人工智能技术在风力发电领域的应用

马小军

摘 要：随着我国经济建设的快速发展，我国各行业发展迅速，对于基础能源的需求与日俱增。我国科学技术不断发展，人工智能技术是科学技术进步的优秀产物，被广泛应用于各个行业之中，为人们生产生活带来了极大便利。人工智能技术应用在风力发电领域之中，能够实现对风力发电集中控制，提升风力发电效率与质量，推动风力发电实现自动化系统控制模式，推动我国风力发电事业朝着技术化、体系化、规范化、现代化的方向深入发展。

关键词：人工智能技术;风力发电领域;应用

引言

近年来，很多先进技术运用到我国各行业的发展进程中，使得我国提前进入现代化科学技术发展阶段。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 人工智能的理论分析

人工智能在目前的发展中成为各方面企业家的讨论热点，也成为了考量一个企业发展状况的有效依据。在大型企业中人工智能的应用较为广泛，由于企业的规模较大，使用人工智能技术辅助于企业的运转，极大程度上简化了企业的业务办理流程，使得企业快速运转。人工智能的主要理论依据是基于计算机的发展理论，通过特定的生产策略将计算机的语言识别、处理功能、系统化程序以及图像识别等相关的功能，实现技术发展。1956年人工智能被Dartmouth提出，广泛涉及到信息论、控制论、自动化、生物学、心理学、语言学、医学等多方面领域。而对于智能化的电气控制中，则是要结合信息的收集以及控制功能实现计算机的智能特点，大力减少劳动力，进而提高员工的工作效率。如：铝电解生产过程中的自适应控制技术，就是使用了人工智能技术降低企业的时效，根据类似于人类的判断系统、处理功能系统以及控制系统，加强生产力。

2 人工智能技术应用在风力发电中的必要性、可行性

1.智能化技术应用的必要性，风力属于可再生资源，我国风力发电行业已经进入了快速发展的成熟阶段。使用利用风力发电存在一定问题，例如：间歇性、随机性以及波动性。不仅会影响风力发电效率，更会影响电网安全，带来安全隐患，出现电力质量较差的问题。为了能够有效实现对风力发电波动性、间歇性的控制，保持电网安全发电，需要重视风电设备有功功率的平衡。随着人们对电力需求不断增大，电网设备随着不断扩大，将人工智能技术应用在风力发电之中，能够极大提升电网发现效率与质量，提升电网运行安全性。2.智能化技术应用的可行性，风电场节能与其他项目相比存在较大不同，一般都是采用功率控制法对风电机最大功率实现集中管控，能够提升风电场工作效率与安全性能。数字化是电力设备与人工智能技术应用的前提，当下在风力发电系统之中已经全面应用了数字化技术，为人工智能化技术在风力发电中的应用奠定了坚实的基础。

3 人工智能技术在风力发电领域的应用

3.1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。

3.2神经网络

神经网络能够灵活、有效的进行学习，是具有完全分布式特点的结构，比较适用于一些大规模、并行的信息处理，对于一些非线性的系统，有着非常强的模式识别能力以及建模能力，可对一些复杂的状态或是过程进行识别以及分类。按照具体情况的不同，当前已有很多种神经网络结构和具体的训练算法被应用在实际的风力发电系统中。如应用BP对风力发电系统的短期负荷情况进行预测，在保证拥有充足训练样本的情况下对预测的模型进行有效分类，创建出能适应不同季节的日预测和周预测模型，并能对输入的变量进行准确选择，尤其是在选择温度变量时。此外，应用人工神经网络以及对元件关联进行分析能诊断电力系统的故障，制定出多种复杂的诊断方法。这种方式主要将风力发电系统中的元件分成母线、变压器和线路三种，对每个种类的元件都有特定的ANN处理报警信息，对故障的具体位置进行确定。与ES诊断有着一定不同，ANN主要是通过对现场样本进行学习和训练，通过对ANN中的阈值和连接权进行调整，保证获取的知识能通过隐式的方式分布在整个神经网络上，实现ANN的模式记忆。由此可见ANN具备非常强大的获取知识能力，可有效对包含噪声数据进行处理，有效弥补了ES中的不足之处。由于神经网络具备良好的快速处理并行信息能力和分类能力，因此被广泛应用在电力系统中的监测与诊断、实时控制、符合预测以及状态评估等多个不同的领域。当前，基于神经网络的短期或是长期复合预测已成为人工智能在风力发电系统中作用最大的一种应用形式。

3.3大数据分析技术的应用

智能感知技术虽然很好，但由于需要额外增加传感器，成本偏高且扩展性不足。风力发电机的数据量是相当可观，一个大型风力发电公司管理的风机高达上千台甚至近万台，年产生的数据量都在TB级别以上。因此如果不增加额外的传感设备，可利用新的大数据技术，采集和存储机组数据，通过机器学习、深度学习和自然语言处理等人工智能分析方法，对风机生产运行数据进行挖掘分析，实现设备运行低效分析、亚健康问题预警分析，预防风电机组的关键部件问题，减少电量损失，必将成为了新的热门应用方向。

3.4人工神经网络技术的应用

人工神经网络技术属于一种具有先进性的信息技术，发展速度较快，在智能领域已经获取良好的成就。该技术是一种非线性、自适应数据处理技术，在风力发电控制系统中具有良好的应用价值。人工神经网络有较强的抗逆能力，在容错能力方面相比其他技术有着良好的表现。对风力发电而言，风速、风向并不是固定不变的，要想精准预测风速，就需要关注预测方式的应用，进一步明确预测周期和地点。在具体实践中，可以利用时间序列神经网络精准预测风速，还可以将人工神经网络技术和小波分析技术结合起来，预测风力发电的功率。可以在应用人工神经网络技术之前，借助神经网络估计风速，这样能够提升系统动态化性能，就算后期风速发生巨大变化，系统依旧能够实现稳定性运行。同时，在对风力发电机组进行研究的过程中，变桨距系统也是一个关键的系统，可以借助神经网络控制变桨距，进而解决变桨距参数的时变性和滞后性的问题。另外，为了获取更多的风能，还可以重新构建发电机组预测模型，将其应用于人工神经网络控制器，利用BP算法、遗传算法等，提出新的神经网络算法。该算法可以应用于风力发电机组故障诊断，能够解决故障问题，提升系统运行的稳定性。

4 结语

风力发电领域关系着社会是否能够实现可持续发展，为社会发展提供能源支持。人工智能技术应用到风力发电领域之中，能够实现对风力发电机组的实时监控，提升风力发电的效率与质量，构建完备的风力发电智能化管控系统，推动我国风力发电行业实现稳健的长久发展。

参考文献：

[1]彭华东，陈晓清，任明等.风电机组故障智能诊断技术及系统研究[J].电网与清洁能源，2011，27（2）：61-66.

[2]程世洪.电网风电智能化运行控制探讨[J].中国高新技术企业，2015，（23）：157-158.

[3]武小梅，白银明，文福拴.基于RBF神经元网络的风电功率短期預测[J].电力系统保护与控制，2011，39（15）：80-83.

（甘肃中电瓜州风力发电有限公司，甘肃 瓜州 736100）