雷曉翔

摘 ?要：隨著世界經(jīng)濟(jì)的不斷增長(zhǎng)，全球?qū)δ茉吹男枨笠苍诓粩嘣鲩L(zhǎng)。過(guò)去，以火電為基礎(chǔ)的傳統(tǒng)能源模式日益突出。因此，如何應(yīng)對(duì)推動(dòng)人類(lèi)經(jīng)濟(jì)發(fā)展的能源安全和環(huán)境保護(hù)成為一個(gè)大問(wèn)題，而利用新能源技術(shù)以風(fēng)力發(fā)電的形式成為解決這一問(wèn)題的技術(shù)手段。因此，風(fēng)電技術(shù)的發(fā)展對(duì)人類(lèi)社會(huì)的可持續(xù)發(fā)展起著重要的作用，但作為一種新技術(shù)，風(fēng)電技術(shù)還有許多問(wèn)題需要解決。作為“第四次科技革命”的重要標(biāo)志，人工智能技術(shù)可以模擬人類(lèi)意識(shí)和思維信息的過(guò)程。通過(guò)人工智能技術(shù)的應(yīng)用，可以更有效地解決風(fēng)電技術(shù)發(fā)展中的諸多問(wèn)題。

關(guān)鍵詞：人工智能技術(shù);風(fēng)力發(fā)電;應(yīng)用

隨著經(jīng)濟(jì)的快速發(fā)展，人們對(duì)能源的需求越來(lái)越大。傳統(tǒng)的火力發(fā)電方式對(duì)環(huán)境造成了嚴(yán)重的污染。雖然能在短時(shí)間內(nèi)看到經(jīng)濟(jì)效益，但不利于社會(huì)的健康長(zhǎng)遠(yuǎn)發(fā)展。因此，處理好經(jīng)濟(jì)發(fā)展、能源保護(hù)和環(huán)境保護(hù)之間的關(guān)系是當(dāng)今世界發(fā)展中的一個(gè)重要問(wèn)題。采用新的風(fēng)力發(fā)電模式可以協(xié)調(diào)環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展的關(guān)系，減少兩者之間的矛盾，實(shí)現(xiàn)能源的良好循環(huán)利用，保證經(jīng)濟(jì)的穩(wěn)定發(fā)展。因此，風(fēng)電技術(shù)對(duì)于人類(lèi)社會(huì)的可持續(xù)發(fā)展具有十分重要的現(xiàn)實(shí)意義，但在風(fēng)電技術(shù)方面，也存在一些問(wèn)題。人工智能技術(shù)與風(fēng)力發(fā)電的結(jié)合，不僅可以提高風(fēng)力發(fā)電的整體效率，而且可以有效解決風(fēng)力發(fā)電技術(shù)發(fā)展過(guò)程中的諸多問(wèn)題，實(shí)現(xiàn)風(fēng)力發(fā)電技術(shù)與人工智能技術(shù)的高效結(jié)合，推動(dòng)我國(guó)風(fēng)電產(chǎn)業(yè)向更好更快的方向發(fā)展。

1智能技術(shù)概述

信息技術(shù)已成為社會(huì)發(fā)展的趨勢(shì)，計(jì)算機(jī)技術(shù)、大數(shù)據(jù)、自動(dòng)化技術(shù)、智能化技術(shù)被廣泛應(yīng)用于人們的生產(chǎn)生活中，并取得了良好的效果。智能技術(shù)是人工智能進(jìn)一步發(fā)展、研究、仿真和推廣的過(guò)程。智能技術(shù)在風(fēng)力發(fā)電中的應(yīng)用，可以構(gòu)建風(fēng)力發(fā)電的自動(dòng)控制系統(tǒng)，提高行業(yè)的發(fā)電效率，實(shí)現(xiàn)企業(yè)經(jīng)濟(jì)效益和社會(huì)效益的同步提高。

智能技術(shù)主要有三種：（1）神經(jīng)網(wǎng)絡(luò)控制技術(shù)。該技術(shù)主要適用于數(shù)字計(jì)算和處理，主要用于數(shù)據(jù)處理。數(shù)字處理系統(tǒng)不會(huì)受到整個(gè)系統(tǒng)的影響，即使其他系統(tǒng)失去功能，也不會(huì)影響神經(jīng)網(wǎng)絡(luò)控制技術(shù)的應(yīng)用。（2）專家系統(tǒng)控制技術(shù)。該技術(shù)主要用于智能組織、調(diào)節(jié)和控制，能夠處理非結(jié)構(gòu)化問(wèn)題和不確定信息。但應(yīng)用于表面知識(shí)處理時(shí)，缺乏靈活的模仿能力。（3）集成智能控制技術(shù)。該技術(shù)主要朝著集成化和集成化的方向發(fā)展，能夠高效地處理一些模糊數(shù)據(jù)，實(shí)現(xiàn)智能技術(shù)的優(yōu)化和集成，降低系統(tǒng)故障概率，集成單個(gè)智能技術(shù)，提高技術(shù)效率。

