手机浏览网
记者从多个渠道拿到的资料则显示，2016年，湖南全省的风电设备平均年利用小时数为2125 小时，部分风电场甚至达到2500 小时左右。这意味着，大部分项目都能获得较为可观的收益，投资回收期大大缩短。比如，位于郴州的太平里风电场因投运后的发电能力远超设计值，预计将在5 年左右即可收回成本。
在湖南的示范带动下，中南部低风速风电市场吸引了众多投资商的目光。神华新能源华中区域筹建处主任龙云汉就表示，未来3 年神华将与拥有地域和技术优势的中车株洲所共同开发约300 万千瓦的风电项目。
虽然湖南的风电开发已经卓有成效，但中国可再生能源学会风能专业委员会秘书长秦海岩认为，“如果将5 米/ 秒作为技术开发指标，湖南可开发的风资源达2800 万千瓦，目前仅利用了1/10，仍大有可为。”
这个结论同样适用于全国范围内的低风速区域。据国家气象局评估，中东部和南部地区风速在5 米/ 秒以上达到经济开发价值的风资源技术可开发量接近9 亿千瓦，可挖掘的空间还很大。而在范宝林看来，这个规模还会进一步扩大，因为随着 新机型的推出，能够实现经济性开发的最低风速将从目前的5 米/ 秒下探到4.8 米/ 秒，甚至更低。
可以说，随着经济性的提升，前景广阔的低风速地区势必将成为我国风电开发的下一个“蓝海”。
向整体解决方案提供商转型
湖南等低风速地区，以山地和丘陵为主，地形复杂，风资源分布差异性大，风电项目建设将是更加复杂的系统工程，需要从全生命周期的角度设计方案。这一点上，业内有待提高。
湖南省电力设计院新能源公司总经理周晟向记者解释，当前制定布机方案时，主要还是基于发电量最优，而较少结合建设条件来考虑全局的经济性。对于低风速风电来说，要采用专业协同、专业融合的方式，整合电气、土建等环节，在优化布机方案时，必须充分考虑与反复研究建设成本和收益，确保整个风电场的全局经济性最优。这就要求包括开发商、设计院、整机商以及施工单位等所有参与方紧密合作。尤其是，整机企业作为其中核心的一环，必须根据新形势下的市场需求，在角色上进行重大转变，更加深度地参与项目的开发。
刘年来对此的理解是，山地风电场的特点是场址地形地貌的复杂性，整机企业应着眼于提供整体解决方案，实现从卖设备到卖服务转变，从单一供应向综合处置转变，全面提升综合技术水平。
事实上，这也是国家能源局等主管部门近些年来重点引导的行业趋势之一。《风电发展“十三五”规划》就明确提出，在可研设计阶段推广应用主机厂商带方案招投标。
目前，包括中车株洲所在内的不少整机商都在进行相关布局。
据悉，中车风电确立的“十三五”总体战略思想是，快速由机组设备提供商向风电综合系统解决方案提供商升级。此前，除了涉足机组供应和运维服务外，这家公司还积极将业务链条向前端延伸，进入测风、微观选址等环节。
中车株洲所风电技术中心副主任王靛向记者透露，他们正在与国家气候中心、法国美迪公司进行合作，通过整合全球先进的技术与经验，打造风资源分析、评估系统平台。目前，平台已经基本搭建完成，正在进行内测，预计今年6 月可以开放公测。通过该平台，可查询到全国各地30 年间的气候状况，包括风速、风向等风资源数据，以及沙尘、雷暴、冰冻等灾害天气情况。
“当然，建立风资源平台只是第一步。真正转型为整体解决方案提供商后，提供的将是包括测风、微观选址、机组选型、道路和输电线路施工等在内的一揽子方案。”王靛补充道，“这是行业未来发展的一大特点，也是我们积极打造‘风电场优化设计’‘场址控制策略定制’‘风电资产管理’三位一体的风电项目全生命期盈利最大化解决方案windProfitTM 的原因所在。”
在业内专家看来，这对提高项目收益的作用是显而易见的。
一方面，通过从全场和全生命周期的角度通盘设计风电场，可以将施工方案做到既有条件下的最优，最大限度降低整体成本。
另一方面，通过深度参与前期环节，整机企业可以更加全面掌握场址区的风资源和环境气候特征。“有了这些一手信息，我们就可以对机组进行有针对性设计，或者采用更加个性化的布机方案。比如，针对南方山区雷雨和冰冻天气多的特点，可以强化机组的防雷、除湿以及除冰性能。还可以根据风资源的分布情况，因地制宜地采用安装不同类型机组的混排方案。从而提高机组投运后的可靠性，进一步提高风能利用效率。”范宝林说。
智能化技术的全新应用场景
面对更低的风速，加长叶片和升高塔筒是提高机组捕风能力的最直接手段。因此，高塔筒、大功率、长叶片就成了目前低风速风电机组的标配。
然而，在中南勘测设计研究院新能源院院长刘小松看来，这种方式显得“简单粗暴”，不仅会带来载荷和成本增加等“副作用”，也无法很好地应对山区多变的风向和风速。他认为，单就机组而言，更重要的是，必须通过增强系统自学习能力、优化智能控制系统来提升风电机组的整体性能。
这也是目前低风速风电开发中呈现的另一大趋势，即广泛运用互联网思维和技术手段，使开发和运维环节高度智能化。
自国家于2015 年首次提出“互联网+”行动计划以来，各个整机厂商纷纷加大了对机组智能控制系统的开发力度。
现在的通行做法是，在控制系统中加入多个优化控制策略，借助模型，让机组及时对外界风速和风向变化做出反应，使叶轮始终处于最佳的捕风角度上，并避免因强阵风引起的超速故障等。
与此同时，一些企业还尝试根据整个风电场的风资源特点，为每台机组定制个性化的控制策略。王靛告诉记者，“在低风速的复杂地形下，每个机位点的风速、风切变、湍流是不一样的，而且机组之间还有尾流的影响。这种情况下，如果整个风电场只用同一种控制策略的话，控制效率肯定无法达到最高。下一步，需要根据周边位置的风速、风向、湍流特点，为各个机组配备专属控制策略。”
当然，这只能算是“初级”的智能化应用。现在，部分企业已经在进行更大胆的尝试，将人工智能的核心——机器学习引入到控制系统。这实际上是给机组装上了一个“超强大脑”，使它具备通过自学习来获得经验的能力，能够依据外界条件自主调整运行状态。
人工智能领域的专家认为，机器学习非常适合应用于风电开发中。因为机器学习离不开数据，而借助大量传感器和高速数据传输线路，正好可以将风电场产生的海量实时数据输送给系统，供其进行反复训练。
除了机组，机器学习应用的另一个主要场景将是运维环节。
