善意地提醒，你也別只看到2015年中國風電新增裝機兇猛，也要想想行業痛點依舊很痛：“三北”風資源優良區域限電無解，更多的風電開發項目不得不往風速更低、地形更復雜的山地區域轉移，但雪上加霜的是國內風電上網電價進入逐年下調通道，這些風電場投資收益離盈虧平衡點更近，稍有不慎，投資痛點就可能100%發生在某個項目上，所以把控投資風險越來越不輕松。 　　你不妨看看遠景能源低風速復雜山地風電場解決方案中的智能風機，這對認知、理解和應對低風速復雜山地風電項目投資風險還是蠻有價值的。
　　在進入這個問題之前，先來看看下面這幅低風速風電場風頻與風能分布圖，你就懂得怎么用好這低風速風電場的風了。請注意，這幅圖可是某5.8m/s的典型低風速風電場風速風能分布實例,紅色的分布柱狀圖是風速在全年的時間分布,由于風能是風速的三次方,所以直接給客戶帶來真金白銀的風能在全年的分布其實是蘭色的柱狀圖。 　　有圖有真相，顯而易見,一個5.8m/s的低風速風電場卻有70%的風能主要來源于8m至12m/s風速的中高風速區間，但是值得注意的是，這一風速區間在時間上的分布在全年的占比還不到30%，也就是說，一個5.8m/s的低風速風電場全年30%的時間里蘊含了超過70%的風能。
　　其實，這張圖還告訴你一個常常被大家誤解的真相：即使在一個年均風速這樣低的風電場，6m/s以下風速盡管在全年的時間占比上超過50%以上,但其在全年的能量分布還不到全年的15%。因此，在低風速有更高效率的機組，就是這種看似符合形式邏輯的觀點著實給行業帶來很大的誤導,真正的低風速機組應是能夠更加有效的在最豐富的區間捕獲能量,而這恰恰又是能量最難捕獲的風速區間,因為這段風速恰恰是在額定風速上下的區間范圍,這時智能風機的優勢就得以充分發揮。
　　接下來,請你再來看看,當低風速風電場遇上復雜山地的時候,又會面臨哪些更大的挑戰呢？
　　一方面，由于地形復雜海拔差異，山地風電場機位風資源出現較大差異，單一機型設計方案無法滿足這一風資源特性，這對機組定制化及平臺化設計提出了重要挑戰；另一方面，山地風電場地形復雜，湍流、入流角、風切變、風向及風速變化等風況參數，都對風機能量捕獲穩定性和風機荷載安全提出了雙層挑戰。
　　解決上述挑戰，還是需要依靠智能風機。
　　在認識低風速復雜山地對風機智能化要求之前，先認識業內兩大誤區：
　　一是認為低風速風機要求切入風速低。事實上，回看上圖就會發現，2m/s風速度段對整年的發電量貢獻微乎其微，這段風能量占低風速風電場全年風能量的比例小于0.5%。因此，低風速切入并不能帶來風電場整體收益的大幅度提升，而且有些風電場由于低風速段風速和風向的穩定性差，過早切入反而帶來偏航自耗電過大，以及并網開關的頻繁動作。與此相反，在8m/s至12m/s風速區間，風能量全年占比高達70%，這才是風電場收益的關鍵風速段。
　　二是認為單位千瓦掃風面積越大越好。單位千瓦掃風面積是一個比較簡單的概念，由此可以大致判斷不同機組差異情況。但是，不同的葉片翼型、整體設計、失速特性，在源頭上就會影響不同葉輪的Cp大小。更為重要的是，其實Cp不是一個值,而是一個和葉尖速比λ相對應的關系曲線，所以當行業的領先業主越來越不再參考靜態功率曲線時，我們也需要理解這背后的原因，其實就是機組運行可獲得的實際Cp也是由控制系統能夠控制的葉尖速λ直接相關。
　　下面的圖中，橫坐標是葉尖速λ，縱坐標是Cp，圖中給出了兩個種Cp-λ的曲線，可以看到，曲線1的理論Cp雖然不高，但由于Cp相對λ的變化，其變化較小，這樣的葉片Cp設計對控制系統的要求就沒有那么高，因為即便風速變化引起λ變化，Cp波動也不大，但這樣帶來好處的同時也犧牲了讓Cp在設計上能夠更高的機會。而有些葉片，Cp和λ的關系圖形可以更尖更高（請見下圖曲線2），Cp在λ很狹窄的范圍內最大，這要求控制系統要更加靈敏智能，可以動態自適應，能夠通過有效的控制λ的變化使得Cp可以穩定在一個較小的范圍而沒有較大的跌落。所以，葉片和控制系統的不同都會對實際的發電效率有很大影響，這些都會通過動態功率曲線可以反映出來。以前，控制技術不先進，風機的智能化程度不高，只好用犧牲葉片Cp的最大值，來換取控制的難度降低，但隨著對Cp最大值的追求，會有更陡峭的Cp-λ曲線設計的葉片出現，可問題是要獲取這樣的更高理論Cp的發電量優勢，控制系統的難度就顯著增大了，特別是隨著葉片風輪的加大，這對控制和風機智能化的挑戰會越來越大。
　　因此，不能簡單比較單位千瓦掃風面積，更看風機的智能化水平，因為只有智能化水平更高的先進的控制系統，才能在實際運行中，真正將理論上設計的Cp切實的發揮出來。 　　至此，可以進入低風速智能風機技術的話題了。遠景能源是低風速風電開發的探索者，其智能風機有更高的能量可利用率。為什么呢？舉一個例子，比如針對低風速的特點，遠景智能風機的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，實現對風場風速模式的識別，這在很大程度上避免風機在低能量轉化工況下運行的幾率。
　　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，相比傳統風機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，同時還要關注更大的風輪所帶來的運行風險，因風輪增大而急劇增加的風機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米以下風輪直徑的風機問題不大，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風輪風機上做過載荷測量，數據表明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，這對風機的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。
　　具體到低風速復雜山地風電場，比如由于風機被部分山體遮擋，湍流紊亂，風向變化劇烈，風機長期處于偏航不發電等各種情況，這些復雜地形的影響，機組發電量損失甚至高達到15%以上。這種情況，遠景智能風機是可以避免的，因為它能夠根據風機實際運行進行控制自優化，找到新的最優化工作點，動態調整偏航的邏輯策略，通過這些，在復雜山地條件下，遠景的智能風機所提升的發電性能對于低風速風電場就顯得尤為重要了。
　　一句話總結：遠景智能風機領先行業的風能轉換效率，才是幫助業主在低風速風復雜山地風電場降低風險、獲得較好盈利的決定性因素。