人工智能技術在風力發電領域的應用

陸曉曄 葉青

[摘 ? ?要 ]風能是一種清潔且可再生的能源之一，憑借其自身優勢，已經得到社會各界的廣泛關注，風力發電的主要原理則是將風的動能轉化為機械動能，最后成為各行各業所需的電力動能。隨著信息化時代的到來，人工智能作為科技發展的重要產物，將其風力發電相結合，是電力行業發展的必然趨勢，大大提升了風力發電效率和質量，某種意義上講，也是引領電力行業朝向智能化、現代化發展的必要條件。對此，相關人員應該加大人工智能技術在風力發電領域的應用研究，深入研究風力發電領域發展進程中可能存在的問題，如何利用人工智能技術予以解決，實現人工智能技術的廣泛運用和的推廣，助力于風力發電取得更大的突破。基于此，本文主要圍繞人工智能技術在風力發電領域的應用展開討論，希望給更多專業人士提供幫助。

[關鍵詞]人工智能技術;風力發電領域;應用

[中圖分類號]TM76 [文獻標志碼]A [文章編號]2095–6487（2020）07–00–03

[Abstract]Wind energy is one of the clean and renewable energy sources. With its own advantages， it has been widely concerned by all walks of life. The main principle of wind power generation is to convert the kinetic energy of wind into mechanical kinetic energy， and finally become the power kinetic energy required by all walks of life. With the advent of the information age， artificial intelligence as an important product of scientific and technological development， combining its wind power generation is the inevitable trend of the development of the power industry， greatly improving the efficiency and quality of wind power generation， in a sense， it is also the necessary condition to lead the power industry towards intelligent and modern development. In this regard， relevant personnel should increase the application research of artificial intelligence technology in the field of wind power generation， deeply study the possible problems in the development process of wind power generation field， and how to use artificial intelligence technology to solve them， so as to realize the extensive application and promotion of artificial intelligence technology， and help wind power generation to make greater breakthroughs. Based on this， this paper mainly discusses the application of artificial intelligence technology in the field of wind power generation， hoping to provide more professionals with help.

[Keywords]artificial intelligence technology; wind power generation field; application

近些年，在全球經濟迅猛增長的推動下，對能源的需求量顯著增加，傳統的發電形式表現出了更大的缺陷，環境污染問題日益嚴重，因此，若想實現可持續發展理念，如何平衡好環境與經濟的關系成為關注焦點。此時，風力發電的產生為解決環境污染問題做出了巨大貢獻，尤其是信息化時代的大背景下，人工智能技術的應用，對于風力發電而言，迎來了新的發展契機，同時也是亟需解決的新難題。只有將人工智能技術科學合理的運用在風力發電領域，充分發揮信息化技術優勢，高效解決風力發電發展過程中的諸多問題和難題，才能最大限度的提升發電效率和質量，為電力行業及其它行業良好發展創造有利條件。

1 人工智能算法在風電機組故障診斷中的應用

風電機組是風力發電的核心組成部分，發電過程中處于連續旋轉狀態，相對來講工作強度較大，同時風電機組常常會設置在高地、海上或荒野，工作環境極其復雜，比傳統的發電機組所處環境更加惡劣。隨著發電需求量的增加，發電機組數量不斷增加，為了保證其安全穩定的運行，首先要降低機組故障概率，這也是風力發電的一大挑戰。

1.1 風電機組故障診斷現狀分析

風電機組是一個綜合性較強的系統，容易發生以下故障，即齒輪箱、發電機或電氣系統故障，這些故障發生時可能是獨立的，也可能在各故障之間出現映射關系，因此，單純依靠人工對系統運行故障進行檢測，其難度非常大。結合風電機組故障診斷的實際情況分析，其診斷方法主要包括以下方面：（1）傳統診斷法，以系統狀態監測數據為基礎進行分析，一般情況下，都是以其它故障診斷方法聯合使用。（2）數字診斷法，這種方法的涵蓋范圍廣，包括模式識別、基于判斷距離的故障診斷以及模糊診斷法等。（3）智能診斷法，此方法的使用主要體現在神經網絡、遺傳算法、模糊邏輯等，具有診斷精準、效率高的特點。但是目前來看，機組故障診斷及檢測主要依靠人工為主，沒有實現全自動化的水平，那么將人工智能技術引入其中，對風力發電領域而言，是一項全新的突破和挑戰。

