浅析风力发电实现绿色低碳经济的影响

许建军 窦晓亮 王寿涛 张晓明 唐婉莹

1.青海黄河上游水电开发有限责任公司工程建设分公司 青海西宁 810000

2.国核信息科技有限公司 山东济南 250101

随着经济的不断增长，一些地区和行业为追求短期的利益盲目发展，过度地开发和使用煤炭、石油等化石能源，无节制的排放，导致环境污染形势日益严峻。因此，研发新技术、开发新能源、优化能源结构和产业结构，实现经济与环境协调发展是有效控制城镇环境污染和碳排放的重要途径。我国虽然幅员辽阔，能源种类较多，但存储总量相对贫乏，粗放式的消耗不仅破坏生态环境，而且不利于经济稳定。中共十八大报告中也首次提出我国应“着力推进绿色发展、循环发展、低碳发展，形成节约资源和保护环境的空间格局、产业结构、生产方式和生活方式，从源头上扭转生态环境恶化趋势，为人民创造良好生产生活环境，为全球生态安全作出贡献。”自此，“低碳发展”和“低碳经济”的理念逐步深入到人们生产和生活的各个领域中。

1 风力发电实现绿色低碳经济面临的问题

1.1 电网电源建设不足

电源建设长期存在问题，其中尤以无序性、速度过快等问题最为突出。从电网工程的性质便可以了解到，为了避免安全事故，往往会安排诸多的检验环节，为此面临的将是耗时长的问题。此外由于我国目前的电网系统水平与发达国家相比问题还非常多，所以在实践中一旦出现问题面临的将是电网处理困难，审批周期长等严峻的问题。当然这些问题也逐步得到改善和解决，而且以建设智能型电网为主要的办法。智能型电网本身是建立在科学技术之上的，近年来也取得了不错的研究成绩，应用到实践中之后效果达到了预期，不仅能够大大促进可再生能源基地的消纳，还能够促进分布式电源的发展。当然为了充分结合我国各个地区的风力发电现状，需要从风电建设的角度出发，解决当前风电建设的发展速度过快的问题。充分控制风电建设的节奏，以便于走好每一步，促进风力发电技术的完善和优化。发展进程的合理安排同样重要，可以从风电电场区建设布局出发，充分分析风电建设的有效性以及稳定性，提高最终政策的合理性。我国可以从实际情况出发，多加吸收发达国家在这方面的经验，从而促进风电技术的进步，提高电网电源建设的稳定性发展。

1.2 风力产业结构不够完善

我国风力发电技术得到发展，单机容量取得突破性进展，但是风力产业结构依旧不够完善。在零件元件生产和产品创新方面，人们应用风力发电技术取得良好成果，但是却没有在核心零件生产中实现进步。电力企业应用风力发电技术时，大多数设备都是从国外引进，国内设备自主研发能力较弱，这与我国风力产业结构不完善有关。想要构建完善的产业结构，形成一条科学的风力发电产业链，企业需要重视与风力发电相关的元件研发，加强对风力发电技术细节管理，努力形成完整的产业结构。加大风力发电技术研究力度，使国内风力发电不依赖进口。加大对企业的科学管理，制定行业经营标准，维护风力发电市场和其他新能源市场秩序，完善产业结构的同时推动风力发电的可持续发展。

2 风力发电实现绿色低碳经济的发展措施

2.1 构建绿色能源大数据混合云平台

在“云能云”平台基础上，对软硬件基础资源进行扩容升级，构建绿色能源大数据基础混合云平台。构建绿色能源数据采集系统。实现绿色能源供给侧（水电、风电、光伏、天然气）数据信息、电网侧数据信息、需求侧数据信息、能源流转交易侧数据信息、能源装备侧数据信息等全产业链数据信息的整合。构建绿色能源数据管理系统。基于“云能云”平台，构建大数据安全存储及清洗加工科学管理体系，实现绿色能源大数据加工、清洗、分类、标注、建库等，完成五大基础库和十二项领域库的建设，为能源行业全产业链数据提供安全、高效的存储管理服务。构建绿色能源大数据服务系统。基于大数据的采集、管理及分析，建立大数据综合信息服务体系，开发基于统一数据及技术标准的绿色能源大数据服务系统，建立统一能源信息服务门户，建立标准统一的能源大数据交换共享、开发应用机制，面向全省能源行业主管部门和重点企业，形成能源大数据目录服务、共享交换服务、数据分析服务等多元化服务机制，盘活绿色能源大数据应用价值。构建绿色能源大数据应用系统在业务层针对不同应用场景、应用主体，在数据整合、分析及服务的总体支撑下，加快新技术应用研究，实现关键性技术突破，建立综合型绿色能源大数据应用系统，形成若干智能化大数据分析子应用，加快开发建设“智慧电源”、“智慧用能”、“能源供需匹配分析”等重点应用，有效提升在能源行业重点领域的综合信息服务水平和智能决策支撑能力，形成“云能云+绿色能源”的大数据创新应用模式。

2.2 BP 神经网络

人工神经网络（Artificial Neural Networks，ANN）即意象直观思维，它模拟人的思维是一个非线性的动态系统。人工神经网络预测模型是风电场输出功率预测中最成熟的模型。根据目前的实际情况，提出了基于 BP（Back Propagation，以下简称BP）神经网络或其变化形式的人工神经网络模型。BP 神经网络算法的分类属于监督学习算法。它使用输入学习样本，通过输入层和隐藏层将它们传输到输出层。利用反向传播算法对网络的权值和偏差进行反复调整和训练。输入信息向前传输，错误向后传播。BP 神经网络一般分为两个过程，第一阶段是信号的正向传播，信号通过输入层进入隐含层，最后通过输出层输出信号；第二阶段是误差的反向传播，从输出层调整权值和偏差，返回隐藏层和输入层。

2.3 全面提升风力发电机组的安全运行性能

加强对风力发电机组的安全管理，提高机组安全运行性能。随着经济全球化的影响，我国与其他国家贸易往来日渐频繁，中国新能源企业对技术与知识产权的重视程度增加，企业不断突破技术壁垒，开始使用拥有自主知识产权的专利产品与技术。某风电企业在2018 年全年风力发电技术研发费用高达3.63 亿元，上半年执行的新疆枫煜5 万千瓦EPC 项目已全部完成吊装，不仅在2MW 风机产品市场实现了突破，还在风力发电系统设计方面得到提升，为企业带来可观的经济效益与社会效益。此外，该新能源电力企业完成了3.0-3.4MW 系列化陆上低风速风电机组平台和5.0-5.35MW 系列化海上低风速风电机组平台设计。在新风力发电技术方面，企业展开高级控制算法、大数据系统研究、故障智能诊断和全生命周期管理技术研究，提高涵盖风机的安全性能，发布智慧风场新型产品，提高风机的可靠性与风场的运营效率。

3 结语

新能源的开发与利用有利于我国低碳社会和低碳经济的发展，对于优化资源使用结构，改善空气质量都有着积极的促进和改善作用。海上风力发电作为近十年来新兴的绿色新能源，越来越受到我国重视，它不仅拥有储量大、零排放、可循环再生等优势，而且，不占用陆地资源。对于能源紧张的地区，开发沿海风能可以缓解紧张局面。但受技术和运营成本等因素影响，我国海上风电产业还处于起步探索阶段，要形成一个完整的产业链还需不断努力。