2人工智能技術(shù)應(yīng)用在風(fēng)力發(fā)電中的必要性、可行性與優(yōu)勢(shì)

2.1智能化技術(shù)應(yīng)用的必要性

風(fēng)力發(fā)電是一種可再生資源。我國(guó)風(fēng)電產(chǎn)業(yè)已進(jìn)入快速發(fā)展的成熟階段。風(fēng)力發(fā)電在應(yīng)用中存在間歇性、隨機(jī)性和波動(dòng)性等問(wèn)題。它不僅會(huì)影響風(fēng)力發(fā)電的效率，還會(huì)影響電網(wǎng)的安全，帶來(lái)安全風(fēng)險(xiǎn)，導(dǎo)致電能質(zhì)量差的問(wèn)題。為了有效地控制風(fēng)力發(fā)電的波動(dòng)性和間歇性，保證電網(wǎng)的安全，需要重視風(fēng)力發(fā)電設(shè)備的有功功率平衡。隨著電力需求的不斷增加和電網(wǎng)設(shè)備規(guī)模的不斷擴(kuò)大，將人工智能技術(shù)應(yīng)用于風(fēng)力發(fā)電可以大大提高電網(wǎng)發(fā)現(xiàn)的效率和質(zhì)量，提高電網(wǎng)運(yùn)行的安全性。

2.2智能技術(shù)應(yīng)用的可行性

與其他項(xiàng)目相比，風(fēng)電場(chǎng)的節(jié)能效果有很大的不同。一般采用功率控制的方法來(lái)實(shí)現(xiàn)風(fēng)電機(jī)組最大功率的集中控制，可以提高風(fēng)電場(chǎng)的工作效率和安全性能。數(shù)字化是電力設(shè)備和人工智能技術(shù)應(yīng)用的前提。目前，數(shù)字化技術(shù)在風(fēng)力發(fā)電系統(tǒng)中得到了充分的應(yīng)用，為人工智能技術(shù)在風(fēng)力發(fā)電中的應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。

2.3智能技術(shù)應(yīng)用優(yōu)勢(shì)

人工智能技術(shù)在風(fēng)力發(fā)電中的應(yīng)用，可以構(gòu)建風(fēng)力發(fā)電的智能控制系統(tǒng)，為管理者進(jìn)行決策和判斷提供支持。通過(guò)對(duì)風(fēng)力發(fā)電自動(dòng)化系統(tǒng)的控制，可以對(duì)采集到的數(shù)據(jù)進(jìn)行分析、處理和集成，應(yīng)用于風(fēng)力發(fā)電系統(tǒng)的自動(dòng)檢測(cè)，及時(shí)發(fā)現(xiàn)系統(tǒng)中存在的故障，并及時(shí)提出有效的解決方案。自動(dòng)化、智能化工作模式將成為未來(lái)風(fēng)力發(fā)電行業(yè)的主要發(fā)展模式;智能技術(shù)可以提供個(gè)性化的服務(wù)。在大數(shù)據(jù)技術(shù)的支持下，全面控制風(fēng)電機(jī)組的所有數(shù)據(jù)。通過(guò)對(duì)信息的篩選和處理，可以為單個(gè)風(fēng)電機(jī)組提供更有針對(duì)性的服務(wù)。

3人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的具體應(yīng)用

3.1無(wú)人機(jī)應(yīng)用在智能巡檢之中

無(wú)人機(jī)技術(shù)具有持續(xù)時(shí)間長(zhǎng)、抗風(fēng)能力強(qiáng)的特點(diǎn)。用于風(fēng)力發(fā)電機(jī)組的智能檢測(cè)。無(wú)人機(jī)操作人員可對(duì)其進(jìn)行適當(dāng)控制，射擊指定位置，實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組的實(shí)時(shí)監(jiān)控，保證風(fēng)電機(jī)組有序高效運(yùn)行。無(wú)人機(jī)拍攝完成后，拍攝的圖像和視頻可以通過(guò)傳輸系統(tǒng)傳輸?shù)降孛娼邮障到y(tǒng)。通過(guò)數(shù)據(jù)對(duì)比，技術(shù)人員可以分析風(fēng)電機(jī)組是否處于正常運(yùn)行狀態(tài)。與傳統(tǒng)的人工檢測(cè)相比，無(wú)人機(jī)智能檢測(cè)可以提高檢測(cè)效率和質(zhì)量，降低檢測(cè)成本，提高企業(yè)的經(jīng)濟(jì)效益。

