罗格斯大学的研究人员已经开发出一种机器学习模型使用一个基于物理模拟和真实的气象数据,以更好地预测海上风力发电。
该发现发表在《华尔街日报》应用能源。
海上风力迅速成熟到可再生能源的主要来源,预计将增长13%在接下来的二十年,15倍到2040年成为一个1万亿美元的产业,匹配的资本支出对天然气和燃煤发电。在美国,例如,纽约和新泽西最近获得两个海上风力能源合同可再生能源集成的帮助实现他们的目标。
“我们正在进入一个新时代的海上风力能源革命,”资深作者Ruo-Qian(罗杰)说,助理教授罗格斯大学土木与环境工程学系16不伦瑞克。“支持这种增长的关键是开发可靠的工具来评估和更好地预测离岸风力涡轮机性能以提高操作和维护项目计划和支持。2019年英格兰和Hornsea海上风电场停电2021德州电力危机说明迫切需要开发强大的模型来估计和预测风力发电的环境不确定性。”
功率曲线,或管理的关系天气变量所经历过的一个风力发电机转化为电能,广泛用于估计输出功率的风力发电产业规划和操作的目的。但当前功率曲线估计方法有局限性,包括主要依赖于风速和忽视其他环境因素,很大程度上俯瞰着复杂的海洋环境中,海上涡轮机操作。
在他们的研究中,罗格斯大学的研究人员设计了一种灵敏度分析框架,揭示和预测的主要因素导致的环境不确定性海上风力发电。推动这种灵敏度分析是一个机器学习模型,融合输出从一个基于物理的模拟与真实的气象数据收集的浮标部署的新泽西。浮标附近至少三个未来海上风电项目,累计预计将增加约2.8千瓦到2024年美国海上风电装机容量。