| 标题 | 人工智能技术在风力发电领域的应用 |
| 范文 | 王宝亮 摘 要：随着智能巡检技术的推广，数字风电场、智能风电场己经从概念转向了现实，风力发电机领域迫切需要一种更为智能且灵活的巡检方式。采用智能技术代替人工作业是一种较好的解决方案，通过自动化、智能化的技术手段、广采用能够持续、稳定在特种环境进行工作的自动化设备实现巡视工作的人力替代是具泛经济效益和社会效益的解决方案，并且能够有效地提高工作效率，降低巡视登高作业的风险和提高故障的检出比率。 关键词：人工智能技术;风力发电领域;应用 引言 随着世界经济的不断增长，全球对于能源的需求不断增长，过去以火电为主的传统能源方式对环境的污染日益凸显。因此如何处理好驱动人类经济发展的能源保障与环境保护成为一大难题，而利用以风能为能源发电形式的新能源技术成为解决这一问题的技术手段。发展风电技术对于人类社会可持续发展有着举足轻重的作用，但风电技术作为一门新兴技术，其存在诸多问题待解决。人工智能技术作为“第四次科技革命”的重要标志，其具有可以对人的意识、思维信息过程的模拟功能，通过人工智能技术的应用，可以更高效地解决风电技术发展过程中的诸多问题。 1.人工智能技术的概况 人工智能（Artificial工ntelligence，英文缩写A工），是计算机科学的一个分支，通过计算机技术了解并分析人类智能的本质，进而生产与人类智能相似的智能机器。从语义学分析，人工智能是“人工”与“智能”两个语言单位的结合。 “人工”必须是人造的，是科学和工程的产物。需要注意的是，人工智能中的人工，虽然是人类研究、开发的主动行为，但并不包括生物学的人工，因为基因工程与人工智能的科学基础全然不同。 “智能”（intelligence）是指人的智力能力，是人类认知、记忆、判断、思考、想象等能力。如，法国心理学家阿尔弗雷德？比奈（Alfred Binet）将“智能”定义为“判断，又或称为判断力强，实践感强，首创精神，适应环境的能力。良好决策、充分理解、正确推论但记忆与判断不同且独立于判断。”①《牛津英语词典》将智能解释为“获取和应用知识与技能的能力”，这显然取决于记忆。总结起来，智能是一种心智能力，与神经机制和认知活动密切相关。与生物层次的“神经”不同，从科学角度和心理层次看，智能更偏重于“认知”是偏重于宏观行为层次的界定。 综合来看，智能主要包括与环境相适应的学习能力，灵活机动的反应能力，以及对于观念中事物的预想创造能力。可以说，智能重在主体能动性的解释，即心智能力。因此，智能与心智机制的实现关系密切，体现在感知、适应、学习、情感、判断、意识和创造等方面。所以，人工智能可以定义为，一种用于帮助或者替代人类思维的工具，这种智能工具以計算机程序的形式体现，可以独立存在于数据中心，也可以通过诸如机器人之类的设备体现出来。同时，人工智能具也备在特定环境中有目的地获取和应用知识与技能的能力。 2.人工智能技术在风力发电领域的应用 （1）导航定位程序 在智能巡检机器人导航定位过程中考虑到机器人运行速度需可调、负载重量变化等因素，因此采用PID控制算法结合步进电机反馈回来的编码器数值形成闭环控制系统。理论上闭环控制系统能利用反馈回来的编码器数值对系统受到的干扰进行抑制或者消除，采用该方法在智能巡检机器人导航定位过程中可以控制电机转速，使得电机在不同负载情况下依然保持在目标速度附近波动。 （2）安全保护程序 风力发电机舱内部轨道式智能巡检机器人在工作过程中，为了避免机器人误动作或碰撞到障碍物造成的损失，智能巡检机器人安装了机械式式行程开关，用于检测障碍和保护机器人。机器人在水平运动方向和垂直运动方向各安装了2个行程开关，机器人防撞的基本原理是当机器人即将碰撞到障碍物时行程开关会先动作，主控制器捕捉到相关行程开关动作后立刻进入保护状态。 在软件设计中，整个安全保护程序是一个独立的子程序。在主程序中循环检测四个行程开关运行状态，一旦行程开关被主控制器检测到动作后并持续2ms，则会执行保护动作。