人工智能技術在風力發電領域的應用

王寶亮

摘 要：隨著智能巡檢技術的推廣，數字風電場、智能風電場己經從概念轉向了現實，風力發電機領域迫切需要一種更為智能且靈活的巡檢方式。采用智能技術代替人工作業是一種較好的解決方案，通過自動化、智能化的技術手段、廣采用能夠持續、穩定在特種環境進行工作的自動化設備實現巡視工作的人力替代是具泛經濟效益和社會效益的解決方案，并且能夠有效地提高工作效率，降低巡視登高作業的風險和提高故障的檢出比率。

關鍵詞：人工智能技術;風力發電領域;應用

引言

隨著世界經濟的不斷增長，全球對于能源的需求不斷增長，過去以火電為主的傳統能源方式對環境的污染日益凸顯。因此如何處理好驅動人類經濟發展的能源保障與環境保護成為一大難題，而利用以風能為能源發電形式的新能源技術成為解決這一問題的技術手段。發展風電技術對于人類社會可持續發展有著舉足輕重的作用，但風電技術作為一門新興技術，其存在諸多問題待解決。人工智能技術作為“第四次科技革命”的重要標志，其具有可以對人的意識、思維信息過程的模擬功能，通過人工智能技術的應用，可以更高效地解決風電技術發展過程中的諸多問題。

1.人工智能技術的概況

人工智能（Artificial工ntelligence，英文縮寫A工），是計算機科學的一個分支，通過計算機技術了解并分析人類智能的本質，進而生產與人類智能相似的智能機器。從語義學分析，人工智能是“人工”與“智能”兩個語言單位的結合。

“人工”必須是人造的，是科學和工程的產物。需要注意的是，人工智能中的人工，雖然是人類研究、開發的主動行為，但并不包括生物學的人工，因為基因工程與人工智能的科學基礎全然不同。

“智能”（intelligence）是指人的智力能力，是人類認知、記憶、判斷、思考、想象等能力。如，法國心理學家阿爾弗雷德？比奈（Alfred Binet）將“智能”定義為“判斷，又或稱為判斷力強，實踐感強，首創精神，適應環境的能力。良好決策、充分理解、正確推論但記憶與判斷不同且獨立于判斷。”①《牛津英語詞典》將智能解釋為“獲取和應用知識與技能的能力”，這顯然取決于記憶。總結起來，智能是一種心智能力，與神經機制和認知活動密切相關。與生物層次的“神經”不同，從科學角度和心理層次看，智能更偏重于“認知”是偏重于宏觀行為層次的界定。

綜合來看，智能主要包括與環境相適應的學習能力，靈活機動的反應能力，以及對于觀念中事物的預想創造能力。可以說，智能重在主體能動性的解釋，即心智能力。因此，智能與心智機制的實現關系密切，體現在感知、適應、學習、情感、判斷、意識和創造等方面。所以，人工智能可以定義為，一種用于幫助或者替代人類思維的工具，這種智能工具以計算機程序的形式體現，可以獨立存在于數據中心，也可以通過諸如機器人之類的設備體現出來。同時，人工智能具也備在特定環境中有目的地獲取和應用知識與技能的能力。

2.人工智能技術在風力發電領域的應用

（1）導航定位程序

在智能巡檢機器人導航定位過程中考慮到機器人運行速度需可調、負載重量變化等因素，因此采用PID控制算法結合步進電機反饋回來的編碼器數值形成閉環控制系統。理論上閉環控制系統能利用反饋回來的編碼器數值對系統受到的干擾進行抑制或者消除，采用該方法在智能巡檢機器人導航定位過程中可以控制電機轉速，使得電機在不同負載情況下依然保持在目標速度附近波動。

（2）安全保護程序

風力發電機艙內部軌道式智能巡檢機器人在工作過程中，為了避免機器人誤動作或碰撞到障礙物造成的損失，智能巡檢機器人安裝了機械式式行程開關，用于檢測障礙和保護機器人。機器人在水平運動方向和垂直運動方向各安裝了2個行程開關，機器人防撞的基本原理是當機器人即將碰撞到障礙物時行程開關會先動作，主控制器捕捉到相關行程開關動作后立刻進入保護狀態。

