@phdthesis{Warnecke2009, author = {Warnecke, Martin}, title = {Optimierung der Instandhaltungsplanung mit genetischen Algorithmen unter Ber{\"u}cksichtigung des Speicherverhaltens bei der Verf{\"u}gbarkeitsprognose von Kraftwerksanlagen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus-5961}, school = {BTU Cottbus - Senftenberg}, year = {2009}, abstract = {In Zeiten des liberalisierten Strommarktes muss sich der Kraftwerkserrichter und -betreiber die Wahl seiner Prim{\"a}renergie und die Auslegung jedes einzelnen Kraftwerks hinsichtlich Emissionen und last but not least die Errichtungs- und sp{\"a}teren Betriebskosten genau {\"u}berlegen. Simulationen unter der Annahme verschiedener Szenarien sind bei diesem Marktumfeld zwingend erforderlich. Das Spannungsfeld zwischen Errichtungskosten, davon teilweise abh{\"a}ngiger Verf{\"u}gbarkeit, Instandhaltungsphilosophie und Betriebskosten bildet die Motivation f{\"u}r die Instandhaltungsoptimierung und Simulationen zur Verf{\"u}gbarkeitsprognose, die Thema dieser Arbeit sind. Der Schwerpunkt dieser Arbeit liegt auf der Planung der zeitbezogenen Instandhaltungsstrategie, bei der die Inspektion der Komponente nach einer vorgeschriebenen Zeitspanne erfolgt, die sich aus den Betriebs- und Herstellererfahrungen ableitet. Diese Problemstellung ist besonders anspruchsvoll, weil es durch Synergieeffekte zu starken Wechselwirkungen der Komponenten untereinander kommt. So besitzt jede Komponente ihre eigene theoretisch optimale Inspektionsperiode, im Verbund kann es jedoch sein, dass es wegen Freischaltungen oder Stillstandszeiten g{\"u}nstiger ist, einige Komponenten gemeinsam instandzuhalten und dabei eine einzelne Baugruppe vorzuziehen oder zur{\"u}ckzustellen. Die hieraus entstehenden Wechselwirkungen bilden eine nichtlineare, gemischt-ganzzahlige Berechnungsvorschrift f{\"u}r die Kostenabsch{\"a}tzung. F{\"u}r die Optimierung dieser Instandhaltungsplanung wurde in der vorliegenden Arbeit ein neuer Ansatz entwickelt. Nachdem festgestellt wurde, dass klassische Optimierungsverfahren dieses Problem der Instandhaltungsoptimierung nicht zufriedenstellend l{\"o}sen k{\"o}nnen, wurde eine L{\"o}sung auf Basis von „Genetischen Algorithmen" entwickelt. Gleichzeitig zur Instandhaltungsoptimierung wurde aufbauend auf vorangegangenen Arbeiten am Lehrstuhl die Methodik der Verf{\"u}gbarkeitsprognose komplexer kraftwerkstechnischer Anlagen weiterentwickelt und um die neue Komponente "Speicher" (ggf. mit Verlusten) erweitert. Mit dem Speichermodell wird die Verhaltensweise eines Speichers in die aufwandsreduzierte Monte-Carlo-Methode integriert.}, subject = {Kraftwerk; Instandhaltung; Optimierung; Instandhaltung; Genetische Algorithmen; Verf{\"u}gbarkeit; Monte-Carlo-Methode; Kraftwerk; Maintenance; Genetic algorithms; Availability; Monte-Carlo-Method; Power plant}, language = {de} }