程毅

摘? 要：本文首先分析了人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域中的應(yīng)用必要性與優(yōu)勢，并從故障處理、發(fā)電量預(yù)測、智能巡檢等方面，總結(jié)人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的運(yùn)用策略，以此推進(jìn)風(fēng)力發(fā)電行業(yè)的快速發(fā)展。

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

1 人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域中的應(yīng)用必要性與優(yōu)勢

人工智能技術(shù)屬于計(jì)算機(jī)科學(xué)的分支，能夠賦予計(jì)算機(jī)根據(jù)人類行為進(jìn)行相應(yīng)的計(jì)算與知識(shí)使用，形成模擬人類思維過程的智能行為，從而幫助計(jì)算機(jī)完成更高層次的應(yīng)用。在人工智能技術(shù)不斷發(fā)展成熟的背景下，技術(shù)類型不斷增多，其應(yīng)用范圍也不斷擴(kuò)大，逐漸滲透到新能源使用領(lǐng)域中，并取得較好的使用成效。

1.1人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域中的應(yīng)用必要性

風(fēng)力發(fā)電技術(shù)作為一種新能源發(fā)電技術(shù)，社會(huì)對(duì)其關(guān)注度較高，隨著風(fēng)力發(fā)電行業(yè)的發(fā)展，總體技術(shù)穩(wěn)定性較高，但由于發(fā)展時(shí)間較短，在實(shí)際使用當(dāng)中仍伴隨著技術(shù)問題的出現(xiàn)。比如風(fēng)力發(fā)電所產(chǎn)生的電量不穩(wěn)定，電能并網(wǎng)存在困難，這些問題不僅影響電網(wǎng)安全，同時(shí)也限制了風(fēng)力發(fā)電技術(shù)的進(jìn)一步使用。為了更好地控制風(fēng)力發(fā)電中存在的波動(dòng)性與間歇性問題，需要開發(fā)使用更為先進(jìn)的人工智能技術(shù)，切實(shí)保障風(fēng)力發(fā)電安全，提升風(fēng)力發(fā)電使用效率，進(jìn)一步平衡發(fā)電功率，滿足風(fēng)力發(fā)電技術(shù)發(fā)展過程中所產(chǎn)生的技術(shù)需求。

1.2人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域中的應(yīng)用優(yōu)勢

首先，人工智能技術(shù)能夠提升對(duì)風(fēng)力發(fā)電的控制強(qiáng)度，借助人工智能技術(shù)建設(shè)相應(yīng)的風(fēng)力發(fā)電控制系統(tǒng)，保證風(fēng)力發(fā)電自動(dòng)化系統(tǒng)的順利運(yùn)行，強(qiáng)化自動(dòng)監(jiān)測與故障檢修，通過實(shí)施故障檢測，使風(fēng)力發(fā)電系統(tǒng)運(yùn)行始終維持在穩(wěn)定的狀態(tài)中。其次，提升運(yùn)行效率，滿足個(gè)性化需求，人工智能技術(shù)兼顧數(shù)據(jù)處理速度與人類思維模擬，可以對(duì)風(fēng)力發(fā)電系統(tǒng)進(jìn)行人工數(shù)據(jù)檢測，及時(shí)掌握風(fēng)力發(fā)電系統(tǒng)運(yùn)行中的相關(guān)數(shù)據(jù)，同時(shí)借助計(jì)算機(jī)大數(shù)據(jù)技術(shù)，提升對(duì)運(yùn)行數(shù)據(jù)的篩選與處理能力，根據(jù)不用類型風(fēng)力發(fā)電設(shè)備的實(shí)際情況，提供個(gè)性化服務(wù)，滿足多種運(yùn)行需求，切實(shí)解決運(yùn)行故障。

