人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用

王寶亮

摘 要：隨著智能巡檢技術(shù)的推廣，數(shù)字風(fēng)電場(chǎng)、智能風(fēng)電場(chǎng)己經(jīng)從概念轉(zhuǎn)向了現(xiàn)實(shí)，風(fēng)力發(fā)電機(jī)領(lǐng)域迫切需要一種更為智能且靈活的巡檢方式。采用智能技術(shù)代替人工作業(yè)是一種較好的解決方案，通過(guò)自動(dòng)化、智能化的技術(shù)手段、廣采用能夠持續(xù)、穩(wěn)定在特種環(huán)境進(jìn)行工作的自動(dòng)化設(shè)備實(shí)現(xiàn)巡視工作的人力替代是具泛經(jīng)濟(jì)效益和社會(huì)效益的解決方案，并且能夠有效地提高工作效率，降低巡視登高作業(yè)的風(fēng)險(xiǎn)和提高故障的檢出比率。

關(guān)鍵詞：人工智能技術(shù);風(fēng)力發(fā)電領(lǐng)域;應(yīng)用

引言

隨著世界經(jīng)濟(jì)的不斷增長(zhǎng)，全球?qū)τ谀茉吹男枨蟛粩嘣鲩L(zhǎng)，過(guò)去以火電為主的傳統(tǒng)能源方式對(duì)環(huán)境的污染日益凸顯。因此如何處理好驅(qū)動(dòng)人類(lèi)經(jīng)濟(jì)發(fā)展的能源保障與環(huán)境保護(hù)成為一大難題，而利用以風(fēng)能為能源發(fā)電形式的新能源技術(shù)成為解決這一問(wèn)題的技術(shù)手段。發(fā)展風(fēng)電技術(shù)對(duì)于人類(lèi)社會(huì)可持續(xù)發(fā)展有著舉足輕重的作用，但風(fēng)電技術(shù)作為一門(mén)新興技術(shù)，其存在諸多問(wèn)題待解決。人工智能技術(shù)作為“第四次科技革命”的重要標(biāo)志，其具有可以對(duì)人的意識(shí)、思維信息過(guò)程的模擬功能，通過(guò)人工智能技術(shù)的應(yīng)用，可以更高效地解決風(fēng)電技術(shù)發(fā)展過(guò)程中的諸多問(wèn)題。

1.人工智能技術(shù)的概況

人工智能（Artificial工ntelligence，英文縮寫(xiě)A工），是計(jì)算機(jī)科學(xué)的一個(gè)分支，通過(guò)計(jì)算機(jī)技術(shù)了解并分析人類(lèi)智能的本質(zhì)，進(jìn)而生產(chǎn)與人類(lèi)智能相似的智能機(jī)器。從語(yǔ)義學(xué)分析，人工智能是“人工”與“智能”兩個(gè)語(yǔ)言單位的結(jié)合。

“人工”必須是人造的，是科學(xué)和工程的產(chǎn)物。需要注意的是，人工智能中的人工，雖然是人類(lèi)研究、開(kāi)發(fā)的主動(dòng)行為，但并不包括生物學(xué)的人工，因?yàn)榛蚬こ膛c人工智能的科學(xué)基礎(chǔ)全然不同。

“智能”（intelligence）是指人的智力能力，是人類(lèi)認(rèn)知、記憶、判斷、思考、想象等能力。如，法國(guó)心理學(xué)家阿爾弗雷德？比奈（Alfred Binet）將“智能”定義為“判斷，又或稱(chēng)為判斷力強(qiáng)，實(shí)踐感強(qiáng)，首創(chuàng)精神，適應(yīng)環(huán)境的能力。良好決策、充分理解、正確推論但記憶與判斷不同且獨(dú)立于判斷?！雹佟杜＝蛴⒄Z(yǔ)詞典》將智能解釋為“獲取和應(yīng)用知識(shí)與技能的能力”，這顯然取決于記憶?？偨Y(jié)起來(lái)，智能是一種心智能力，與神經(jīng)機(jī)制和認(rèn)知活動(dòng)密切相關(guān)。與生物層次的“神經(jīng)”不同，從科學(xué)角度和心理層次看，智能更偏重于“認(rèn)知”是偏重于宏觀行為層次的界定。

綜合來(lái)看，智能主要包括與環(huán)境相適應(yīng)的學(xué)習(xí)能力，靈活機(jī)動(dòng)的反應(yīng)能力，以及對(duì)于觀念中事物的預(yù)想創(chuàng)造能力。可以說(shuō)，智能重在主體能動(dòng)性的解釋?zhuān)葱闹悄芰?。因此，智能與心智機(jī)制的實(shí)現(xiàn)關(guān)系密切，體現(xiàn)在感知、適應(yīng)、學(xué)習(xí)、情感、判斷、意識(shí)和創(chuàng)造等方面。所以，人工智能可以定義為，一種用于幫助或者替代人類(lèi)思維的工具，這種智能工具以計(jì)算機(jī)程序的形式體現(xiàn)，可以獨(dú)立存在于數(shù)據(jù)中心，也可以通過(guò)諸如機(jī)器人之類(lèi)的設(shè)備體現(xiàn)出來(lái)。同時(shí)，人工智能具也備在特定環(huán)境中有目的地獲取和應(yīng)用知識(shí)與技能的能力。

