人工智能可以帮助预测风力,并管理风力发电场

   绿意新能        

谷歌及其DeepMind人工智能子公司已经将谷歌在美国中部获取的700兆瓦风能的天气数据与电力数据结合起来。利用机器学习,他们能够更好地预测风力,这在能源市场上是有回报的。


谷歌能源市场策略主管MichaelTerrell)最近在《福布斯》(Forbes)上发表的一篇文章中表示:“很多电力市场的运作方式是,你必须提前一天安排资产。”。“当你这样做的时候,你得到的报酬往往比你在市场上实时销售的时候要高。”

人工智能可以帮助预测风力,并管理风力发电场

这是人工智能应用于风能和风能市场的一个例子,许多地区的参与者都在尝试这项工作。


Terrell在Precourt最近举办的一次研讨会上说:“我们一直在与DeepMind团队合作,利用机器学习来获取公开的天气数据,实际预测我们认为第二天的风力发电量,并将风力投入到日前市场。”斯坦福大学能源研究所。


结果是风电场的收入增加了20%,特雷尔说。谷歌一直致力于从根本上减少碳足迹。特雷尔表示,该公司最近实现了一个里程碑,将年度能源使用与年度可再生能源采购相匹配。


DeepMind项目经理萨姆•威瑟斯彭(SamWitherspoon)在博客中表示:“我们希望这种机器学习方法能够加强风力发电的商业案例,推动全球电网进一步采用无碳能源。”。他和软件工程师卡尔•埃尔金(CarlElkin)描述了他们是如何提高谷歌在西南电力池(southernPowerPool)的风电场的利润的。西南电力池是一个横跨从加拿大边境到北德克萨斯州平原的能源市场。


从SmartWind项目看欧洲对风能的承诺


欧洲国家对风能做出了巨大承诺,根据《创新起源》最近的一篇报道,到2030年,海上风电场将被要求提供荷兰全部能源的8.5%和当前电力消耗的40%。


人工智能预计将在这项工作中发挥重要作用,有助于增加发电量和降低风电场的维护成本。相关的SmartWind项目由四家公司和德国波鸿鲁尔大学(RuhrUniversityBochum)组成的财团承担。


“在智能风电领域,我们可以利用人工智能算法的能力来优化风电场的管理,”该大学电力系统技术研究所的ConstantinosSourkounis教授说,他是德国工作组的负责人。该团队的目标是建立一个集成的云平台,以降低成本和优化收入,基于先进和自动化的数据分析、故障检测、诊断和运营管理建议功能。


该平台将实时收集来自传感器和控制系统的数据,如状态和维护管理。机器学习算法和其他人工智能技术构成了早期故障检测和诊断的支柱。


土耳其风电场运营商ZorluEnerji是SmartWind的合作伙伴,他将能够直接将研究结果付诸实践。“这个项目值得注意的是研究和直接应用之间的密切关系。我们能够首先在实验室测试理论结果,然后在我们的合作伙伴ZorluEnerji运营的测试风电场进行测试,”Sourkounis教授说。


状态监测系统有助于管理远程风力涡轮机


机器状态监测系统(CMSs)正在应用于风力涡轮机,以帮助确保最大的可用性和生产。


德国达姆施塔特Bruel&KjaerVibro(B&KVibro)的高级应用工程师Mike Hastings说:“这就是我们所说的大数据,包括各种运行条件下的机器振动和过程数据,以及各种风力涡轮机类型和组件,在过去的20年里,该公司已经在全球安装了25000多个数据采集系统,其中12000个被远程监控。因此,“B&KVibro积累了大量的监测数据数据库,其中包括几乎所有可想象的潜在故障模式的故障数据,”黑斯廷斯写道。


随着世界范围内风力涡轮机装机容量的增加,在能源市场中发挥着更大的作用,因此需要确保这些涡轮机的最大可用性和产量。机器状态监测在这方面很重要,今天交付的许多新涡轮机已经作为标准安装了状态监测系统。对于海上风力涡轮机来说,由于距离维护较远,它们都有这样一个系统。


黑斯廷斯写道:“大数据非常适合数据驱动的人工智能(AI)和机器学习(ML)的开发和实施。”


对于故障检测,描述符由专家配置,这些描述符的检测由SMA自动完成。具有多年经验的诊断专家已将故障检测的单个描述符及其配置优化到高可靠性水平。他写道:“人工智能的一个固有优势是它能够筛选大量的CMS数据以找到模式。”。隐藏的诊断也可以在历史数据中找到。


对于潜在故障前的故障检测,人工智能可以将结果显示为几个潜在故障模式的列表,每个模式都具有确定的概率。黑斯廷斯写道:“过去,B&KVibro一直在开发神经网络自动故障诊断产品,这仍然是未来改进的一个重要领域。”




最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