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

1、人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用分析摘要：本篇文章對(duì)風(fēng)力發(fā)電技術(shù)在發(fā)展過(guò)程中所存在的問(wèn)題進(jìn)行了分析，制 定了具有針對(duì)性的解決方法，通過(guò)應(yīng)用人工智能技術(shù)，探索未來(lái)風(fēng)力發(fā)電領(lǐng)域的 發(fā)展方向。在解決風(fēng)電機(jī)組故障診斷的過(guò)程中可以應(yīng)用人工智能技術(shù)，將人工智 能技術(shù)更好的應(yīng)用于新能源發(fā)展當(dāng)中。關(guān)鍵詞：人工智能；新能源技術(shù)；風(fēng)電引言現(xiàn)階段，在社會(huì)可持續(xù)發(fā)展的過(guò)程中，風(fēng)電技術(shù)起到了非常重要的作用，風(fēng) 電技術(shù)是一門(mén)新興技術(shù)，在應(yīng)用過(guò)程中會(huì)存在一些問(wèn)題，針對(duì)這些問(wèn)題需要進(jìn)行 系統(tǒng)性的研究，推動(dòng)人工智能技術(shù)更好的應(yīng)用于新能源發(fā)展中。人工智能技術(shù)可 以模擬人的意識(shí)和思維信息，通過(guò)推廣人工智能技術(shù)，可以解決風(fēng)電技術(shù)在發(fā)

2、展 過(guò)程中所存在的一些問(wèn)題。1 人工智能算法在風(fēng)電機(jī)組故障診斷應(yīng)用風(fēng)電機(jī)組在發(fā)電的過(guò)程中，機(jī)械部分一直處于高度的運(yùn)轉(zhuǎn)當(dāng)中，整體的工作 強(qiáng)度比較高，與此同時(shí)風(fēng)電機(jī)組的建設(shè)位置比較特殊，通常情況下是在海上、荒 地、高地，工作的環(huán)境比較惡劣。隨著風(fēng)力發(fā)電裝機(jī)機(jī)組應(yīng)用的范圍越來(lái)越廣泛 為了進(jìn)一步保障這些設(shè)備可以在惡劣的環(huán)境下運(yùn)行，減少工作中出現(xiàn)的故障，需 要將人工智能技術(shù)應(yīng)用在其中。風(fēng)電機(jī)組故障診斷的方法風(fēng)電機(jī)組是機(jī)電綜合系統(tǒng)，如果發(fā)生故障，主要體現(xiàn)在以下幾個(gè)方面分別是 電氣系統(tǒng)故障、發(fā)電機(jī)故障、齒輪箱故障、變槳系統(tǒng)故障，這些故障有可能是獨(dú) 立的發(fā)生，也有可能是并發(fā)。在通常情況下，任何一部分發(fā)生故障都

3、會(huì)反映出其 他部分的運(yùn)行狀態(tài)，故此，整體的故障診斷難度比較大。在診斷風(fēng)電機(jī)故障的過(guò) 程中，主要會(huì)應(yīng)用到智能診斷方法、數(shù)學(xué)診斷法、傳統(tǒng)診斷法。傳統(tǒng)診斷法在具 體應(yīng)用的過(guò)程中，主要是對(duì)系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析，可 以結(jié)合其他的表現(xiàn)方式進(jìn)行故障診斷1。數(shù)學(xué)診斷法則是通過(guò)對(duì)模式識(shí)別，在距 離相關(guān)數(shù)據(jù)的基礎(chǔ)之上對(duì)故障進(jìn)行診斷，智能診斷法會(huì)包括遺傳算法、模糊邏輯 神經(jīng)網(wǎng)絡(luò)等等?，F(xiàn)階段，工作人員對(duì)風(fēng)力機(jī)組進(jìn)行故障診斷的過(guò)程中，大多數(shù)都 是依靠人工檢測(cè)，還不能實(shí)現(xiàn)全自動(dòng)診斷，可見(jiàn)通過(guò)應(yīng)用人工智能技術(shù)幫助人們 擺脫人工檢測(cè)具有重要的意義。采用人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行風(fēng)電機(jī)組故障診斷人工神經(jīng)網(wǎng)絡(luò)主要

4、是對(duì)人類(lèi)的大腦進(jìn)行模擬，最終可以形成人工智能算法， 該方法需要進(jìn)行自我訓(xùn)練，了解計(jì)算機(jī)的學(xué)習(xí)規(guī)律，在輸入特定的數(shù)值之后，系 統(tǒng)會(huì)自動(dòng)算出接近預(yù)期的輸出值。BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)算法中研究比較成熟的 網(wǎng)絡(luò)模型之一，在機(jī)械故障診斷當(dāng)中應(yīng)用的比較廣泛，尤其是對(duì)齒輪箱和發(fā)電機(jī) 所出現(xiàn)的故障，整體的檢測(cè)效率比較高。工作人員對(duì)風(fēng)電機(jī)組進(jìn)行檢測(cè)的過(guò)程中 通過(guò)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)，可以使整體的容錯(cuò)能力有大幅度提升，也會(huì)降低故障的 檢查錯(cuò)誤率2。在檢測(cè)風(fēng)機(jī)故障的過(guò)程中，工作人員會(huì)輸入特定的實(shí)時(shí)數(shù)據(jù)，系 統(tǒng)經(jīng)過(guò)一系列訓(xùn)練之后，可以呈現(xiàn)出完整的模型，在模型當(dāng)中會(huì)對(duì)各個(gè)節(jié)點(diǎn)的數(shù) 據(jù)進(jìn)行計(jì)算，通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析，可以進(jìn)一步