3.2風(fēng)電預(yù)測(cè)方法

當(dāng)風(fēng)電預(yù)測(cè)主要是物理預(yù)測(cè)和統(tǒng)計(jì)預(yù)測(cè)時(shí)。物理預(yù)測(cè)是一種常用的風(fēng)電預(yù)測(cè)方法。它通過(guò)天氣預(yù)報(bào)提供風(fēng)速、風(fēng)向等數(shù)據(jù)信息，并與風(fēng)場(chǎng)周?chē)膶?shí)際信息進(jìn)行比較。通過(guò)建立模型，依托大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)風(fēng)電預(yù)算的精確計(jì)算。物理預(yù)報(bào)方法的優(yōu)點(diǎn)是不需要?dú)v史數(shù)據(jù)的支持，但需要準(zhǔn)確的天氣預(yù)報(bào)數(shù)據(jù)和風(fēng)場(chǎng)地理信息作為基礎(chǔ)，涉及的參數(shù)較多。但由于天氣預(yù)報(bào)是按時(shí)間間隔分布的，因此物理預(yù)報(bào)方法更適合于短期預(yù)報(bào)。統(tǒng)計(jì)預(yù)測(cè)方法主要采用數(shù)理統(tǒng)計(jì)的方法，通過(guò)對(duì)實(shí)際和歷史發(fā)電數(shù)據(jù)的調(diào)查，構(gòu)建模型，通過(guò)數(shù)據(jù)的統(tǒng)計(jì)，實(shí)現(xiàn)對(duì)未來(lái)風(fēng)電發(fā)電量的合理預(yù)測(cè)。

3.3智能感應(yīng)技術(shù)的應(yīng)用

為了使智能電子設(shè)備在風(fēng)力發(fā)電廠中得到有效利用，有必要對(duì)智能電網(wǎng)進(jìn)行建模。為了實(shí)現(xiàn)智能電網(wǎng)的實(shí)時(shí)、集中、高效控制，最重要的是實(shí)現(xiàn)對(duì)風(fēng)電場(chǎng)設(shè)備的高效控制，并對(duì)采集到的風(fēng)電場(chǎng)設(shè)備的相關(guān)數(shù)據(jù)和信息進(jìn)行整合和分析。智能傳感器、無(wú)線傳感器等傳感器的應(yīng)用，可以為智能風(fēng)電場(chǎng)的有序運(yùn)行提供支撐。

3.4大數(shù)據(jù)分析技術(shù)的應(yīng)用

雖然智能傳感技術(shù)非常好，但是它需要額外的傳感器，這導(dǎo)致了成本高和可擴(kuò)展性不足。風(fēng)力發(fā)電機(jī)組的數(shù)據(jù)相當(dāng)可觀。一家大型風(fēng)力發(fā)電公司管理著數(shù)千臺(tái)甚至近萬(wàn)臺(tái)風(fēng)力渦輪機(jī)，每年產(chǎn)生的數(shù)據(jù)都在TB級(jí)以上。因此，如果不增加額外的傳感器設(shè)備，新的大數(shù)據(jù)技術(shù)可以用來(lái)收集和存儲(chǔ)單位數(shù)據(jù)。通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理等人工智能分析方法，對(duì)風(fēng)機(jī)生產(chǎn)運(yùn)行的數(shù)據(jù)進(jìn)行挖掘和分析，實(shí)現(xiàn)設(shè)備運(yùn)行的低效分析和亞健康問(wèn)題預(yù)警分析，防范風(fēng)電機(jī)組的關(guān)鍵部件，降低電能損耗將成為新的熱點(diǎn)應(yīng)用方向。

結(jié)論

風(fēng)力發(fā)電關(guān)系到社會(huì)能否實(shí)現(xiàn)可持續(xù)發(fā)展，為社會(huì)發(fā)展提供能源支持。要完善風(fēng)電管理模式，提高風(fēng)電發(fā)電效率，滿足經(jīng)濟(jì)發(fā)展對(duì)能源日益增長(zhǎng)的需求。將人工智能技術(shù)應(yīng)用于風(fēng)力發(fā)電領(lǐng)域，可以實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組的實(shí)時(shí)監(jiān)控，提高風(fēng)力發(fā)電的效率和質(zhì)量，構(gòu)建完整的智能風(fēng)電管理和控制系統(tǒng)，促進(jìn)我國(guó)風(fēng)電產(chǎn)業(yè)的穩(wěn)定和長(zhǎng)遠(yuǎn)發(fā)展。

參考文獻(xiàn)

[1] 彭華東，陳曉清，任明，等.風(fēng)電機(jī)組故障智能診斷技術(shù)及系統(tǒng)研究[J].電網(wǎng)與清潔能源，2019，27（2）：61-66.

[2] 安永燦.基于人工智能算法的風(fēng)電機(jī)組故障診斷研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2019.

[3] 武小梅，白銀明，文福拴.基于RBF神經(jīng)元網(wǎng)絡(luò)的風(fēng)電功率短期預(yù)測(cè)[J].電力系統(tǒng)保護(hù)與控制，2019，39（15）：80-83.

[4] 彭顯剛，胡松峰，呂大勇.基于RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法綜述[J].電力系統(tǒng)保護(hù)與控制，2019，39（17）：144-148.