风力发电技术是目前可再生能源技术中比较成熟、适合大规模开发和具备商业化开发前景的一种发电方式。因风能具有显著的地域不均匀分布特性，中国有大量风场位于易遭冰雪侵袭的北方高寒地带和中南部山区。覆冰是上述高寒和高海拔地区风机运行中的常见问题，在风场测风阶段和建成运行阶段都有显著影响［1］。
在风资源评估阶段，覆冰对风速、风向和温度测量的准确度都有影响［2］。覆冰条件下，风速测量误差可能高达30%，带防冰功能的风速计最大误差可达40%，而普通风速计的最大误差可达60%［3］，错误的风速策略资料将会误导风资源评估结果，对风电场的经济收益带来明显影响。
本环节是在梳理完所要复习的主要内容后的学生活动．课前学生筛选问题，精选2道书写在导学案上，并解答好，教师再从中挑选出3道题，也是重点、常考的内容与方法，在课堂上通过实物投影将题目和解答过程呈现给大家看，选题的学生要说出自己推荐的理由，教师则利用制作好的几何画板课件动态演示，给题目以直观的呈现，也可以让学生的思维跃上新的高度．之后的课堂活动是师生对导学案上的两道典型例题的处理，此处略．
在风电场运行阶段，覆冰不但会造成风速和风向的测量误差，影响风电机组的偏航和功率控制，还会改变叶片翼型和表面粗糙度，影响气动特性和发电出力；叶片前缘的些许覆冰即可明显改变其气动特性，影响风力发电出力特性［4］。风机叶片覆冰对发电出力的影响与覆冰强度、覆冰持续时间以及风力发电机的模型和评估方法有关，最高可达50%［4-5］。受低温覆冰条件下高空气密度和叶片翼型变化的影响，风机也可能超额定功率发电，最高可较额定功率高出 16%［5］。
叶片覆冰不但会增加结构体的机械载荷，还可能因叶片重量失衡导致大幅振动或共振；低温条件下，润滑油粘性和润滑特性的改变可能间接影响机械元件运转特性，导致变速箱等元件过热、加速老化过程，使用寿命可能大幅下降；雪水渗流及极端低温亦可能导致控制系统失灵。
叶片旋转时，叶片覆冰可被抛射至相当于叶片顶端高度的1.5倍距离，可能造成人身安全事故。在每年覆冰5 d、每天覆冰75 kg、叶片每次抛出0.18～0.36 kg冰块条件下进行的蒙特洛夫仿真表明：在风场每天巡视10 h的工作人员被抛出的覆冰击中的概率高达 10%［5-6］。
本文比较了现有的各种风机覆冰检测、防冰和融冰技术，总结了各类技术的差异和优缺点。
大气覆冰大致可分为冻雾覆冰、冻雨覆冰和升华覆冰三大类［7］。
过冷却水滴与低于0℃物体接触冻结成冰，称冻雾覆冰（雾凇）。因过冷却水滴尺寸小，随气流浮动时温度低至-30℃也不会结冰，当粘附到固体表面后会快速形成覆冰，覆冰多少取决于空气中过冷水滴的数量（空气含水量）和液滴直径中值、温度、风速、持续时间、叶片弦长及水雾采集效率。
冻雾覆冰又可分为软雾凇、硬雾凇和雨凇三类。软雾凇发生在温度略低于0℃且空气含水量和液滴直径中值很小时，密度较小，粘附力较弱；硬雾凇一般对应有较高的空气含水量和液滴直径中值，密度较高，粘附力较强；过冷水滴粘附到固体表面未立即结冰，流动后再结冰形成密度大、粘附力很强的雨凇，危害明显。
冻雨覆冰是以雨雪形式形成的覆冰，形成速度远快于冻雾覆冰，危害最为显著。冻雨覆冰分冻雨和湿雪覆冰两类。雨水滴落到0℃以下物体表面时形成冻雨覆冰，密度和粘附力均很高，多发生在逆温期间；大气温度在0～-3℃间时，降雪中些微的水分会使其粘附在物体表面形成湿雪覆冰，冻结后粘附力很强，难以去除。
