2024年人工智能赋能风电场提质增效报告-湖南大学.docx

人工智能赋能风电场提质增效

湖南大学电气与信息工程学院黄晟教授

海上风力发电装备与风能高效利用全国重点实验室副主任

报告提纲

一、背景与意义

二、人工智能赋能风电场优化控制

三、人工智能赋能风电场健康管理

四、人工智能赋能风电数字孪生

我国风电累计装机连续14年稳居全球第一，2023年新增装机全球占比6

我国风电累计装机连续14年稳居全球第一，2023年新增装机全球占比65.8%

全球风机企业前十6家金风科技新增装机

全球风机企业前十

6家

金风科技新增装机连续两年全球第一

风力发电

风力发电

截至2023年我国风电累计装机

470GW

已连续14年位居全球第一

2023年我国风电新增装机

77GW全球新增117GW

风力发电

背景与挑战发展趋势

风电呈现出机组大型化、场群规模化、深远海融合应用的发展趋势

明阳智能20

明阳智能20MW海上风机并网东方电气26MW海上风机下线

海南漂浮式海上风电试验项目浙江舟山六横清洁能源岛

总容量300万干瓦，701台风机

背景与挑战技术挑战

大规模风电机群提质增效的技术挑战

优化控制难度大

日前优化调度能力不足

日内多机协同快速精准调控能力较弱

健康管理能力不足

风电在线故障诊断与预测能力不足

风电动态运维调度能力较弱

辅助决策能力不足

数字孪生系统预测演化能力不足

系统多维验证能力较弱

传统技术难以满足风电快速发展的提质增效需求

背景与挑战

风电场规模巨大

最大陆上风场装机容量达3000兆瓦

场内机组之间耦合与干涉作用明显

【技术挑战1:优化控制难度大】

2017年海上风盟风电

()电项目项目

701台3000兆瓦80台400MW(二)269台1700MW

701台3000兆瓦

风电场规模增长速度

无法匹配

现有风电机群控制理论与技术

●被动、粗放型●主动、粗放型●主动、精益型

风电机群控制呈现高维、非线性、强耦合特性，优化

风电机群控制呈现高维、非线性、强耦合特性，优化控制机理复杂

背景与挑战【技术挑战2:健康管理能力不足】

运行环境恶劣

运维困难

故障种类多样

智慧运维成本高

通信不利

管理经验不足

风电场数据多源异构，故障种类多，运维困难且成本高

背景与挑战【技术挑战3:辅助决策能力不足】

算力不足问题严重

风速变化快运行工况快速时变

数字孪生体精度下降

数据传输效率低

尾流效应交互困难

决策无法保证准确

机组和场群运行工况变化极快

数字孪生系统的状态预测与验证能力有待进一步提高

研究意义背景与挑战

研究意义

引入人工智能技术将极大提升现有风电场优化控制、长期运维水平

优化控制方法要求低、效果好、范围广

√通过人工智能方法应对通信中断与信号噪声，保障系统稳定运行√人工智能技术有助于提升机组间协同能力，实现统一的控制目标

实现风电场群全寿命周期服役质量监测

√通过人工智能技术对系统中存在的故障进行诊断和预测

√人工智能技术可以提升风电场服役质量，加强健康管理能力

显著提高风电场辅助决策能力

√人工智能技术能快速响应风电场复杂的时空特性和快速变化的工况√人工智能技术基于对个体和环境的精细化轻量化建模，鲁棒性较强

人工智能技术的应用是实现风电产业高效高质量

人工智能技术的应用是实现风电产业高效高质量发展的有效手段

背景与挑战核心思想

口充分利用人工智能强大的决策能力，解决风电场优化调控遇到的关键问题。口充分利用人工智能强大的分类能力，解决风电场健康管理遇到的关键问题。

口充分利用人工智能强大的回归能力，解决风电场数字孪生系统遇到的关键问题。

人工智能技术

多时间尺度风电机群健康管理风电场群优化控制风电场数字孪生模型

多时间尺度

风电机群健康管理

风电场群优化控制

o

t+xd

t+x

d

d

d

十分+

十分

+十P

ld十O

ld

十O

v

*Y9个TT材

辅助决策

报告提纲

一、背景与意义

二、人工智能赋能风电场优化控制

三、人工智能赋能风电场健康管理

四、人工智能赋能风电数字孪生

关键技术一

风电场日前调度

155KVasiV

Q

电网380kV1sSIV

电网

155kV33V

风电场