除了更高塔筒、更長葉片，風機還會有突破性的技術進展嗎？答案可能來自風電行業之外。

　　2015年，波士頓動力的Spot機器狗系列正式面世。爬坡、跨越障礙……Spot平均幾個月就掌握一項新技能。蘇黎世聯邦理工學院的機器狗ANYmal以超強平衡能力賺足眼球，已用于海上風電平臺檢查維護。

▲ANYmal在TenneT海上平臺進行檢查工作

　　除了這些看得見的應用，機器狗已經開始在底層邏輯上改變風電行業。機器狗的每一個動作，都不是人工寫的，而是在模擬器里用強化學習算法學會的。在模擬器里，2000多只機器狗 (智能體) 一起學走路，收集了大量的“撲街”姿勢后，機器狗知道摔倒時該用怎樣的動作讓自己站起來。

　　模擬器里訓練好的運動策略，可以直接交給現實中的機器狗。如果靠人工寫程序控制機器狗，可能需要花費數年的時間才能窮盡各種不同的極端情況，具有強化學習能力的機器狗大大縮短了這一過程。

▲現實中機器狗用各種姿勢站立

　　看似固定轉動的風機，其實和機器狗一樣，運行中也面臨湍流、雷暴、雨水、復雜地形等各種狀況。一千臺出廠時一模一樣的同型號風機，安裝運行后的生命周期各不相同。“人工智能已經應用到了從風機、風場設計到運維的全生命周期。風機跟機器狗一樣，可以自我學習、自我進化、適應不同環境。”遠景能源智能風機研發工程師說。

▲面臨不同情況的機器狗和風機以相同的邏輯學習

　　以雨水侵蝕為例，雨蝕導致的葉片前緣腐蝕會極大增加運維成本、降低發電量，是海上及多雨地區風機運維的難點之一。但不同地區面臨的降雨情況不同，就像不同機器狗面臨的障礙各不相同。如何通過機器學習讓風機靈活處理降雨？

　　在多雨的南方地區，A風機安裝的傳感器將收集到的降雨信息和長期時間內的葉片腐蝕情況上傳，在水汽、鹽霧腐蝕嚴重的海上區域的B風機，和干旱地區的C風機，也收集了自己的降雨和腐蝕數據并上傳。

　　通過機器學習算法處理EnOS™在全球各地管理的接近一千個風電場中不同風機面臨的各種極端天氣數據，可以得出降雨量與葉片腐蝕程度的相關關系。將該策略分發到每臺遠景能源智能風機后，只要降雨量達到某一臨界值，風機就自動降低轉速，智能優化運行來延長葉片壽命，降低失效風險。通過通過遠景能源智慧風場運營系統的管理，在天氣條件良好的時段，還能通過高性能模式將雨蝕保護所損失的電量補償回來。

　　隨著數據厚度的增加，遠景能源智能風機也像機器狗一樣，可以從容應對各種各樣的極端天氣。 回到最初，我們也可以在生產多雨地區的風機時，加上更強的控制策略和防腐蝕措施。

　　風機不再是出廠后和其他伙伴割裂的存在，而是通過海量數據和算法總結規律，和“小伙伴”一起不斷學習成長的智能機器人。隨著時間的推移，見過越來越多“大場面”，經驗越來越豐富，控制策略越來越強，產能越來越高。遠景能源山西廣靈項目年等效利用小時數從最初的3000小時，到3200小時、3400小時，再到2018年的超3700小時，發電量不斷提升。

　　“目前，遠景EnOS™平臺已經可以基于對上萬臺遠景風機的運行數據的后處理后分析，產生大量基于人工智能的統計學規律，用于故障診斷、發電量提升、大部件壽命預測等，實現發電量和壽命損耗之間的動態平衡。”上述遠景能源智能風機研發工程師表示：“另外，已運行風場的傳感數據會有效的對被設計風場進行全生命周期的全局的隱形優化，包括環境模擬，空氣動力學結構，水動力等等。根據在風場設計階段風機透明化的模型，我們可以算出一個大概率的投資收益率，更好的迎接平價時代。”