2024年人工智能賦能風(fēng)電場提質(zhì)增效報告-湖南大學(xué)（黃晟）

人工智能賦能風(fēng)電場提質(zhì)增效湖南大學(xué)電氣與信息工程學(xué)院黃晟教授海上風(fēng)力發(fā)電裝備與風(fēng)能高效利用全國重點實驗室副主任一、背景與意義二、人工智能賦能風(fēng)電場優(yōu)化控制四、人工智能賦能風(fēng)電數(shù)字孿生我國風(fēng)電累計裝機(jī)連續(xù)14年穩(wěn)居全球第一，2023年新增裝機(jī)全球占比6我國風(fēng)電累計裝機(jī)連續(xù)14年穩(wěn)居全球第一，2023年新增裝機(jī)全球占比65.8%全球風(fēng)機(jī)企業(yè)前十金風(fēng)科技新增裝機(jī)全球風(fēng)機(jī)企業(yè)前十金風(fēng)科技新增裝機(jī)連續(xù)兩年全球第一風(fēng)力發(fā)電風(fēng)力發(fā)電截至2023年我國風(fēng)電累計裝機(jī)已連續(xù)14年位居全球第一2023年我國風(fēng)電新增裝機(jī)全球新增117GW風(fēng)力發(fā)電背景與挑戰(zhàn)發(fā)展趨勢風(fēng)電呈現(xiàn)出機(jī)組大型化、場群規(guī)?；⑸钸h(yuǎn)海融合應(yīng)用的發(fā)展趨勢明陽智能20明陽智能20MW海上風(fēng)機(jī)并網(wǎng)東方電氣26MW海上風(fēng)機(jī)下線海南漂浮式海上風(fēng)電試驗項目浙江舟山六橫清潔能源島總?cè)萘?00萬干瓦，701臺風(fēng)機(jī)大規(guī)模風(fēng)電機(jī)群提質(zhì)增效的技術(shù)挑戰(zhàn)>風(fēng)電在線故障診斷>風(fēng)電動態(tài)運維調(diào)度能力較弱>數(shù)字孿生系統(tǒng)預(yù)測>系統(tǒng)多維驗證能力較弱最大陸上風(fēng)場裝機(jī)容量達(dá)3000兆瓦【技術(shù)挑戰(zhàn)1:優(yōu)化控制難度大】2017年海上風(fēng)盟風(fēng)電701臺3000兆瓦80臺400MW(二)269臺1700MW701臺3000兆瓦●被動、粗放型●主動、粗放型●主動、精益型風(fēng)電機(jī)群控制呈現(xiàn)高維、非線性、強耦合特性，優(yōu)化風(fēng)電機(jī)群控制呈現(xiàn)高維、非線性、強耦合特性，優(yōu)化控制機(jī)理復(fù)雜背景與挑戰(zhàn)【技術(shù)挑戰(zhàn)2:健康管理能力不足】運行環(huán)境惡劣運維困難故障種類多樣智慧運維成本高通信不利管理經(jīng)驗不足背景與挑戰(zhàn)【技術(shù)挑戰(zhàn)3:輔助決策能力不足】風(fēng)速變化快尾流效應(yīng)交互困難研究意義研究意義引入人工智能技術(shù)將極大提升現(xiàn)有風(fēng)電場優(yōu)化控制、長期運維水平優(yōu)化控制方法要求低、效果好、范圍廣實現(xiàn)風(fēng)電場群全壽命周期服役質(zhì)量監(jiān)測顯著提高風(fēng)電場輔助決策能力多時間尺度風(fēng)電機(jī)群健康管理風(fēng)電場群優(yōu)化控制風(fēng)電場數(shù)字孿生模型多時間尺度風(fēng)電機(jī)群健康管理風(fēng)電場群優(yōu)化控制odddd十分十分v個TT材二、人工智能賦能風(fēng)電場優(yōu)化控制關(guān)鍵技術(shù)一風(fēng)電場日前調(diào)度Q風(fēng)電場“動作智能”賦能日前規(guī)劃解決預(yù)測信息獲取困難的痛點【風(fēng)電場優(yōu)化控制】風(fēng)電場日內(nèi)調(diào)控讓風(fēng)機(jī)完全獨立“思考”,實現(xiàn)高效精準(zhǔn)協(xié)同控制aba有理有據(jù)的“黑箱”取優(yōu)去弊優(yōu)化噪聲關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】@@賦能基于強化學(xué)習(xí)的決策能力基于強化學(xué)習(xí)的決策能力，削弱了預(yù)測誤差對于優(yōu)化調(diào)度精確性的影響PrP?Ps…PePp…Pa?