Abstract Combined heat and power plants are important assets in the current energy infrastructure, as they play an essential role in ensuring the security of energy supply. Therefore, they must have low downtime. Currently, preventive maintenance is the most popular maintenance strategy for combined heat and power plants. The preventive maintenance includes performing regular, scheduled maintenance checks and repairs, whether they are needed or not. The preventive maintenance is effective to a certain degree and reduces the downtime. However, there is a need for it to be upgraded to predictive maintenance. The current preventive maintenance strategy creates a barrier for combined heat and power plants to adopt a predictive maintenance framework as limited samples of faulty data will be available. To overcome this issue, this paper proposes a novel virtual sample generation method. The method creates a set of lifetime ratios based on the actual faults, Random Walks, and particle swarm optimisation faults to generate virtual samples. The method is implemented on two case studies. The first case study is used to evaluate the method on a benchmark example with publicly available data. The second case study is a set of feedwater pumps in the Danish Power Plant, Studstrupvaerket, run and operated by Orsted. This case study is used for field testing and evaluation. The findings indicate that the method significantly improves the accuracy and robustness of the remaining-useful-lifetime model. The approach furthermore allows for using expert knowledge, which could be attractive for other energy applications.

中文翻译：

---

基于新型虚拟样本生成方法的热电联产电厂预测性维护

摘要 热电联产是当前能源基础设施中的重要资产，在保障能源供应安全方面发挥着重要作用。因此，它们必须具有较短的停机时间。目前，预防性维护是热电联产最流行的维护策略。预防性维护包括执行定期、有计划的维护检查和维修，无论是否需要。预防性维护在一定程度上是有效的，减少了停机时间。但是，需要将其升级为预测性维护。当前的预防性维护策略为热电联产电厂采用预测性维护框架设置了障碍，因为可用的故障数据样本有限。为了克服这个问题，本文提出了一种新的虚拟样本生成方法。该方法根据实际故障、随机游走和粒子群优化故障创建一组寿命比率以生成虚拟样本。该方法在两个案例研究中实施。第一个案例研究用于在具有公开数据的基准示例上评估该方法。第二个案例研究是丹麦发电厂 Studstrupvaerket 的一组给水泵，由 Orsted 运行和操作。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。该方法根据实际故障、随机游走和粒子群优化故障创建一组寿命比率以生成虚拟样本。该方法在两个案例研究中实施。第一个案例研究用于在具有公开数据的基准示例上评估该方法。第二个案例研究是丹麦发电厂 Studstrupvaerket 的一组给水泵，由 Orsted 运行和操作。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。该方法根据实际故障、随机游走和粒子群优化故障创建一组寿命比率以生成虚拟样本。该方法在两个案例研究中实施。第一个案例研究用于在具有公开数据的基准示例上评估该方法。第二个案例研究是丹麦发电厂 Studstrupvaerket 的一组给水泵，由 Orsted 运行和操作。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。该方法在两个案例研究中实施。第一个案例研究用于在具有公开数据的基准示例上评估该方法。第二个案例研究是丹麦发电厂 Studstrupvaerket 的一组给水泵，由 Orsted 运行和操作。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。该方法在两个案例研究中实施。第一个案例研究用于在具有公开数据的基准示例上评估该方法。第二个案例研究是丹麦发电厂 Studstrupvaerket 的一组给水泵，由 Orsted 运行和操作。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。本案例研究用于现场测试和评估。结果表明，该方法显着提高了剩余使用寿命模型的准确性和鲁棒性。该方法还允许使用专家知识，这对于其他能源应用可能很有吸引力。