人工智能技术在风力发电领域运用现状及前景综述.pdfVIP

人工智能技术在风力发电领域运用现状

及前景综述

摘要：在2021年我国提出“碳达峰、碳中和”的长期能源战略发展目标后，

风力发电技术作为实现“双碳”目标的主力军迎来了前所未有的发展机遇，而人

工智能技术也由于计算机硬件水平的不断提升再次迎来蓬勃发展的时机。文章概

述了风力发电行业的发展趋势，介绍了现今已有诸多研究团队尝试将各类不同的

人工智能技术运用于风电领域的方方面面，包括风场选址、风机设计、故障诊断

及气象预测等，并阐释了现有人工智能技术在实际运用中的现状与其未来在风电

行业领域更为广阔的运用潜力。

关键字：风力发电，人工智能，运用前景

1引言

从上个世纪80年代以来，时间见证了全球风力发电产业的起步到如今的腾飞，全球总

装机容量到如今（截止2021年）已超过837GW。我国风力发电市场自2010年开始已持续十

余年成为全球最大市场，每年新增装机容量更是连续多年稳居世界第一，目前已成为国内第

三大电源。而在2021年我国提出“30·60”远景战略发展目标后，我国风力发电行业的发

展更是迎来了前所未有的机遇，据估算至“十四五”末期，我国新能源发电量将占全国发电

量的50%以上[1]。

本文将简要阐述风力发电技术在可预见未来内的发展趋势，讲述人工智能技术在目前风

力发电行业中的运用，尤其是在作者所从事的风力发电运维中的运用，并几点关于人工智能

技术在今后风电行业中运用前景的看法。

2发展趋势

目前风力发电场主要分为陆上风电及海上风电，其技术发展趋势存在一定程度差异，但

整体而言风力发电技术的创新突破主要是为了解决风电行业所面临的主要挑战，包括气象研

究、风机设计优化以及并网风场的最优化控制等三方面，概括起来风电技术的发展趋势主要

有大型化、智慧化两个大方向。

2.1面临挑战

宏观而言，在近几年中随着风电行业的蓬勃发展，国内优质风力资源消耗速度增加，大

量I类风资源地区已建成陆上风场。而截止2030年，我国风、光装机容量有望突破1200GW，

意味着大量风电项目将陆续上马，其中有数量可观的陆上风场或将新建于II类、III类乃至

IV类风资源地区，这就对风力发电机组捕捉低风速风资源的能力提出了极高要求；而海上风

场数量与装机容量也将得到显著提升，为降低海上施工、运维成本，扩大海上风机单机容量

势在必行。

在风场建设前期的选址过程中，业界通常测风一至三年后根据结果进行决策，然而受制

于测风塔数量、气候变换等多种因素，测风数据反应在风场建成后往往与设计预期存在偏差，

使得风电行业对于气象研究能力需求日益增长。而在风场建成投运后，业界主要面临两方面

问题，一是并网风场的控制策略，如何保证电网的稳定运行，尤其是在电网送出能力有限时

如何最优化对风场出力进行调配；二是风场投运后的重要工作将是风机设备的维护保养，如

何实现风机设备的状态检测，故障的提前预警、提前处理以提升风场的安全性、可靠性与发

电效率已成为业界高度关注的研究方向。

2.2发展趋势

由于陆上风场对于捕捉低风速风资源能力的需求日益增长，因此发展大容量陆上风机势

在必行。陆上机组单机容量的提升意味着更大的扫风面积和更高的轮毂高度，允许机组拥有

更低的切入风速，能够在同一地理位置可以捕获更多风能，尤其是捕获低风速风资源，可使

建于I类风资源区域以外的风电场更高效地有效提升发电量。而海上风电由于运输、吊装、

海底线缆及施工等成本远高于陆上风电，同容量风电场采用更大单机容量的机组可以有效降

低分摊到单位容量的各项投资成本。此外，同容量风场采用大型机组后，可降低风场机组数

量，不论对于陆上风场或海上风场而言，其都能有效减少运维工作量，实现在运风场运维管

理成本的降低，进而使得风场平准化度电成本的下降[2]。

而在当前数字化转型的浪潮下，风电行业对于运用数字手段的需求日益显著。从业界所

面临的主要挑战而言，数字化技术的运用主要用于解决两方面问题。一是如何利用气象大数

据促进风场建设前期风资源评估与风场微观选址工作，尤其我国部分地区多为微气候特征显

著的山地风场，高效利用人工智能技术更高效实现气象的精准预测，并在风场运营期实现微

气候条件下风速精准预测将是未来业界发展方向之一。目前风场选址工作中风资源数据多来

自于现场实测、气象站长期观测及卫星数据等结合，但现场实测数据所依托测风塔存在明显

的数量不足，