2 人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的運(yùn)用

2.1 人工智能技術(shù)在風(fēng)力發(fā)電故障處理中的運(yùn)用

風(fēng)力發(fā)電機(jī)組為外部作業(yè)，所面臨的環(huán)境較為復(fù)雜，且機(jī)組零件多而精密，在長期的機(jī)械構(gòu)建旋轉(zhuǎn)當(dāng)中，容易出現(xiàn)機(jī)組故障，影響風(fēng)力發(fā)電機(jī)組的正常運(yùn)行。針對(duì)所出現(xiàn)的機(jī)械故障與電力系統(tǒng)故障，目前所采用的故障處理方式仍以人工處理為主，并未實(shí)現(xiàn)全自動(dòng)故障診斷與排除，而人工智能技術(shù)的引入則有效提升了風(fēng)力發(fā)電中的故障處理效率。目前人工神經(jīng)網(wǎng)絡(luò)智能算法能夠較好處理風(fēng)力發(fā)電機(jī)組中出現(xiàn)的故障，在總結(jié)風(fēng)電機(jī)組常見故障發(fā)生規(guī)律的基礎(chǔ)上，通過計(jì)算機(jī)學(xué)習(xí)能夠?qū)崿F(xiàn)在輸入定值的情況下取得預(yù)期故障處理效果，其中的BP神經(jīng)網(wǎng)絡(luò)作為應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，以梯度搜索技術(shù)減少輸入值與期望輸出值的誤差均方差，有效解決風(fēng)電機(jī)組硬件設(shè)備故障，滿足故障診斷當(dāng)中的監(jiān)控與容錯(cuò)需求，風(fēng)電機(jī)組中的風(fēng)速、發(fā)電量、機(jī)組設(shè)備運(yùn)行速度等是可以進(jìn)行調(diào)整的自然參數(shù)網(wǎng)絡(luò)輸入層，而機(jī)組正常運(yùn)行、齒輪箱與發(fā)電機(jī)等則是作為輸出層的故障異常參數(shù)。在風(fēng)電機(jī)組發(fā)生故障的情況下，收集當(dāng)前風(fēng)電機(jī)組異常運(yùn)行參數(shù)，并與正常運(yùn)行參數(shù)進(jìn)行對(duì)比行形成樣本值，作為機(jī)組異常運(yùn)行報(bào)警所需要的參數(shù)上下限設(shè)定，對(duì)機(jī)組正常與異常情況開展對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)輸出，在輸出值接近樣本值的情況下，代表機(jī)組運(yùn)行可能出現(xiàn)故障或者已經(jīng)出現(xiàn)故障。BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)參與機(jī)組故障預(yù)測的階段主要包括訓(xùn)練與模型應(yīng)用，訓(xùn)練階段中，通過樣本值輸入開展神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與模擬，以不斷調(diào)整網(wǎng)絡(luò)權(quán)值為主要訓(xùn)練模式，當(dāng)某個(gè)權(quán)重達(dá)到一定水平之后代表完成訓(xùn)練，并確定樣本對(duì)應(yīng)節(jié)點(diǎn)所形成的輸出閾值，異常狀態(tài)對(duì)應(yīng)節(jié)點(diǎn)最小輸出值為第一閾值，平均輸出值為第二閾值。

