根据美国能源部国家可再生能源实验室(NREL)的研究人员在《自然能源》上发表的一篇文章，风能行业可以从使用人工智能(AI)来设计和部署风力发电厂中受益。
研究人员开发了一种基于人工智能的替代模型，称为风电场图神经网络(WPGNN)，该模型在各种大气条件、电厂设计和涡轮机运行下对超过25万个随机生成的风电场布局进行了模拟训练。模拟数据是由nrel开发的另一个模型——稳态流重定向和诱导(FLORIS)工具生成的。
然后，人工智能利用这些信息来确定风力发电厂的最佳设计。人工智能有助于计算理想的工厂布局和运营，以实现不同的结果，例如减少土地需求或增加收入。
这项研究的重点是一种名为“尾流转向”的策略，该策略通过控制从上游涡轮机向下游涡轮机移动的尾流来优化工厂可以产生的能量。
人工智能的使用使研究人员能够确定尾流转向对三个不同目标的影响:土地使用、成本和收入。
尾流转向的好处以前已经在工厂水平上得到了证明，但大多数研究都局限于空间尺度和优化目标的考虑范围。NREL团队使用的WPGNN有效地将尾流相互作用表示为有向图，从而可以在全国风能组合中对涡轮机位置和机舱偏航的最佳设置进行全面调查。
“以前，特定地点的尾流转向优化研究非常困难，但WPGNN中的图形表示大大提高了我们表示灵活布局，改变风向和执行基于梯度的优化的能力，”该论文的合著者Ryan King说，“人工智能辅助风电场优化用于全国范围内尾流转向的土地利用和经济效益评估。”
横切工作涉及实验室战略能源分析中心、计算科学中心和国家风能技术中心的研究人员。
金是计算科学中心的资深科学家，而合著者安德鲁·格劳斯是该中心的应用数学研究员。他们与两位已经离开NREL的同事迪伦·哈里森-阿特拉斯和埃里克·兰茨共同撰写了这篇论文。Lantz以前是NREL的小组研究经理，现在是能源部风能技术办公室的主任。
风能作为一种可再生能源的使用，预计将在使美国电力部门脱碳方面发挥越来越重要的作用，但由于一些社区限制了风力涡轮机的安装位置，因此仍然存在障碍。人工智能引导的情景考虑了在全国范围内部署6862座发电厂，累计发电量为721千兆瓦，目标是到2050年将能源部门的碳排放量减少95%。
采用尾流转向策略可以将未来风力发电厂的土地需求平均减少18%，在某些情况下甚至可以减少60%。在全国范围内，节省的土地总面积约为13,000平方公里，相当于美国风能足迹的28%。
尾流转向很有价值，因为简单地将涡轮机展开往往不足以避免尾流损失，而且一些风力发电厂缺乏进一步扩展所需的空间。此外，针对尾流转向进行优化的风力发电厂将允许更多的涡轮机集中，从而满足一些当地社区限制该行业允许使用多少土地的愿望。从场地规划的角度来看，在更小的占地面积上安装更多的涡轮机将提供更大的灵活性，这可能使开发商能够在更大的项目中利用规模经济。
研究人员还发现，尾流转向的使用持续降低了风能部署的能源成本。人工智能使研究人员能够发现最适合实施该战略的地区差异。
格劳斯说:“我们发现，这个国家的不同地区或多或少都能接受尾流转向的好处，这些好处的结果可以通过不同的方式实现。”“这对于帮助理解我们应该如何以及在哪里投资这项新技术非常重要。”
NREL的高性能计算资源使研究人员能够训练WPGNN。
更多信息:Dylan Harrison-Atlas等人，人工智能辅助风电场优化，用于全国范围内的土地利用和尾流转向经济效益评估，Nature Energy(2024)。DOI: 10.1038/s41560-024-01516-8期刊信息:自然能源由国家可再生能源实验室提供引文:实验室的人工智能工作增加了收入，减少了风力发电行业的土地需求(2024,5月8日)检索自2024年5月8日https://techxplore.com/news/2024-05-lab-ai-results-revenue-decreased.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
