福彩连环夺宝手机版
当前位置: 首页 » 看资讯 » 活动动态 » 正文

【文字直播】未来风电场专题论坛——上海电气孙佳林:智能个体,协同作战——未来风场的智能控制

放大字体  缩小字体 发布日期:2017-11-24  来源:能见  浏览次数:60  
核心提示:我从业十几年,上海电气风电主控系统开发基本上都是我来主持负责的,我对风机控制有一些自己的理解,但是更多还是一些敬畏,今天很荣幸有这样一个机会和大家共同分享上海电气风电对于智能控制的一些尝试和展望。
  11月22-24日,“2017全国大型风能设备行业年会暨产业发展论坛” 在浙江杭州市召开,本届年会以“绿色制造 绿色发展 绿色未来”为主题。大会共邀请来自业内的四十余位专家、主题对话与分享,参会人数超500人。  
2-6
上海电气风电集团有限公司控制中心主任孙佳林先生
  
  孙佳林:
  
  各位领导、各位专家,大家下午好!
  
  我从业十几年,上海电气风电主控系统开发基本上都是我来主持负责的,我对风机控制有一些自己的理解,但是更多还是一些敬畏,今天很荣幸有这样一个机会和大家共同分享上海电气风电对于智能控制的一些尝试和展望。
  
  上海电气控制技术在实践中螺旋上升的,也遇到了很多困难,解决了很多难题,有过痛苦、有过思考,当今世界智能控制技术推动整个工业领域向着智能化发展,我们相信人工智能技术会把风机的控制带入一片不一样的天空。
  
  为什么选择这个题目?是把风机达到武艺高强的战士,仅仅是无疑钢琴还是不够的,从两个方面开展工作:一是控制智能化;二是控制建模更精细,控制算法设计更智能。设计控制智能化从两个方面开展工作:增功率、降载荷。
  
  增功率方面,根据环境和风机状态自动匹配控制算法和控制参数,实现风机在复杂工况的自适应性,在载荷允许的情况下尽可能提升发电量,这是我们智能控制最终目标,我们技术主要有机器强化学习的偏航寻优控制、KP寻优等等。
  
  对风机载荷比较大的,停机载荷可以通过成熟闭环控制降载,阵风预测控制并没有特别成熟的方案,目前比较流行的技术主要包括基于卡尔曼滤波的状态预估,和激光雷达的前馈控制技术,除了这些还做了其他尝试,我想重点提一下就是风速预测技术,大家都知道风控预测系统已经进入了网络模型,通过对历史数据和气象数据进行学习,能够做到对风厂未来小时或者超短时,或者是几天一个月风况进行预测,以便于安排生产调度计划。对于单机控制来说,超短风控预测时间尺度也是不能达到实时控制的要求的,我们在想如果风速预测技术可以应用到风场微观尺度上,结合微观尺度内的风场的空气流场进行预测,这个意义就很巨大了。
  
  我们认为稳态来流条件下,受地理因素影响空间流场分布是唯一 ,风机与风机的距离属于微观尺度,相对比较近,风速数据标准,区域分辨率高,风机之间相对位置固定,区域风机的风况具有强相关性。根据这些特点,我可以建立相关性因子的神经网络模型,将每台风机的测控数据作为风场流场的训练数据,通过模型技术得到准确的空气流场的网络模型,实现每台风机未来的超短时的风速趋势预测,甚至是准确预测,有了这个技术可以实现高精度控制,取得良好的降载效果。风机控制难点就是风速不可预测性,如果风速是可预测的,载荷控制一定可以上一个台阶。
  
  以上说了一下风机的智能控制技术,下面谈一下智能建模技术。
  
  风机控制算法核心是载荷控制,行业内目前大家通用的算法设计流程主要是通过系统建模建立风机的线性化模型,结合风模型和控制模型,迭代仿真、联合仿真,判断算法稳定性,再把算法嵌入到载荷仿真软件中,做仿真校准,反复迭代得到一个相对系统稳定,载荷相对控制效果比较好的算法,整套控制算法的可靠性是基于模型的准确性。风机是一个非线性复杂的系统,我们目前的控制算法是用线性系统拟合逼近一个线路系统,有先天性误差,如何建立一个精准的非线性模型让控制算法的工作能够事半功倍,机器学习的技术给我们提供了一个思路。
  
  我们把一个复杂的非线性风机模型分解成线性的理想模型和非线性神经网络模型,理想线性化模型,离非线性模型还有一定仿真空间,有一定非限性度要补偿,在系统运行过程中,通过机器学习技术方法不断修正神经网络模型,最终达到令人满意的整体高精度非线性数字化模型,高精度非线性数字化模型意义不仅仅对算法工作起到作用,更是从离线仿真设计到在线实时化进行了飞跃,数字化模型就是我们常常说的风机数字双胞胎。
  
  以上就是一些智能化控制技术,但是把智能化控制技术实现的过程当中就是所谓的知识软件化的过程,软件化以后还是需要一个硬件平台对软件进行支撑,这里谈一下我们的硬件平台,这个硬件平台是工业4.0和技术,就是“信息物理系统CPS”,CPS系统各一个综合计算网络物理环境多维复杂系统,通过计算机、计算、远程协调,实现实时感知、动态控制、信息服务。相对于与物联网相比CPS更强调数字世界对物理世界的控制,让物理设备具备计算、通信、精确控制、远程协调和区域自治五大功能,目前CPS系统在很多行业有过应用,比较前沿的还是汽车行业的自动驾驶技术,当我们设定一个目标位置的时候,首先先得到一个最优路径决策,这个动作是通信计算+远程协调的行为,行进的过程当中车辆彼此发生变道、转让、变速等等工作。自动驾驶还需要交通大数据支撑,也需要汽车之间有一个实时通信,并且安装相应的传感器,真正落地还有一段过程。但是CPS如果用于场控的话,这个实现起来就容易很多了。
  
  当今风电行业基于大数据、风电的全生命周期的管理、智能化运维,这是大家普遍的共识,上海电气集团也开发了自己的风电2.0系统,从前期微观选址到后期多维度一体化健康管理,可以为客户提供整套的一体化的解决方案。我今天谈到CPS平台是风电平台的扩展,更准确的说,它是一个面向风电场控制的实时协同控制系统,叫做“智能雾系统”。
  
  随着风电行业对场控、对电网技术要求越来越高,如何通过风机间高效协同,实现整场处理最优,并网端有效输出,正是智能雾系统可以解决的问题。智能雾系统包括三层构架:总线层、服务器层、应用层。总线层包括数据总线,收集数据并进行处理,控制总线做的是实时数据比对,实时模型学习和实时控制。服务器层有共享平台,数据共享平台实现的是多元的异构数据采集处理互通互联互操作。数据是多的,怎样把有效的数据拼接在一起这是我们重点要研究的技术。最重要的是决策复凄凄,在线运行空气流场模型,并且会为单机控制、集群稳流控制、整场协同控制提供一个决策信息,实现物理风机的协同。
  
  总结一下,以智能雾系统作为控制智能化的实施平台,借助基于人工智能的智能化控制建模技术,让风机控制技术更好融合风、机、场、网实现多目标、自适应的最优控制,将为风机智能控制带来新的飞跃。
  
  谢谢大家!

 

(根据发言整理,未经本人审阅)

 
关键词: 上海电气
 
[ 看资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐看资讯
点击排行
 
 
关 闭
关 闭