开发风电人工智能标准
风力发电场正以许多不同的方式成为能源景观的关键部分。无论是陆上还是海上，风力发电场都在提供越来越多的可再生能源，尤其是那些每天都要处理拍字节(pb)数据的数据中心。
这些风电场的所有权和优化也在发生变化。例如，苹果公司在丹麦投资了一个风力涡轮机，为那里的一个数据中心提供风力发电，风力发电厂经常在所有者之间转手。
机器学习已经被用于监测涡轮和叶片的性能，提供预防性维护，并减少人们爬上塔检查涡轮叶片的次数。但马萨诸塞州波士顿市能源咨询公司Windesco的首席执行官布莱尔•希维(Blair Heavey)表示，人工智能在优化风电场方面存在明显的局限性。
Heavey说:“在一些独特的领域之外，人工智能还没有发挥作用。“在电池寿命等一些领域，有一些标准可以将数据输入机器学习模型，并提供几乎类似于人类的反应。我们在风空间中发现的是，没有任何东西是标准的，来自不同的数据模式也没有一致性——不同的涡轮机，齿轮箱，甚至不同的气候模型，有大量不同变量的位置。”
Windesco是一家软件分析咨询公司，帮助风力发电oem和农场运营商从资产中获得更多价值。希维说，人类的经验对这些高度复杂的系统至关重要。
他说:“我们的团队已经研究了6年的算法，我们认为这些算法可以告诉人类专家我们应该做什么，但它需要专家监督人工智能和模型正在推动我们朝着什么方向前进。”
“因为我们没有所有的标准，我们可以正确地解释一个涡轮的数据，并调整桨距和叶片，但这会损坏另一个位置的涡轮。我们一直相信人工智能和基于物理的模型，但在我们实施这些模型之前，我们监督特定农场特定涡轮机的独特数据，”他说。
Heavey说，一些运营商正在考虑采用数字孪生技术来处理风电场的复杂性，但它有局限性。西门子能源是风力涡轮机的主要OEM，数字孪生技术对西门子来说是一个强大的技术能力。
“很难把这些东西放在一起，”他说。“明年我们将向市场推出的一些额外模型是尾流转向，这是我们正在建模的东西，并将概念算法证明放在一起。这些模型的复杂性不仅在于叶片涡轮和齿轮箱，还在于一个区域内的涡轮之间相互沟通，这可以让下游的涡轮做一系列不同的事情。”
这可以延长涡轮机的寿命，避免在风力太强或超出范围时运行它们。Heavy说:“我们已经利用流体动力学、物理学和更广泛的学术生态系统来挑战、测试并在小型风电场中实施算法，以确保我们不会造成伤害。”“我们的客户对正在运行的人工智能和算法越来越放心，并与我们分享它们以改进算法。客户的信任因素是应用人类的监督，以确保系统工作并交付预期的内容。”
这有助于建立模型，帮助提高风电场的性能和效率。
“客户正在与我们长期共享更多数据，只要这些数据是匿名的，他们就会不断努力提高效率，以帮助整个行业。”我认为我们仍在这方面教育人们。”
问题是这些数据没有标准。他说:“如今在这方面还没有标准化。”“我们确实与运营商和oem合作，试图推动这种标准化，我们将继续推动这一目标。
这种支持可能来自一个意想不到的方向——私人股本基金。这些公司正在收购风力发电场，为供应商和大型数据中心运营商提供能源。提高这些农场的性能和可靠性符合他们的既得利益。
"最具影响力的是私募股权投资者，帮助他们推动这些举措，以提高营收产出和效率，符合他们的最大利益，" Heavey称。
相关文章
eeNews Europe的其他文章