5、檢測(cè)系統(tǒng)是否存在故障。2 人工智能算法在風(fēng)電發(fā)電量預(yù)測(cè)中的應(yīng)用2.1 風(fēng)電功率預(yù)測(cè)的方法現(xiàn)階段，風(fēng)電功率預(yù)測(cè)方法主要分為兩大類(lèi)，第一類(lèi)是統(tǒng)計(jì)與做法，第二類(lèi) 是物理預(yù)測(cè)法。物理預(yù)測(cè)法在應(yīng)用的過(guò)程中，主要是對(duì)風(fēng)速、風(fēng)向、溫度等相關(guān) 氣象數(shù)據(jù)進(jìn)行預(yù)測(cè)，除此之外，還會(huì)對(duì)周?chē)牡刭|(zhì)和氣候條件信息進(jìn)行分析，比 如說(shuō)地表粗糙度和海拔等高線。綜合獲取一系列的數(shù)據(jù)之后構(gòu)建完整的數(shù)學(xué)模型 對(duì)數(shù)據(jù)進(jìn)行計(jì)算和分析，通過(guò)應(yīng)用氣象學(xué)理論，可以進(jìn)一步了解風(fēng)機(jī)的輪穀高度 風(fēng)速和風(fēng)向。物理預(yù)測(cè)法在具體應(yīng)用的過(guò)程中，并不需要對(duì)以往的歷史數(shù)據(jù)進(jìn)行 收集，但是也存在一定的缺點(diǎn)，在獲取天氣數(shù)據(jù)和地理信息時(shí)，需要輸入準(zhǔn)確的 數(shù)據(jù)，而且參

6、照的一些參數(shù)比較多。天氣預(yù)報(bào)并不是實(shí)時(shí)進(jìn)行發(fā)布的，針對(duì)中長(zhǎng) 期的預(yù)測(cè)可以應(yīng)用物理預(yù)測(cè)方法。統(tǒng)計(jì)預(yù)測(cè)法主要是應(yīng)用數(shù)學(xué)統(tǒng)計(jì)方法，建立起 了實(shí)際發(fā)電量和歷史數(shù)據(jù)之間的關(guān)系，通過(guò)對(duì)關(guān)系進(jìn)行模型分析，可以預(yù)測(cè)出未 來(lái)的風(fēng)電發(fā)電量。采用人工神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)短期風(fēng)電功率人工智能法具有比較多的優(yōu)點(diǎn)，其中比較突出的就是擁有大量的數(shù)據(jù)、智能 化、自動(dòng)化，可以在眾多的數(shù)據(jù)當(dāng)中尋找到各個(gè)數(shù)據(jù)之間所存在的映射關(guān)系，從 而可以進(jìn)行精準(zhǔn)的統(tǒng)計(jì)和預(yù)測(cè)。在學(xué)習(xí)相關(guān)機(jī)器算法之后，可以建立風(fēng)電發(fā)電量 短期風(fēng)電功率和相關(guān)影響因素之間的聯(lián)系，通過(guò)系統(tǒng)性的研究可以初步構(gòu)成計(jì)算 模型。人工智能風(fēng)電功率預(yù)測(cè)法在具體應(yīng)用的過(guò)程中，會(huì)分為支持向

7、量機(jī)法和神 經(jīng)網(wǎng)絡(luò)法兩大，如果需要處理非線性的問(wèn)題，那么應(yīng)用人工神經(jīng)網(wǎng)絡(luò)法會(huì)具有明 顯的優(yōu)勢(shì)，整體的自學(xué)能力比較強(qiáng)，適合應(yīng)用于風(fēng)電功率預(yù)測(cè)工作中。經(jīng)過(guò)大量 的研究可以發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)法在具體應(yīng)用的過(guò)程中，BP神經(jīng)網(wǎng)絡(luò)會(huì)低于徑向 基函數(shù)神經(jīng)網(wǎng)絡(luò)精度，也不會(huì)出現(xiàn)局部最小的問(wèn)題，也不需要在計(jì)算之前確定隱 含層的單元個(gè)數(shù)。訓(xùn)練的方式比較簡(jiǎn)便，會(huì)包括非線性函數(shù)能力、學(xué)習(xí)速度、分 析能力，訓(xùn)練的整體表現(xiàn)會(huì)明顯高于BP神經(jīng)網(wǎng)絡(luò)。在預(yù)測(cè)風(fēng)電場(chǎng)短期發(fā)電功率 的過(guò)程中，可以應(yīng)用 RBF 神經(jīng)網(wǎng)絡(luò)，在構(gòu)建 RBF 神經(jīng)網(wǎng)絡(luò)模型的過(guò)程中，會(huì)包含 隱含層、輸出層、輸入層3。 風(fēng)機(jī)的輸出功率會(huì)受到風(fēng)電場(chǎng)風(fēng)速的影響，除此

