人工智能技术在风力发电领域的应用分析

1、人工智能技术在风力发电领域的应用分析摘要：本篇文章对风力发电技术在发展过程中所存在的问题进行了分析，制 定了具有针对性的解决方法，通过应用人工智能技术，探索未来风力发电领域的 发展方向。在解决风电机组故障诊断的过程中可以应用人工智能技术，将人工智 能技术更好的应用于新能源发展当中。关键词：人工智能；新能源技术；风电引言现阶段，在社会可持续发展的过程中，风电技术起到了非常重要的作用，风 电技术是一门新兴技术，在应用过程中会存在一些问题，针对这些问题需要进行 系统性的研究，推动人工智能技术更好的应用于新能源发展中。人工智能技术可 以模拟人的意识和思维信息，通过推广人工智能技术，可以解决风电技术在发

2、展 过程中所存在的一些问题。1 人工智能算法在风电机组故障诊断应用风电机组在发电的过程中，机械部分一直处于高度的运转当中，整体的工作 强度比较高，与此同时风电机组的建设位置比较特殊，通常情况下是在海上、荒 地、高地，工作的环境比较恶劣。随着风力发电装机机组应用的范围越来越广泛 为了进一步保障这些设备可以在恶劣的环境下运行，减少工作中出现的故障，需 要将人工智能技术应用在其中。风电机组故障诊断的方法风电机组是机电综合系统，如果发生故障，主要体现在以下几个方面分别是 电气系统故障、发电机故障、齿轮箱故障、变桨系统故障，这些故障有可能是独 立的发生，也有可能是并发。在通常情况下，任何一部分发生故障都

3、会反映出其 他部分的运行状态，故此，整体的故障诊断难度比较大。在诊断风电机故障的过 程中，主要会应用到智能诊断方法、数学诊断法、传统诊断法。传统诊断法在具 体应用的过程中，主要是对系统的运行状态进行监测，通过对数据进行分析，可 以结合其他的表现方式进行故障诊断1。数学诊断法则是通过对模式识别，在距 离相关数据的基础之上对故障进行诊断，智能诊断法会包括遗传算法、模糊逻辑 神经网络等等。现阶段，工作人员对风力机组进行故障诊断的过程中，大多数都 是依靠人工检测，还不能实现全自动诊断，可见通过应用人工智能技术帮助人们 摆脱人工检测具有重要的意义。采用人工神经网络算法进行风电机组故障诊断人工神经网络主要

4、是对人类的大脑进行模拟，最终可以形成人工智能算法， 该方法需要进行自我训练，了解计算机的学习规律，在输入特定的数值之后，系 统会自动算出接近预期的输出值。BP神经网络是神经网络算法中研究比较成熟的 网络模型之一，在机械故障诊断当中应用的比较广泛，尤其是对齿轮箱和发电机 所出现的故障，整体的检测效率比较高。工作人员对风电机组进行检测的过程中 通过应用BP神经网络，可以使整体的容错能力有大幅度提升，也会降低故障的 检查错误率2。在检测风机故障的过程中，工作人员会输入特定的实时数据，系 统经过一系列训练之后，可以呈现出完整的模型，在模型当中会对各个节点的数 据进行计算，通过对数据进行分析，可以进一步

5、检测系统是否存在故障。2 人工智能算法在风电发电量预测中的应用2.1 风电功率预测的方法现阶段，风电功率预测方法主要分为两大类，第一类是统计与做法，第二类 是物理预测法。物理预测法在应用的过程中，主要是对风速、风向、温度等相关 气象数据进行预测，除此之外，还会对周围的地质和气候条件信息进行分析，比 如说地表粗糙度和海拔等高线。综合获取一系列的数据之后构建完整的数学模型 对数据进行计算和分析，通过应用气象学理论，可以进一步了解风机的轮穀高度 风速和风向。物理预测法在具体应用的过程中，并不需要对以往的历史数据进行 收集，但是也存在一定的缺点，在获取天气数据和地理信息时，需要输入准确的 数据，而且参

6、照的一些参数比较多。天气预报并不是实时进行发布的，针对中长 期的预测可以应用物理预测方法。统计预测法主要是应用数学统计方法，建立起 了实际发电量和历史数据之间的关系，通过对关系进行模型分析，可以预测出未 来的风电发电量。采用人工神经网络算法预测短期风电功率人工智能法具有比较多的优点，其中比较突出的就是拥有大量的数据、智能 化、自动化，可以在众多的数据当中寻找到各个数据之间所存在的映射关系，从 而可以进行精准的统计和预测。在学习相关机器算法之后，可以建立风电发电量 短期风电功率和相关影响因素之间的联系，通过系统性的研究可以初步构成计算 模型。人工智能风电功率预测法在具体应用的过程中，会分为支持向

7、量机法和神 经网络法两大，如果需要处理非线性的问题，那么应用人工神经网络法会具有明 显的优势，整体的自学能力比较强，适合应用于风电功率预测工作中。经过大量 的研究可以发现，人工神经网络法在具体应用的过程中，BP神经网络会低于径向 基函数神经网络精度，也不会出现局部最小的问题，也不需要在计算之前确定隐 含层的单元个数。训练的方式比较简便，会包括非线性函数能力、学习速度、分 析能力，训练的整体表现会明显高于BP神经网络。在预测风电场短期发电功率 的过程中，可以应用 RBF 神经网络，在构建 RBF 神经网络模型的过程中，会包含 隐含层、输出层、输入层3。 风机的输出功率会受到风电场风速的影响，除此

8、之 外还会受到空气密度的干扰，由于空气密度不容易被测量，在获取相关数据时也 具有一定难度。风机当中包含了偏航系统，可以进行自动对风，也不用考虑风向 所带来的影响。在进行输出训练的过程中，可以选取一段工作时间内的风机电功 率输出情况，了解系统运行时环境的温度，除此之外，还要考虑到风速、预测风 电输出功率、环境温度等相关的因素。应用于具有风电系统的微电网系统人工神经网络算法可以对发电功率进行预测，除此之外，还可以预测电网的 用电负荷，了解具体的用电需求。微电网连接分布式的风电，光伏会接入到小型 的电网当中，分布式风电的发电功率不稳定，人工神经网络算法在对整个系统运 行相关数据进行预测的过程中，还需

9、要构建更加精准的数据分析模型。电网内的 负荷比较小，使得电网内的惯性也会比较小，当系统的波动性比较强的时候，会 使得短期内的负荷预测工作更加复杂。在解决负债预测问题的过程中，可以应用 人工智能神经算法，对短期内负荷进行预测之前，需要对负荷的类型进行精准的 划分，进一步了解微电网内用户的用电特点。训练工作在开展的过程中，对微电 网的具体用电量进行实测分析，了解以往的历史数据，结合多种影响因素开展训 练工作4。 在构建完善的计算模型之后，通过输入气象数据就可以获取负荷的预 测值。通过对用户的负荷以及整体的风力发电功率进行预测，可以了解到系统对 于这些数据的微调细节，进一步提高电力系统的稳定性和安全性。结束语综上所述，应用人工智能算法可以对人类的思维进行模拟，更好的解决风电 发电领域存在的问题。人工智能算法可以对发电负荷进行精准的预测和分析，还 可以诊断设备的故障，提前做出预警。随着人工智能技术发展越来越成熟，结合 物联网技术可以推动风电系统向智能化和全自动化方向发展，推动风电发电领域 稳定可持续发展。参考文献彭华东，陈晓清，任明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，2019，27(2)：61-66.安永灿.基于人工智能算法的风电机组故障