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

杨欢

新疆龙源风力发电有限公司 新疆 乌鲁木齐 830002

摘要：随着信息时代的来临以及科学技术的不断发展，我国科技公司的创新能力也随之提升，风力发电便是其中，风力发电可以更好地解决能源危机问题，同时也能在一定程度上促进我国社会主义经济建设的全面发展。本文主要分析的就是如何加强风力发电自动化控制系统过程中的智能化技术，进而提出以下内容。

关键词：人工智能技术；风力发电领域；应用

引言

在我国科技的发展，各领域的技术水平逐渐提高的今天，发展风电技术对于人类社会可持续发展有着举足轻重的作用，但风电技术作为一门新兴技术，其存在诸多问题待解决。人工智能技术作为“第四次科技革命”的重要标志，其具有可以对人的意识、思维信息过程的模拟功能，通过人工智能技术的应用，可以更高效地解决风电技术发展过程中的诸多问题。

1分析风力发电的智能化技术应用必要性

对于风力资源，主要为可再生能源，现如今我国在风力发电方面已经进入到快速发展阶段，但是由于风电的随机性和间歇性等原因，导致其大规模的风电并网将会在一定程度上对电网安全带来影响，同时存在电力质量不理想等问题。因为风电场在输出功率方面具有一定的随机性，因此为了能够有效地避免对其输出的功率间歇性和波动性进行合理控制，需要重点的对风电设备的有效功率进行平衡。但是随着电网规模的扩大，必然会增加设备的容量，导致其电网发电效率降低，因此在风力发电的过程中，对于智能化的技术进行应用是十分关键的，可以全面地提高电网的整体发电效率。

2人工智能技术在风力发电领域的应用

2.1风电功率预测的方法

目前，风电功率预测主要分为物理预测法和统计预测法两大类。其中物理预测法是通过天气预报预测出的风速、风向和温度等气象数据，与风场周围的海拔等高线、障碍物和地表粗糙度等地理实地信息，通过数学模型进行计算，之后通过微观气象学理论得到风机的轮穀高度风速和风向，利用其进行风电功率预测。物理预测法优点在于不需要历史数据；缺点是需要输入准确的天气预报数据和风场地理信息，需要的参数较多。同时由于天气预报不是实时发布，存在一定间隔期，物理预测方法更适用于6 h上的短期和中长期预测。物理预测法在风险评估和随机优化上应用较为有限。统计预测法通过利用数学统计方法，建立实际发电量与历史数据之间的关系，并将这种关系抽象为一个模型，预测未来的风电发电量。其中比较成熟的是基于时间序列预测法与人工智能的预测方法两种。

2.2强化技术分析和应用

智能系统、门禁一卡通、电梯控制系统、车辆管理系统及可视对讲系统等风力发电自动化控制系统的组成，皆与客户生活之间有着不可分离的关系。现在，风力发电自动化控制系统展现出了相当迅速的技术发展速度，互联网上逐渐出现一系列风力发电自动化控制系统智能化及设备控制方向的资料、技术，通过物理链路与协议对接技术，风力发电智能系统用户端设备便可实现对不同风力发电设备的控制。

2.3将传输系统的数据进行整合

对于风力发电的自动化控制系统而言，是需要在传输系统的合理应用之下进行数据的传输，然而将其智能化的技术合理地融入到其中，ICP/TP的传输协议而将会得到更加全面的应用，在标准化之后的传输协议能够成为一个共享的传输系统，同时一个完善以及综合的布线系统和网络设备能够将其不同系统内部间的通信问题进行解决。此外公共局域网的智能化系统在共享一个传输网络过程中是不会存在问题的，通过相关的分析技术便可以更好地进行了解，同时风力发电的自动化控制系统的用户端设备主要是根据公共局域网以及宽带路由器等进行相应的访问，使其可以实现智能化的控制。然而对于可视对讲的系统用户端而言，主要是作为一种室内的共享设备，可以有效的去访问风力发电系统的局域网，在管理系统内部的绝育网应用下合理地去访问In-ternet，同时在网络进行合理规划之后可以有效的完成。