霜冻是水蒸气直接冻结在物体表面，多发生在低风速条件下，其粘附力可能很强。
美国、加拿大、澳大利亚等国制定并完善了矿业生态补偿相关措施。例如美国的“湿地融资计划”，澳大利亚的“环境净收益计划”，加拿大要求矿业主与政府签署“损益协议书”，做好利益分配和生态补偿[13]。同时还着重对废弃矿山进行改造，发展矿山公园和矿业旅游。
覆冰测量可分为直接法、间接法和数学模型法三类。直接法利用覆冰所致重量、反射特性、导电或导热性变化测量。间接法根据覆冰相关因素如风速、湿度和温度及覆冰条件下风机发电功率变化估算覆冰。利用基于气象数值预报的精确数学模型还可较精确地预测风机覆冰的严重程度和持续时间。
进行风机防冰系统可行性评估时，需要根据覆冰期持续时间、严重程度和覆冰时段的风资源条件分析投资回报率。进行覆冰分析时，除气象条件外还需要考虑叶片几何特征和运行状况等信息。
多年来，航空领域就飞行器覆冰开展了大量研究，确定与覆冰相关的气象参数主要有覆冰含水量、水滴直径、大气压、温度及其水平分布。因此类参数测量困难，少有实际应用，很难给出特定风电场覆冰频率和严重程度的量化指标，更多的是依靠经验估计［8］。因局地气象条件对覆冰有突出影响，有时即便是邻近气象站点的覆冰信息也不一定具有实际参考价值。因此，建议在风资源评估时同期开展覆冰检测。本节将详细讨论覆冰分析中常用的方法和评估模型。
2.1.1 覆冰传感器
《ISO-12494 Atmospheric icing of structures》针对线路覆冰提出了一种覆冰测量方法，因风机叶片尺寸和导线有显著差异，这种测量方法难以为风机覆冰提供有效信息［9］。利用振动检测或光学检测亦可检测覆冰，但只能在风场建成后风机运行条件下使用。因成本高昂，供电不便，此类传感器在测风塔上少有应用。实验测试表明，此类传感器可能低估冰厚，在可靠性和准确性上或多或少地存在一些问题［10］。为提高检测精度，可同时使用两组覆冰检测器，一个普通检测器用于监测覆冰持续时间，一个防冰的覆冰监测器检测冰厚。
2.1.2 双重风速和风向测量
公民意识的启蒙，首先是教育，当然这个教育是广义上的，不仅仅是指学校教育，它应该是包括学校教育在内的一种终身教育体系，没有这种互相衔接的终身教育体系，公民的权利与义务意识是难以深入骨髓的。但是，这一教育首先是指目前职前的学校教育，这是为培养合格的现代公民打基础的。目前，我们并没有专门的公民课程，仅有的一点涉及公民权利与义务的内容是政治课中的一小节，分量上很显不足，甚至可以忽略不计，国家宏观层面上应该引起足够的重视，开始着手这方面的工作。
因覆冰时普通风速计和加热防冰风速计读数会出现较大差异，在测风塔上采用双重比对风速测量是一种经济可行的选择；辅以湿度检测数据，可为估计风电场覆冰情况提供较完整的信息［10］。文献［10］建议在2 m/s以上风速、风速差异超过20%时可认为发生覆冰。此外，研究覆冰期间常规风速计与加热防冰风速计风速读数的相关性，还可估计整个覆冰过程的持续时间。为提高覆冰检测的准确性和容错能力，还可在持续加热防冰风速计和普通风速计之外再增加一个可控风速计，在前两者读数偏差大于15%时加热后测量风速。采用双测速仪检测覆冰有两点明显缺陷：