關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】研究內(nèi)容一：基于改進(jìn)深度研究內(nèi)容一：基于改進(jìn)深度Q網(wǎng)絡(luò)的無預(yù)測風(fēng)電場日前拓?fù)鋬?yōu)化口提出無預(yù)測日前風(fēng)電場拓?fù)鋬?yōu)化策略，基于強化學(xué)習(xí)架構(gòu)，設(shè)計及構(gòu)建歷史數(shù)據(jù)驅(qū)動的狀態(tài)空間，智能動作優(yōu)化空間及多維度獎勵評價體系。隨風(fēng)電場環(huán)境變化，智能體可依獎勵反饋持續(xù)優(yōu)化決策，動態(tài)調(diào)整拓?fù)?。融合離線預(yù)訓(xùn)練與在線微調(diào)，使用自適應(yīng)算法優(yōu)化模型參數(shù)，進(jìn)行日前拓?fù)鋬?yōu)化開關(guān)狀態(tài)有功出力無功出力構(gòu)建模型1.構(gòu)建經(jīng)驗池{S,,A,r,S+1}2.數(shù)據(jù)處理3.按照優(yōu)化評價體系優(yōu)化目標(biāo)4.得到拓?fù)鋬?yōu)化結(jié)果組成解耦動作空間422關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】口優(yōu)化后各節(jié)點的電壓在24h內(nèi)均處于安全范圍內(nèi)，且更接近于基準(zhǔn)值，電壓優(yōu)化效果明顯口拓?fù)渲貥?gòu)后風(fēng)電場的網(wǎng)損明顯下降口拓?fù)渲貥?gòu)后的風(fēng)電場在每個時段的電壓分布均衡度均小于拓?fù)渲貥?gòu)前的風(fēng)電場拓?fù)渲貥?gòu)后全局電壓更加穩(wěn)定…拓?fù)渲貥?gòu)后全局電壓更加穩(wěn)定……拓?fù)渲貥?gòu)電壓、網(wǎng)損表現(xiàn)→補重構(gòu)飾的一節(jié)點電壓→基于改進(jìn)DQN而撲重構(gòu)所的一節(jié)點電壓時段【風(fēng)電場優(yōu)化控制】【風(fēng)電場優(yōu)化控制】賦能構(gòu)建數(shù)據(jù)-模型混合驅(qū)動架構(gòu)，顯著提升了集中式MPC控制的抗干擾能力GCN-EaodDaukn:嘴10ArthNNetwik二關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】口創(chuàng)新構(gòu)建數(shù)據(jù)-模型混合驅(qū)動架構(gòu)，含動態(tài)權(quán)重調(diào)整抗噪機(jī)制。依噪聲動態(tài)調(diào)配權(quán)重，當(dāng)數(shù)據(jù)驅(qū)動受擾，增減MPC與數(shù)據(jù)驅(qū)動權(quán)重穩(wěn)電壓、抑波動、強抗噪。結(jié)合二者優(yōu)勢，可精準(zhǔn)預(yù)測功率、持續(xù)輸出可靠指令，保證電力系統(tǒng)可靠供電。GCN數(shù)據(jù)驅(qū)動數(shù)據(jù)模型混合驅(qū)動——取優(yōu)去弊數(shù)據(jù)模型混合驅(qū)動——取優(yōu)去弊提高適應(yīng)性eeo-磷o(hù)【風(fēng)電場優(yōu)化控制】【風(fēng)電場優(yōu)化控制】口風(fēng)電場混合驅(qū)動策略優(yōu)勢顯著。其數(shù)據(jù)驅(qū)動精準(zhǔn)提取特征，預(yù)測誤差有明顯優(yōu)勢；口MPC模型高效調(diào)配功率，波動標(biāo)準(zhǔn)差有明顯優(yōu)勢；ANN融合動態(tài)抗噪，電壓偏差均值降，穩(wěn)定可靠，全方位提升性能。