风电智能化技术未来发展方向研究

呼继乐

摘要：目前我国城市化建设和科技水平的快速发展，风力发电是我国的主要能源之一。在快速发展的人工智能技术背景下，多数理论及方法已经被广泛引入到能源电力行业领域中，尤其是在新能源风力发电行业得到广泛应用，包括传感感知、建模、计算、存储、传输、控制等方面，但是因为风力发电的区域都是在一些地广人稀的地方，从而造成控制系统会出现很多问题，所以智能化控制系统技术出现，如果将其智能化控制技术合理地融入到风力发电自动化的控制系统中，那么可以促进该行业持续稳定的发展，对我国社会经济建设具有着重要的作用，因此要引起足够的重视。但是因为风力发电的区域都是在一些地广人稀的地方，所以在控制系统中存在很多的问题。如果我们把智能化技术应用到控制系统上，可以达到很好的效果，也可以相对的促进我国风力发电事业持续稳定的发展。

关键词：风电智能化技术;发展方向;风电机组

引言

风力发电是我国社会生产中的新型资源，符合节能环保和绿色发展的社会生产理念，在其工作过程中，要加强对设备的控制和管理，以保证其运行安全。同时，在风电机组控制中，需要充分借助互联网时代的信息设备和先进技术，这样不仅可以实现节能减排和环境保护，还能够推动风电机组运行和控制的智能化发展。

1风电智能化技术的特点和优势

作为可再生能源的风力，我国对风力发电研究进入到快速发展的重要性阶段，因为风力发电有着随机性和间歇性，就会导致在进行大规模的风电并网时会一定程度上出现影响电网的安全和电力质量的问题。为了能够合理有效地控制出现的功率间歇性和波动性问题，则需要重点对风电设备的有效功率进行平衡。但增加对应的平衡设备又会导致电网侧设备规模的不断扩大，从而导致风电设备发电的效率降低，所以在风力发电的过程中，最为关键的就是智能化技术的应用，可以有效地对电网的整体发电效率进行提高。

2风电场运维技术现状

风电场运维是风电场运营管理的重要环节之一，其目的在于维持和提高设备可利用率，提升设备的发电性能并降低运营成本，从而保证风电场在整个生命周期内的投资收益率。因此，风电场运维水平对风电机组发电性能及发电量有着直接的影响，并决定了整个风电场的经济效益。目前，风电场运维模式主要包括计划性维护和非计划性维护。计划性维护依靠现场运维人员按照运维计划对风电机组进行维护检查及消缺，该运维方式存在间断性和滞后性特点，难以及时发现风电机组的缺陷。非计划性维护依靠风电机组监控系统的故障告警提示，在机组报出故障后由现场运维人员对故障进行处理。该运维方式受备件、现场环境及故障发生时间等因素的影响，易出现故障处理响应慢、风电机组停机时间长等问题。传统的风电场运维以分散式运维为主，主要表现为机组分散、运维人员分散、备品备件分散，即以单个风电场为单位的分散式运维，风电场间的人力资源和备品备件相互独立、互不共享。在分散式运维模式下，因无法实现资源共享和集中统一协调，各个风电场为保证运维效率，避免机组长时间故障停机，通常在风电场部署充足的运维人员及备品备件，导致风电场运维成本高，难以满足风电平价时代的要求。同时，传统的风电场运维方式缺乏统一的运维标准和规范，运维人员水平参差不齐，风电机组的运行维护和定期检查缺少有效的运维监管，导致部分运维工作流于形式，运维质量难以保证，从而无法发挥机组的最优发电性能，造成发电量损失，机组的安全性也经受到严峻考验。因此，如何在低运维成本的压力下实现机组运维质量的不断提升、提高机组运行的稳定性，这将是风电企业一个亟待解决的课题。

3利用风电场智能化技术的解决策略

3.1降低电网电压的控制难度

定速风电机组运行中需要从电网吸收一定的无功功率，双馈变速风电机组和永磁直驱风电机组普遍采用定功率因数方式运行。对于小型风电场采用集中无功补偿后，风电场电压控制问题不大，但对于大型风电场需要风电机组具有一定的無功调节能力，这需要通过技术和管理手段促进风电机组制造厂家进行技术改造。国内大部分已运行风电机组普遍不具有无功调节能力，风电场的无功控制只能通过额外安装静态或动态无功补偿装置来实现。电网已经颁布的一系列标准规定已经提出了无功调节的要求，用于指导在建风电场进行无功建设。

3.2极端载荷工况控制技术

风电机组控制容易受到外界自然因素的影响，如强风侵袭和阵风侵袭等，从而导致风电机组运行出现不稳定现象，甚至会影响风电机组的运行安全和控制效果。因此，在风电机组控制中还要采用极端载荷工况控制技术，以便于根据风力大小调整风电机组的控制方式，从而有效解决风电机组运行中出现的故障和问题。极端载荷工况控制技术主要是在风机模型的基础上，通过模式识别算法来提前预估风电机组的运行状态，并根据预估结果制定科学的管理控制方式，以此来降低外界因素对风电机组运行的影响。由此可见，在风电机组控制中应用极端载荷工况控制技术，可以有效避免强风等恶劣天气对风电机组的影响，从而延长风电机组的运行寿命。

3.3神经网络控制技术

对风力发电系统采用神经网络控制技术，通过对风速数据进行观察，对风速变化情况进行预测。应用神经网络控制器对变桨距风力发电系统进行控制，可以对Cp-λ特性曲线进行修改，捕获到风能，将机械负载力矩减小。以风力发电机动态特性和风速数据作为依据将自适应控制模型建立起来，应用智能技术观测数据，将规律寻找出来，基于此预测未来数据以及不能直接观测到的数据，由此控制工业过程。

3.4基于大数据平台的发电量后评估及增效潜力评估

该创新点从风电场整体的提质增效出发，考虑发电机组的发电量提升和潜力评估。对于在役机组而言，其发电量损失主要包括发电性能退化造成的损失以及可靠性降低造成的损失。发电量后评估模型依托大数据平台丰富且完备的数据信息，从风电场、单台机组、故障等多维度评估机组及风电场的电量损失，精准定位电量损失源由，明确机组可靠性提升项点。而增效潜力评估模型，从偏航、叶片对零、安全增功、高风穿越及切入优化等维度评估机组发电性能提升潜力，有针对性地对机组进行优化升级，以提升发电量。

结束语

随着风电行业大规模、快速发展，风电场低成本运维需求越来越强烈，在风电事业成熟发展背景下，构建智能风机预警平台将有助于实现对风机系统运行工况的实时采集、动态监督和智能预警。这就使得一些潜在的故障，能够被第一时间发现并进行准确预警，以便于管理人员第一时间发现问题所在，进而采取相应的处理措施，保障了风机系统的稳定运行。能够促进风电系统新型管理模式的形成，并使得风电系统在运行过程中产生的各种管理问题得到高效的解决，进而为我国风力发电场可靠、稳定运行提供强有力的技术保障。

参考文献：

[1]施光荣.探究智能化技术在电气工程自动化控制中的应用——以风电行业为例[J].今日自动化，2020（1）：18-20.

[2]刘德彬，何利华.风电场群智能化远程集中监控系统设计应用与关键技术[C].//全国风力发电技术协作网第九届年会论文集，2020：37-42.

[3]李超峰.浅谈智能化风电场中的电力设备及其技术发展分析[J].城市建设理论研究（电子版），2019（3）：5196-5197.

[4]詹志成.风力发电自动化控制系统中智能化技术的运用[J].中国科技投资，2020（21）：52.