当低风速遇上复杂山地 智能风机来帮你

　　善意地提醒，你也别只看到2015年中国风电新增装机凶猛，也要想想行业痛点依旧很痛：“三北”风资源优良区域限电无解，更多的风电开发项目不得不往风速更低、地形更复杂的山地区域转移，但雪上加霜的是国内风电上网电价进入逐年下调通道，这些风电场投资收益离盈亏平衡点更近，稍有不慎，投资痛点就可能100%发生在某个项目上，所以把控投资风险越来越不轻松。 　　你不妨看看远景能源低风速复杂山地风电场解决方案中的智能风机，这对认知、理解和应对低风速复杂山地风电项目投资风险还是蛮有价值的。
　　在进入这个问题之前，先来看看下面这幅低风速风电场风频与风能分布图，你就懂得怎么用好这低风速风电场的风了。请注意，这幅图可是某5.8m/s的典型低风速风电场风速风能分布实例,红色的分布柱状图是风速在全年的时间分布,由于风能是风速的三次方,所以直接给客户带来真金白银的风能在全年的分布其实是兰色的柱状图。 　　有图有真相，显而易见,一个5.8m/s的低风速风电场却有70%的风能主要来源于8m至12m/s风速的中高风速区间，但是值得注意的是，这一风速区间在时间上的分布在全年的占比还不到30%，也就是说，一个5.8m/s的低风速风电场全年30%的时间里蕴含了超过70%的风能。
　　其实，这张图还告诉你一个常常被大家误解的真相：即使在一个年均风速这样低的风电场，6m/s以下风速尽管在全年的时间占比上超过50%以上,但其在全年的能量分布还不到全年的15%。因此，在低风速有更高效率的机组，就是这种看似符合形式逻辑的观点着实给行业带来很大的误导,真正的低风速机组应是能够更加有效的在最丰富的区间捕获能量,而这恰恰又是能量最难捕获的风速区间,因为这段风速恰恰是在额定风速上下的区间范围,这时智能风机的优势就得以充分发挥。
　　接下来,请你再来看看,当低风速风电场遇上复杂山地的时候,又会面临哪些更大的挑战呢？
　　一方面，由于地形复杂海拔差异，山地风电场机位风资源出现较大差异，单一机型设计方案无法满足这一风资源特性，这对机组定制化及平台化设计提出了重要挑战；另一方面，山地风电场地形复杂，湍流、入流角、风切变、风向及风速变化等风况参数，都对风机能量捕获稳定性和风机荷载安全提出了双层挑战。
　　解决上述挑战，还是需要依靠智能风机。
　　在认识低风速复杂山地对风机智能化要求之前，先认识业内两大误区：
　　一是认为低风速风机要求切入风速低。事实上，回看上图就会发现，2m/s风速度段对整年的发电量贡献微乎其微，这段风能量占低风速风电场全年风能量的比例小于0.5%。因此，低风速切入并不能带来风电场整体收益的大幅度提升，而且有些风电场由于低风速段风速和风向的稳定性差，过早切入反而带来偏航自耗电过大，以及并网开关的频繁动作。与此相反，在8m/s至12m/s风速区间，风能量全年占比高达70%，这才是风电场收益的关键风速段。
　　二是认为单位千瓦扫风面积越大越好。单位千瓦扫风面积是一个比较简单的概念，由此可以大致判断不同机组差异情况。但是，不同的叶片翼型、整体设计、失速特性，在源头上就会影响不同叶轮的Cp大小。更为重要的是，其实Cp不是一个值,而是一个和叶尖速比λ相对应的关系曲线，所以当行业的领先业主越来越不再参考静态功率曲线时，我们也需要理解这背后的原因，其实就是机组运行可获得的实际Cp也是由控制系统能够控制的叶尖速λ直接相关。
　　下面的图中，横坐标是叶尖速λ，纵坐标是Cp，图中给出了两个种Cp-λ的曲线，可以看到，曲线1的理论Cp虽然不高，但由于Cp相对λ的变化，其变化较小，这样的叶片Cp设计对控制系统的要求就没有那么高，因为即便风速变化引起λ变化，Cp波动也不大，但这样带来好处的同时也牺牲了让Cp在设计上能够更高的机会。而有些叶片，Cp和λ的关系图形可以更尖更高（请见下图曲线2），Cp在λ很狭窄的范围内最大，这要求控制系统要更加灵敏智能，可以动态自适应，能够通过有效的控制λ的变化使得Cp可以稳定在一个较小的范围而没有较大的跌落。所以，叶片和控制系统的不同都会对实际的发电效率有很大影响，这些都会通过动态功率曲线可以反映出来。以前，控制技术不先进，风机的智能化程度不高，只好用牺牲叶片Cp的最大值，来换取控制的难度降低，但随着对Cp最大值的追求，会有更陡峭的Cp-λ曲线设计的叶片出现，可问题是要获取这样的更高理论Cp的发电量优势，控制系统的难度就显著增大了，特别是随着叶片风轮的加大，这对控制和风机智能化的挑战会越来越大。
　　因此，不能简单比较单位千瓦扫风面积，更看风机的智能化水平，因为只有智能化水平更高的先进的控制系统，才能在实际运行中，真正将理论上设计的Cp切实的发挥出来。 　　至此，可以进入低风速智能风机技术的话题了。远景能源是低风速风电开发的探索者，其智能风机有更高的能量可利用率。为什么呢？举一个例子，比如针对低风速的特点，远景智能风机的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，实现对风场风速模式的识别，这在很大程度上避免风机在低能量转化工况下运行的几率。
　　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，相比传统风机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，同时还要关注更大的风轮所带来的运行风险，因风轮增大而急剧增加的风机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米以下风轮直径的风机问题不大，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风轮风机上做过载荷测量，数据表明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，这对风机的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。
　　具体到低风速复杂山地风电场，比如由于风机被部分山体遮挡，湍流紊乱，风向变化剧烈，风机长期处于偏航不发电等各种情况，这些复杂地形的影响，机组发电量损失甚至高达到15%以上。这种情况，远景智能风机是可以避免的，因为它能够根据风机实际运行进行控制自优化，找到新的最优化工作点，动态调整偏航的逻辑策略，通过这些，在复杂山地条件下，远景的智能风机所提升的发电性能对于低风速风电场就显得尤为重要了。
　　一句话总结：远景智能风机领先行业的风能转换效率，才是帮助业主在低风速风复杂山地风电场降低风险、获得较好盈利的决定性因素。