除了更高塔筒、更长叶片，风机还会有突破性的技术进展吗？答案可能来自风电行业之外。

　　2015年，波士顿动力的Spot机器狗系列正式面世。爬坡、跨越障碍……Spot平均几个月就掌握一项新技能。苏黎世联邦理工学院的机器狗ANYmal以超强平衡能力赚足眼球，已用于海上风电平台检查维护。

　　▲ANYmal在TenneT海上平台进行检查工作

　　除了这些看得见的应用，机器狗已经开始在底层逻辑上改变风电行业。机器狗的每一个动作，都不是人工写的，而是在模拟器里用强化学习算法学会的。在模拟器里，2000多只机器狗 (智能体) 一起学走路，收集了大量的“扑街”姿势后，机器狗知道摔倒时该用怎样的动作让自己站起来。

　　模拟器里训练好的运动策略，可以直接交给现实中的机器狗。如果靠人工写程序控制机器狗，可能需要花费数年的时间才能穷尽各种不同的极端情况，具有强化学习能力的机器狗大大缩短了这一过程。

　　▲现实中机器狗用各种姿势站立

　　看似固定转动的风机，其实和机器狗一样，运行中也面临湍流、雷暴、雨水、复杂地形等各种状况。一千台出厂时一模一样的同型号风机，安装运行后的生命周期各不相同。“人工智能已经应用到了从风机、风场设计到运维的全生命周期。风机跟机器狗一样，可以自我学习、自我进化、适应不同环境。”远景能源智能风机研发工程师说。

　　▲面临不同情况的机器狗和风机以相同的逻辑学习

　　以雨水侵蚀为例，雨蚀导致的叶片前缘腐蚀会极大增加运维成本、降低发电量，是海上及多雨地区风机运维的难点之一。但不同地区面临的降雨情况不同，就像不同机器狗面临的障碍各不相同。如何通过机器学习让风机灵活处理降雨？

　　在多雨的南方地区，A风机安装的传感器将收集到的降雨信息和长期时间内的叶片腐蚀情况上传，在水汽、盐雾腐蚀严重的海上区域的B风机，和干旱地区的C风机，也收集了自己的降雨和腐蚀数据并上传。

　　通过机器学习算法处理EnOS?在全球各地管理的接近一千个风电场中不同风机面临的各种极端天气数据，可以得出降雨量与叶片腐蚀程度的相关关系。将该策略分发到每台远景能源智能风机后，只要降雨量达到某一临界值，风机就自动降低转速，智能优化运行来延长叶片寿命，降低失效风险。通过通过远景能源智慧风场运营系统的管理，在天气条件良好的时段，还能通过高性能模式将雨蚀保护所损失的电量补偿回来。

　　随着数据厚度的增加，远景能源智能风机也像机器狗一样，可以从容应对各种各样的极端天气。 回到最初，我们也可以在生产多雨地区的风机时，加上更强的控制策略和防腐蚀措施。

　　风机不再是出厂后和其他伙伴割裂的存在，而是通过海量数据和算法总结规律，和“小伙伴”一起不断学习成长的智能机器人。随着时间的推移，见过越来越多“大场面”，经验越来越丰富，控制策略越来越强，产能越来越高。远景能源山西广灵项目年等效利用小时数从最初的3000小时，到3200小时、3400小时，再到2018年的超3700小时，发电量不断提升。

　　“目前，远景EnOS?平台已经可以基于对上万台远景风机的运行数据的后处理后分析，产生大量基于人工智能的统计学规律，用于故障诊断、发电量提升、大部件寿命预测等，实现发电量和寿命损耗之间的动态平衡。”上述远景能源智能风机研发工程师表示：“另外，已运行风场的传感数据会有效的对被设计风场进行全生命周期的全局的隐形优化，包括环境模拟，空气动力学结构，水动力等等。根据在风场设计阶段风机透明化的模型，我们可以算出一个大概率的投资收益率，更好的迎接平价时代。”