從低風(fēng)速風(fēng)場的風(fēng)能分布來看，風(fēng)速在8 米/ 秒到12 米/ 秒段的風(fēng)能，盡管其僅占全年時間的30% ，但所蘊(yùn)含的風(fēng)能則超過全年的70% 以上。不幸的是，恰恰這個風(fēng)速區(qū)間的風(fēng)能是最難以捕獲的，這也是實(shí)際風(fēng)能轉(zhuǎn)換效率和理論風(fēng)能轉(zhuǎn)換效率偏差發(fā)生最大的風(fēng)速區(qū)間。原因很簡單，風(fēng)電機(jī)組在這個風(fēng)速區(qū)間正是風(fēng)機(jī)額定風(fēng)速上下的范圍，這個時候的機(jī)組控制面臨著一個尷尬的境地，理想情況是，當(dāng)超過額定風(fēng)速時，機(jī)組的控制目標(biāo)是將風(fēng)能卸掉，但不能多也不能少，正好夠滿發(fā)；而當(dāng)風(fēng)速低于額定風(fēng)速時，機(jī)組的控制目標(biāo)是盡量捕獲最多的能量，但現(xiàn)實(shí)情況是，風(fēng)速在瞬態(tài)會時而高于額定風(fēng)速，時而低于額定風(fēng)速，如果不采用激光雷達(dá)技術(shù)，我們很難預(yù)見下一時刻的風(fēng)速，機(jī)組可能在風(fēng)速高于額定風(fēng)速時過度變槳而卸掉了更多的風(fēng)能，導(dǎo)致不能滿發(fā)。相反，當(dāng)風(fēng)速低于額定風(fēng)速時，機(jī)組也可能還處于上一時刻卸掉風(fēng)能的變槳狀態(tài)，導(dǎo)致風(fēng)能轉(zhuǎn)換效率進(jìn)一步降低，而大風(fēng)輪慣量的增加，也加劇了這種低能量轉(zhuǎn)化在傳統(tǒng)風(fēng)機(jī)的常態(tài)化。這就是為什么有些使用了大風(fēng)輪傳統(tǒng)風(fēng)機(jī)的業(yè)主抱怨機(jī)組過度偏離理論發(fā)電性能的原因。
　　說到智能風(fēng)機(jī)針對低風(fēng)速的技術(shù)特點(diǎn)，遠(yuǎn)景智能控制技術(shù)中有一個基于神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練預(yù)測模型，這個有數(shù)十萬行代碼的在線運(yùn)行軟件模型能夠不斷通過歷史樣本訓(xùn)練，實(shí)現(xiàn)對風(fēng)電場風(fēng)速模式的識別，這在很大程度上避免遠(yuǎn)景智能風(fēng)機(jī)在低能量轉(zhuǎn)化工況下運(yùn)行的幾率。其實(shí)，這項(xiàng)技術(shù)在汽車行業(yè)已得到廣泛應(yīng)用，比如發(fā)動機(jī)控制系統(tǒng)可以通過歷史的過程，識別出駕駛者的駕駛習(xí)慣，從而提升發(fā)動機(jī)的控制性能。風(fēng)電場也是一樣，盡管下一時刻的風(fēng)速難以預(yù)測，但只要風(fēng)電場的風(fēng)速特點(diǎn)有所不同，遠(yuǎn)景智能風(fēng)機(jī)就能識別，這也是遠(yuǎn)景智能風(fēng)機(jī)在低風(fēng)速風(fēng)能蘊(yùn)含量最大的風(fēng)速區(qū)間風(fēng)能轉(zhuǎn)換效率行業(yè)領(lǐng)先的重要原因。