在軟件設計中，整個安全保護程序是一個獨立的子程序。在主程序中循環檢測四個行程開關運行狀態，一旦行程開關被主控制器檢測到動作后并持續2ms，則會執行保護動作。如果報警信號持續5分鐘，則被認為發生嚴重故障，智能巡檢機器人會自動返航并且上傳故障報警至監控后臺。

（3）數據傳輸與通信

軌道式智能巡檢機器人上搭載的可見光攝像頭和紅外攝像頭借助電力載波通信技術通過以太網直接將現場視頻和圖片傳輸至后臺控制室，并不經過下位機的STM32主控制器，但攝像頭采集的圖片和視頻和前者在同一個LabVIEW工程中。后臺上位機負責使用攝像頭進行圖像采集和視頻監控并進行數據處理。

本次設計的LabVIEW自身可以采集網絡攝像頭傳輸回來的視頻，并且可以對攝像頭云臺進行操控。考慮到程序運行效率和開發成本，我們采用了網絡攝像頭自帶SDK在LabVIEW中進行開發，通過調用其動態連接庫和相關函數進行圖像采集、云臺控制等，這樣既可以保證程序運行的穩定性又提高了軟件開發效率。具體運行過程如下：

①在LabVIEW程序中，程序首先運行Init初始化函數，可見光攝像頭開始完成初始化運動。

②進入Login函數完成用戶登陸，包括可見光攝像頭在本地局域網內的IP地址和用戶名密碼登陸等操作。

③進入RealPlay函數進行實時視頻顯示，并且通過以太網傳輸到上位機。

④進入SaveData函數完成視頻存儲地址、文件命名等設置。

⑤進入Control函數完成對可見光攝像頭的云臺的控制，包括水平旋轉，俯仰角旋轉，對焦，放大縮小倍率等功能。

⑥進入Capturepicture函數自動抓取當前圖片，也可手動控制抓拍圖片。

⑦上位機發送停止命令，進入Stoprealplay函數，停止實時視頻顯示。

⑧進入Logout函數，清除用戶登錄信息以及地址信息。

3.大數據分析在風電機組運行分析

（1）大數據分析與挖掘

首先反映風電機組狀態信息數據的來源于SCADA系統和“全通道”監測系統，實現了對機組的全方位的數據采集，由于數據包括振動值、溫度值、壓力值等格式標準不統一，以及SCADA系統監測參數之間的信息冗余等干擾影響，首先需要對大數據進行分析統計和挖掘等功能，本文通過引用入Pearson， Kendall， Spearman綜合相關系數的優點對數據進行相關性分析，對冗余信息參數的剔除，使用最小二乘支持向量機的大數據挖掘方法實現風電機組的狀態評估、故障診斷等功能。

（2）風電機組整體狀態評估

通過大數據的分析與挖掘處理后，對數據進行的預處理，建立狀態評估模型。該評估模型主要由兩個子評估模型構成：分別為基于風電機組出力相關性評估模型和基于PSOLSSVM風電機組狀態評估模型。對兩個評估模型分別引入相關評估標準和故障預警閡值，若超過閡值范圍，則評估風機的運行狀態為異常，并進入故障診斷系統對風電機組各子系統進行故障定位和定量分析;若沒有超過閡值范圍，證明風機運行狀況為健康，對其進行持續跟蹤監測。

（3）風電機組故障診斷

對狀態評估結果為異常的風電機組，通過采集的運行工況信息，提取風機的關鍵部件特征，對其進行故障診斷分析，包括時域和頻域分析，小波包包絡解調、倒頻譜和EMD一包絡解調譜分析，根據其頻譜的幅值和特征頻率對故障進行定位和定量分析。對于轉速、溫度、功率等連續監測變量，通過風功率曲線、溫度趨勢變化曲線等確定關鍵部件的故障發展趨勢。

4.結語

隨著未來人工智能技術的不斷發展，以及物聯網技術的發展，風電系統將實現智能化，智能風電將成為未來產業的發展趨勢因此，有必要加大對相關技術的研究和引進，加快完善有關政策和體制，從而推動風力發電在我國的發展，使風力成為我國在發展建設中的重要力量。

參考文獻：

[1]彭華東，陳曉清，任明，等.風電機組故障智能診斷技術及系統研究[J].電網與清潔能源，2019，27（2）：61-66.

[2]安永燦.基于人工智能算法的風電機組故障診斷研究[D].長春：長春工業大學，2019.