人工智能技术在风力发电领域的应用

人工智能技术在风力发电领域的应用

荀昭成

五凌电力有限公司新能源分公司

摘要：智能电力设备控制系统在进行远程控制时使用的硬件主要由电力电子器件组成，软件主要包括PLC编程软件、组态工控软件和信息分析软件，这种将互联网技术与智能电网管理与调度系统相结合的方法是电力系统领域的创新途径和方法。智能电力装备控制系统主要应用于现代新型的分布式发电系统的远程监控和电能分配传输问题。通过无线传输技术，利用PLC控制和工控软件以及智能电力控制系统设备实现操作人员对分布式发电系统生产的电能进行远程监测与调控。

关键词：人工智能技术；风力发电；应用

引言

随着计算机网络技术的发展，利用以太网协议可以很好地将PLC、组态网和电力电子结合起来应用于智能电网控制系统，更有利于将电能在生产、存储、输配电的各个环节进行自动监测控制。所以智能电力装备控制系统应用于新能源发电技术，可以实现电能的远程管理实施控制。

1智能技术基本概述

信息化已经成为社会发展趋势，计算机技术、大数据、自动化技术、智能化技术等被广泛应用在人们的生产生活之中，并取得了不错的成效。智能技术是对人工智能进行更为深入的开发、研究、模拟、拓展延伸的过程。将智能技术应用在风力发电之中，能够构建风力发电自动化控制系统，提高行业发电效率，实现企业经济效益与社会效益同步提升。智能技术主要分为三种：（1）神经网络控制技术。该技术主要适用于数字计算与处理，多应用在数据处理方面。数字处理系统不会受到整体系统的影响，及时其他系统丧失功能，也不会影响神经网络控制技术的应用；（2）专家系统控制技术。该技术主要应用在智能组织、调节、控制等方面，能够处理出现的非结构性问题，以及不确定的消息。但应用在表面知识处理之中，缺乏灵活的模仿能力；（3）综合智能控制技术。该技术主要是朝着整体化、集成化的方向发展，能够对一些模糊的数据进行高效处理，实现智能技术的优化整合，降低系统发生故障的概率，整合个别智能技术，提升技术使用效率。

2人工智能技术在风力发电领域应用的必要性

风力发电特点明显，一是“靠资源吃饭”，风资源转瞬即逝，因此要求我们必须狠抓设备健康管理，保证在不限电、有风的情况下最大可能的增发电量；二是风场电站分散区域各地，造成人员分散管控标准不一且难度较大。针对这些难题，大数据管控系统在公司管理中能起到什么样的作用、怎样利用风电大数据管控技术，值得从业人员思考。随着风力发电机组服役时间逐渐增长，风机效能降低及电力市场化交易的开展，只能承担简单统计分析的初级管理方式已不能满足生产需要，给风电大数据管控中心的建设与发展提出了更高的要求。风电大数据管控中心已不能仅仅简单的从事日常监视、报表的相关工作，同时还要结合集控中心数据整合及处理的优势，深度挖掘数据，为区域风机维护、技改提供决策支撑，提高风机效能。同时为公司的营销工作助力，解决发电负荷预测不准、远期交易风险难测、电力营销交易记录管理不规范等问题，继而解决替代发电导致经营风险、现货交易利润较低、国网考核负担重、交易电量消纳利润率低等问题，同时还有对手竞争造成的买方市场、生产能力不能完全消纳等，切实提高企业盈利能力，打造更加智慧的新能源大数据管控中心。因此，将风电场运行过程中产生的海量数据予以充分重视，应用其做大数据分析，用机器代替人做繁复、危险的工作，应用新能源区域大数据分析实现从人工分析、专家确认向机器学习信息化控制模式的转换，实现设备性能和KPI指标的智能化分析，使风电场实现“少人值守，无人值班”的管理模式。

