梁 亮，麥 韜

（華能江西清潔能源有限責(zé)任公司，江西 南昌 330000）

0 引 言

在我國經(jīng)濟(jì)建設(shè)高速發(fā)展的大背景下，城市生活以及工農(nóng)業(yè)生產(chǎn)對(duì)電能的需求量不斷增加，傳統(tǒng)以不可再生資源為主的火力發(fā)電技術(shù)面臨著資源枯竭和環(huán)境污染等問題。因此，迫切需要尋求一種環(huán)保、穩(wěn)定且可靠的可再生能源予以補(bǔ)充。風(fēng)力發(fā)電等其他形式的可再生能源大規(guī)模接入電網(wǎng)，有效地幫助了我國電網(wǎng)系統(tǒng)的快速發(fā)展，作為一種清潔、低成本以及分布廣泛的資源，風(fēng)電技術(shù)發(fā)展較為成熟，建設(shè)規(guī)模也在不斷擴(kuò)大。國家經(jīng)濟(jì)建設(shè)、社會(huì)發(fā)展以及人門的日常生活對(duì)電能的依賴性越來越高，大規(guī)模風(fēng)電接入電網(wǎng)對(duì)電力系統(tǒng)的運(yùn)行提出了新的挑戰(zhàn)。風(fēng)電雖然具有清潔和可再生的特點(diǎn)，但是受風(fēng)速和季節(jié)等因素的影響波動(dòng)性較大。隨著風(fēng)電場(chǎng)在電網(wǎng)系統(tǒng)中的比重越來越大，風(fēng)電場(chǎng)間歇性和波動(dòng)性對(duì)電能質(zhì)量的影響越來越明顯。因此，需要借助人工智能系統(tǒng)及時(shí)調(diào)整電能功率，保證電能質(zhì)量。

1 風(fēng)力發(fā)電的技術(shù)特點(diǎn)

隨著我國電力事業(yè)的不斷發(fā)展，風(fēng)力發(fā)電成為重要的發(fā)電模式，是對(duì)傳統(tǒng)發(fā)電的有力補(bǔ)充，是一種清潔能源，但容易受到諸多因素影響。如何在影響因素的分析中構(gòu)建人工智能風(fēng)電控制系統(tǒng)是提高風(fēng)力發(fā)電效能的重要保障。因此，從風(fēng)力發(fā)電的特點(diǎn)出發(fā)，立足風(fēng)力發(fā)電的影響因素，就風(fēng)力發(fā)電進(jìn)行系統(tǒng)分析與認(rèn)識(shí)，為人工智能應(yīng)用探究提供理論依據(jù)[1]。

1.1 風(fēng)力發(fā)展的技術(shù)特點(diǎn)

風(fēng)是環(huán)繞地球大氣層中的空氣流動(dòng)，流動(dòng)空氣所具有的能量稱之為風(fēng)能。風(fēng)電技術(shù)作為環(huán)保清潔能源，是目前最具潛力的發(fā)電技術(shù)之一。我國有非常豐富的風(fēng)能資源，并且已經(jīng)將發(fā)展風(fēng)電技術(shù)作為調(diào)整能源結(jié)構(gòu)和發(fā)展低碳環(huán)保經(jīng)濟(jì)的重要舉措。我國風(fēng)電技術(shù)研究雖然起步較晚，但是經(jīng)過不斷的努力，目前已經(jīng)取得了長足進(jìn)展。風(fēng)電裝機(jī)容量不斷擴(kuò)大，風(fēng)電設(shè)備制造競(jìng)爭(zhēng)力也有顯著提高。由此可見，我國風(fēng)電技術(shù)發(fā)展?jié)摿薮?，并且在能源供?yīng)中的作用也越來越重要。