1.2 人工神經網絡的具體應用

人工神經網絡之所有被稱之為智能化，主要是因為人工神經網絡運用過程中，可以形象的模擬人類大腦學習知識的狀態，不需要提前進行程序設定或輸入映射關系的數學方程，而是經過系統自我訓練，摸索機器系統的運行規律，以固定輸入值作為計算依據，保證輸入結果與預期結果更為接近。其中BP神經網絡是一種較為成熟的神經網絡算法，其應用范圍非常廣，并且經常用于預測網絡模型中，將其與風力發電機組故障診斷相結合，對風電機組的齒輪箱故障、發電機故障具有很顯著的應用效果，要特別注意的是，BP神經網絡進行故障診斷時，需要滿足兩個條件，一是進行實時監控，二是具有較高的容錯能力，從而減少故障誤差概率，最大限度的保證診斷結果的準確性。

據相關研究總結，BP神經網絡進行機組故障診斷和檢測時，模型系統主要分為輸入層、隱含層、輸出層。對于輸入層而言，在選取機組的風速、風向等自然參數以外，還要參考電機轉速、風輪轉速等機械參數以及電氣參量，針對不同環境和不同設備的敏感度標準，對設備數據進行科學合理的調整。對于輸出層，將以往的故障情況的參考數據作為機組運行的預警和報警依據，從而掌握機組運行情況，如果輸出值與參考數據接近則意味著系統異常運行的可能性比較大，以此為依據實現機組故障智能化診斷。根據BP神經網絡模型的實際運用來看，主要分為兩個過程：（1）學習訓練過程。人工智能技術通過目標樣本訓練神經網絡、調節網絡權值，形成完整的、切合實際的網絡模型，如果訓練與預期輸出值相匹配或相差很小，則說明模型訓練已完成，然后對各節點的輸出值進行設定，重點設定第一閾值和第二閾值，第一閾值的設定則以每個節點異常狀態的最小值作為基礎，然后取平均值作為第二閾值。（2）模型應用。進行風機故障診斷過程中，將自然參數及機組相關的實時數據準確輸入，利用已訓練好的模型系統進行數據計算，得出各節點數據。如果節點輸入值保持在兩閾值之間，能夠判斷系統存在一定的故障隱患，相關工作人員要給予正確的干預或處理。如果節點輸出值大于第二閾值，可以判斷為故障已經發生，必須盡快采取有效對策，避免系統故障延展，同時要求維修人員進行系統檢修。

2 人工智能算法在風電發電量預測中的應用

目前，風力發電的運用逐漸趨于成熟化，與傳統的發電方式相比，表現出較強的隨機性、間歇性、波動性，這樣容易造成電網運行穩定性差，因此，要做好風電發電量預測工作，從而科學地調整發電與并網負荷值，進一步提升電網運行穩定性。

2.1 風力發電功率預測方法的概述

風力發電功率預測方法主要包括以下兩大類：（1）物理預測法，主要是以天氣預報作為依據，獲取風向、風速、氣候溫度等數據，并且根據風力發電場周圍的地表條件、海拔高度等實際的地理信息，利用數學模型進行相關數據的計算，再通過氣象學理論，獲取風機輪轂的風向、風速和高度，從而實現風機電功率預測，通過這樣的方式能夠保證預測結果的準確性，此方法運用優勢在于不需要以歷史數據作為參考或依據，但是需要掌握準確的天氣預報數據及地理信息，而天氣預報的發布不能保證實時性，存在一定的誤差，因此，物理預測法在6h以上的短期和中長期預測中更具優勢，此外，這種方法在風險評估以及隨機優化方面存在很大的局限性。（2）統計預測法，主要以數學統計法作為依托，通過實時數據與歷史數據相結合，構建一個抽象的數據模型，從而預測風力發電量。根據統計預測法的實際應用來看，序列預測法、人工智能預測方法的應用更加成熟，應用更為廣泛。

2.2 人工神經網絡預算法在短期風電功率預測中的應用

人工智能的應用優勢充分體現在自動化、智能化方面，可以在大量數據中快速、準確地找到數據映射關系，高效完成統計預測，在此過程中，利用機器學習法，與影響短期風電功率的因素的建立聯系，形成訓練模型，通過調整訓練模型，實現精準預測短期風電功率。目前，常用的預測方法有神經網絡發和SVM（即支持向量機法），而前者在處理非線性問題上優勢更加突出，依據自身學習能力強、適應力強的優點，在短期電功率預測中得到廣泛運用。

