智能风机是什么

本刊 | 薛辰

受访嘉宾：刘曙源，远景能源产品开发工程副总裁，前美国福特汽车全球动力传动及整车技术群首席总监。

从哪里来到哪里去，又能创造哪些客户价值，这两个问题因为智能风机的到来将成为行业话题。

《风能》：远景是最早提出智能风机概念的公司，也因此吸引了一批汽车和航空领域的国际顶尖研发人才。您怎么看汽车和航空工业百年积累的工业技术在风电行业的应用以及智能风机未来的演化？

刘曙源：我们会问，再过10年、30年，风电机组会是什么样子？未来不好预测，但从昨天和今天的汽车比较中不难发现，不管从工作原理，还是设计的概念结构上，汽车的本质没变，但在其智能化水平上，今天的汽车却有了质的飞跃，它已搭乘了几十甚至上百个控制单元，有上千万行的软件代码在上面运行，这使得今天的汽车驾驶者不需要像几十年前的驾驶者那样，在学开车的同时，一定要学会修车。因为，今天的汽车给驾乘者带来的安全和舒适体验已和几十年前的汽车不可同日而语。

从汽车工业的发展变化看，当前的风电工业水平可能类似半个世纪前的汽车工业，尽管近年来风电机组在单机功率和扫风面积增大方面发展迅速，但其智能化水平却与当年600kW－800kW的小型风电机组相当，并没有显著提升。所以，要预言未来的风电机组演化，我们可以推断半个世纪后其在原理和概念结构上与今天的机组不会有本质的不同，但其智能化演化则会呈现无止境的态势。这一点，是由客户日益增长的对风电机组的风能转化效率要求所决定的。

在一种提升效率的极致追求下，我们看到了行业不断放大的风轮直径，115米和121米风轮都已在市场出现，但一味单方面放大风轮直径真的能满足客户大幅提升风能转换效率的需求吗？看看汽车的历程，当驾乘者追求驾驶速度和动力性能时，最直接的方法是增大发动机的排量。可是，人人都知道如果用30年前的化油器技术来控制发动机的进油和进气，即使提升到4.0的排量，所增加的输出动力也有限，且很不经济。所以，今天我们看到了智能化的电子喷射技术控制的发动机和涡轮增压的发动机，排量并不是一味的提升。相反，1.4T的发动机成为经济型轿车受欢迎的配置。

具体到远景智能风机，我要提到远景全球研发团队中的孙博士，之前他是波音公司的翼型设计专家，他认为从高速飞机到低速飞机的变化不仅仅是简单增大机翼和机身的比例，而是主要依靠低速高升力翼型的设计，以及空气动力学和智能控制的集成。低风速机组的设计同样如此，简单增大叶轮直径并非最经济有效的设计方法，适合低风速的高升力翼型设计和智能控制的集成才是低风速机组成功的关键。

远景智能风机不仅有先进的硬件传感器，更有大量的软件传感器和在航空航天以及汽车行业成功应用的先进控制算法，相比传统机组几万行的控制软件代码，远景智能风机控制系统搭载的软件系统代码超过200万行。

当客户在追求风轮直径增大来提升风能转换效率时，因风轮增大而急剧增加的机组安全性风险被显著放大。目前，叶片安装导致的桨距角对零误差还停留在过去的水平上，正负1到2度的误差在目前的制造和安装工艺中不可避免，这对于100米以下风轮直径的机组问题不大，但对直径超过105米的风轮，叶片不对称所产生的疲劳载荷会急剧增加，远景在110米风轮机组上做过载荷测量，1度以上的桨距角对零误差导致的疲劳载荷增加已显著超出设计标准，这对其长期安全性运行带来巨大风险。这不难理解远景智能风机控制软件中仅桨距角误差补偿算法的软件代码量就超过1万行。

《风能》：业内提及远景大多与低风速技术有关，但对远景智能风机也只是个概念。在您看来，远景智能风机在低风速风电场有何优势？

刘曙源：在我看来，与其说低风速技术，不如说智能风机有更高的能量可利用率更合适。低风速风场风能量小，远景智能风机领先行业的风能转换效率成为业主在低风速风电场得以盈利的决定性因素。对于低风速风能的转换，行业内还存在一些误解：面对年风频分布图分析低风速风电场风资源时，我们会发现低于6米/秒风速的时间超过50%，不足4米/秒风速的时间超过30%，从而认为低风速技术一定要降低机组的切入风速，提高500kW以下功率段的功率曲线效率。其实，这混淆了风速和风能的概念，风能不等同于风速，而是和风速成三次方的关系。如果从风能的角度来看年风频分布图，你会看到年风频分布会整体右移，而这时你也发现，虽然6米/秒以下风速占全年时间的50%以上，但这部分风速所蕴含的风能还不足全年的15%，3米/秒以下风速的风能占全年风能的比例还不足千分之几。因此，将切入风速降低到2米/秒，本质上没有意义，只是徒然增加了自耗电和器件损耗。

从低风速风场的风能分布来看，风速在8米/秒到12米/秒段的风能，尽管其仅占全年时间的30%，但所蕴含的风能则超过全年的70%以上。不幸的是，恰恰这个风速区间的风能是最难以捕获的，这也是实际风能转换效率和理论风能转换效率偏差发生最大的风速区间。原因很简单，风电机组在这个风速区间正是风机额定风速上下的范围，这个时候的机组控制面临着一个尴尬的境地，理想情况是，当超过额定风速时，机组的控制目标是将风能卸掉，但不能多也不能少，正好够满发；而当风速低于额定风速时，机组的控制目标是尽量捕获最多的能量，但现实情况是，风速在瞬态会时而高于额定风速，时而低于额定风速，如果不采用激光雷达技术，我们很难预见下一时刻的风速，机组可能在风速高于额定风速时过度变桨而卸掉了更多的风能，导致不能满发。相反，当风速低于额定风速时，机组也可能还处于上一时刻卸掉风能的变桨状态，导致风能转换效率进一步降低，而大风轮惯量的增加，也加剧了这种低能量转化在传统风机的常态化。这就是为什么有些使用了大风轮传统风机的业主抱怨机组过度偏离理论发电性能的原因。

说到智能风机针对低风速的技术特点，远景智能控制技术中有一个基于神经网络的样本训练预测模型，这个有数十万行代码的在线运行软件模型能够不断通过历史样本训练，实现对风电场风速模式的识别，这在很大程度上避免远景智能风机在低能量转化工况下运行的几率。其实，这项技术在汽车行业已得到广泛应用，比如发动机控制系统可以通过历史的过程，识别出驾驶者的驾驶习惯，从而提升发动机的控制性能。风电场也是一样，尽管下一时刻的风速难以预测，但只要风电场的风速特点有所不同，远景智能风机就能识别，这也是远景智能风机在低风速风能蕴含量最大的风速区间风能转换效率行业领先的重要原因。