人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用

陸曉曄 葉青

[摘 ? ?要 ]風(fēng)能是一種清潔且可再生的能源之一，憑借其自身優(yōu)勢(shì)，已經(jīng)得到社會(huì)各界的廣泛關(guān)注，風(fēng)力發(fā)電的主要原理則是將風(fēng)的動(dòng)能轉(zhuǎn)化為機(jī)械動(dòng)能，最后成為各行各業(yè)所需的電力動(dòng)能。隨著信息化時(shí)代的到來，人工智能作為科技發(fā)展的重要產(chǎn)物，將其風(fēng)力發(fā)電相結(jié)合，是電力行業(yè)發(fā)展的必然趨勢(shì)，大大提升了風(fēng)力發(fā)電效率和質(zhì)量，某種意義上講，也是引領(lǐng)電力行業(yè)朝向智能化、現(xiàn)代化發(fā)展的必要條件。對(duì)此，相關(guān)人員應(yīng)該加大人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用研究，深入研究風(fēng)力發(fā)電領(lǐng)域發(fā)展進(jìn)程中可能存在的問題，如何利用人工智能技術(shù)予以解決，實(shí)現(xiàn)人工智能技術(shù)的廣泛運(yùn)用和的推廣，助力于風(fēng)力發(fā)電取得更大的突破?；诖?，本文主要圍繞人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用展開討論，希望給更多專業(yè)人士提供幫助。

[關(guān)鍵詞]人工智能技術(shù);風(fēng)力發(fā)電領(lǐng)域;應(yīng)用

[中圖分類號(hào)]TM76 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]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(jīng)濟(jì)迅猛增長(zhǎng)的推動(dòng)下，對(duì)能源的需求量顯著增加，傳統(tǒng)的發(fā)電形式表現(xiàn)出了更大的缺陷，環(huán)境污染問題日益嚴(yán)重，因此，若想實(shí)現(xiàn)可持續(xù)發(fā)展理念，如何平衡好環(huán)境與經(jīng)濟(jì)的關(guān)系成為關(guān)注焦點(diǎn)。此時(shí)，風(fēng)力發(fā)電的產(chǎn)生為解決環(huán)境污染問題做出了巨大貢獻(xiàn)，尤其是信息化時(shí)代的大背景下，人工智能技術(shù)的應(yīng)用，對(duì)于風(fēng)力發(fā)電而言，迎來了新的發(fā)展契機(jī)，同時(shí)也是亟需解決的新難題。只有將人工智能技術(shù)科學(xué)合理的運(yùn)用在風(fēng)力發(fā)電領(lǐng)域，充分發(fā)揮信息化技術(shù)優(yōu)勢(shì)，高效解決風(fēng)力發(fā)電發(fā)展過程中的諸多問題和難題，才能最大限度的提升發(fā)電效率和質(zhì)量，為電力行業(yè)及其它行業(yè)良好發(fā)展創(chuàng)造有利條件。

1 人工智能算法在風(fēng)電機(jī)組故障診斷中的應(yīng)用

風(fēng)電機(jī)組是風(fēng)力發(fā)電的核心組成部分，發(fā)電過程中處于連續(xù)旋轉(zhuǎn)狀態(tài)，相對(duì)來講工作強(qiáng)度較大，同時(shí)風(fēng)電機(jī)組常常會(huì)設(shè)置在高地、海上或荒野，工作環(huán)境極其復(fù)雜，比傳統(tǒng)的發(fā)電機(jī)組所處環(huán)境更加惡劣。隨著發(fā)電需求量的增加，發(fā)電機(jī)組數(shù)量不斷增加，為了保證其安全穩(wěn)定的運(yùn)行，首先要降低機(jī)組故障概率，這也是風(fēng)力發(fā)電的一大挑戰(zhàn)。

