June 13, 2025
摘录
PES: 丹尼尔，感谢您今天抽出时间与我们交流。首先，我想问一下，在测风技术领域竞争激烈的情况下，FT 技术公司的风传感器与市场上其它超声波测风技术方案相比，有哪些不同之处呢？
丹尼尔·里德 : FT 风传感器完全采用声共振式(ACU-RES®）技术，该技术是 FT 公司独有的发明。这种声共振测量方法与市场上其它超声波测风解决方案所采用的时间差（ToF）原理有着显著的不同。
TOF 时间差的工作原理是测量超声波脉冲在换能器之间传输的时间；一个换能器发射脉冲，另一个接收脉冲。该系统通过计算顺风和逆风情况下，超声波脉冲传输时间的差异来确定气流特性。相比之下，声共振法利用一个共振腔，让声波在腔内来回振动。当风穿过腔体时，测量腔内驻波的相位差，这确保了在紧凑且坚固的设计中其测量数据的完整性得到了提高，同时具备出色的抵御振动和抗外部干扰的能力，使其非常适用于恶劣的环境。
PES: 在众多测风技术中，FT独有的声共振式风传感器在超声波领域有何独特之处？
丹尼尔·里德 : 我们的声共振技术是在一个小腔体内工作，它能在增强可用信号的同时显著减少外部声学噪声的干扰。例如，ToF 时间差法就需要进行大量的信号处理，以及均值计算或声波精度校准：声共振技术为测风感应滤波设定了基调，并在多变的天气条件下有效管理干扰噪声。产品的性能往往会随着距离的增加而下降，或者会受到恶劣条件（如大雨、大雪或污染）的严重影响，区分 Acu-Res® 的一个关键性能指标是信噪比（SNR）。
需要说明的是，这里的信号是指测风时可利用的超声波，而噪声则是指任何不希望出现的干扰，包括声学、电气或环境方面的干扰，这些干扰会妨碍超声波信号的传输。较高的信噪比能够确保可用信号清晰，从而实现准确且稳定的测风。相反，较低的信噪比则会导致数据杂乱、错误频发以及在恶劣环境中出现信号中断。因此，信噪比是选择风传感器时的一个关键因素，尤其是在要求严格的环境或关键应用的场景中。
PES: 随着人工智能和机器学习在风力发电场运营中的应用日益增多，您是否认为未来风传感器将在风机性能优化方面发挥更具预测性的作用？
DR：随着人工智能和机器学习在风力发电场优化中的作用日益增加，输入数据的质量变得比以往任何时候都更为关键。预测模型的准确性取决于其所依赖的数据；因此，拥有准确且可靠的测风数据是必不可少的。这就是我们风传感器发挥作用的地方，因为我们生产的风传感器以可靠性著称，能够提供准确的实时数据，这些数据可以方便地用于控制操作。
PES: 随着数据分析在风能领域的应用愈发广泛，你们是如何确保与监控和数据采集系统(SCADA），以及预测性维护解决方案实现无缝集成的呢？
DR: FT 风传感器具备一系列用户可自定义的设置功能，我们还会与客户密切合作，以确保其能够无缝集成到他们的监控和数据采集系统中。
我们提供数字型 RS485 接口以及模拟型 4-20 毫安电流环路两种选择。FT 风传感器能够实时提供精确的数据，并具备诸如高级传感器诊断等新功能，这些功能支持基于人工智能的系统，例如在功率曲线监测、识别性能问题或实现主动维护方面发挥作用，从而有助于减少风机的停机时间。
如需阅读更多内容和下载完整访谈，请在此处。
声共振（Acu-Res®）技术
FT 技术公司的产品采用了我们独有的 Acu-Res® 技术，这一技术使其能够以小巧的外形实现精准的测风，而且风传感器本身不受物理振动和噪音的影响。了解超声波风传感器的工作原理以及为何 Acu-Res® 技术表现更出色。