8、之 外還會(huì)受到空氣密度的干擾，由于空氣密度不容易被測(cè)量，在獲取相關(guān)數(shù)據(jù)時(shí)也 具有一定難度。風(fēng)機(jī)當(dāng)中包含了偏航系統(tǒng)，可以進(jìn)行自動(dòng)對(duì)風(fēng)，也不用考慮風(fēng)向 所帶來(lái)的影響。在進(jìn)行輸出訓(xùn)練的過(guò)程中，可以選取一段工作時(shí)間內(nèi)的風(fēng)機(jī)電功 率輸出情況，了解系統(tǒng)運(yùn)行時(shí)環(huán)境的溫度，除此之外，還要考慮到風(fēng)速、預(yù)測(cè)風(fēng) 電輸出功率、環(huán)境溫度等相關(guān)的因素。應(yīng)用于具有風(fēng)電系統(tǒng)的微電網(wǎng)系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)算法可以對(duì)發(fā)電功率進(jìn)行預(yù)測(cè)，除此之外，還可以預(yù)測(cè)電網(wǎng)的 用電負(fù)荷，了解具體的用電需求。微電網(wǎng)連接分布式的風(fēng)電，光伏會(huì)接入到小型 的電網(wǎng)當(dāng)中，分布式風(fēng)電的發(fā)電功率不穩(wěn)定，人工神經(jīng)網(wǎng)絡(luò)算法在對(duì)整個(gè)系統(tǒng)運(yùn) 行相關(guān)數(shù)據(jù)進(jìn)行預(yù)測(cè)的過(guò)程中，還需

9、要構(gòu)建更加精準(zhǔn)的數(shù)據(jù)分析模型。電網(wǎng)內(nèi)的 負(fù)荷比較小，使得電網(wǎng)內(nèi)的慣性也會(huì)比較小，當(dāng)系統(tǒng)的波動(dòng)性比較強(qiáng)的時(shí)候，會(huì) 使得短期內(nèi)的負(fù)荷預(yù)測(cè)工作更加復(fù)雜。在解決負(fù)債預(yù)測(cè)問(wèn)題的過(guò)程中，可以應(yīng)用 人工智能神經(jīng)算法，對(duì)短期內(nèi)負(fù)荷進(jìn)行預(yù)測(cè)之前，需要對(duì)負(fù)荷的類(lèi)型進(jìn)行精準(zhǔn)的 劃分，進(jìn)一步了解微電網(wǎng)內(nèi)用戶的用電特點(diǎn)。訓(xùn)練工作在開(kāi)展的過(guò)程中，對(duì)微電 網(wǎng)的具體用電量進(jìn)行實(shí)測(cè)分析，了解以往的歷史數(shù)據(jù)，結(jié)合多種影響因素開(kāi)展訓(xùn) 練工作4。 在構(gòu)建完善的計(jì)算模型之后，通過(guò)輸入氣象數(shù)據(jù)就可以獲取負(fù)荷的預(yù) 測(cè)值。通過(guò)對(duì)用戶的負(fù)荷以及整體的風(fēng)力發(fā)電功率進(jìn)行預(yù)測(cè)，可以了解到系統(tǒng)對(duì) 于這些數(shù)據(jù)的微調(diào)細(xì)節(jié)，進(jìn)一步提高電力系統(tǒng)的穩(wěn)定性和安全性。結(jié)束語(yǔ)綜上所述，應(yīng)用人工智能算法可以對(duì)人類(lèi)的思維進(jìn)行模擬，更好的解決風(fēng)電 發(fā)電領(lǐng)域存在的問(wèn)題。人工智能算法可以對(duì)發(fā)電負(fù)荷進(jìn)行精準(zhǔn)的預(yù)測(cè)和分析，還 可以診斷設(shè)備的故障，提前做出預(yù)警。隨著人工智能技術(shù)發(fā)展越來(lái)越成熟，結(jié)合 物聯(lián)網(wǎng)技術(shù)可以推動(dòng)風(fēng)電系統(tǒng)向智能化和全自動(dòng)化方向發(fā)展，推動(dòng)風(fēng)電發(fā)電領(lǐng)域 穩(wěn)定可持續(xù)發(fā)展。參考文獻(xiàn)彭華東，陳曉清，任明風(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.安永燦.基于人工智能算法的風(fēng)電機(jī)組故障