1.1 風(fēng)電機(jī)組故障診斷現(xiàn)狀分析

風(fēng)電機(jī)組是一個(gè)綜合性較強(qiáng)的系統(tǒng)，容易發(fā)生以下故障，即齒輪箱、發(fā)電機(jī)或電氣系統(tǒng)故障，這些故障發(fā)生時(shí)可能是獨(dú)立的，也可能在各故障之間出現(xiàn)映射關(guān)系，因此，單純依靠人工對(duì)系統(tǒng)運(yùn)行故障進(jìn)行檢測(cè)，其難度非常大。結(jié)合風(fēng)電機(jī)組故障診斷的實(shí)際情況分析，其診斷方法主要包括以下方面：（1）傳統(tǒng)診斷法，以系統(tǒng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)進(jìn)行分析，一般情況下，都是以其它故障診斷方法聯(lián)合使用。（2）數(shù)字診斷法，這種方法的涵蓋范圍廣，包括模式識(shí)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(xiàn)在神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊邏輯等，具有診斷精準(zhǔn)、效率高的特點(diǎn)。但是目前來看，機(jī)組故障診斷及檢測(cè)主要依靠人工為主，沒有實(shí)現(xiàn)全自動(dòng)化的水平，那么將人工智能技術(shù)引入其中，對(duì)風(fēng)力發(fā)電領(lǐng)域而言，是一項(xiàng)全新的突破和挑戰(zhàn)。

1.2 人工神經(jīng)網(wǎng)絡(luò)的具體應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)之所有被稱之為智能化，主要是因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)運(yùn)用過程中，可以形象的模擬人類大腦學(xué)習(xí)知識(shí)的狀態(tài)，不需要提前進(jìn)行程序設(shè)定或輸入映射關(guān)系的數(shù)學(xué)方程，而是經(jīng)過系統(tǒng)自我訓(xùn)練，摸索機(jī)器系統(tǒng)的運(yùn)行規(guī)律，以固定輸入值作為計(jì)算依據(jù)，保證輸入結(jié)果與預(yù)期結(jié)果更為接近。其中BP神經(jīng)網(wǎng)絡(luò)是一種較為成熟的神經(jīng)網(wǎng)絡(luò)算法，其應(yīng)用范圍非常廣，并且經(jīng)常用于預(yù)測(cè)網(wǎng)絡(luò)模型中，將其與風(fēng)力發(fā)電機(jī)組故障診斷相結(jié)合，對(duì)風(fēng)電機(jī)組的齒輪箱故障、發(fā)電機(jī)故障具有很顯著的應(yīng)用效果，要特別注意的是，BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷時(shí)，需要滿足兩個(gè)條件，一是進(jìn)行實(shí)時(shí)監(jiān)控，二是具有較高的容錯(cuò)能力，從而減少故障誤差概率，最大限度的保證診斷結(jié)果的準(zhǔn)確性。

據(jù)相關(guān)研究總結(jié)，BP神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)組故障診斷和檢測(cè)時(shí)，模型系統(tǒng)主要分為輸入層、隱含層、輸出層。對(duì)于輸入層而言，在選取機(jī)組的風(fēng)速、風(fēng)向等自然參數(shù)以外，還要參考電機(jī)轉(zhuǎn)速、風(fēng)輪轉(zhuǎn)速等機(jī)械參數(shù)以及電氣參量，針對(duì)不同環(huán)境和不同設(shè)備的敏感度標(biāo)準(zhǔn)，對(duì)設(shè)備數(shù)據(jù)進(jìn)行科學(xué)合理的調(diào)整。對(duì)于輸出層，將以往的故障情況的參考數(shù)據(jù)作為機(jī)組運(yùn)行的預(yù)警和報(bào)警依據(jù)，從而掌握機(jī)組運(yùn)行情況，如果輸出值與參考數(shù)據(jù)接近則意味著系統(tǒng)異常運(yùn)行的可能性比較大，以此為依據(jù)實(shí)現(xiàn)機(jī)組故障智能化診斷。根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型的實(shí)際運(yùn)用來看，主要分為兩個(gè)過程：（1）學(xué)習(xí)訓(xùn)練過程。人工智能技術(shù)通過目標(biāo)樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)、調(diào)節(jié)網(wǎng)絡(luò)權(quán)值，形成完整的、切合實(shí)際的網(wǎng)絡(luò)模型，如果訓(xùn)練與預(yù)期輸出值相匹配或相差很小，則說明模型訓(xùn)練已完成，然后對(duì)各節(jié)點(diǎn)的輸出值進(jìn)行設(shè)定，重點(diǎn)設(shè)定第一閾值和第二閾值，第一閾值的設(shè)定則以每個(gè)節(jié)點(diǎn)異常狀態(tài)的最小值作為基礎(chǔ)，然后取平均值作為第二閾值。（2）模型應(yīng)用。進(jìn)行風(fēng)機(jī)故障診斷過程中，將自然參數(shù)及機(jī)組相關(guān)的實(shí)時(shí)數(shù)據(jù)準(zhǔn)確輸入，利用已訓(xùn)練好的模型系統(tǒng)進(jìn)行數(shù)據(jù)計(jì)算，得出各節(jié)點(diǎn)數(shù)據(jù)。如果節(jié)點(diǎn)輸入值保持在兩閾值之間，能夠判斷系統(tǒng)存在一定的故障隱患，相關(guān)工作人員要給予正確的干預(yù)或處理。如果節(jié)點(diǎn)輸出值大于第二閾值，可以判斷為故障已經(jīng)發(fā)生，必須盡快采取有效對(duì)策，避免系統(tǒng)故障延展，同時(shí)要求維修人員進(jìn)行系統(tǒng)檢修。

