北极星

搜索历史清空

  • 水处理
您的位置:电力风电风电产业市场正文

低风速风电 下一个蓝海

2017-06-20 09:08来源:《风能》作者:夏云峰关键词:低风速风电开发风电收藏点赞

投稿

我要投稿

智能化技术的全新应用场景

面对更低的风速,加长叶片和升高塔筒是提高机组捕风能力的最直接手段。因此,高塔筒、大功率、长叶片就成了目前低风速风电机组的标配。

然而,在中南勘测设计研究院新能源院院长刘小松看来,这种方式显得“简单粗暴”,不仅会带来载荷和成本增加等“副作用”,也无法很好地应对山区多变的风向和风速。他认为,单就机组而言,更重要的是,必须通过增强系统自学习能力、优化智能控制系统来提升风电机组的整体性能。

这也是目前低风速风电开发中呈现的另一大趋势,即广泛运用互联网思维和技术手段,使开发和运维环节高度智能化。

自国家于2015 年首次提出“互联网+”行动计划以来,各个整机厂商纷纷加大了对机组智能控制系统的开发力度。

现在的通行做法是,在控制系统中加入多个优化控制策略,借助模型,让机组及时对外界风速和风向变化做出反应,使叶轮始终处于最佳的捕风角度上,并避免因强阵风引起的超速故障等。

与此同时,一些企业还尝试根据整个风电场的风资源特点,为每台机组定制个性化的控制策略。王靛告诉记者,“在低风速的复杂地形下,每个机位点的风速、风切变、湍流是不一样的,而且机组之间还有尾流的影响。这种情况下,如果整个风电场只用同一种控制策略的话,控制效率肯定无法达到最高。下一步,需要根据周边位置的风速、风向、湍流特点,为各个机组配备专属控制策略。”

当然,这只能算是“初级”的智能化应用。现在,部分企业已经在进行更大胆的尝试,将人工智能的核心——机器学习引入到控制系统。这实际上是给机组装上了一个“超强大脑”,使它具备通过自学习来获得经验的能力,能够依据外界条件自主调整运行状态。

人工智能领域的专家认为,机器学习非常适合应用于风电开发中。因为机器学习离不开数据,而借助大量传感器和高速数据传输线路,正好可以将风电场产生的海量实时数据输送给系统,供其进行反复训练。

除了机组,机器学习应用的另一个主要场景将是运维环节。

针对传统运维模式存在的滞后性,目前,不少运维服务提供商开始借助大数据分析手段,通过油温、震动等方面的数据诊断关键零部件的运行状态,实现从事后维修向预防性运维的转变。此外,有企业开始探索运用机器学习来对机组的健康程度进行预警。从试验的结果来看,这种方式已经能够达到较高的预测精度。

目前,很多整机和开发企业还着眼于整个运维环节,通过打造数字化运维平台,建立区域或者全国性的运维中心,将多个风电项目纳入其中,实现集中监控、综合数据分析和统一运维管理。

比如,中车株洲所就依托智能传感技术、大数据挖掘技术开发了集团级的大数据平台,帮助风电场建立基于设备健康度管理的状态维护机制。按照规划,平台将接入2000 台风电机组,为分布于全国各地的近4 吉瓦风电资产提供全生命周期的高效管理。

“通过这种方式,能够变被动停机为有计划停机检修,并可以有效优化现场的人员配置,在减少发电量损失的同时,大大降低运维成本。”范宝林表示,“积累大量运行数据,也有利于我们优化原有机型和研发新机型。”

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

低风速查看更多>风电开发查看更多>风电查看更多>