1.2 影響風(fēng)電機(jī)組輸出功率的因素

風(fēng)電場(chǎng)通常會(huì)有數(shù)量眾多的風(fēng)電機(jī)組，風(fēng)電機(jī)組利用風(fēng)輪吸收風(fēng)能。影響風(fēng)電場(chǎng)風(fēng)能質(zhì)量的因素主要包括風(fēng)速、風(fēng)向以及溫度。通過風(fēng)電機(jī)組獲得風(fēng)功率的計(jì)算公式可以得出，風(fēng)電機(jī)組的輸出功率和風(fēng)速成正比。而風(fēng)速又是一個(gè)隨機(jī)性較大的物理量，會(huì)伴隨時(shí)間和季節(jié)的變化而發(fā)生變化，利用測(cè)風(fēng)設(shè)備可以有效獲得一個(gè)特定時(shí)間內(nèi)的風(fēng)速數(shù)值，然后通過多次測(cè)量，可計(jì)算出平均值。風(fēng)速出現(xiàn)的任何變化都會(huì)直接影響風(fēng)電機(jī)組的輸出功率，因此需要深入研究風(fēng)速分布和變化因素[2]。由于上風(fēng)向的風(fēng)電機(jī)組尾流對(duì)下風(fēng)向風(fēng)電機(jī)組的影響，使得下風(fēng)向風(fēng)電機(jī)組捕獲的風(fēng)能減少，風(fēng)電機(jī)組的出風(fēng)力也相應(yīng)降低。相同的風(fēng)速下對(duì)應(yīng)的風(fēng)機(jī)組功率也具有一定的差異，其差異主要取決于風(fēng)電機(jī)組和風(fēng)向的位置關(guān)系。當(dāng)風(fēng)電機(jī)組迎接正面風(fēng)向時(shí)輸出功率最大，如果風(fēng)向偏離風(fēng)電機(jī)組，風(fēng)能無法被風(fēng)輪全部吸收則會(huì)影響風(fēng)電機(jī)組的輸出功率。此外，溫度、濕度以及空氣壓強(qiáng)等因素也是影響風(fēng)電機(jī)組輸出功率的重要因素。隨著溫度、濕度以及空氣壓強(qiáng)的變化，也會(huì)相應(yīng)的改變風(fēng)電機(jī)組的輸出功率[3-5]。風(fēng)功率密度等級(jí)對(duì)應(yīng)不同高度時(shí)的風(fēng)功率密度、年平均風(fēng)速參考值以及應(yīng)用于并網(wǎng)風(fēng)力發(fā)電的效果如表1所示。

表1 風(fēng)功率密度等級(jí)的相關(guān)內(nèi)容

2 人工智能在風(fēng)電場(chǎng)網(wǎng)絡(luò)技術(shù)中的應(yīng)用

人工智能是以實(shí)現(xiàn)人造智能活動(dòng)為目的的技術(shù)與應(yīng)用。借助計(jì)算機(jī)技術(shù)模擬人腦，幫助處理大量的數(shù)據(jù)信息，并且具有自學(xué)習(xí)和自適應(yīng)功能。人工智能在風(fēng)電場(chǎng)網(wǎng)絡(luò)技術(shù)應(yīng)用中的結(jié)構(gòu)要素如圖1所示。由此可知，人工智能可以對(duì)人腦或者神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象建模，通過多個(gè)信息處理單元彼此相互連接的形式形成計(jì)算機(jī)系統(tǒng)，具有分布式存儲(chǔ)、容錯(cuò)、自學(xué)習(xí)、自組織以及自適應(yīng)的能力，可以實(shí)現(xiàn)聯(lián)想記憶、非線性映射、分類識(shí)別、優(yōu)化計(jì)算以及知識(shí)處理等功能[6,7]?，F(xiàn)階段，人工智能在風(fēng)電場(chǎng)中的應(yīng)用主要集中在網(wǎng)絡(luò)構(gòu)架、神經(jīng)網(wǎng)絡(luò)以及啟發(fā)式搜索3個(gè)部分。下面深入分析人工智能在風(fēng)電網(wǎng)絡(luò)技術(shù)中的應(yīng)用。

