风电行业相关成果分析与应用研究

程明

我国经济快速发展，工业化、城镇化进程加快，能源需求快速增长，能源供需矛盾日益突出，发展清洁能源技术、特别是加快开发利用可再生能源资源，是实现可持续发展的必然选择，在此大环境下，我国风电行业得到迅速发展。同时，在当前人工智能、神经网络、大数据等多种尖端技术的出现正在为全球多个行业带来巨大转变的背景下，建立风电行业科技创新体系，重视风电行业的智能化创新研究是当前风电行业在发展过程中的必经之路。我国风电行业资深研发专家时宗福，在多年的工作实践中，积累了丰富的行业经验，并将这些经验应用于实际的研究工作当中，相继为行业研发出多项智能科技成果，并可作为行业创新关键技术，为行业企业及科技工作者提供借鉴和研发依据。

关键词：人工智能、神经网络、风电行业

一、中国风电行业资深研发专家时宗福

时宗福，就职于迪时实业（上海）有限公司，是我国风电行业资深研发专家。他专注于风电行业多年，在风电行业具有极高的影响力。近几年，时宗福不断探索，将人工智能、神经网络等前沿科技与行业进行深度融合，坚持不懈地推动高新技术在风电行业中的应用和升级，相继研发出多项原创性科技成果，并积极投入市场进行成果转化及推广应用，为实现风电行业长足发展提供强有力的支撑。

二、技术成果分析与应用研究

1.基于目标优选和模型预测控制的风电调频平台

平台工作流程：S1、将模型预测控制模块分别与机侧变流模块、网测变流模块以及变桨模块相连接，风电主控模块又分别与模型预测控制模块、网测变流模块和变桨模块连接。S2、被控风电机组启动时，模型预测控制模块能够根据被控机组的波动情况计算并预测需要调节的桨距角，结合风电机组正常的变桨、转矩控制数据，形成最终的控制命令，下发至变桨模块和变流模块执行。S3、考虑实际运行时风速的波动，为了稳定功率输出，风电主控模块通过网测变流模块设定的“功率—转速”保护限值得出的计算结果，从而进行保护曲线规划。该项技术成果以模型预测控制技术为核心，研发出了一种智能化风电调频平台，通过被控风电机组提供的实时状态信息，预测并控制被控机组，以达到被控风电机组调频到最优状态。该技术成果与同类技术相比，可将预测精准度提高37%，将调频控制效率提高53.7%，是目前行业内最为先进的风电调频平台，同时可作为科技成果研发的示范性代表技术，为风电行业智能化创新打造了坚实的技术应用基础。

2.基于神经网络的风电并网智能控制系统

系统包括：PID控制模型、故障诊断模型、双馈发电模型、空载并网控制模型等多个模型。该系统以神经网络技术为基础，通过PID控制模型进行风力电流控制，减少期望电流、实际电流之间的误差，经过各层权值的不断调整，达到PID控制模型预设的误差限值，再通过双馈发电模型对有效数据进行整理，并总结出具多种仿真风电并网控制方案，最后通过空载并网控制模型对仿真风电并网方案进行验证，从而筛选出满足预设的最优风电并网控制方案。

该技术成果利用先进的神经网络技术，通过建模实现仿真全流程控制风电并网工作，同时智能化制定最优的风电并网控制方案，完美解决了风电并网过程中所产生的电流冲击或波动过大的问题，减少了60%人工控制风电并网工作的时间，显著减少了对电网的冲击，有效提高了风电并网之后的稳定性。这一技术成果让风电并网控制领域的智能化水平登上了新的台阶，为推动风电行业的高质量稳定发展提供了极大地助力。

3.基于粒子群算法的风电优化配置系统

系统包括：蓄电池模块、风力发电模块等诸多模块。该系统通过蓄电池模块对风电机组放电量进行不间断检测，同时通过风力发电模块对风电机组的负载总耗电量进行同步统计，在检测出故障的时候充分利用粒子群算法，高效快速的控制电网电压波动，并在满足该系统所设定的气象和负荷条件下进行配置优化设计，自动化生成满足全部条件的高度适配性方案，是同领域技术中最为突出的科研成果，促进了风电设备和风能开发利用的高速健康发展。

该技术成果能够有效检测到风电机组运行时的错误，并根据检测结果和统计数据自动化生成最佳配置方案，能广泛应用于各类风电场和各类风电机组优化配置工作中，在优化效率和成本价格方面具有巨大优势。经过近年来大范围的应用反馈，该成果在业界引起强烈反响，众多专家、行业科技人员都给予极高的评价和赞誉，转化应用反馈满意度极高，据2022年河北省授权应用企业同比估算，仅风电应用企业优化配置成本一项就降低了40.9%，实现风电场投资收益翻番式增长，有着良好的应用前景，也显著提升了风电优化配置的科学性和经济性，开拓了风电场高水平开发、高效率运行的“双高”新道路。

4.基于全寿命周期的风电设备监测维护系统

系统包括：感知层、数据层、平台层、应用层和展现层。感知层是风电运行全流程信息采集的关键部分，包括对风电场三维地形场景、施工进度、发电状态、设备运行状态等各部分数据进行全面采集，是对风电设备监测、运行维护的基础。数据层负责各风电设备数据的存储、组织、管理与共享，建立了各风电设备数据信息映射标准，以标准规范监测、管理和分发数据信息，实现不同设备间的数据共享。平台层是基础服务支撑平台，为风电企业决策层提供数据和协同管理等方面的技术支撑。展示层则是直接为用户提供人机交互界面，用户可通过交互操作对风电设备进行智能化监测规划管理。

该技术成果不仅能够提高各风电设备间数据共享效率，打破信息孤岛现状，更能够提升对风电设备的实时监测规划、建设管理、运营维护的合理性，满足了全寿命周期的的设备监测维护工作，显著提高了风电设备监测维护领域的智能化水平。据应用公司反馈数据得知，自应用该技术成果一年时间内，监测维护成本同比降低了40.5%，集成效率同比提高了将近70%，能实现各种异构风电场监测设备的数据通信、互连互通，满足现有的和将来不断出现的风电需求。可以说，该技术成果是当前我国风电设备监测领域极具代表性的成果之一，实现了风电场无人值守，却如身临其境的智能化升级目标。

结论：

上述文章对我国风电行业研发专家时宗福研发的“基于目标优选和模型预测控制的风电调频平台”、“基于神经网络的风电并网智能控制系统”、“基于粒子群算法的风电优化配置系统”、“基于全寿命周期的风电设备监测维护系统”四项技术成果分析和应用研究后，验证了四项成果都具有先进的智能化、数字化技术运用依据，为风电行业的智能化发展做出了卓越的贡献。同时，通过上述技术成果的应用，充分体现出时宗福作为我国风电行业资深专家，不仅具有扎实的理论基础，还具有极高的科技创新研发能力，所研发的多项先进技术成果有力地推动了风电行业智能化技术创新的蓬勃发展。

参考文献：

[1] 2021年中国风电发展现状与展望[J]. 冯泽深;赵增海;郭雁珩;艾琳;邱辰.水力发电,2022(10)

[2] 我国海上风电发展关键技术综述[J]. 李铮;郭小江;申旭辉;汤海雁.发电技术,2022(02)

[3]风电场一次调频能力的深度挖掘研究及应用[J]. 周磊;张谦;霍红岩;齐军.太阳能,2021(11)

[4] 推进智慧风电建设,提高风电核心竞争力[J]. 吴智泉.中国经济周刊,2019(10)