2.人工智能技術(shù)在風(fēng)力發(fā)電領(lǐng)域的應(yīng)用

（1）導(dǎo)航定位程序

在智能巡檢機(jī)器人導(dǎo)航定位過(guò)程中考慮到機(jī)器人運(yùn)行速度需可調(diào)、負(fù)載重量變化等因素，因此采用PID控制算法結(jié)合步進(jìn)電機(jī)反饋回來(lái)的編碼器數(shù)值形成閉環(huán)控制系統(tǒng)。理論上閉環(huán)控制系統(tǒng)能利用反饋回來(lái)的編碼器數(shù)值對(duì)系統(tǒng)受到的干擾進(jìn)行抑制或者消除，采用該方法在智能巡檢機(jī)器人導(dǎo)航定位過(guò)程中可以控制電機(jī)轉(zhuǎn)速，使得電機(jī)在不同負(fù)載情況下依然保持在目標(biāo)速度附近波動(dòng)。

（2）安全保護(hù)程序

風(fēng)力發(fā)電機(jī)艙內(nèi)部軌道式智能巡檢機(jī)器人在工作過(guò)程中，為了避免機(jī)器人誤動(dòng)作或碰撞到障礙物造成的損失，智能巡檢機(jī)器人安裝了機(jī)械式式行程開(kāi)關(guān)，用于檢測(cè)障礙和保護(hù)機(jī)器人。機(jī)器人在水平運(yùn)動(dòng)方向和垂直運(yùn)動(dòng)方向各安裝了2個(gè)行程開(kāi)關(guān)，機(jī)器人防撞的基本原理是當(dāng)機(jī)器人即將碰撞到障礙物時(shí)行程開(kāi)關(guān)會(huì)先動(dòng)作，主控制器捕捉到相關(guān)行程開(kāi)關(guān)動(dòng)作后立刻進(jìn)入保護(hù)狀態(tài)。

在軟件設(shè)計(jì)中，整個(gè)安全保護(hù)程序是一個(gè)獨(dú)立的子程序。在主程序中循環(huán)檢測(cè)四個(gè)行程開(kāi)關(guān)運(yùn)行狀態(tài)，一旦行程開(kāi)關(guān)被主控制器檢測(cè)到動(dòng)作后并持續(xù)2ms，則會(huì)執(zhí)行保護(hù)動(dòng)作。如果報(bào)警信號(hào)持續(xù)5分鐘，則被認(rèn)為發(fā)生嚴(yán)重故障，智能巡檢機(jī)器人會(huì)自動(dòng)返航并且上傳故障報(bào)警至監(jiān)控后臺(tái)。

（3）數(shù)據(jù)傳輸與通信

軌道式智能巡檢機(jī)器人上搭載的可見(jiàn)光攝像頭和紅外攝像頭借助電力載波通信技術(shù)通過(guò)以太網(wǎng)直接將現(xiàn)場(chǎng)視頻和圖片傳輸至后臺(tái)控制室，并不經(jīng)過(guò)下位機(jī)的STM32主控制器，但攝像頭采集的圖片和視頻和前者在同一個(gè)LabVIEW工程中。后臺(tái)上位機(jī)負(fù)責(zé)使用攝像頭進(jìn)行圖像采集和視頻監(jiān)控并進(jìn)行數(shù)據(jù)處理。

本次設(shè)計(jì)的LabVIEW自身可以采集網(wǎng)絡(luò)攝像頭傳輸回來(lái)的視頻，并且可以對(duì)攝像頭云臺(tái)進(jìn)行操控。考慮到程序運(yùn)行效率和開(kāi)發(fā)成本，我們采用了網(wǎng)絡(luò)攝像頭自帶SDK在LabVIEW中進(jìn)行開(kāi)發(fā)，通過(guò)調(diào)用其動(dòng)態(tài)連接庫(kù)和相關(guān)函數(shù)進(jìn)行圖像采集、云臺(tái)控制等，這樣既可以保證程序運(yùn)行的穩(wěn)定性又提高了軟件開(kāi)發(fā)效率。具體運(yùn)行過(guò)程如下：

①在LabVIEW程序中，程序首先運(yùn)行Init初始化函數(shù)，可見(jiàn)光攝像頭開(kāi)始完成初始化運(yùn)動(dòng)。

②進(jìn)入Login函數(shù)完成用戶(hù)登陸，包括可見(jiàn)光攝像頭在本地局域網(wǎng)內(nèi)的IP地址和用戶(hù)名密碼登陸等操作。

③進(jìn)入RealPlay函數(shù)進(jìn)行實(shí)時(shí)視頻顯示，并且通過(guò)以太網(wǎng)傳輸?shù)缴衔粰C(jī)。

