2026年中國風(fēng)能新春茶話會“在不確定中尋找確定性”的提法，準(zhǔn)確概括了中國風(fēng)電近些年的市場發(fā)展邏輯。而作為風(fēng)電開發(fā)的核心裝備，風(fēng)機(jī)的發(fā)展歷程，何嘗不是沿著這樣的軌跡在行進(jìn)。

回首數(shù)十年來，風(fēng)電技術(shù)的演進(jìn)始終圍繞著效率、成本與安全三大核心展開，努力在風(fēng)與環(huán)境的不確定中，尋找風(fēng)電開發(fā)收益的確定性。

第一代風(fēng)機(jī)的本質(zhì)是自動(dòng)化控制風(fēng)機(jī)，在“風(fēng)的不確定性”里做到“功率目標(biāo)跟隨”。系統(tǒng)能夠做到的核心一是基于簡單控制邏輯，實(shí)現(xiàn)功率目標(biāo)跟隨；二是在實(shí)時(shí)風(fēng)況波動(dòng)中，讓風(fēng)機(jī)“能穩(wěn)定地按控制目標(biāo)去發(fā)電”。它讓風(fēng)機(jī)從“可用”走到“可控”。但受限于工業(yè)PLC的算力水平，風(fēng)的不確定性遠(yuǎn)遠(yuǎn)超過PLC+規(guī)則控制能覆蓋的范圍，因此存在大量典型限制，如復(fù)雜工況下的適應(yīng)性不足、傳感器能力和控制策略的復(fù)雜度受限等。

第二代風(fēng)機(jī)，關(guān)鍵突破是把控制系統(tǒng)的表達(dá)方式從“堆規(guī)則”推進(jìn)到“控制模型化”。這一步的標(biāo)志性動(dòng)作是：借鑒航空航天控制領(lǐng)域經(jīng)驗(yàn)，把復(fù)雜控制的建模思想引入風(fēng)電行業(yè)。其帶來的是控制模型復(fù)雜度顯著提升，推動(dòng)代碼規(guī)模從幾十萬行擴(kuò)展到幾百萬行，并引入更復(fù)雜的算法如更精細(xì)的狀態(tài)估計(jì)等，讓功率跟隨、控制穩(wěn)定性更上一個(gè)臺階。但隨著風(fēng)機(jī)大型化，新的核心矛盾浮出水面：可靠性感知能力成為短板，尤其在復(fù)雜山地風(fēng)場等場景，風(fēng)的空間非均勻、湍流結(jié)構(gòu)復(fù)雜、流動(dòng)條件極端，模型再精細(xì)，也會被現(xiàn)實(shí)不斷考驗(yàn)。

第2.5代風(fēng)機(jī)，以遠(yuǎn)景能源推出的“智能風(fēng)機(jī)”為代表，通過“整機(jī)系統(tǒng)載荷”為抓手，從樣機(jī)推演走向“規(guī)?；d荷感知”，用真實(shí)數(shù)據(jù)重構(gòu)設(shè)計(jì)邊界。通過在風(fēng)機(jī)上標(biāo)配整機(jī)級載荷傳感，利用風(fēng)機(jī)邊緣算力與場站邊緣算力，構(gòu)建“以載荷為核心”的載荷孿生。同時(shí)把仿真過程前移并下沉到風(fēng)機(jī)側(cè)/邊緣側(cè)，將超過兩萬臺風(fēng)機(jī)的真實(shí)載荷沉淀為設(shè)計(jì)階段的案例集，用于新項(xiàng)目的載荷仿真與整機(jī)設(shè)計(jì)驗(yàn)證。由此解決了部分關(guān)鍵業(yè)務(wù)痛點(diǎn)，如大型化之后葉片因載荷超載導(dǎo)致的掃塔問題基本不再發(fā)生。

“但傳統(tǒng)智能風(fēng)機(jī)仍然是一個(gè)機(jī)器，缺乏泛化和自主學(xué)習(xí)能力。技術(shù)人員無法為它窮舉每一個(gè)項(xiàng)目、每一個(gè)機(jī)位、每一天的風(fēng)資源變化，這就是它的局限性?！碑?dāng)被問及智能風(fēng)機(jī)與伽利略AI風(fēng)機(jī)的區(qū)別時(shí)，遠(yuǎn)景能源風(fēng)機(jī)與裝備產(chǎn)品平臺副總裁黃虎說。

隨著AI技術(shù)在應(yīng)用端的快速普及，2025年10月，遠(yuǎn)景能源發(fā)布了全球首款伽利略AI風(fēng)機(jī)，將風(fēng)機(jī)的智能化水平，提升到了一個(gè)新的高度，這意味著第三代風(fēng)機(jī)已經(jīng)誕生。