圖1 人工智能在風(fēng)電網(wǎng)絡(luò)技術(shù)中的結(jié)構(gòu)要素

2.1 人工智能網(wǎng)絡(luò)構(gòu)架，實(shí)現(xiàn)遠(yuǎn)程智能調(diào)度

人工智能在風(fēng)電場(chǎng)網(wǎng)絡(luò)技術(shù)中的應(yīng)用主要是完成風(fēng)電機(jī)組的啟動(dòng)并建立智能化網(wǎng)絡(luò)構(gòu)架。全方位統(tǒng)一化地設(shè)計(jì)風(fēng)電場(chǎng)人工智能網(wǎng)絡(luò)構(gòu)架，對(duì)于安全、有序且快速的電網(wǎng)自愈具有十分重要的理論意義和實(shí)用價(jià)值。合理有效的機(jī)組恢復(fù)方案能夠充分考慮恢復(fù)過程中的多種影響因素，在大停電發(fā)生后有效指導(dǎo)調(diào)度人員，完成機(jī)組恢復(fù)的同時(shí)構(gòu)建骨干網(wǎng)架。充分利用人工智能技術(shù)優(yōu)化電力通信系統(tǒng)，在線智能進(jìn)行風(fēng)電機(jī)組的恢復(fù)決策，有效應(yīng)對(duì)風(fēng)電機(jī)組輸出功率不穩(wěn)定的情況。對(duì)于停電風(fēng)險(xiǎn)更大的高比例風(fēng)電系統(tǒng)，可以通過網(wǎng)絡(luò)通信的方式在線指導(dǎo)大規(guī)模風(fēng)電場(chǎng)與傳統(tǒng)機(jī)組的恢復(fù)，利用風(fēng)速條件較好的風(fēng)電場(chǎng)促進(jìn)恢復(fù)進(jìn)程。

人工智能在風(fēng)電場(chǎng)網(wǎng)絡(luò)技術(shù)中應(yīng)用，需要進(jìn)一步優(yōu)化設(shè)計(jì)骨干網(wǎng)架重構(gòu)機(jī)組，恢復(fù)在線智能決策。利用偏好多目標(biāo)優(yōu)化、進(jìn)化計(jì)算、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)以及蒙特卡洛樹搜索等人工智能技術(shù)，構(gòu)建了從恢復(fù)方案制定到在線恢復(fù)決策再到考慮風(fēng)功率參與機(jī)組恢復(fù)的全方面機(jī)組恢復(fù)智能決策優(yōu)化體系。整合機(jī)組恢復(fù)相關(guān)的多方面影響因素，提出一種基于偏好多目標(biāo)優(yōu)化的機(jī)組恢復(fù)方法，用于優(yōu)化制定機(jī)組恢復(fù)方案，從機(jī)組、網(wǎng)架以及負(fù)荷3個(gè)電力系統(tǒng)基本要素出發(fā)，提出將系統(tǒng)總發(fā)電能力、線路平均重要度以及骨干網(wǎng)架內(nèi)重要負(fù)荷百分比作為機(jī)組恢復(fù)評(píng)價(jià)指標(biāo)。綜合考慮多個(gè)優(yōu)化目標(biāo)和約束并依據(jù)對(duì)于不同目標(biāo)的偏好性，建立偏好多目標(biāo)優(yōu)化模型。