2.4微分几何控制技术的应用

微分几何控制技术主要是对风力发电系统的线性变化进行体现。从风力发电控制系统的应用情况来看，其是一个非线性系统，但是在实际应用的过程中，其会受到外界因素的影响而产生动态变化。想要实现微积几何控制技术的合理应用，需要对以上问题进行有效处理，并根据处理结果向发电机发送一系列的操作指令，以此提升风力发电控制系统的运行效率，实现风能的高效运用，满足电力能源的生产需求。微分几何控制技术的应用可以改变风力发电系统的性质，简化系统运行过程中的操作内容，但是该技术在实际应用时也会受到一定的约束，整体的计算难度比较大，所以在应用过程中存在一定的困难。

2.5无人机在智能巡检中的应用

现阶段无人机技术迅速发展，同时它凭借自身较长的续航时间和抗风能力被广泛的应用于智能巡检工作中，在实际巡检过程中，无人机可以搭载高清的拍摄设备，由操作人员进行控制使其在制定位置停留并拍摄，从而实现风电机组的智能巡检。当无人机完成巡检拍摄后，能够利用特有的系统模块将图像传送到地面站系统，技术人员对拍摄图像进行对比分析，实现对风电机组的运营稳定性分析。相对于人工巡检，采用无人机进行智能巡检能够大幅度提升风电机组巡检的效率和准确性，节约了风电机组的巡检成本。

2.6智能感应技术的应用

风力发电场中要想充分运用智能化电子设备，那么就应当对风电场的智能电网进行建模并运用，而要有效控制复杂而又庞大的智能电网，最为关键的便是监测整个风电场的设备，随后整合获取的设备信息及相关设备运行情况。智能感应器、无线感应器及光纤感应器等感应器的应用，可为智能风电厂的正常运转提供支撑，同时在智能风力发电厂及其他多种设备运行环境下，可调取出变电器需求的信息。

2.7智慧风电的体系架构

一是智慧风电的生产管理维度，分为：（1）风机级，也就是要能自我调节、自我保护，对重大故障直接反应等基本功能的智能风机；（2）场站级，也就是基于智能电网技术，能自主控制、自主优化，对环境（包括风资源、电网）的快速反应能力；（3）集控级，要求全面分析、全面统筹，对所属场站的智能化管理，实现智能运维；（4）集团化管控级的任务是实现智慧发展，要求持续学习、持续优化，分类、分阶段指导风电智慧化发展。二是智慧风电的信息系统维度，分为：基础设施级（硬件基础）、支撑平台级（软件基础架构）、应用平台级（建设目标的各类应用）等三个部分。对上述两个维度的有机融合是智慧风电建设的基本要求。智慧风电体系架构高效融合计算、存储和网络，以多元异构可信计算为基础来构建，具备计算资源弹性配置能力以满足不同需求，整个体系结构的不同层次引入不同计算能力使之更加高效、实时地处理数据，使风电系统达到精准感知、快速应对、系统思维和全面开放不同层级的智慧。

结语

我国电力能源的

来源中，风力发电逐渐呈现出更重要的地位。将互联网及智能化技术融为一体的智能化风力发电自动化控制这一新型管理模式，能够有效解决产生于风力发电推进期间的各类管理问题，保障风力发电场运行的正常与稳定。

参考文献

[1]薛莹，袁智.智能化技术在风电系统中的应用[J].大众用电，2017，（S1）：9-12.

[2]李思秀.开启风电产业智能化服务新时代[J].上海信息化，2019，（7）：62-64.

［3］ABB自动化技术助力丹麦Orsted公司Hornsea风力发电项目［J］．中华纸业，2018，39(16):72-73．

［4］杨明，李欣然，吕云峰，张晴．基于IEC 61968/70标准的风电及信息交互建模［J］．电气技术，2018，19(08):195-199．