2.2 人工智能技術(shù)在風(fēng)力發(fā)電量預(yù)測中的運(yùn)用

目前開展風(fēng)力發(fā)電量預(yù)測的主要方法包括物理預(yù)測與統(tǒng)計(jì)預(yù)測，其中物理預(yù)測主要通過觀察當(dāng)前環(huán)境氣候總結(jié)氣象數(shù)據(jù)，建立數(shù)據(jù)模型計(jì)算得出風(fēng)速與風(fēng)向數(shù)據(jù)，從而得出大致的風(fēng)力發(fā)電量，物理預(yù)測方法優(yōu)勢在于不用借助歷史數(shù)據(jù)就進(jìn)行處理，缺點(diǎn)在于預(yù)測精度不高，所需輸入?yún)?shù)較多，尤其是其中氣候環(huán)境數(shù)據(jù)的精確性難以得到保障，導(dǎo)致無法實(shí)現(xiàn)長期穩(wěn)定的風(fēng)力發(fā)電量預(yù)測，只能開展短期預(yù)測。統(tǒng)計(jì)預(yù)測則是借助歷史數(shù)據(jù)分析預(yù)測后續(xù)發(fā)電量，最終統(tǒng)計(jì)結(jié)果精度仍存在較大誤差。在當(dāng)前風(fēng)力發(fā)電技術(shù)不斷成熟的背景下，風(fēng)力發(fā)電量不斷增大，且面臨的外部環(huán)境更加復(fù)雜，傳統(tǒng)的風(fēng)力發(fā)電量預(yù)測方式不再適用，可借助人工智能技術(shù)進(jìn)行實(shí)時(shí)發(fā)電量預(yù)測，比如采取人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)對(duì)短期風(fēng)電功率的精準(zhǔn)預(yù)測，在尋找風(fēng)電機(jī)組歷史數(shù)據(jù)映射關(guān)系的基礎(chǔ)上，模仿人類思維建立數(shù)據(jù)模型，探尋數(shù)據(jù)之間的關(guān)系，使最終預(yù)測結(jié)果更加精準(zhǔn)有效。除了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的運(yùn)用之外，提升輸入數(shù)據(jù)的規(guī)律性與準(zhǔn)確性，減少較大誤差點(diǎn)的出現(xiàn)，也是提升風(fēng)力發(fā)電量預(yù)測準(zhǔn)確度的主要策略，借助人工智能技術(shù)開展在線監(jiān)測，收集空氣密度、大氣濕度等關(guān)鍵數(shù)據(jù)，不斷縮小關(guān)鍵數(shù)據(jù)的采集時(shí)間段，提升所收集數(shù)據(jù)的可代表性，通過加大輸入?yún)?shù)來保證預(yù)測準(zhǔn)確性，也可建立綜合性的天氣預(yù)報(bào)模型，提升氣象數(shù)據(jù)的準(zhǔn)確性，減少由于惡劣天氣影響所形成的數(shù)據(jù)偏差。

2.3 人工智能技術(shù)在風(fēng)力發(fā)電智能巡檢中的運(yùn)用

風(fēng)電機(jī)組的工作環(huán)境普遍較為惡劣，受外界環(huán)境的干擾，風(fēng)電機(jī)組在實(shí)際運(yùn)行中經(jīng)常出現(xiàn)偏航系統(tǒng)與剎車系統(tǒng)故障，為減少故障發(fā)生率，可借助人工智能技術(shù)對(duì)風(fēng)電機(jī)組進(jìn)行巡查，分析其實(shí)時(shí)運(yùn)行狀態(tài)，及時(shí)尋找其中可能出現(xiàn)的問題并及時(shí)解決。AR技術(shù)目前是除無人機(jī)之外最為常用的風(fēng)電機(jī)組智能巡檢技術(shù)之一，通過數(shù)據(jù)模擬的方式開展模擬訓(xùn)練與智能巡查，在收集并分析數(shù)據(jù)的過程中，還原風(fēng)電機(jī)組可能出現(xiàn)的問題，并借助無人機(jī)來采集五力參數(shù)，結(jié)合風(fēng)電機(jī)組所處地區(qū)的實(shí)際情況，反映影響機(jī)組正常運(yùn)行的參數(shù)，并采取針對(duì)性方法進(jìn)行解決。

結(jié)束語：

目前風(fēng)力發(fā)電技術(shù)仍在持續(xù)的發(fā)展中，為充分保證風(fēng)電機(jī)組的正常運(yùn)行，需要引入先進(jìn)的人工智能技術(shù)來保證風(fēng)電能源供應(yīng)，構(gòu)建更加高效穩(wěn)定的風(fēng)電系統(tǒng)，進(jìn)一步提升風(fēng)力發(fā)電質(zhì)量。

參考文獻(xiàn)

[1]謝瑤濱.人工智能在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用探討[J].科技資訊，2021， 19（10）：41-43.