據(jù)黃虎介紹，伽利略AI風(fēng)機(jī)與規(guī)則驅(qū)動(dòng)的智能風(fēng)機(jī)，核心差異在于泛化、自主學(xué)習(xí)與自適應(yīng)優(yōu)化能力，其控制邏輯不再依賴人工編寫的場景化代碼，而是通過人工智能算法構(gòu)建獎(jiǎng)勵(lì)與懲罰機(jī)制，在物理規(guī)則約束下自主探索最優(yōu)運(yùn)行策略。

這意味著研發(fā)人員不再需要窮舉各類人工識別的場景，只要風(fēng)機(jī)在物理規(guī)則的約束下，設(shè)定發(fā)電量最優(yōu)、設(shè)備損耗最低等核心目標(biāo)，風(fēng)機(jī)就能在數(shù)字世界試錯(cuò)、實(shí)踐和提升，形成類似“肌肉記憶”的運(yùn)行模式，最后再到物理世界來運(yùn)行，持續(xù)優(yōu)化控制策略。

“就像教育小朋友，先設(shè)置規(guī)則，告訴他什么是對、什么是錯(cuò)；再設(shè)置目標(biāo)，學(xué)習(xí)走路、跑步、游泳。這樣在小朋友的神經(jīng)網(wǎng)絡(luò)里，就形成了肌肉記憶，成為一個(gè)智能體?！秉S虎進(jìn)一步解釋：“我們已經(jīng)看到，伽利略AI風(fēng)機(jī)在剛開始訓(xùn)練時(shí)，會比上一代的代碼風(fēng)機(jī)差很多，但它的學(xué)習(xí)速度很快，隨著時(shí)間推移會越來越領(lǐng)先，沒有上限?！?/p>

在黃虎看來，136號文下的大型化風(fēng)機(jī)非常適合搭載AI技術(shù)。在原有的風(fēng)的不確定性基礎(chǔ)上，部件與系統(tǒng)的大型化不確定性同步疊加，而交易與電價(jià)的不確定性又引入新的優(yōu)化維度。因此第三代的架構(gòu)必須變成“感知—規(guī)劃—控制”一體化升級。感知上要做到從“載荷中心”走向“多模態(tài)融合感知”，規(guī)劃上要做到從“查表法”到AI規(guī)劃，打通實(shí)時(shí)運(yùn)行與中期策略，并把交易納入最優(yōu)，控制上要做到構(gòu)建AI控制器體系，不再依賴傳統(tǒng)規(guī)則控制的if-else邊界。

“我們給風(fēng)機(jī)裝上了‘大腦’。以前的PLC控制沒有算力，現(xiàn)在的伽利略AI風(fēng)機(jī)要裝GPU，有算力，支撐感知—規(guī)劃—控制AI模型運(yùn)行，這就是機(jī)端智能。”黃虎表示：“我們要讓每一個(gè)智能體能夠控制自己的行為。”

顯然，伽利略AI風(fēng)機(jī)的泛化、自主學(xué)習(xí)與控制能力，不僅僅是軟件的升級，更是在硬件上感知系統(tǒng)與算力單元的全面革新。

據(jù)遠(yuǎn)景能源實(shí)測數(shù)據(jù)，自2024年部署以來，加裝“天樞”能源大模型智能控制平臺模塊的AI風(fēng)機(jī)，較同風(fēng)場未加裝AI的第2.5代智能風(fēng)機(jī)，收益提升達(dá)20.9%。

風(fēng)電技術(shù)的每一次迭代都源于對行業(yè)痛點(diǎn)的精準(zhǔn)破解。“風(fēng)電是一個(gè)前途無量的行業(yè)，短期內(nèi)最重要的是如何成為穩(wěn)定的、可以支持電力系統(tǒng)的能源，遠(yuǎn)景為這一目標(biāo)做了很多嘗試。”黃虎說。

AI風(fēng)機(jī)正是遠(yuǎn)景能源的努力方向之一，它以物理人工智能的方式，重構(gòu)了風(fēng)機(jī)控制邏輯，通過感知、算力、算法的協(xié)同創(chuàng)新，打破傳統(tǒng)技術(shù)的性能邊界，為風(fēng)電高比例發(fā)展提供了核心技術(shù)保障。

就在近日，該公司宣布其為澳大利亞Nullagine風(fēng)電項(xiàng)目提供的首臺AI風(fēng)機(jī)樣機(jī)并網(wǎng)發(fā)電。這個(gè)項(xiàng)目將通過安裝17臺EN182-7.8MW型伽利略AI風(fēng)機(jī)，來應(yīng)對澳大利亞礦區(qū)、沙漠極端環(huán)境、局地風(fēng)況及嚴(yán)苛電網(wǎng)的環(huán)境需求與挑戰(zhàn)。

來源：遠(yuǎn)景能源