【象新力杯优秀作品】安徽电气工程职业技术学院——风电功率预测|安徽电气工程职业技术学院|风场|风机|风电功率预测|风电场

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。