2 人工智能算法在風(fēng)電發(fā)電量預(yù)測(cè)中的應(yīng)用

目前，風(fēng)力發(fā)電的運(yùn)用逐漸趨于成熟化，與傳統(tǒng)的發(fā)電方式相比，表現(xiàn)出較強(qiáng)的隨機(jī)性、間歇性、波動(dòng)性，這樣容易造成電網(wǎng)運(yùn)行穩(wěn)定性差，因此，要做好風(fēng)電發(fā)電量預(yù)測(cè)工作，從而科學(xué)地調(diào)整發(fā)電與并網(wǎng)負(fù)荷值，進(jìn)一步提升電網(wǎng)運(yùn)行穩(wěn)定性。

2.1 風(fēng)力發(fā)電功率預(yù)測(cè)方法的概述

風(fēng)力發(fā)電功率預(yù)測(cè)方法主要包括以下兩大類：（1）物理預(yù)測(cè)法，主要是以天氣預(yù)報(bào)作為依據(jù)，獲取風(fēng)向、風(fēng)速、氣候溫度等數(shù)據(jù)，并且根據(jù)風(fēng)力發(fā)電場(chǎng)周圍的地表?xiàng)l件、海拔高度等實(shí)際的地理信息，利用數(shù)學(xué)模型進(jìn)行相關(guān)數(shù)據(jù)的計(jì)算，再通過氣象學(xué)理論，獲取風(fēng)機(jī)輪轂的風(fēng)向、風(fēng)速和高度，從而實(shí)現(xiàn)風(fēng)機(jī)電功率預(yù)測(cè)，通過這樣的方式能夠保證預(yù)測(cè)結(jié)果的準(zhǔn)確性，此方法運(yùn)用優(yōu)勢(shì)在于不需要以歷史數(shù)據(jù)作為參考或依據(jù)，但是需要掌握準(zhǔn)確的天氣預(yù)報(bào)數(shù)據(jù)及地理信息，而天氣預(yù)報(bào)的發(fā)布不能保證實(shí)時(shí)性，存在一定的誤差，因此，物理預(yù)測(cè)法在6h以上的短期和中長(zhǎng)期預(yù)測(cè)中更具優(yōu)勢(shì)，此外，這種方法在風(fēng)險(xiǎn)評(píng)估以及隨機(jī)優(yōu)化方面存在很大的局限性。（2）統(tǒng)計(jì)預(yù)測(cè)法，主要以數(shù)學(xué)統(tǒng)計(jì)法作為依托，通過實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)相結(jié)合，構(gòu)建一個(gè)抽象的數(shù)據(jù)模型，從而預(yù)測(cè)風(fēng)力發(fā)電量。根據(jù)統(tǒng)計(jì)預(yù)測(cè)法的實(shí)際應(yīng)用來看，序列預(yù)測(cè)法、人工智能預(yù)測(cè)方法的應(yīng)用更加成熟，應(yīng)用更為廣泛。

