1 項目背景
光耀電力為新能源“智慧工廠”整體解決方案的技術供應商。如何利用人工智能技術提升發電量是長期困擾公司的痛點。
2 項目實施
1)總體實施思路與架構
項目預期目標
通過實施大數據技術和人工智能技術,對風電機組功率再彌合、再優化后提升有效發電小時數,同時減少發電運營成本。
實施路線與架構
1、利用大數據技術,校核風機實際切入、切出風速;
2、大數據技術實現風機自動啟停與節能方案;
3、大數據分析技術,時時監控風機啟停對部件損耗;
4、利用大數據技術對超短期、短期和長期功率預測,調整發電區間;
5、大數據技術,分析引起風機性能下降的因素及因素關聯度;
6、基于人工智能技術對風機報警智能判定與故障分析;
7、利用人工智能技術中模糊數學技術對風機健康判定;
8、利用人工智能技術完成風機備品備件的智能管理
9、利用人工智能技術完成風機預警模型與神經網絡應用
10、利用人工智能尋優模型與技術,監督風機自學習習慣,提高設備運行準確率與召回率。
2)應用場景與技術方案
應用場景和領域。
歷時10年,公司在新能源領域發電設備管控、人員認證、數字資產、環境安全等多個方面取得重大技術創新與突破,其應用場景包括基礎風電場群發電數據收集、區域管理公司發電數據管理、中央集團公司發電投資決策管理等。歷數10年服務歷程公司已服務過的風力發電機總數有12000臺,大約350個風場,市場占有率大約為17%。
技術實施方案
在利用人工智能深度學習技術提升發電量方面
從風電機組實際運行數據反映的風電機組功率輸出與多種不確定因素的復雜關系中找出風機的實際輸入數據(控制參數)和輸出數據(功率輸出),挖掘兩者的非線性關系。以均方誤差最小為目標,建立基于神經網絡技術的風電機組功率函數,以輸入層、隱藏層、輸出層等神經元構成該前饋神經網絡,根據輸入層中的風電機組控制參數和當前風速,經過各類判斷與學習,通過各類學習算法確定神經網絡的各類參數了,給出當前風電機組功率輸出情況。
在風電場發電機組風功率曲線研究中,將數據分段求解得出風機功率的概率密度函數,再利用最小二乘法、高斯矩陣消元法來擬合出散點的功率曲線,即擬合功率曲線對風電機組投運數據進行計算,同時,通過(同期、同比月份)、全年、投運全部數據等三個維度針對當前機組進行功率曲線的擬合分析,將多種維度擬合結果,再根據數學算法進行二次計算,得到更為準確的實際功率曲線的擬合結果,利用優化的單機實際功率曲線,在功率預測上、控制策略優化上、損失電量計算上、切入切出風速計算等多領域得到廣泛應用,用以提高風電場發電量效率。并形成自主知識產權15項。
3 實施效果
通過使用自主研發的斷點續傳技術,強化數據采集維護顯著提高了生產實時數據采集質量;利用風電場發電機組風功率曲線研究結果,指導發電優化作用控制策略、減少損失電量、優化切入切出風速,提高風電場發電量效率。通過服務中國國電集團電新能源公司,其寧夏風電場發電量由2017年106563萬度、增長到2018年118840萬度,提高發電量12277萬度,提高發電量10%以上。發電量明顯提升,發電銷售收入凈增加3%以上,項目全年間接帶動銷售收入2.5億元。