赵宏亮
摘要：现如今，随着社会经济的不断增长，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。因此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。
关键词：人工智能技术；风力发电；应用
引言
在风力发电过程中，有很多外在因素对其运行稳定性有决定性的影响，例如发电设备的安装是否足够专业，设备回路保护是否安全以及风电机组是否可靠等，其中风电机组的可靠性对发电稳定性的影响最大，因此要想保证发电效率和质量就必须保证风电机组安全可靠。现阶段，随着科学技术和计算机信息技术的不断发展，人工智能在风电机组巡检中得到了广泛的应用，相关技术人员如果能编制一套科学合理的风电机组智能巡检方案，一方面能够极大程度的提高风电机组巡检质量和巡检效率，另一方面能够大大减少工作人员的工作量，减少风电机组巡检的人力成本，进而更顺利的达到巡检机组全覆盖、巡检周期全覆盖和巡检项目全覆盖。
1分析人工智能技术的必要性和可行性以及优点
1.1分析风力发电的人工智能技术应用必要性
对于风力资源，主要为可再生能源，现如今我国在风力发电方面已经进入到快速发展阶段，但是由于风电的随机性和间歇性等原因，导致其大规模的风电并网将会在一定程度上对电网安全带来影响，同时存在电力质量不理想等问题。因为风电场在输出功率方面具有一定的随机性，因此为了能够有效地避免对其输出的功率间歇性和波动性进行合理控制，需要重点的对风电设备的有效功率进行平衡。但是随着电网规模的扩大，必然会增加设备的容量，导致其电网发电效率降低，因此在风力发电的过程中，对于智能化的技术进行应用是十分关键的，可以全面地提高电网的整体发电效率。
1.2人工智能技术的应用可行性分析
由于风电场的有功节能和其他机组相比较存在一定的限制，因此基本上都采用功率控制方法对风电机组的最大功率进行合理控制，这种方法主要将其风力机组最大功率输出进行实现，同时全面提高风电场的工作效率。因为对数字化电力设备进行合理的应用主要是人工智能技术的重要前提，通过对现如今风电系统的基本情况进行了解，已经充分实现了数字化，因此在风力进行发电的过程中，对人工智能技术进行应用是可行的。
1.3人工智能技术应用的优点分析
一是在风力发电的过程中，自动化的控制人员在实际进行管理决策的时候，可以通过合理地应用智能化的技术，起到一个决定性的作用，因此在急剧扩容和爆炸性的增长风力发电自动化控制系统背景之下，合理地对影像数据和发电机组的运行数据进行合理的应用，在智能化的技术进行帮助下可以更好地筛选和分析相应的数据，同时提供各种类型的情况和故障服务，这也是作为日后自动化控制系统的一个重要工作形式。而是在人工智能技术进行应用的时候，可以提供出更加全面的个性化的服务，在大数据的技术应用下，能够对风力发电机的相关数据进行掌握，更好地去集中信息，形成根据个体作为对象的档案，从而为针对性比较强的服务方案提供出单个的风力发电机，因此这点是需要引起足够的关注。
2人工智能技术在风力发电领域的应用
2.1人工智能算法在风电机组故障诊断应用
风电机组作为机电综合系统，其主要的故障为齿轮箱故障、电气系统故障和发电机故障等。故障可能是孤立发生，但更多情况下故障之间存在相应映射关系，对其进行状态监测与故障诊断难度大。风电机的故障诊断方法主要包括传统诊断、数学诊断和智能故障诊断。传统诊断法通常基于状态监测的数据进行分析，往往与其他方法相结合来对故障进行诊断。数学诊断法主要包括模式识别、模糊诊断、基于距离判据的故障诊断等。智能诊断方法主要包括模糊逻辑、神经网络、遗传算法等。目前，风力机组的故障诊断系统大部分情况而言，仍旧依靠人工来进行检测和分析，未达到全自动故障诊断的水平，因此通过引入人工智能技术实现智能诊断意义重大。
2.2专家评估系统在风力发电控制系统中的运用
专家评估系统是基于大数据技术和专家数据库系统的智能推理系统和辅助程序，是对专家思维和推理过程的全过程仿真与真实性模拟，由于专家评估系统包含专业知识信息库、推理与演绎模块、专家经验数据库、知识与经验储备等功能组成部分，所以对风力发电控制系统实现对实际情况和具体问题的分析和判断有着重要的针对性和功能性。风电机组系统是结构性和功能性高度融合的复杂系统，任一子系统存在运行的风险和故障都会在整体上和功能上造成对整个系统的不良影响和严重威胁。专家评估系统可以形成对风力发电机组电力信号、故障信息、特征向量的跟踪，实现整个风力发电控制系统对海量运行数据的模糊控制，在采取出组区域转矩控制的基础上结合变速控制方式，更好地提出针对不同风场风速风强的运行调整建议，在准确预测和全面控制的同时实现风力发电设备高效率、高安全地运行。风力发电设备及其控制系统在结构上异常复杂，根据系统论的基本观点风力发电系统越复杂，造成风力发电系统故障和隐患的因素就会越多，风力发电设备及其控制系统故障就会越复杂、越难于处理，而专家评估系统的应用可以实现对各设备、各器件的动态跟踪和实施检测，采取专业化推理和功能化演绎的方式作出故障和隐患的判断，更好地实现风力发电设备及其控制系统的连续、安全地运行。
2.3人工智能算法在风电发电量预测中的应用
目前，风电功率预测主要分为物理预测法和统计预测法两大类。其中物理预测法是通过天气预报预测出的风速、风向和温度等气象数据，与风场周围的海拔等高线、障碍物和地表粗糙度等地理实地信息，通过数学模型进行计算，之后通过微观气象学理论得到风机的轮穀高度风速和风向，利用其进行风电功率预测。物理预测法优点在于不需要历史数据；缺点是需要输入准确的天气预报数据和风场地理信息，需要的参数较多。同时由于天气预报不是实时发布，存在一定间隔期，物理预测方法更适用于6h上的短期和中长期预测。物理预测法在风险评估和随机优化上应用较为有限。统计预测法通过利用数学统计方法，建立实际发电量与历史数据之间的关系，并将这种关系抽象为一个模型，预测未来的风电发电量。其中比较成熟的是基于时间序列预测法与人工智能的预测方法两种。
结语
在未来的发展中，风电企业应该充分响应国家构建新能源体系的号召，采用科学有效的方式提升风电制造企业的技术管理水平和运维服务水平，进而提升我国风电机组的运行质量，实现对风电机组的智能高效管理。
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，2018，27（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.
[3]武小梅，白银明，文福拴.基于RBF神经元网络的风电功率短期预测[J]．电力系统保护与控制，2019，39（15）：80-83.
[4]彭显刚，胡松峰，吕大勇．基于RBF神经网络的短期负荷预测方法综述[J].电力系统保护与控制，2018，39（17）：144-148．