Page 109 - 《中国电力》2026年第3期

严新荣等：风电机组叶片防除冰关键技术研究综述与展望 2026 年第 3 期

分布图，为风电场防冰决策提供支撑。文献 [24] 根据工程项目实际覆冰情况，结合经济性分析综
通过耦合结冰增长模型与叶片气动性能分析工具 合考核防除冰方案。

实现了 5 MW 风机覆冰形状与功率损失的同步预 3.1 被动式除冰技术
测，准确量化了覆冰导致的 17% 功率损失。 被动防除冰是指通过材料表面设计、结构优
数据驱动法的核心在于利用海量数据挖掘覆 化或表面改性等技术手段，在不依赖外部能源或
冰状态与其影响因素（主要是可观测数据）之间 主动系统的情况下，抑制冰层的形成或促进其脱
的统计关联模式 [25-28] 。近年来，随着风电场数据 落，从而实现防除冰效果。其核心在于利用材料
采 集 与 监 视 控 制 系 统 （ supervisory control and data 本身的物理或化学特性，改变冰与材料表面的相
acquisition，SCADA）系统的广泛应用，积累了海 互作用，降低冰附着风险，适用于对能耗、成本
量的风机运行状态和环境参数历史记录，加之机 敏感的项目。目前被动除冰方法主要有超疏水涂
器学习和深度学习迅猛发展，数据驱动法已成为 层、疏冰涂层、深色涂层等。

覆冰预测领域的研究热点。文献 [29] 提出双向长 3.1.1 超疏水涂层
短期记忆网络（bi-directional long short-term memory， 超疏水涂层是一种通过表面结构设计或化学
Bi-LSTM）与支持向量机（support vector machine， 改性，使材料表面具有极低表面能，从而显著降
SVM）结合的短期覆冰状态预测模型，提高了时 低水滴附着力的涂层技术。其核心原理是通过调
序预测能力。文献 [30] 引入注意力机制和鲸鱼优 控表面结构与材料的表面能，减少水滴在叶片表
化算法优化 Bi-LSTM 模型，进一步提升了预测精 面附着，从而防止冰层形成或减少冰层厚度。超
度。文献 [31] 采用正交试验结合计算流体力学模 疏水涂层具有操作简单、经济性好、易于维护、
拟构建风机叶片结冰特征数据集，在此基础上构 对叶片本体伤害小等优点，在风电叶片上使用较

建风机叶片覆冰多层感知神经网络预测模型，实 多。但是超疏水涂层使用寿命有限，随着使用年
现对覆冰质量和最大厚度两个维度的预测。文献 [32] 限的增加，防护性能逐渐减弱，因此无法从根本
开发了双输入卷积神经网络，结合 SCADA 与气 上解决叶片覆冰问题，只能延缓或减少覆冰损失。
象数据，在 3 个风电场实现 97.9% 的平衡准确率。 根据目前研究，超疏水涂层主要有 3 类 [35-38] ：
文献 [33] 构建深度全连接神经网络。文献 [34] 提 以聚合物为基体，通过引入低表面能物质来降低
出 基 于 迁 移 学 习 的 极 致 梯 度 提 升 模 型 （ eXtreme 表面能，实现超疏水效果；利用无机纳米颗粒构
gradient boosting，XGBoost），通过跨风机数据迁 造粗糙结构，并结合低表面能物质形成超疏水表
移使目标风机预测准确率提升 10%。 面；以金属或氧化物为基底，通过化学刻蚀、阳

极氧化、沉积等方法构造粗糙表面后进行疏水处理。

3 叶片防除冰技术 3.1.2 疏冰涂层
疏冰涂层是一种通过表面结构设计或材料改
目前叶片防除冰技术主要分为被动式除冰技 性，使冰层在形成后更容易脱落的涂层技术。其
术和主动式除冰技术。被动式除冰技术又分为超 核心原理是降低冰层与表面的结合力。与超疏水
疏水涂层法、疏冰涂层法及黑色涂层法，而主动 涂层相比，疏冰涂层更注重冰层的动态脱落，适
式除冰技术又分为电脉冲法、超声波法、气动脉 用于航空、风电、船舶等领域。疏冰涂层主要包
冲法、电热法、气热法、红外辐射法、液流融冰 括超润滑涂层和低界面韧性涂层 [39] 。
法等。不同防除冰方法存在各自的缺点及优势， 超 润 滑 涂 层 （ lubricant-infused slippery surface，
如表 1 所示。通过涂层进行防除冰时，不仅需要 LISS）可以有效防止水分凝结和结霜，并降低冰
关 注 其 防 除 冰 性 能 ， 还 要 提 高 表 面 涂 层 的 耐 磨 的粘附力，具有更好的防冰性能 [40-41] 。普通超疏
性，延长使用寿命，而电加热法、电脉冲法都需 水涂层在经过一段时间的磨损以后疏水性能会受
要在叶片表面增加导电物质，因此需要加强防雷 到破坏或消失，而超润滑表面的润滑膜将油锁在
设计，减少雷击损失，同时减少对叶片气动性能 微/纳米孔基质中，润滑油膜可以极大降低冰层附
影响，减少发电量损失。从整体角度出发，建议 着力，提高防覆冰性能。文献 [42] 通过使用具有

105