④進(jìn)入SaveData函數(shù)完成視頻存儲(chǔ)地址、文件命名等設(shè)置。

⑤進(jìn)入Control函數(shù)完成對(duì)可見(jiàn)光攝像頭的云臺(tái)的控制，包括水平旋轉(zhuǎn)，俯仰角旋轉(zhuǎn)，對(duì)焦，放大縮小倍率等功能。

⑥進(jìn)入Capturepicture函數(shù)自動(dòng)抓取當(dāng)前圖片，也可手動(dòng)控制抓拍圖片。

⑦上位機(jī)發(fā)送停止命令，進(jìn)入Stoprealplay函數(shù)，停止實(shí)時(shí)視頻顯示。

⑧進(jìn)入Logout函數(shù)，清除用戶(hù)登錄信息以及地址信息。

3.大數(shù)據(jù)分析在風(fēng)電機(jī)組運(yùn)行分析

（1）大數(shù)據(jù)分析與挖掘

首先反映風(fēng)電機(jī)組狀態(tài)信息數(shù)據(jù)的來(lái)源于SCADA系統(tǒng)和“全通道”監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了對(duì)機(jī)組的全方位的數(shù)據(jù)采集，由于數(shù)據(jù)包括振動(dòng)值、溫度值、壓力值等格式標(biāo)準(zhǔn)不統(tǒng)一，以及SCADA系統(tǒng)監(jiān)測(cè)參數(shù)之間的信息冗余等干擾影響，首先需要對(duì)大數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)和挖掘等功能，本文通過(guò)引用入Pearson， Kendall， Spearman綜合相關(guān)系數(shù)的優(yōu)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析，對(duì)冗余信息參數(shù)的剔除，使用最小二乘支持向量機(jī)的大數(shù)據(jù)挖掘方法實(shí)現(xiàn)風(fēng)電機(jī)組的狀態(tài)評(píng)估、故障診斷等功能。

（2）風(fēng)電機(jī)組整體狀態(tài)評(píng)估

通過(guò)大數(shù)據(jù)的分析與挖掘處理后，對(duì)數(shù)據(jù)進(jìn)行的預(yù)處理，建立狀態(tài)評(píng)估模型。該評(píng)估模型主要由兩個(gè)子評(píng)估模型構(gòu)成：分別為基于風(fēng)電機(jī)組出力相關(guān)性評(píng)估模型和基于PSOLSSVM風(fēng)電機(jī)組狀態(tài)評(píng)估模型。對(duì)兩個(gè)評(píng)估模型分別引入相關(guān)評(píng)估標(biāo)準(zhǔn)和故障預(yù)警閡值，若超過(guò)閡值范圍，則評(píng)估風(fēng)機(jī)的運(yùn)行狀態(tài)為異常，并進(jìn)入故障診斷系統(tǒng)對(duì)風(fēng)電機(jī)組各子系統(tǒng)進(jìn)行故障定位和定量分析;若沒(méi)有超過(guò)閡值范圍，證明風(fēng)機(jī)運(yùn)行狀況為健康，對(duì)其進(jìn)行持續(xù)跟蹤監(jiān)測(cè)。

（3）風(fēng)電機(jī)組故障診斷

對(duì)狀態(tài)評(píng)估結(jié)果為異常的風(fēng)電機(jī)組，通過(guò)采集的運(yùn)行工況信息，提取風(fēng)機(jī)的關(guān)鍵部件特征，對(duì)其進(jìn)行故障診斷分析，包括時(shí)域和頻域分析，小波包包絡(luò)解調(diào)、倒頻譜和EMD一包絡(luò)解調(diào)譜分析，根據(jù)其頻譜的幅值和特征頻率對(duì)故障進(jìn)行定位和定量分析。對(duì)于轉(zhuǎn)速、溫度、功率等連續(xù)監(jiān)測(cè)變量，通過(guò)風(fēng)功率曲線(xiàn)、溫度趨勢(shì)變化曲線(xiàn)等確定關(guān)鍵部件的故障發(fā)展趨勢(shì)。

4.結(jié)語(yǔ)

隨著未來(lái)人工智能技術(shù)的不斷發(fā)展，以及物聯(lián)網(wǎng)技術(shù)的發(fā)展，風(fēng)電系統(tǒng)將實(shí)現(xiàn)智能化，智能風(fēng)電將成為未來(lái)產(chǎn)業(yè)的發(fā)展趨勢(shì)因此，有必要加大對(duì)相關(guān)技術(shù)的研究和引進(jìn)，加快完善有關(guān)政策和體制，從而推動(dòng)風(fēng)力發(fā)電在我國(guó)的發(fā)展，使風(fēng)力成為我國(guó)在發(fā)展建設(shè)中的重要力量。

參考文獻(xiàn)：

[1]彭華東，陳曉清，任明，等.風(fēng)電機(jī)組故障智能診斷技術(shù)及系統(tǒng)研究[J].電網(wǎng)與清潔能源，2019，27（2）：61-66.

[2]安永燦.基于人工智能算法的風(fēng)電機(jī)組故障診斷研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2019.