行业技术演进路径 - 风电技术数十年演进始终围绕效率、成本与安全三大核心展开，目标是在风与环境的不确定中寻找风电开发收益的确定性 [1] - 第一代风机本质是自动化控制风机，核心是基于简单控制逻辑实现功率目标跟随，让风机从“可用”走到“可控”，但受限于工业PLC算力，存在复杂工况下适应性不足等限制 [1] - 第二代风机关键突破是将控制系统表达方式从“堆规则”推进到“控制模型化”，引入复杂控制建模思想，代码规模从几十万行扩展到几百万行，控制能力上台阶，但风机大型化后可靠性感知能力成为短板 [2] - 第2.5代风机以远景能源“智能风机”为代表，通过“整机系统载荷”为抓手，从样机推演走向“规模化载荷感知”，用真实数据重构设计边界，解决了如叶片因载荷超载导致扫塔等关键业务痛点 [2] - 第三代风机以远景能源发布的全球首款伽利略AI风机为标志，其核心差异在于泛化、自主学习与自适应优化能力，控制逻辑不再依赖人工编写的场景化代码 [3] 伽利略AI风机核心技术特点 - 伽利略AI风机通过人工智能算法构建奖励与惩罚机制，在物理规则约束下自主探索最优运行策略，研发人员无需穷举各类人工识别场景 [3] - 风机在数字世界试错、实践和提升，形成类似“肌肉记忆”的运行模式，再到物理世界运行，持续优化控制策略 [3] - 伽利略AI风机在训练初期表现可能不如上一代代码风机，但学习速度快，最终会接近并超越，且性能提升没有上限 [4] - 第三代风机架构升级为“感知—规划—控制”一体化，感知上从“载荷中心”走向“多模态融合感知”，规划上从“查表法”到AI规划并纳入交易优化，控制上构建AI控制器体系 [4] - 伽利略AI风机不仅是软件升级，更是硬件上感知系统与算力单元的全面革新，风机需装载GPU以支撑感知-规划-控制AI模型运行，实现“机端智能” [5] 伽利略AI风机实测性能与项目进展 - 据远景能源实测数据，自2024年部署以来，加装“天枢”能源大模型智能控制平台模块的AI风机，较同风场未加装AI的第2.5代智能风机，收益提升达20.9% [5] - 公司宣布为澳大利亚Nullagine风电项目提供的首台AI风机样机并网发电，该项目将通过安装17台EN182-7.8MW型伽利略AI风机，应对澳洲矿区、沙漠极端环境等挑战 [6] 技术迭代的驱动因素与行业意义 - 风电技术每一次迭代都源于对行业痛点的精准破解 [5] - 在136号文下的大型化风机非常适合搭载AI技术，因为大型化带来了部件与系统的不确定性，而交易与电价的不确定性又引入了新的优化维度 [4] - AI风机以物理人工智能的方式重构了风机控制逻辑，通过感知、算力、算法的协同创新，打破传统技术的性能边界，为风电高比例发展提供了核心技术保障 [5]