如果报警信号持续5分钟，则被认为发生严重故障，智能巡检机器人会自动返航并且上传故障报警至监控后台。 （3）数据传输与通信 轨道式智能巡检机器人上搭载的可见光摄像头和红外摄像头借助电力载波通信技术通过以太网直接将现场视频和图片传输至后台控制室，并不经过下位机的STM32主控制器，但摄像头采集的图片和视频和前者在同一个LabVIEW工程中。后台上位机负责使用摄像头进行图像采集和视频监控并进行数据处理。 本次设计的LabVIEW自身可以采集网络摄像头传输回来的视频，并且可以对摄像头云台进行操控。考虑到程序运行效率和开发成本，我们采用了网络摄像头自带SDK在LabVIEW中进行开发，通过调用其动态连接库和相关函数进行图像采集、云台控制等，这样既可以保证程序运行的稳定性又提高了软件开发效率。具体运行过程如下： ①在LabVIEW程序中，程序首先运行Init初始化函数，可见光摄像头开始完成初始化运动。 ②进入Login函数完成用户登陆，包括可见光摄像头在本地局域网内的IP地址和用户名密码登陆等操作。 ③进入RealPlay函数进行实时视频显示，并且通过以太网传输到上位机。 ④进入SaveData函数完成视频存储地址、文件命名等设置。 ⑤进入Control函数完成对可见光摄像头的云台的控制，包括水平旋转，俯仰角旋转，对焦，放大缩小倍率等功能。 ⑥进入Capturepicture函数自动抓取当前图片，也可手动控制抓拍图片。 ⑦上位机发送停止命令，进入Stoprealplay函数，停止实时视频显示。 ⑧进入Logout函数，清除用户登录信息以及地址信息。 3.大数据分析在风电机组运行分析 （1）大数据分析与挖掘 首先反映风电机组状态信息数据的来源于SCADA系统和“全通道”监测系统，实现了对机组的全方位的数据采集，由于数据包括振动值、温度值、压力值等格式标准不统一，以及SCADA系统监测参数之间的信息冗余等干扰影响，首先需要对大数据进行分析统计和挖掘等功能，本文通过引用入Pearson， Kendall， Spearman综合相关系数的优点对数据进行相关性分析，对冗余信息参数的剔除，使用最小二乘支持向量机的大数据挖掘方法实现风电机组的状态评估、故障诊断等功能。 （2）风电机组整体状态评估 通过大数据的分析与挖掘处理后，对数据进行的预处理，建立状态评估模型。该评估模型主要由两个子评估模型构成：分别为基于风电机组出力相关性评估模型和基于PSOLSSVM风电机组状态评估模型。对两个评估模型分别引入相关评估标准和故障预警阂值，若超过阂值范围，则评估风机的运行状态为异常，并进入故障诊断系统对风电机组各子系统进行故障定位和定量分析;若没有超过阂值范围，证明风机运行状况为健康，对其进行持续跟踪监测。 （3）风电机组故障诊断 对状态评估结果为异常的风电机组，通过采集的运行工况信息，提取风机的关键部件特征，对其进行故障诊断分析，包括时域和频域分析，小波包包络解调、倒频谱和EMD一包络解调谱分析，根据其频谱的幅值和特征频率对故障进行定位和定量分析。对于转速、温度、功率等连续监测变量，通过风功率曲线、温度趋势变化曲线等确定关键部件的故障发展趋势。 4.结语 随着未来人工智能技术的不断发展，以及物联网技术的发展，风电系统将实现智能化，智能风电将成为未来产业的发展趋势因此，有必要加大对相关技术的研究和引进，加快完善有关政策和体制，从而推动风力发电在我国的发展，使风力成为我国在发展建设中的重要力量。 参考文献： [1]彭华东，陈晓清，任明，等.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. [2]安永灿.基于人工智能算法的风电机组故障诊断研究[D].长春：长春工业大学，2019. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。