RBF神經網絡是人工神經網絡中的一種，預測精度遠遠高于BP神經網絡，其算法原理則是將徑向基函數當作隱含層節點的重要構成，形成隱含層空間，將變換輸出變量，由低維模式轉化成高維模式，并對線性進行合理劃分，與BP神經網絡運用相比，沒有局部最小問題的局限性，也不需要對隱含層空間的單元個數進行確定，應用更為簡單。RBF神經網絡在非線性函數方面、分析能力及學習速度方面的優勢更加顯著，由此可見，利用RBF神經網絡于短期風電功率預測中更加適宜。

RBF神經網絡的實際運用過程中，同樣分為三個方面：輸入層、隱含層、輸出層。輸入層中風機的輸出功率主要受到風力發電場的風速、空氣密度的影響，其中風速是主要影響因素，但是空氣密度由于測量難度大，并且容易受到溫度的影響，對電機輸出功率具有很大影響。而風機內部結構有偏航系統，能夠自動對風，此因無需考慮風向的影響。進行模型訓練過程中，首先要選取前一階段的風機運行的相關數據，比如電功率輸出值、溫度值等，并且與后一階段的風速樣板作為依據有針對性的進行訓練，然后在已完成訓練的模型中輸入風速、環境溫度，從而獲取準確的風電輸出功率，更好的保證風電功率預測的準確性。

3 人工智能算法在風電系統微電網系統中的應用

除上述人工智能算法的應用以外，還可以將其運用在風電系統微電網系統中，用來預測電網的用電負荷情況，滿足電網運行需求。微電網系統是一種小型電網，主要用于連接分布式風電、光伏接入，能夠有效改善發電功率不穩定的問題，另一方面來看，由于電網運行負荷小，產生的慣性小、波動性強，導致負荷預測更加復雜、繁瑣，將人工智能算法與其相結合，可以更高效的解決負載預測問題。

在正式開始短期負荷預測前，首先要明確劃分負荷的類型，一般情況下，結合微電網的用電特點，主要將負荷分為照明、生產、取暖等幾類，然后依據負荷數據值進行分析、整理，實際模型訓練過程中，可以將微電網單位用電量的歷史數據與影響數據建立模型，影響數據重點考慮溫度、風速等氣象數據，完成模型訓練后，將未來天氣預報相關數據進行輸入，從而得到負荷預測值，這種預測方法具有較強的可行性、精準性，從而依據這些預測數據，對微電網進行科學調節，因此大大提升了電網運行穩定性。

4 結束語

綜上所述，人工智能技術作為科技時代發展的重要產物，通過模擬人類思維方式進行工作，很大程度上提升了工作效率和準確性。將其運用在風力發電領域，是行業發展的必然趨勢，不僅可以對風力發電設備故障進行預警、診斷和分析，還可以實現負荷預測等，有效提升風力發電效率，同時隨著物聯網技術不斷取得新突破，風電系統智能化是未來產業發展趨勢，帶領風電產業不斷邁向新領域，為實現經濟與環境和諧發展提供重要支撐。

參考文獻

[1] 于錦春.風力發電自動化控制系統中智能化技術的運用[J].通信電源技術，2020，37（3）：145-146.

[2] 劉瀟.芻議風力發電控制系統中現代信息化控制技術的應用方法[J].科技創新導報，2019，16（35）：14，16.

[3] 韓巖.對信息化控制技術在風力發電控制系統中運用的思考[J].科技創新導報，2019，16（34）：1，3.

[4] 張玉林.探究風力發電并網技術及電能質量控制措施[J].工程建設與設計，2019（22）：55-56，62.

[5] 劉東洋.淺談風力發電現狀與發展趨勢[J].商訊，2019（28）：126-127.

[6] 彭艷來，楊曉峰.風力發電場的智能化建設綱要探究[J].企業管理，2018（S2）：142-143.

[7] 趙軍帥.智能化技術在風力發電自動化控制系統中的運用[J].自動化應用，2018（6）：157-158.

[8] 童飛.人工智能技術在風力發電領域的應用[J].低碳世界，2020，10（9）：46-47.

[9] 李澤田，尤德寬.風力發電——復合材料的一個重要應用領域[J].航天技術與民品，1997（2）：36-37

[10] 白悅杭.計算機在風力發電領域中的應用[J].計算機產品與流通，2019（1）：77.