三、技术发展趋势和需求

　　在风电发展方面，我国将继续落实陆上大型基地建设、陆上分散式并网开发和海上风电基地建设,并结合我国制造业转型升级的国家战略，积极推动整机设备和零部件出口。风电机组出于充分利用风能资源和降低度电成本的目的，不断向大型化、智能化、数字化的方向发展，而具体技术突破则更多地借助信息化、集群化以及多学科的交叉融合。

（一）大型风电机组整机设计与制造发展趋势和需求

　　1.大型风电机组的开发

　　随着风电机组单机容量的不断增加及我国风电开发的不断深入，利用智能控制技术，通过先进传感技术和大数据分析技术的深度融合，综合分析风电机组运行状态及工况条件，对机组运行参数进行实时调整，实现风电设备的高效、高可靠性运行，是未来风电设备智能化研究的趋势。大型风电机组整机技术需求主要包括：大功率风电机组整机一体化优化设计及轻量化设计技术，大功率机组叶片、载荷与先进传感控制集成一体化降载优化技术，大功率风电机组电气控制系统智能诊断、故障自恢复免维护技术，以及大功率陆上风电机组及关键部件绿色制造技术。

　　我国海床的构成特征确定了我国海上风电机组基础段的工程成本将高于欧洲，而我国海域的夏季台风则对海上风电机组了严峻挑战，这就促使我国海上风电市场更需要设备具有大容量和高可靠性。

　　海上风电机组技术需求主要包括：适用于我国的近海、远海风电场设计、施工、运输、吊装关键技术；适合我国海况和海上风能资源特点的风电机组精确化建模和仿真计算技术；10MW级及以上海上风电机组整机设计技术，包括风电机组、塔架、基础一体化设计技术，以及考虑极限载荷、疲劳载荷、整机可靠性的设计优化技术；高可靠性传动链及关键部件的设计、制造、测试技术以及大功率风电机组冷却技术；自主知识产权的海上风电机组及其轴承和发电机等关键部件；对于恶劣海洋环境对机组内部机械部件、电控部件以及对外部结构腐蚀的影响；台风、盐雾、高温、高湿度海洋环境下的风电机组内环境智能自适应性系统。

　　2.零部件配套

　　在风电机组大型化的同时，结构性问题的重要性也越来越凸显，一些新型的技术方案，如分段式叶片、全钢分瓣式柔性塔架、低成本的辅助控制小型激光雷达、海上机组用的高度生物可降解油品等我国尚未完全掌握。

　　叶片大型化和柔性化带来一些新的问题,如叶片的一阶扭转频率越来越低，叶片气弹发散以及颤振稳定性边界逐渐降低，甚至威胁风电机组的正常运行，因此叶片气弹稳定性分析将是未来大型叶片结构设计的必要内容,通过结构设计提高叶片的气弹稳定性具有重要意义[6]。

　　3.风电试验平台

　　国内厂商进行产品性能试验时，多出于产品认证和市场准入的需要，而整机厂商和零部件厂商出于自身技术研发和产品优化需要而开发的试验平台或者制订的试验标准则一直比较缺乏。由于试验平台和标准涉及的上下游厂商较多，关系到从理论到实践的成果转化，需要行业标准归口单位组织众多厂商深入论证，并积极开展实质性的协作，真正推动产业技术成长。

（二）数字化风电技术发展趋势和需求

　　1.风电智能监控

　　风电场智能化监控可以带来非常大的商业价值，具体需求主要包括：风电机组和风电场综合智能化传感技术、风电大数据收集、传输、存储、整合及快速搜索提取技术；风电场中不同制造商风电机组间通信兼容解决方案，建立风电场监控系统信息模型；大型风电场群远程通信技术，开发风电场间通信协议及数据可视化展示平台，实现风电场信息的无缝集成等。

　　2.风电智能运维

　　风电场智能化运维技术正在向着信息化、集群化的方向发展。通过智能控制技术、先进传感技术以及高速数据传输技术的深度融合，综合分析风电机组运行状态及工况条件，对机组运行参数进行实时调整，实现风电设备的高效、高可靠性运行。

　　风电运维与信息技术的深入融合包括建立包含风电场群运行数据、气象数据、电网信息、风电设备运行信息的物联网大数据平台，通过多风电场群协同控制和综合分析，加强风电机组智能控制和发电功率优化；以可靠性为中心的风电场维修理论，按照以最少的维修资源消耗保持设备固有可靠性和安全性的原则，应用逻辑决断的方法确定装备预防性维修要求的过程；基于云计算平台的风电大数据挖掘及智能诊断技术，将数据分析范围覆盖风场从设计建设到状态监测、故障诊断以及运营维护的全流程等方面。

　　3.风电机组故障智能诊断和预警

　　当前风电机组的运维主要采用定期检修和故障后维修的“被动”维修方式，需要改变风电机组运行维护方式，充分利用风电状态监控，开展预警相关研究，变风电机组“被动”维修为“主动”维修，提高风电运维效率，增加风电开发收益。当前在役风电场均配有监控与数据采集系统（SCADA），具备多年运行积累的历史数据；2010年以来，为监测风电机组振动状态，新增风电机组都配有振动状态监测系统（CMS），基于大数据技术开展风电状态监控及智能预警研究已具备开展条件。结合机组主控制系统、SCADA数据和CMS数据，开展风电机组状态预测与故障诊断方法研究，开展振动信号检测与分析研究，对风电机组关键部件故障进行特征提取与精确定位，并结合疲劳载荷分析和智能控制技术，对风电机组进行健康状态监测、故障诊断、寿命评估及自动化处置已经成为各个厂商都在积极投入的技术方向。