2.2 神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)智能調(diào)控預(yù)警

神經(jīng)網(wǎng)絡(luò)模擬人體神經(jīng)系統(tǒng)，有大量的神經(jīng)元按照特定的方式連接。架構(gòu)如圖2所示，其中每一個(gè)神經(jīng)元都可以實(shí)現(xiàn)數(shù)據(jù)的傳輸，并通過彼此的連接組合形成了復(fù)雜的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)可以將大量的信息隱含在連接權(quán)值上，通過調(diào)節(jié)權(quán)值使神經(jīng)網(wǎng)絡(luò)形成復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)快速的應(yīng)激性和高效的處理能力，被廣泛應(yīng)用于電力系統(tǒng)的實(shí)時(shí)控制、維護(hù)以及診斷中。為應(yīng)對(duì)停電后系統(tǒng)初始狀態(tài)和機(jī)組恢復(fù)過程的不確定性，在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上建立包含離線準(zhǔn)備工作和在線決策的機(jī)組在線恢復(fù)框架。通過逐步?jīng)Q策將要恢復(fù)的輸電線路完成風(fēng)電機(jī)組恢復(fù)，并形成骨干網(wǎng)架。提出機(jī)組恢復(fù)效率評(píng)價(jià)指標(biāo)用于指引決策過程，引入神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)組恢復(fù)在線決策，并提出改進(jìn)的上限置信區(qū)間算法、剪枝技術(shù)以及基于估值網(wǎng)絡(luò)的模擬技術(shù)，有效提高對(duì)下一步將要恢復(fù)線路的搜索效率。此外，進(jìn)一步采用并行計(jì)算，保證風(fēng)電機(jī)組恢復(fù)決策的在線實(shí)現(xiàn)。

圖2 神經(jīng)網(wǎng)絡(luò)架構(gòu)圖

神經(jīng)網(wǎng)絡(luò)是一種理想的機(jī)組恢復(fù)數(shù)據(jù)學(xué)習(xí)訓(xùn)練算法。基于改進(jìn)的上限置信區(qū)間算法、剪枝技術(shù)以及估值網(wǎng)絡(luò)的蒙特卡羅樹搜索（MCTS）算法的搜索效率明顯提高，可靠地保證了機(jī)組恢復(fù)決策的在線實(shí)現(xiàn)。所提方法能夠自動(dòng)應(yīng)對(duì)恢復(fù)過程中可能存在的線路恢復(fù)時(shí)間與預(yù)設(shè)值不符以及線路恢復(fù)失敗等不確定情況，并且所得方案比離線方法所得方案具有更高的魯棒性[8]。提出一種基于實(shí)時(shí)系統(tǒng)狀況和風(fēng)功率預(yù)測(cè)信息考慮風(fēng)電場(chǎng)參與的機(jī)組恢復(fù)在線決策方法，逐步?jīng)Q策將要恢復(fù)的輸電線路，在線輔助調(diào)度員完成風(fēng)電場(chǎng)與常規(guī)機(jī)組的恢復(fù)。

2.3 啟發(fā)式搜索，實(shí)現(xiàn)風(fēng)功效控制

啟發(fā)式搜索（Heuristically Search）又稱為有信息搜索（Informed Search）。它是利用問題擁有的啟發(fā)信息來引導(dǎo)搜索，達(dá)到減少搜索范圍和降低問題復(fù)雜度的目的。運(yùn)用啟發(fā)式搜索技術(shù)能夠提升算法的搜索效率。為保證恢復(fù)期間系統(tǒng)的有功平衡，采用模型預(yù)測(cè)控制方法控制風(fēng)功率，提出滾動(dòng)優(yōu)化模型，基于實(shí)時(shí)狀態(tài)和預(yù)測(cè)信息優(yōu)化已恢復(fù)風(fēng)電場(chǎng)的有功出力[9]。

3 結(jié) 論

我國豐富的風(fēng)能資源，給風(fēng)電技術(shù)的發(fā)展奠定了重要的基礎(chǔ)。近年來，隨著科學(xué)技術(shù)的日新月異，人工智能在風(fēng)電場(chǎng)的應(yīng)用越來越普遍，通過人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)可以解決風(fēng)電場(chǎng)實(shí)際運(yùn)行中的問題，提升電網(wǎng)系統(tǒng)運(yùn)行的安全性和可靠性。此外，隨著智能化電網(wǎng)建設(shè)的不斷深入，數(shù)據(jù)輸出量不斷增加，管理的復(fù)雜性和多變性促使未來人工智能成為電網(wǎng)管理系統(tǒng)的核心，為人工智能解決未來電網(wǎng)系統(tǒng)中的各種問題提供了廣闊前景。