AI(人工智能)已经成为近期的一个网红词汇，谈什么行业都言必AI。其实风电行业已经进入了发展深水期，大容量，低风速，高造价（同比前期），低电价（平价或竞价-低于标杆电价）等四大难题对风机提出了越来越苛刻的市场需求-更低的度电成本，更低的运维成本。AI如何在这个残酷的市场竞争中获得发展的空间，成为风电产业链的广大创新者的重要任务之一。
上一期我谈到了叶片的AI个人观点，今天就能量转换系统（含传动，偏航、变桨系统）的未来趋势。无论是直驱，还是半直驱和双馈，都有一个能量传递过程，如果高效的正对风向，通过偏航变桨系统最大限度的吸收大自然的风能，这是我们风机设计中最核心的系统之一，同样的风吹过来，按贝茨定理最高可以吸收59.3%的风能，实际我们风机叶片设计在保证100%叶片气动面正面迎风的情况下，一般也最高就48%左右的能量吸收，如何利用AI技术提升风机能量捕获系统的效率，这就成为了我们偏航变桨系统的核心任务。
正常的变桨、偏航动作是根据周期时间内的风向来确定偏航和变桨动作，如何提升对风（偏航）效率和调整最佳迎风角的速度，这实际上是就是一个简单的信号反馈机制，如何利用AI技术像人一样，根据不同的风向，不同的风速及时以最佳偏航角度和最佳迎风角变桨，最大比例获取风能，同时根据风速条件将风机载荷最小化。
如何提升捕风能力，提升吸能效率，我们需要向光伏行业的兄弟们学习，以0.01为阶梯，一个点一个点的提升风机的捕风能力和吸能效率。这时候要充分发挥大数据的历史作用（过去一年或几年的数据同期的风资源特性分析对比），根据风电场区域地形地貌特质，地表影响因子，风机在地球的自转和公转作用下空气流体的特性，智能判断下一秒的风速以及风向，由现在的风机测风仪数据滞后控制变桨偏航动作，变成随时随地的准确正面迎风捕风，看似就十几秒的时间差异，但对于风机而言，如果整体的捕风动作滞后，相当于我们的功率曲线向右偏置。个人认为如果通过AI技术解决了这个时间偏差的变桨、偏航，效率提升几个点应该是非常有意义的。
需要说明的是，上述想法是基于我对风机的了解，对偏航和变桨系统的最新发展我并不是特别专业，如果说的不对，可以忽略。但有一点需要说明的是，通过AI把风机变得具有灵性，来什么风刚好就采取什么样的动作，刚好满足最高效率捕获风能的状态。这里我还得补充一下当前变桨系统的两个流派：一个是液压变桨，一个是电动变桨，优劣很明显：液压变桨安装简单，液压动力载荷大，尤其是大叶轮直径条件下，大载荷的变桨有优势，回转支承可以不用有齿，降低造价；缺点也很明显，液压系统国内的不过关，漏油是个大问题，同时液压反应效率相比电动变桨会慢一点。电动变桨优点就是反应快，缺点是需要减速机，电动机，回转支承有齿，造价相对要高一点，对急停工况不如液压变桨。如AI技术解决了变桨的时间滞后问题，液压变桨的缺点可能就可以忽略，控制系统随时给出液压载荷指令，解决了指令滞后延迟的毛病。从大容量机型来看，液压变桨可能更适合。我们传统的变桨偏航系统硬件部分都属于电气控制件，在智能制造方面无太多的提升，风机的产能究竟在传统的工业产品里而言，还是一个小众产品，数量规模并不大，而且品牌分散，在制造方面提升空间不大。
传动系统部件的制造通过AI将会大幅提升产品质量水平和可靠性。对于减速机，回转支承，齿轮箱（增速机）而言，这属于精密传动部件，载荷大，使用工况变化频繁（变桨偏航，虽然角度不大），对制造要求较高，如何采用AI技术在传动件的制造领域提升质量和可靠性，非常有必要。传动部件的制造相对传统机械装备制造领域要高，需要有较高的装配精度要求和热处理性能要求，采用智能制造技术，不仅可以大幅降低产品的废品率而且可以提升产品的质量稳定性，最终实现产品的高可靠性。减速机，回转支承和齿轮箱三大传动部件的最大问题都是漏油，漏油的直接后果就是影响整机的运行，同时给风机的运行和检修带来极大的麻烦，通过采用自动化加工生产线（CIMS）和智能化装配生产线，减少人员带来的产品质量变化。如果大家见过宝马汽车生产线，就能想象我们这个传动部件的生产过程。产品质量可靠性的提升，意味着风机全寿命周期中的运维成本将会大幅降低。过去十几年我们风电行业的齿轮箱更换应该是家常便饭，广大风电业主肯定已经饱受其害，而且还无可奈何，维护和保养只能保证其正常运行，特殊工况则就是验证产品高可靠性质量的试金石。我们的传动部件的产业链企业必须高度重视传动部件的智能制造，未来机型越来越大，质量故障的成本和代价也会越来越高，在低价风电时代，对产业链企业而言，任何一次故障的发生都将是惨痛的代价。智能设计，智能控制，智能制造，在风电能量系统的AI技术应用领域具有重要的价值，不仅仅是提升效率，更是降低故障，降低成本。
|
