Hvernig getur vind-sólar sameind orka verið snertileyndari? Próflegar notkumar af AI í kerfisoptimumun og stýringu

Notkun skynjanafræði til stjarfri stýringar vind-sólar sameiningar orkuranna

Vind-sólar sameiningar endurbætisorku nútta bæði hagvæði og samþátta vind- og sóluraforkunnar. En óstöðugleikur og flutt á þessum orkuröfur leiðir til óstöðugrar raforkuvirkjunar, sem hefur neikvæð áhrif á tryggð við sýningu og gæði raforks. Að bæta stýringarkerfi með framleiðsluverkum til að auka stöðugleika og hagnýtingu er orðið mikil verkefni – kynnst að vera lykill að breyttu notkun reinna orkuranna og að ná umhverfisvænum orkurannsóknartekjur.

1. Rannsóknarrammi: Úrval í kerfstýringu

Vind-sólar sameiningar eru sterklega áhrif af náttúruværum, sem gerir stór úrval í stýringu. Óstöðugleikur og flutt á þessum orkuröfur undanbýra stöðugri virkjun. Á ströndarsvæðum hefur sjávarveður áhrif á vindstefnu og hraða. Í tíma faraldurs geta vindhraðarnir orðið frá venjulegum vinnusviði 5–7 m/s yfir 15 m/s í nokkrum mínútum—yfir öryggisvinnusvið vindturbinna og fyrir að taka við, sem valdi raforkuvísum.

Á höfðum málska, mun stærri dag- og nóttundirstöður læsa sólarpanela virkni nætur, sem minnkar ljósorku (PV) hagnýtingu um 30%–40%. Í skyggðu eða dýfu dögum, falla sólarstrálunarmagnið markandi, sem minnkar PV virkni um 60%–70% samanburði við sunnanlegt veður. Þetta valdar stórum flutt í kerfvsvirkjun, sem gera erfitt að gefa stöðug raforku.

Heimildarlegar vísbendingar hafa klárskiptar takmarkanir. Að byggja á fastum reikneðarlegum parametrum og einföldum þröskvirðum, geta ekki beint sig að rauntíma breytingum á orku. Til dæmis, í sveitarfélagi sundurlausn, með lítlu vind og stigandi sól, haldi heimildarlegar vísbangingar vindturbinnvirkjun aðeins 30%–40% af ráðstofnun vegna óuppfyllingar vindhraðaþröskvirða, sem spilar ríkum vindorcur. Samtímis, vegna óbestu upphafstillings PV, fer sólarvirkjun yfir lausnarbeðinum eins og strálun stigrast, sem spilar umbil 25% af myndaðri orku. Þegar veður breytist hratt—sem hratt vindbreytingar af þrumulundi eða skyggðu—geta heimildarlegar vísbangingar ekki svara hratt, sem minnkar raforkustöðugleika og missa strikt gæði raforks moderna verkjagefna og nákvæmni elektróníku, sem hinderskyldar breyttri notkun sameiningakerfa.

2. Notkun skynjanafræði

2.1 Orkuforspurning

Reiknirit málnýtingar, með þeirri sterku gagnavinnu og mynsturkenningu, leggja grunn að stöðugri kerfastillingu. Stórt vind-sólar garð, sem staðar við flókin veðurstöðu og hátt raforkuvirði, söfnu fimm ára sögu gagna—íslenska vindhraða, vindstefnu, sólarstrálun, skyggðu og samsvarandi virkjun. Með því að kenna Long Short-Term Memory (LSTM) net á þessum gögnum, var búið til örugg orkuforspurnarlykkju. Staðfesting sýndi að í sumarfaraldri, vindorku forspurnarafl voru minnkað til 10%–15% fyrir 6 klukkutíma forspurnar—30%–40% betri en heimildarlegar aðferðir. Undir skyggðu, sólarstrálunar forspurnarafl voru halda innan 15%–20%, sem leyfir fyrirsjóðandi raforku plánun og dreifingu til að minnka óstöðugleika.

