大多数风电场由数十台甚至数百台风机组成，它们之间的气流会相互影响。
但麻省理工学院工程师表示，风电场可以不再着眼于优化单台风机的控制，而是对整个风机群的气流进行建模，从而提高发电量。
这套新系统有望快速、轻松地投入应用。
如果全球所有风电场都采用这套系统，每年将增加逾31太瓦时的发电量，相当于零成本新增3,600台风机。
几乎所有风机都被当作独立、彼此分离的设备来控制，而它们的发电量已占全球发电量的5%以上。事实上，绝大多数风机属于规模更大的风电场，单个风电场包含数十台甚至数百台风机，彼此的尾流会相互影响。
如今，麻省理工学院及其他机构的工程师发现，无需对设备进行任何新增投资，只要对整组风机的风流进行建模，并据此优化各台风机的控制，就能提高这类风电场的发电量。
单个风电场的发电量增幅看似不大——总体约为1.2%，在最佳风速下为3%。但这项算法可应用于任何风电场，而为实现更紧迫的气候目标，风电场数量正迅速增加。研究人员表示，如果全球现有风电场的发电量都提高1.2%，效果相当于新增3,600多台风机，或足以为约300万户家庭供电，并使发电商每年总收益增加近10亿美元。这一切基本无需成本。
这项研究于今日发表于期刊《自然·能源》（Nature Energy）论文由麻省理工学院土木与环境工程系埃丝特·埃德格顿与哈罗德·E·埃德格顿助理教授迈克尔·F·豪兰德牵头。
豪兰德说：“几乎所有现有的公用事业规模风机都采用‘贪婪式’的独立控制。”他解释说，“贪婪式”指的是风机只以最大化自身发电量为控制目标，仿佛它们是彼此孤立的设备，不会对邻近风机造成不利影响。
但在现实中，为了在土地利用（陆上或海上）以及道路、输电线路等基础设施方面获得经济效益，风机在风电场内会被有意密集布置。这种近距离布局意味着风机往往会受到上风向其他风机所产生湍流尾流的强烈影响——而目前单台风机的控制系统并未考虑这一因素。
豪兰德说：“从流体力学角度看，把风机密集布置在风电场里往往是最糟糕的做法。要最大限度地提高总发电量，理想的方式是让风机尽可能相互远离”，但这样会增加相关成本。
豪兰德及其合作者的研究正是为了解决这一问题。他们开发了一种新的流场模型，可根据大气来流和每台风机的控制策略，预测风电场中各台风机的发电量。该模型以流体力学为基础，同时从风电场运行数据中学习，以降低预测误差和不确定性。他们无需改变现有风电场中风机的实际位置或硬件系统，而是利用基于物理原理、由数据辅助的模型，对风电场内的气流及不同风况下各台风机的发电量进行建模，从而确定每台风机在特定时刻的最佳朝向。这样便能最大限度地提高整个风电场的发电量，而非只优化单台风机。
如今，每台风机都会持续感知来风方向和风速，并通过内部控制软件调整偏航角（绕垂直轴旋转的角度），使其尽可能对准来风。但在新系统中，研究团队发现，例如，只要将一台风机稍微转离其自身发电量最大的角度——可能偏离其单机峰值发电角度20度——一台或多台下风向风机因此增加的发电量，就足以抵消这台风机发电量的少许下降。采用将所有这些相互作用纳入考量的集中控制系统后，在某些条件下，整个风机群的发电量最多可提高32%。
研究人员在印度一座实际运行的公用事业规模风电场开展了为期数月的实验，首先通过测试多种偏航角策略验证预测模型，其中大多数策略是有意设置为次优的。通过在实际风电场和模型中测试包括次优策略在内的多种控制策略，研究人员得以找出真正的最优策略。重要的是，在测试过的大多数风况下，该模型都能预测风电场的发电量和最优控制策略，因此研究人员有理由相信，模型预测能够反映风电场实际运行中的真正最优策略。这使研究人员能够利用该模型，为新的风况和新的风电场设计最优控制策略，无需从头重新计算。
随后，研究团队在同一风电场又开展了为期数月的第二次实验，只采用模型给出的最优控制预测。实验结果证明，该算法在现实中的效果可达到模拟中观察到的整体能源增益。在整个测试期内取平均值，该系统在所有风速下都使发电量提高了1.2%；在风速为每秒6至8米（约每小时13至18英里）时，发电量提高了3%。
研究人员表示，虽然测试只在一个风电场进行，但这套模型和协同控制策略可应用于任何现有或未来的风电场。豪兰德估计，如果将这一方法应用于全球现有风机群，整体发电量提高1.2%，每年将新增逾31太瓦时电力，大致相当于零成本新增3,600台风机。他说，这将使风电场运营商每年增加约9.5亿美元收入。
可增加的发电量因风电场而异，差异可能很大，取决于多种因素，包括风机间距、排列形状，以及当地全年风况的变化。豪兰德说，在所有情况下，团队开发的模型都能清楚预测特定场址的确切潜在增益。他补充说：“每个风电场的最优控制策略和潜在发电增益都不相同，因此我们开发了可广泛应用的风电场预测模型，以优化整个风电机群的运行。”
他说，这套新系统有望快速、轻松地投入应用。“我们不需要安装任何额外硬件。实际上，我们只需更改软件，就有望显著提高发电量。”他指出，即使只提高1%，对于一座通常有约100台风机的风电场，运营商也可以少用一台风机而保持相同发电量，从而节省购买、建造和安装该设备的成本，通常可达数百万美元。
他还指出，通过减少尾流损失，这项算法有望让未来风电场中的风机布置得更为密集，从而提高风能的功率密度，减少土地（或海域）占用。这种功率密度的提升和占地面积的缩减有助于实现迫切的温室气体减排目标；为此，陆上和海上风能部署都需要大幅扩大。
他还说，风电场开发的最大新增领域是海上风电，而且“尾流损失对海上风电场的影响往往大得多”。这意味着，采用这种新方法控制海上风电场，效果可能会显著更大。
豪兰德说，豪兰德实验室和国际团队正在继续完善模型，并致力于改进根据模型生成的运行指令，朝自主协同控制迈进，力求在给定条件下实现尽可能高的发电量。
约翰斯·霍普金斯大学机械工程教授查尔斯·梅讷沃（Charles Meneveau）并未参与这项研究。他说：“这篇论文展现了风电领域的一项重大进展。它提出了新的理念和方法，可在风能资源高度多变的情况下有效地协同控制风机。研究表明，合理实施的偏航控制策略结合先进的基于物理原理的尾流模型，并辅以数据驱动方法，可以提高风电场的发电量。”他还说，这项研究在实际运行的风电场中进行了验证，“这对于推动所提方法的后续实施和规模化应用尤为重要”。
研究团队成员包括：西班牙纳瓦拉西门子歌美飒可再生能源创新与技术公司的 Jesús Bas Quesada、Juan José Pena Martinez 和 Felipe Palou Larrañaga；印度哈里亚纳邦 ReNew Power Private Limited 的 Neeraj Yadav 和 Jasvipul Chawla；曾任职于印度哈里亚纳邦 ReNew Power Private Limited、现任美国国务院气候问题总统特使办公室成员的 Varun Sivaram；以及加州理工学院的 John Dabiri。这项工作获得麻省理工学院能源计划和西门子歌美飒可再生能源公司的支持。
