技术
智慧风电生产管理体系架构的关键技术
1、智能风机技术。
风机作为风电场中的最重要部分，是决定项目造价和收益率的关键。《智能风机白皮书》中指出，智能风机应具备深度感知、自我认知和控制、协同决策的特征。针对不同应用场景和特征，智能风机在不同层级有不同的要求，智能风机不仅能独立控制实现自身最优，还可以协同风电场其他风机实现风电场收益最优。通过智能控制风机做出最优响应动作，提升发电量的同时，有效降低机组载荷，提升机组在恶劣工况下的稳定性和适应能力。
2、风资源评估及微气象预测技术。
风电场风能资源评估的准确性对风电场的运行效益有重要的影响。风能资源评估技术需要完成风场高精度短期和中长期气象预测和趋势分析。为解决测风塔缺失或测风塔代表性不足等客观因素造成的气象数据缺失，可采用虚拟测风塔技术，模拟出风电场所在区域或者所需点位的气象数据。微气象预测技术为风电机组进行个性化控制策略研究提供精准的气象数据，为风电场检修维护提供合理的作用时间窗口预测，为风电场大部件吊装、道路维修等大型作业提供施工组织依据。
3、多尺度风功率预测技术。
风电场输出功率的波动性和间歇性，给电力系统的调度运行带来巨大的挑战。风电场输出功率预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段。根据电场所处地理位置的气候特征、地形地貌和风电场历史数据(如功率、风速)、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，得到风电场未来的输出功率，为电场管理工作提供辅助手段，为风电场自动发电控制（automatic generation control, AGC）有功自动调节系统提供技术支撑。
4、风电场精细化网络建模及全状态感知。
风电场可视为一个小型的辐射状电网，风场内部的有功、无功、电压分布差异较大。建立风电场内部的精细化网络模型，并准确感知风场内部的各种运行状态，是实现智慧风电的关键技术。在风电场精细化网络模型及运行实测数据的基础上，对风场内部进行实时状态估计，获得每台风机的机端电压、输出功率及每条馈线的潮流状态，为后期的智能分析提供初始的风场运行状态。
5、智能优化控制技术。
建立多机型统一的能量管理平台，保证风力发电机组安全可靠运行、获取最大风能，并提供良好的电力保证，实现机组的功率优化控制和场群优化控制。研究优化控制策略，实现对风电场有功功率的智能管理；研究先进的储能技术，削峰填谷，实现电力调峰调频，自由控制风电场上网电量，减轻电网波动；研究无功功率控制方式，在风机允许的范围内，完全响应调度对无功控制的要求；结合尾流效应研究场群协调控制策略，有效提高场群的风电出力、降低网络损耗及增强电压稳定性，有效提高发电量。风电场智能优化控制技术可增强风电对电网安全稳定的支撑能力，是智慧风电系统稳定灵活运行的保障。
6、风场智能巡检技术。
借助振动、声音、图像等多种智能传感器，利用物联网、边缘计算和人工智能等技术，通过对风电场设备、人员及周围环境的全维度信息感知，进行风场智能巡检，与运维人员的巡视互相补充建立协同巡检机制，最终实现风电场“无人值班、少人值守、智慧运维”的根本目的。
智慧风电信息系统体系架构的关键技术
1、智能传感器技术。
风电机组、升压站、测风塔安装的传感器节点以有线或无线的方式构成传感器网络，可以全方位实时感知、监测和收集覆盖区域内的风、风电机组和风场环境等各种信息，并实时传输到控制中心，减少设备故障，降低维修成本。智能传感器本身的设计、传感器节点的部署策略以及能量优化策略是传感器网络高效准确工作的重要因素。智能传感器技术是智慧风电实现精准感知的基本硬件保证。
2、数据采集技术。
精确的风机数据采集是评估风机和风电场性能和运行状况，预测风机和风电场年发电量的基本保证。而风电场单位时间数据采集量巨大，数据质量难以把控。针对风电大数据采集成本高、可靠性低、状态分类少、标准不统一和获取数据少的现状，同时为解决后续场站、区域集控、总部生产调度等信息建设的数据获取问题，标准化的风电机组采集技术亟待研发。风机数据直采，作为一种可以屏蔽不同机型差异的数据采集技术，是风电机组数据采集的有益尝试，涉及数据主动采集、通信规约破解、数据标准输出和风机状态精准识别等技术。
3、异构资源的弹性配置技术。
