智能風機是什么

本刊 | 薛辰

受訪嘉賓：劉曙源，遠景能源產品開發工程副總裁，前美國福特汽車全球動力傳動及整車技術群首席總監。

從哪里來到哪里去，又能創造哪些客戶價值，這兩個問題因為智能風機的到來將成為行業話題。

《風能》：遠景是最早提出智能風機概念的公司，也因此吸引了一批汽車和航空領域的國際頂尖研發人才。您怎么看汽車和航空工業百年積累的工業技術在風電行業的應用以及智能風機未來的演化？

劉曙源：我們會問，再過10年、30年，風電機組會是什么樣子？未來不好預測，但從昨天和今天的汽車比較中不難發現，不管從工作原理，還是設計的概念結構上，汽車的本質沒變，但在其智能化水平上，今天的汽車卻有了質的飛躍，它已搭乘了幾十甚至上百個控制單元，有上千萬行的軟件代碼在上面運行，這使得今天的汽車駕駛者不需要像幾十年前的駕駛者那樣，在學開車的同時，一定要學會修車。因為，今天的汽車給駕乘者帶來的安全和舒適體驗已和幾十年前的汽車不可同日而語。

從汽車工業的發展變化看，當前的風電工業水平可能類似半個世紀前的汽車工業，盡管近年來風電機組在單機功率和掃風面積增大方面發展迅速，但其智能化水平卻與當年600kW－800kW的小型風電機組相當，并沒有顯著提升。所以，要預言未來的風電機組演化，我們可以推斷半個世紀后其在原理和概念結構上與今天的機組不會有本質的不同，但其智能化演化則會呈現無止境的態勢。這一點，是由客戶日益增長的對風電機組的風能轉化效率要求所決定的。

在一種提升效率的極致追求下，我們看到了行業不斷放大的風輪直徑，115米和121米風輪都已在市場出現，但一味單方面放大風輪直徑真的能滿足客戶大幅提升風能轉換效率的需求嗎？看看汽車的歷程，當駕乘者追求駕駛速度和動力性能時，最直接的方法是增大發動機的排量。可是，人人都知道如果用30年前的化油器技術來控制發動機的進油和進氣，即使提升到4.0的排量，所增加的輸出動力也有限，且很不經濟。所以，今天我們看到了智能化的電子噴射技術控制的發動機和渦輪增壓的發動機，排量并不是一味的提升。相反，1.4T的發動機成為經濟型轎車受歡迎的配置。

具體到遠景智能風機，我要提到遠景全球研發團隊中的孫博士，之前他是波音公司的翼型設計專家，他認為從高速飛機到低速飛機的變化不僅僅是簡單增大機翼和機身的比例，而是主要依靠低速高升力翼型的設計，以及空氣動力學和智能控制的集成。低風速機組的設計同樣如此，簡單增大葉輪直徑并非最經濟有效的設計方法，適合低風速的高升力翼型設計和智能控制的集成才是低風速機組成功的關鍵。

遠景智能風機不僅有先進的硬件傳感器，更有大量的軟件傳感器和在航空航天以及汽車行業成功應用的先進控制算法，相比傳統機組幾萬行的控制軟件代碼，遠景智能風機控制系統搭載的軟件系統代碼超過200萬行。

當客戶在追求風輪直徑增大來提升風能轉換效率時，因風輪增大而急劇增加的機組安全性風險被顯著放大。目前，葉片安裝導致的槳距角對零誤差還停留在過去的水平上，正負1到2度的誤差在目前的制造和安裝工藝中不可避免，這對于100米以下風輪直徑的機組問題不大，但對直徑超過105米的風輪，葉片不對稱所產生的疲勞載荷會急劇增加，遠景在110米風輪機組上做過載荷測量，1度以上的槳距角對零誤差導致的疲勞載荷增加已顯著超出設計標準，這對其長期安全性運行帶來巨大風險。這不難理解遠景智能風機控制軟件中僅槳距角誤差補償算法的軟件代碼量就超過1萬行。

《風能》：業內提及遠景大多與低風速技術有關，但對遠景智能風機也只是個概念。在您看來，遠景智能風機在低風速風電場有何優勢？

劉曙源：在我看來，與其說低風速技術，不如說智能風機有更高的能量可利用率更合適。低風速風場風能量小，遠景智能風機領先行業的風能轉換效率成為業主在低風速風電場得以盈利的決定性因素。對于低風速風能的轉換，行業內還存在一些誤解：面對年風頻分布圖分析低風速風電場風資源時，我們會發現低于6米/秒風速的時間超過50%，不足4米/秒風速的時間超過30%，從而認為低風速技術一定要降低機組的切入風速，提高500kW以下功率段的功率曲線效率。其實，這混淆了風速和風能的概念，風能不等同于風速，而是和風速成三次方的關系。如果從風能的角度來看年風頻分布圖，你會看到年風頻分布會整體右移，而這時你也發現，雖然6米/秒以下風速占全年時間的50%以上，但這部分風速所蘊含的風能還不足全年的15%，3米/秒以下風速的風能占全年風能的比例還不足千分之幾。因此，將切入風速降低到2米/秒，本質上沒有意義，只是徒然增加了自耗電和器件損耗。

從低風速風場的風能分布來看，風速在8米/秒到12米/秒段的風能，盡管其僅占全年時間的30%，但所蘊含的風能則超過全年的70%以上。不幸的是，恰恰這個風速區間的風能是最難以捕獲的，這也是實際風能轉換效率和理論風能轉換效率偏差發生最大的風速區間。原因很簡單，風電機組在這個風速區間正是風機額定風速上下的范圍，這個時候的機組控制面臨著一個尷尬的境地，理想情況是，當超過額定風速時，機組的控制目標是將風能卸掉，但不能多也不能少，正好夠滿發；而當風速低于額定風速時，機組的控制目標是盡量捕獲最多的能量，但現實情況是，風速在瞬態會時而高于額定風速，時而低于額定風速，如果不采用激光雷達技術，我們很難預見下一時刻的風速，機組可能在風速高于額定風速時過度變槳而卸掉了更多的風能，導致不能滿發。相反，當風速低于額定風速時，機組也可能還處于上一時刻卸掉風能的變槳狀態，導致風能轉換效率進一步降低，而大風輪慣量的增加，也加劇了這種低能量轉化在傳統風機的常態化。這就是為什么有些使用了大風輪傳統風機的業主抱怨機組過度偏離理論發電性能的原因。

說到智能風機針對低風速的技術特點，遠景智能控制技術中有一個基于神經網絡的樣本訓練預測模型，這個有數十萬行代碼的在線運行軟件模型能夠不斷通過歷史樣本訓練，實現對風電場風速模式的識別，這在很大程度上避免遠景智能風機在低能量轉化工況下運行的幾率。其實，這項技術在汽車行業已得到廣泛應用，比如發動機控制系統可以通過歷史的過程，識別出駕駛者的駕駛習慣，從而提升發動機的控制性能。風電場也是一樣，盡管下一時刻的風速難以預測，但只要風電場的風速特點有所不同，遠景智能風機就能識別，這也是遠景智能風機在低風速風能蘊含量最大的風速區間風能轉換效率行業領先的重要原因。