv og opportunistisk logik. Rammeværket integrerer stokastisk vejrgenerering og realistiske vejrvinduer for offshore adgang, udførelse af vedligeholdsaktiviteter, elproduktion, usikkerhed i elpriser og livscyklusøkonomi. Den økonomiske præstation vurderes både som “ren” nutidsværdi og som risikojusteret nutidsværdi. Parameterne for vedligeholdelsespolitikken optimeres med partikelsværmsoptimering (PSO), mens Monte Carlo-simulering bruges til at vurdere robusthed på lang sigt. Resultaterne viser, at adaptive, risikobaserede politikker kan reducere eksponeringen for korrektiv vedligehold, forbedre gruppering af besøg og opnå en stærkere balance mellem risiko og afkast over livscyklussen end repræsentative faste intervalstrategier. Samlet set leverer rammeværket et fleksibelt metodisk grundlag for optimering af vedligeholdelse i havvind og for fremtidige intelligente beslutningsstøttesystemer.
[This apstract has been generated with the help of AI directly from the project full text]