3人工智能技术在风力发电领域的具体应用

3.1风电功率预测的方法

当下风电功率预测主要为物理预测与统计预测法。物理预测法是常用的风电功率预测法，通过天气预报提供数据的预测出风速以及风向等数据信息，并与风场周围的实际信息进行对比，通过构建模型，依托人工智能技术对其进行准确计算，实现对风电功率的精准预算。物理预测法的优势在于不需要历史数据支持，但是需要准确的天气预报数据以及风场地理信息作为依据，涉及到的参数多。但是天气预报发布具有间隔性，所以物理预测法较为适用于短期预测。统计预测法主要利用数学统计方法，通过对实际发电量与历史发电量数据的考察，构建模型，通过对数据的统计，实现对未来风力发电量的合理预测。

3.2最优控制智能技术的应用

在自然环境中，风速、风向都属于不确定、不稳定的因素，然而在风力发电过程中，这二者却是极其重要的因素，由于可控性较低，需要在研究中重点探究如何对其进行控制，以确保风力发电的稳定性。对此，可以将最优控制智能技术应用于风力发电控制系统，实现对风速感应设备、发电机等的控制，及时获取风速、风能变化数据，将其保持在稳定状态内。传统的风力发电控制系统较为落后，再加上发电机组运行环境较为恶劣，需要控制系统实现机组启停、发电控制等功能，并且很难构建风速线性模型，在一定程度上提升了工作人员的工作难度。将最优控制智能技术应用于风力发电控制系统，能够有效明确风速捕捉点以及风速平衡点，构建专业的线性模型，对相关数据、数据变化之间的关系进行高效控制。同时，为了避免数据之间出现冲突，还可以结合实际情况调整智能技术的应用，对线性模型进行优化，保证数据的准确性，并且在扩展矢量控制动态模型的情况下，还能设计出调节器的最优输出功率。为了避免风速测量失真，还可以对变流器的速度进行控制，进而控制发电机。为了获取嘴阀风能，可以将反馈线性化和跟踪控制系统应用于风力发电控制系统，跟踪和控制发电机转子转速以及风速变化，采用最佳叶尖速比方法，保证最大限度地获取额定风速、风能，实现发电机的输出功率控制。另外，还可以采用LQG控制方法，找到一个控制序列，然后对变桨距控制器进行优化设计，修改一些可以控制的信号。这样能够在额定风速下促使发电机尽可能获取风能，并且在额定风速值之上确保输出功率的稳定性，在引进自由参数之后，对高频率、低频率之间的权重进行重新分配，从而保证系统最优性能。

3.3智能电力装备控制系统技术

我们要实现其功能时，需要用到以太网协议、PLC控制技术、组态王软件技术以及电力电子器件所构成的继电器来实现人机交互，进行远程监测分析、自动控制和远程控制。PLC用存储逻辑代替接线逻辑，大大减少了控制设备外部的接线，使控制系统设计及建造的周期大为缩短，同时维护也变得容易起来。更重要的是使同一设备经过改变程序改变生产过程成为可能，这更适合户外环境多变的分布式发电系统的工作过程，以及进行离网、并网工作的自动切换，从而通过利用PLC强大的计算分析功能实现在并网时对公共电网调峰作用并且实现电能的双向传输。PLC的通信能力结合组态王工控软件的人机界面交互技术，使得智能电力控制系统在分布式发电系统中的利用更加容易便于操作。

结束语

对于风电行业来说，积极应用人工智能技术，将实现为发电企业的精细化生产管理、特色经济化运行、全面智慧化经营提供长远、持续的改进及优化方向，以此实现对各场站的智能化管理，为实现标准化、国际化的管理模式创造了条件，成为国内各行各业中先进管理水平的代表，把握新能源“命运共同体”新时代带来的机遇，同时迎接新时代的挑战，为未来在国际环境中竞争与合作奠定坚实的基础。

参考文献

[1]蔺帅帅.高新信息技术驱动下的微电网风险管控模型研究[D].华北电力大学(北京),2019.

[2]刘峻铭.人工智能神经网络在新能源微电网中的运用[J].中国信息化,2018(05):68-69.

[3]丁湘跃.试析风能发电预测技术研究的现状与发展[J].中小企业管理与科技(中旬刊),2014(04):316-317.

[4]张青.风力发电机齿轮箱振动监测和故障诊断系统研究[D].华东理工大学,2013.

[5]陈垣毅,郑增威,霍梅梅,赵波.风能发电预测技术研究的现状与发展[J].能源工程,2012(06):18-22+34.