湖北
一、 作品信息
作品名称：结合AI算法的多模型风力发电功率预测装置
参赛单位：安徽电气工程职业技术学院
指导教师：李芳、孙雪清
团队成员：欧信哲、井佳慧、马琰
获奖信息：第四届象新力杯－开放创新赛道自由选题类－一等奖
二、 作品介绍
近期，我国风电、光伏总装机历史性超越火电，新能源正式成为我国装机规模占比最高的电源形式，风电在新型电力系统中的主体地位愈发凸显。伴随风电装机规模持续扩张，大规模风电并网带来的消纳难题愈发突出，弃风率每提升1%，全国风电行业年收益就减少约20亿元，不仅造成大量清洁能源浪费，还给电网调度调峰带来巨大压力，威胁电力系统安全稳定运行。
针对行业痛点，安徽电气工程职业技术学院团队历经多轮迭代测试，研制出结合AI算法的多模型风力发电功率预测装置。装置集成自主研发同轴透射式激光扩束模块、CFD三维风场反演技术与CNN-LSTM混合神经网络AI预测模型，解决传统设备探测距离短、风场数据残缺、功率预测精度不足等难题，为风电场、电网调度提供高精度三维风场数据与发电功率预测结果。
三、 核心创新
1、同轴透射式激光扩束模块，扩大探测范围、提升复杂环境适应性
项目自主研发同轴透射式光学激光扩束结构，对发射激光完成光束整形扩束，将探测距离由传统1km提升至3km；同时优化整机结构，设备重量降至25kg，结构稳定性提升至95%，大幅提升雨雪、大风等复杂工况适应能力，突破传统激光测风设备探测距离短、设备笨重、环境适应性差的短板。
2、基于CFD的3D风场反演技术，构建精细化全域三维风场
依托激光雷达采集大气气溶胶粒子运动轨迹获取径向风速，结合OpenFOAM流体力学求解与多源气象数据，完成三维风场反演建模。突破传统单点测风局限，实现山地、平原、海上等多场景全覆盖；可解析风机尾流扩散、风切变、风速梯度，动态捕捉风场实时变化，补齐风场大面积数据空白，同时可辅助优化风机排布方案，降低尾流效应影响。
3、CNN-LSTM混合神经网络AI预测模型，实现高精度风电功率预测
构建CNN-LSTM混合神经网络预测模型，融合历史功率、气象、NWP气象预报、风机标准功率曲线多维度数据，搭配K-means功率曲线聚类修正算法。针对新建、缺少历史数据的风电场实现可迁移学习，将风电功率预测准确度提升至95%-98%，有效降低均方根误差与平均绝对误差，满足电网并网考核对功率预测的精度要求。
四、 应用前景
项目目前拥有5项专利，包含2项实用新型授权专利、多项发明专利进入实审阶段，取得2项计算机软件著作权，并通过国家气象仪器质量监督检验中心检测，各项指标符合行业标准。装置已经完成中广核全椒、国能龙源横龙等多个风电场现场实地测试，现场运行效果良好。
随着风电持续大规模并网，高精度风场感知与功率预测设备需求持续上涨，该装置可为风电场运维、电网调度提供有力技术支撑，助力风电产业高质量发展。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