不同控制方法電壓分布差異噪聲干擾下不同控制方法電壓差異不同控制方法電壓分布差異噪聲干擾下不同控制方法電壓差異)86423本方法結(jié)果更接近理想電壓分布，電壓分布面更光滑本方法結(jié)果更接近理想電壓分布，電壓分布面更光滑1.04保持電壓控制的準(zhǔn)確性，通過動態(tài)權(quán)值增強了風(fēng)電場電壓的抗噪聲能力，具有更強的適應(yīng)性和魯棒性關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】風(fēng)電場快速動態(tài)響應(yīng)能力不足風(fēng)電場快速動態(tài)響應(yīng)能力不足賦能賦能分布式控制方法復(fù)雜且對于通信的要求較高關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】山o積+++中十十傳統(tǒng)風(fēng)電場的控制1.依賴精確模型與通信2.參數(shù)敏感與缺乏協(xié)調(diào)NoNotw;.81.高效利用數(shù)據(jù)資源2.擺脫參數(shù)依賴3.挖掘隱藏特征與動態(tài)特性hLPQrC1.通信高效性與成本降低2.響應(yīng)快速性與自主性提升3.系統(tǒng)可靠性與容錯性增強關(guān)鍵技術(shù)一【風(fēng)電場優(yōu)化控制】通訊失效風(fēng)電場性能通訊失效風(fēng)電場性能1通訊失效機(jī)組端電壓正常，保證風(fēng)電場安全優(yōu)越的電壓偏差表現(xiàn)優(yōu)越的電壓偏差表現(xiàn)不同控制方法下的電壓偏差表現(xiàn)所提模型在深度學(xué)習(xí)領(lǐng)域?qū)Ρ人崮Ｐ驮谏疃葘W(xué)習(xí)領(lǐng)域?qū)Ρ?64232風(fēng)機(jī)綜合平均絕對百分比誤差結(jié)果對比利用本方法在無通信情況下實現(xiàn)了風(fēng)電場電壓的全局最優(yōu)控制，同時減輕了通信故障的影響一、背景與意義二、人工智能賦能風(fēng)電場優(yōu)化控制三、人工智能賦能風(fēng)電場健康管理關(guān)鍵技術(shù)二【風(fēng)電場健康管理】風(fēng)力發(fā)電機(jī)健康管理難點解決措施診斷預(yù)測診斷預(yù)測決策風(fēng)力發(fā)電機(jī)故障診斷模型風(fēng)力發(fā)電機(jī)故障智能預(yù)測模型服役質(zhì)量狀態(tài)預(yù)警管控云服務(wù)平臺關(guān)鍵技術(shù)二【風(fēng)電場健康管理】人工智能賦能風(fēng)力發(fā)電機(jī)故障診斷人工智能賦能風(fēng)力發(fā)電機(jī)故障診斷診斷方法在工作條件發(fā)生變化關(guān)鍵技術(shù)二【風(fēng)電場健康管理】>提出了一種突變轉(zhuǎn)速下的風(fēng)力發(fā)電機(jī)多故障診斷方法，對采集信號分解重構(gòu)并對頻域特征增強，提取突變*米來米米來*水水載載載空半滿感知匹配方法流程圖類型數(shù)據(jù)量卷積層數(shù)據(jù)量卷積層數(shù)據(jù)量卷積層正常電機(jī)611649988單相斷路48998988轉(zhuǎn)子偏心496569頻率提取和重采樣階次譜修正后SDP圖像重采樣穩(wěn)態(tài)信號參數(shù)和分辨率白適應(yīng)算法峰值搜索法瞬時領(lǐng)率檢態(tài)信號感知匹配預(yù)處理信號重采樣前后原始變轉(zhuǎn)速信號頻域特征提取小波變換關(guān)鍵技術(shù)二【風(fēng)電場健康管理】研究內(nèi)容一：基于圖像視覺特征的風(fēng)力發(fā)電機(jī)狀研究內(nèi)容一：基于圖像視覺特征的風(fēng)力發(fā)電機(jī)狀態(tài)監(jiān)測與故障診斷方法重采樣前后故障診斷對比突變轉(zhuǎn)速下各方法診斷結(jié)果比較多故障類型各方法診斷結(jié)果對比1正常電機(jī)轉(zhuǎn)子斷條軸承故障單相斷路轉(zhuǎn)子偏心斷正確率較高1該方法能有效適應(yīng)風(fēng)電場復(fù)雜工況，實現(xiàn)準(zhǔn)確度高、診斷類型多的發(fā)電機(jī)故障診斷方法關(guān)鍵技術(