AI赋能风机效率和可靠性提升
风电进入平价时代，提质增效是风电行业的刚需。王晓宇博士认为，无论是风机制造还是风场建设，降低材料成本的难度越来越大，“唯有通过AI技术提升效率，进而优化成本、控制风险、增加收益以及保障风机和项目的安全质量可靠性，才能真正解决风电行业的痛点，进而满足提质增效的需求。”从智能风机到智慧风场Wind OS™、Greenwich™，再到智能物联网操作系统EnOS™，远景能源完成了智能化、数字化技术储备和积累，为AI落地风机设计与制造、风场设计与建设奠定了技术基础。
同时，作为中国第二、全球第五大风机制造商，远景能源目前拥有8000多台、1600多万千瓦的在运智能风机机组。作为中国最早的智能风机供应商，远景能源在运智能风机积累的大量数据，在智能时代无疑是一座隐形的宝藏。
传统的风机风场设计，主要基于流体力学、结构动力学的理论模型，再通过数值模拟预测产品的物理历程，以及有限的实验闭环验证来确认产品设计的可靠性。但实际风机风场空间尺度巨大，且处于极为随机的物理场景，因此仅依靠有限地形特征和时间长度的数值模拟，无法准确预测风机风场在超过20生命周期中所经历的物理历程，显著限制了风机风场的设计精度，也就难以达到LCOE最优设计目标。
而基于AIoT、大数据平台和数字孪生技术，风机风场完全可在一个AI系统通过交互完成设计，也就是说，AI不但可以帮助工程师设计出更优发电性能、更低度电成本的风机风场，还可以大大缩短风机风场设计的周期，大大降低风设计环节的成本、极致提升效率。
“做到这一点，”王晓宇博士说，“关键在于支撑风机风场设计系统的数据中台和AI中台的支持。”为远景能源智能风机和智慧风场赋能的，是远景EnOS™平台。作为已建成的全球最大能源AIoT系统，其接入了包括风场在内超过100GW的能源终端，其大数据中台可为风机风场设计提供设计历史数据以及对应的运行风机在任意时间、地点的数据，且准确可靠，而强化学习算法又可以通过大量正向数据的训练来实现虚拟风机风场对真实风机风场的无限逼近，解除了特征数据不足对风机风场学习与训练带来的制约。
AI助力风电全生命周期最优设计和运行
在王晓宇博士看来，AI帮助风机风场完成最优LCOE设计，只是AI应用于风电全产业链的一半历程，智能风机的智能化运行策略以及风场最优业绩的实现，在后补贴时代显得尤为重要，需要AI提供强力支撑。从传统风机风场的运行实际看，受限于风机智能化水平、AIoT技术缺失和设计、运行大数据能力限制，造成风电资产运行状况不透明，导致风机大部件损伤预警与状态运维缺失、风电场能量可利用率（EBA）计算不准确，致使风机智能控制策略和风电场最优运行计划得不到有效实施，因而拉低了风电资产的收益。
也正因为如此，王晓宇博士强调AIoT对于透明化风电场实际运行的内在状态，实现资产智能运行、智慧运营带来价值创造。风机接入AIoT后，通过EnOS™操作系统实现了风电场智能化管理，比如通过运行数据训练机位气象预报准确率，进而更准确地预测风速与有功出力，不仅提升了风机的发电收益，也降低了因为风机维护带来的电量损失。
为什么远景能源如此看重AIoT对于风机风场的重要性？王晓宇博士认为，在AIoT支撑下，风机是能量和信息节点，不仅是电源，更是风电资产信息网络中的传感器，比如每台风机都可以是某种类型的可以度量风资源的测风塔，每台风机都可以是营收和成本传感器，实时度量着风电资产价值和收益。
“从提升效率和收益的角度看，也可以把AIoT视为风场整体发电量的倍增器。”王晓宇博士这样比喻道。
AI激发行业创新想象力
作为全球三家具有自主知识产权的风机动力学求解器的技术公司之一，远景能源正基于对AIoT系统以及对风机关键部件核心技术的认知洞察力，尝试用AI技术助推风机风场产品化进阶。在王晓宇博士看来，远景AIoT、大数据与人工智能，让信息科技(IT)与操作技术（OT)深度融合，必定产生出提质增效的革命性创新应用。
据王晓宇博士描述，未来远景能源将探求用模拟器来设计风机，并通过场景仿真风机运行策略训练，完成风机从虚拟到真实的最后一步。这将进一步缩短风机从设计开发到批量应用的周期，期望风机超越人类灌输的知识，自学习和自进化成为现实，进而真正解决风机一机一场景的定制匹配问题，提升发电效率和收益。
实际上，目前远景能源可以基于现有的风机风场设计平台，在安全可靠的边界条件下，根据20年、25年或30年风场项目的生命周期需求来设计风机风场，做实项目收益率。
（来源：远景能源）