2.2 人工神經(jīng)網(wǎng)絡(luò)預(yù)算法在短期風(fēng)電功率預(yù)測(cè)中的應(yīng)用

人工智能的應(yīng)用優(yōu)勢(shì)充分體現(xiàn)在自動(dòng)化、智能化方面，可以在大量數(shù)據(jù)中快速、準(zhǔn)確地找到數(shù)據(jù)映射關(guān)系，高效完成統(tǒng)計(jì)預(yù)測(cè)，在此過程中，利用機(jī)器學(xué)習(xí)法，與影響短期風(fēng)電功率的因素的建立聯(lián)系，形成訓(xùn)練模型，通過調(diào)整訓(xùn)練模型，實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)短期風(fēng)電功率。目前，常用的預(yù)測(cè)方法有神經(jīng)網(wǎng)絡(luò)發(fā)和SVM（即支持向量機(jī)法），而前者在處理非線性問題上優(yōu)勢(shì)更加突出，依據(jù)自身學(xué)習(xí)能力強(qiáng)、適應(yīng)力強(qiáng)的優(yōu)點(diǎn)，在短期電功率預(yù)測(cè)中得到廣泛運(yùn)用。

RBF神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中的一種，預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)高于BP神經(jīng)網(wǎng)絡(luò)，其算法原理則是將徑向基函數(shù)當(dāng)作隱含層節(jié)點(diǎn)的重要構(gòu)成，形成隱含層空間，將變換輸出變量，由低維模式轉(zhuǎn)化成高維模式，并對(duì)線性進(jìn)行合理劃分，與BP神經(jīng)網(wǎng)絡(luò)運(yùn)用相比，沒有局部最小問題的局限性，也不需要對(duì)隱含層空間的單元個(gè)數(shù)進(jìn)行確定，應(yīng)用更為簡(jiǎn)單。RBF神經(jīng)網(wǎng)絡(luò)在非線性函數(shù)方面、分析能力及學(xué)習(xí)速度方面的優(yōu)勢(shì)更加顯著，由此可見，利用RBF神經(jīng)網(wǎng)絡(luò)于短期風(fēng)電功率預(yù)測(cè)中更加適宜。

RBF神經(jīng)網(wǎng)絡(luò)的實(shí)際運(yùn)用過程中，同樣分為三個(gè)方面：輸入層、隱含層、輸出層。輸入層中風(fēng)機(jī)的輸出功率主要受到風(fēng)力發(fā)電場(chǎng)的風(fēng)速、空氣密度的影響，其中風(fēng)速是主要影響因素，但是空氣密度由于測(cè)量難度大，并且容易受到溫度的影響，對(duì)電機(jī)輸出功率具有很大影響。而風(fēng)機(jī)內(nèi)部結(jié)構(gòu)有偏航系統(tǒng)，能夠自動(dòng)對(duì)風(fēng)，此因無需考慮風(fēng)向的影響。進(jìn)行模型訓(xùn)練過程中，首先要選取前一階段的風(fēng)機(jī)運(yùn)行的相關(guān)數(shù)據(jù)，比如電功率輸出值、溫度值等，并且與后一階段的風(fēng)速樣板作為依據(jù)有針對(duì)性的進(jìn)行訓(xùn)練，然后在已完成訓(xùn)練的模型中輸入風(fēng)速、環(huán)境溫度，從而獲取準(zhǔn)確的風(fēng)電輸出功率，更好的保證風(fēng)電功率預(yù)測(cè)的準(zhǔn)確性。

3 人工智能算法在風(fēng)電系統(tǒng)微電網(wǎng)系統(tǒng)中的應(yīng)用

除上述人工智能算法的應(yīng)用以外，還可以將其運(yùn)用在風(fēng)電系統(tǒng)微電網(wǎng)系統(tǒng)中，用來預(yù)測(cè)電網(wǎng)的用電負(fù)荷情況，滿足電網(wǎng)運(yùn)行需求。微電網(wǎng)系統(tǒng)是一種小型電網(wǎng)，主要用于連接分布式風(fēng)電、光伏接入，能夠有效改善發(fā)電功率不穩(wěn)定的問題，另一方面來看，由于電網(wǎng)運(yùn)行負(fù)荷小，產(chǎn)生的慣性小、波動(dòng)性強(qiáng)，導(dǎo)致負(fù)荷預(yù)測(cè)更加復(fù)雜、繁瑣，將人工智能算法與其相結(jié)合，可以更高效的解決負(fù)載預(yù)測(cè)問題。