shù)二【風(fēng)電場健康管理】故障預(yù)測難點人工智能賦能風(fēng)力發(fā)電機(jī)故障預(yù)測以信號分布作為預(yù)測目標(biāo)，使得預(yù)測對于退化模型和參數(shù)免疫以信號分布作為預(yù)測目標(biāo)，使得預(yù)測對于退化模型和參數(shù)免疫賦能關(guān)鍵技術(shù)二【風(fēng)電場健康管理】口提出一種基于故障特征提取和信號分布優(yōu)化故障預(yù)測方法，將系統(tǒng)輸出的時序信號經(jīng)分解重構(gòu)后，捕捉信號分布特征，輸入至門控循環(huán)單元中，對系統(tǒng)后續(xù)信號分布進(jìn)行預(yù)測。將預(yù)測結(jié)果和不同故障下信號分布對比，得到故障預(yù)測結(jié)果。門控循環(huán)單元門控循環(huán)單元GRU內(nèi)部結(jié)構(gòu)GRU內(nèi)部結(jié)構(gòu)hh口X擴(kuò)展粒子群算法關(guān)鍵技術(shù)二【風(fēng)電場健康管理】●1-5組及60-65組時序分布預(yù)測數(shù)據(jù)，信號分布較穩(wěn)定，軸承處于正常狀態(tài)●121-125組左右軸承發(fā)生故障開始退化，191-195組軸承故障，預(yù)測結(jié)果和實際數(shù)據(jù)有較好的擬合效果1-5組海本方法預(yù)測的故障信本方法預(yù)測的故障信號分布特征與實際值趨勢保持一致，有效消除隨機(jī)誤差組關(guān)鍵技術(shù)二【風(fēng)電場健康管理】研究內(nèi)容三：大型風(fēng)電機(jī)組服役質(zhì)量狀態(tài)預(yù)警管控云服務(wù)平臺研究內(nèi)容三：大型風(fēng)電機(jī)組服役質(zhì)量狀態(tài)預(yù)警管控云服務(wù)平臺●設(shè)計了面向大型風(fēng)電機(jī)組服役質(zhì)量評估與維護(hù)質(zhì)量控制的基于云平臺的三級總體構(gòu)架方案日常運行日常運行口健康損耗累積與耦合模型口典型用例庫動態(tài)調(diào)控動態(tài)調(diào)控口服役質(zhì)量監(jiān)測系統(tǒng)口全周期服役質(zhì)量動態(tài)調(diào)控維護(hù)保養(yǎng)維護(hù)保養(yǎng)口全局服役效能綜合評估口評估系統(tǒng)性能認(rèn)證數(shù)據(jù)0程故障漏源系統(tǒng)【風(fēng)電場數(shù)字孿生】解決措施風(fēng)力發(fā)電機(jī)數(shù)基于有限元模型的數(shù)字孿生體對算力需求過高風(fēng)力發(fā)電機(jī)輕量化數(shù)字孿生模型據(jù)輕量化、模型輕量化的數(shù)字孿生模型風(fēng)力發(fā)電機(jī)協(xié)同演化數(shù)字孿生模型字李生數(shù)字孿生體自更新能力不足之間的關(guān)系，結(jié)合實時輸出實現(xiàn)數(shù)字孿生體自更新檢測驗證評價方法的缺失導(dǎo)致數(shù)字孿生體難以實現(xiàn)自我修正風(fēng)力發(fā)電機(jī)數(shù)字孿生體檢測驗證技術(shù)>提出數(shù)字孿生體量化指標(biāo)，結(jié)合人工智能提出指標(biāo)的量化方法，對數(shù)字孿生體檢測驗證，輔助數(shù)字孿生體自我修正【風(fēng)電場數(shù)字孿生】【風(fēng)電場數(shù)字孿生】人工智能賦能風(fēng)電場數(shù)字孿生數(shù)字孿生建模難點人工智能賦能風(fēng)電場數(shù)字孿生數(shù)字孿生建模難點賦能賦能輕量化模型提出提出機(jī)理反饋矯正模型，提升際物理參數(shù)在發(fā)生改變，導(dǎo)致協(xié)同演化關(guān)鍵技術(shù)三【風(fēng)電場數(shù)字孿生】研究內(nèi)容一：風(fēng)電機(jī)組輕量化協(xié)同演化數(shù)字孿生模型研究研究內(nèi)容一：風(fēng)電機(jī)組輕量化協(xié)同演化數(shù)字孿生模型研究輕量化數(shù)字孿生模型研究輕量化數(shù)字孿生模型研究動的修正，使得模型的精度得到進(jìn)一步提升，最終形成一個精度充分驗證且理論完整的模型，能夠準(zhǔn)確輸出風(fēng)電機(jī)群的功率、溫度、振動信號等數(shù)字孿生值?