2.2 Optimal stýring raforkudreifingar

Að bæta raforkudreifingu er mikilvægt til að auka kerfastillingu, þar sem snertileg algrím spila miðlæg hlutverk. Particle Swarm Optimization (PSO) algrím, sem er hugmynduð af fuglastaða, leitar í flókinu lausnarsviði til að finna besta raforkudreifingu milli vind- og sólarorku. Á fjallgarði, með ríkum sól á dag en flókinum vind vegna landslag, hafi heimildarlegar stýringar komið í veg. Eftir að PSO var sett í gang, kerfið stöðugt skoða orkuforspurningar og lausnarbeðin. Þegar það greinist að dalvindur væri að stiga og sólarstrálun að læka vegna skyggðu, PSO brottfærði raforkumix—auka vindvirkjun um 30%–40% meðan sólarvirkið lækkad. Raunveruleg prufa sýndi 20%–30% auka í orkunotkun við flókin veður, sem minnkaði spilun og tryggði stöðug raforku fyrir sveitarfélög og litla viðskipti.

2.3 Vélmenni og villuleit

Convolutional Neural Networks (CNN) er góð í að vinna við vélmenni og villuleit. Í stórum vindgarði, með harðar aðstæður, er oft að finna blöðrun á vindblöðum og misfall í hliða. Heimildarlegar könnun oftast ekki finna slíkar vandamál. Með því að nota CNN til að greina vift, hita og straum gagna frá sensorum á mikilvægum hlutum, voru mikil færslur náðar. Fyrir viftasignali, CNN lykkjan gat greint fyrsta blöðrun á vindblöðum einn viku áður, með 90%–95% rétt. Á sólargarði, sama lykkjan greindu hlutdeild og hetta vandamál með 92%–96% rétt. Þetta látið villuleitartíma, minnkað niðrstöðutíma, lækti viðhaldskostnað, og aukað heildar kerfastillingu og hagnýtingu.

3. Uppfærsla af notkun

AI-driftað optima hefur gengið vel í raunverulegum verkefnum. Í fjallgarði vesturlands—þar sem vanalegur raforkugerð er kostsam og erfitt—hafa vind- og sólarorkur verið undirbúnar af rauðum landslagi og óstöðugu veðri. Áður en AI var innihalda, var raforku sýning óstöðug, með menntunum að upplifa meðaltal 35 klukkutíma af ósýningu á mánuð, sem hlemði daglega líf og stöðva litla landbúnaðarvinnslu.

Eftir að setja AI teknologi:

• LSTM lykkjan nákvæmt forspurnaði lokaverð með lága villu.

• PSO brottfærði raforkumix á forspurnar og rauntíma lausnarbeðin.

• CNN lykkjan gaf rauntíma hæfileika og fyrirvara.

Niðurstöður sýndu mikilvæg aukning: mánuðar ósýningar fóru niður að færri en þremur atburðum, sem samanstóðu um 3 klukkutíma. Raforkunotkun stóð upp um 30%, og menntunargjald stóð upp frá 35% til 90%. Lokala viðskipti stöðvu, viðskipta mynduðu, og ofan 30 nýr starfsskapar, sem aukaði stöðug orkuviðskipta.

Frá allsherjar sjónarhorni, er AI notkun í vind-sólar sameiningar er að búa til breytingar. Yfir síðustu þrjú ár, hefur fjöldi AI-optimum verkefna orðið 45%. Þessi verkefni hafa náð 25%–35% hærra virkjun og 20%–30% lægra viðhaldskostnað. Í stórum sameiningar, hefur snertileg skipulag og nákvæm forspurning minnkað ósýningu um 20%–25% og aukað raforkugerð fyrir reinna orkur.

En vandamál standa enn. Hár upphaflega kostnaður í hólfs og lykkju kennslu gera erfitt fyrir lönd með auðlindamið. Hratt teknologíu uppfærslur og mangl á skilðum mannskjóð fela að breyttra notkun. Framtíðar aðgerðir verða að fokusera á R&D til að minnka kostnað, styrkja mannskjóð með hjálp universita og viðskipta, og opna fulla möguleika AI til að driva hágæða hækkun í reinna orkurannsóknartekjur.

4. Ályktun

Framtíð AI í vind-sólar sameiningar er vonandi. Sem teknólogi kemur fram, munu fleiri hágæða og orkunotkun AI lykkjur og reiknirit koma fram. Þessar nýsköpunar munu ekki aðeins bæta orkuforspurningu og raforkudreifingu, heldur munu þær yfirvinna vandamál í gagnasöfnun og vinnslu, sem leyfir AI að vinna vel í mismunandi og flókinum umhverfum. Þessi framfarar munu hækka reinna orkurannsóknartekjur, sem gefa stöðug styrk fyrir alþjóðlega hagvæða orkurannsóknartekjur.