在正式開始短期負(fù)荷預(yù)測(cè)前，首先要明確劃分負(fù)荷的類型，一般情況下，結(jié)合微電網(wǎng)的用電特點(diǎn)，主要將負(fù)荷分為照明、生產(chǎn)、取暖等幾類，然后依據(jù)負(fù)荷數(shù)據(jù)值進(jìn)行分析、整理，實(shí)際模型訓(xùn)練過程中，可以將微電網(wǎng)單位用電量的歷史數(shù)據(jù)與影響數(shù)據(jù)建立模型，影響數(shù)據(jù)重點(diǎn)考慮溫度、風(fēng)速等氣象數(shù)據(jù)，完成模型訓(xùn)練后，將未來天氣預(yù)報(bào)相關(guān)數(shù)據(jù)進(jìn)行輸入，從而得到負(fù)荷預(yù)測(cè)值，這種預(yù)測(cè)方法具有較強(qiáng)的可行性、精準(zhǔn)性，從而依據(jù)這些預(yù)測(cè)數(shù)據(jù)，對(duì)微電網(wǎng)進(jìn)行科學(xué)調(diào)節(jié)，因此大大提升了電網(wǎng)運(yùn)行穩(wěn)定性。

4 結(jié)束語

綜上所述，人工智能技術(shù)作為科技時(shí)代發(fā)展的重要產(chǎn)物，通過模擬人類思維方式進(jìn)行工作，很大程度上提升了工作效率和準(zhǔn)確性。將其運(yùn)用在風(fēng)力發(fā)電領(lǐng)域，是行業(yè)發(fā)展的必然趨勢(shì)，不僅可以對(duì)風(fēng)力發(fā)電設(shè)備故障進(jìn)行預(yù)警、診斷和分析，還可以實(shí)現(xiàn)負(fù)荷預(yù)測(cè)等，有效提升風(fēng)力發(fā)電效率，同時(shí)隨著物聯(lián)網(wǎng)技術(shù)不斷取得新突破，風(fēng)電系統(tǒng)智能化是未來產(chǎn)業(yè)發(fā)展趨勢(shì)，帶領(lǐng)風(fēng)電產(chǎn)業(yè)不斷邁向新領(lǐng)域，為實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境和諧發(fā)展提供重要支撐。

參考文獻(xiàn)

[1] 于錦春.風(fēng)力發(fā)電自動(dòng)化控制系統(tǒng)中智能化技術(shù)的運(yùn)用[J].通信電源技術(shù)，2020，37（3）：145-146.

[2] 劉瀟.芻議風(fēng)力發(fā)電控制系統(tǒng)中現(xiàn)代信息化控制技術(shù)的應(yīng)用方法[J].科技創(chuàng)新導(dǎo)報(bào)，2019，16（35）：14，16.

[3] 韓巖.對(duì)信息化控制技術(shù)在風(fēng)力發(fā)電控制系統(tǒng)中運(yùn)用的思考[J].科技創(chuàng)新導(dǎo)報(bào)，2019，16（34）：1，3.

[4] 張玉林.探究風(fēng)力發(fā)電并網(wǎng)技術(shù)及電能質(zhì)量控制措施[J].工程建設(shè)與設(shè)計(jì)，2019（22）：55-56，62.

[5] 劉東洋.淺談風(fēng)力發(fā)電現(xiàn)狀與發(fā)展趨勢(shì)[J].商訊，2019（28）：126-127.

[6] 彭艷來，楊曉峰.風(fēng)力發(fā)電場(chǎng)的智能化建設(shè)綱要探究[J].企業(yè)管理，2018（S2）：142-143.

[7] 趙軍帥.智能化技術(shù)在風(fēng)力發(fā)電自動(dòng)化控制系統(tǒng)中的運(yùn)用[J].自動(dòng)化應(yīng)用，2018（6）：157-158.

[8] 童飛.人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用[J].低碳世界，2020，10（9）：46-47.

[9] 李澤田，尤德寬.風(fēng)力發(fā)電——復(fù)合材料的一個(gè)重要應(yīng)用領(lǐng)域[J].航天技術(shù)與民品，1997（2）：36-37

[10] 白悅杭.計(jì)算機(jī)在風(fēng)力發(fā)電領(lǐng)域中的應(yīng)用[J].計(jì)算機(jī)產(chǎn)品與流通，2019（1）：77.