；跀?shù)據(jù)驅(qū)動的數(shù)字孿生基于數(shù)據(jù)驅(qū)動的數(shù)字孿生位置啦力58CSM=發(fā)貓經(jīng)網(wǎng)絡(luò)模型。基于數(shù)據(jù)-模型聯(lián)合驅(qū)動的數(shù)字孿生模型度33例忍度BP神經(jīng)聞格所呼與實際數(shù)據(jù)擬合。模型驅(qū)動提供基準(zhǔn)精度數(shù)據(jù)驅(qū)動提供精度修正數(shù)據(jù)驅(qū)動提供精度修正數(shù)據(jù)-模型驅(qū)動得以精確輸出關(guān)鍵技術(shù)三【風(fēng)電場數(shù)字孿生】研究內(nèi)容一：風(fēng)電機(jī)組輕量化協(xié)同演化數(shù)字孿生模型研究研究內(nèi)容一：風(fēng)電機(jī)組輕量化協(xié)同演化數(shù)字孿生模型研究●通過建立靈敏度矩陣等方式，反饋修正機(jī)理模型參數(shù)，實現(xiàn)數(shù)字孿生體自更新風(fēng)力發(fā)電機(jī)協(xié)同演化建模修正機(jī)理模型矩陣風(fēng)力發(fā)電機(jī)輕量化建模風(fēng)力發(fā)電機(jī)協(xié)同演化建模修正機(jī)理模型矩陣風(fēng)力發(fā)電機(jī)輕量化建模電機(jī)環(huán)境變量、人為變量數(shù)據(jù)獲?。猴L(fēng)速、變流器功率、變流器電流、輪轂轉(zhuǎn)速等X1X1X2-k個輸入自安量x監(jiān)理機(jī)理模型機(jī)理模型輸出曲線風(fēng)力發(fā)電機(jī)數(shù)字孿生體建模風(fēng)力發(fā)電機(jī)數(shù)字孿生體建模建立基于模型驅(qū)動的風(fēng)力發(fā)電機(jī)數(shù)字孿生模型：建立基于模型驅(qū)動的風(fēng)力發(fā)電機(jī)數(shù)字孿生模型：建立熱導(dǎo)矩陣，求解節(jié)點溫度曲線【風(fēng)電場數(shù)字孿生】【風(fēng)電場數(shù)字孿生】●對比數(shù)字孿生體和實際系統(tǒng)輸出結(jié)果，數(shù)字孿生體與實際結(jié)果誤差較小數(shù)字孿生模型溫度結(jié)果分析數(shù)字孿生模型振動結(jié)果分析數(shù)字孿生模型功率結(jié)果分析數(shù)字孿生模型溫度結(jié)果分析數(shù)字孿生模型振動結(jié)果分析數(shù)字孿生模型功率結(jié)果分析間間一程向一宰生動程向【風(fēng)電場數(shù)字孿生】關(guān)鍵技術(shù)三【風(fēng)電場數(shù)字孿生】研究內(nèi)容二：風(fēng)電機(jī)群服役質(zhì)量數(shù)字孿生系統(tǒng)檢測驗證技術(shù)現(xiàn)有體系現(xiàn)有體系無統(tǒng)一標(biāo)準(zhǔn)1.模型完成度評價量化困難，老化程度難以評價以虛控實以虛預(yù)實1.模型完成度評價量化困難，老化程度難以評價以虛控實以虛預(yù)實以虛優(yōu)實虛實共生2.單一量化指標(biāo)多數(shù)論文使用RMSE、MAE不夠全面提出風(fēng)電數(shù)字孿生評價指標(biāo)孿生橫向誤差準(zhǔn)確性孿生縱向誤差魯棒性孿生爬坡相似度協(xié)同演化性孿生各分量相似度關(guān)鍵技術(shù)三【風(fēng)電場數(shù)字孿生】準(zhǔn)確性、實時性量化方法準(zhǔn)確性、實時性量化方法●提出交叉相關(guān)與動態(tài)規(guī)劃組合的準(zhǔn)確性評價方法，通過分析每一個節(jié)點孿生值和真實值在時間尺度的畸變程度并得到量化指標(biāo)準(zhǔn)確性量化方法●依據(jù)準(zhǔn)確性時延調(diào)整時序，計算縱向相對誤差準(zhǔn)確性量化