1）风速计安装位置低于覆冰严重的叶尖，难以准确反应覆冰严重程度；无风条件下无法使用。
2）普通风速计在降雪条件下读数可能偏高，低温条件下即还可能因惯性特征差异在低风速时出现负误差，很难确定偏差是由何种因素引起。
3）该方法仅在0℃左右效果良好。严寒条件下，无加热防冰功能的普通风速计容易被冻结［11］。
2.1.3 相对湿度和露点
冻雾覆冰时相对湿度大，同时检测高湿度（＞95%）和低温（＜0℃）的方式也可检测覆冰。因冻雾覆冰时大气温度一般都在霜点附近，采用适于低温操作的露点检测器亦可提供覆冰检测的重要信息。相对而言，基于温度和相对湿度的覆冰检测较基于露点的覆冰检测应用更普遍，但检测到的覆冰时间和实际覆冰不同步，84 m高空覆冰观测数据表明，检测到覆冰时相对湿度低于95%的概率为33%［11-12］。因此，以相对湿度超过95%-98%和温度低于0℃为依据诊断覆冰事件并不可靠［12］。
2.1.4 能见度和云底高度
当叶片被0℃以下、风速约2 m/s的云层包围时，易发生雾凇。云层可用云底高度或水平能见度等指标描述，云层液态水含量直接影响雾凇强度，一般用可视距离或液态水含量描述。利用机场云层观测资料、日照强度计或视频监控均可实现云层监测。机场云层监测可根据云底高度和云密指标将云量分为8个等级，指标大于6且云底高度低于风轮机时可检测到覆冰，并可用云量指标标示覆冰强度［13］，在低温条件下检测太阳辐射强度低于300 w/m2时可检测到覆冰。视频监控法是在距测风塔50至300 m处设置标识杆测量水平能见度，据此量化评估云层密度［14］。借助雷达或微波辐射计还可实现云层含水量的自动检测，因所需设备造价昂贵，该方法现场应用较少。
结合邻近机场或气象站的云底高度和双风速计测量数据，可较准确地估计受覆冰影响持续时间，适合风场应用。因邻近站点观测的云底高度不一定能代表风场实地状况，借用风场水平能见度来评估云中覆冰也是可行的，但可能低估覆冰量。航空领域考虑覆冰相关的风速、温度、云层水含量和雨滴体积中位直径，认为同时满足云层水含量大于零、温度小于零、风速大于零时将会覆冰，持续时间为同时满足上述条件的时间。风机覆冰参数主要是相对风速、尺寸、覆冰面翼型和表面性质，确定叶片的几何特征和运行条件后即可确定覆冰强度。
其次，场内杠杆资金规模庞大。今年股市有三类杠杆资金，一类是场内的两融资金，第二类是大股东质押，第三类是上市股东存在的信托或者资产管理计划，这里面又可分为明和暗两条线，明的是已经公告加杠杆的资产管理计划，如员工持股计划，暗的是通过“借新还旧”托股价的坐庄资金。据统计，今年6月各大股指全面暴跌前，这三类资金估计规模在5万亿左右，与2015年通过加杠杆进入股市的短线资金规模相当。金融去杠杆背景下，这些资金首当其冲。
既有研究表明覆冰严重程度和地形因素有密切关系，绝对海拔高度对覆冰影响并不明显［15］，但周边地形及测量点与周边的相对高度对于覆冰有重要影响。绘制覆冰区地图是进行覆冰研究的重要目的，已有在各地覆冰日基础上绘制多年平均覆冰期的研究，根据云层高度、温度和风速数据绘制了欧洲的覆冰期分布地图。因高纬度地区冬季低温条件下的太阳辐射太弱，它并不能明显加快覆冰融化过程，太阳辐射的地域差异并不会改变覆冰地图的形态。此外，因太阳辐射观测网络布点稀疏，采用数值仿真解析模型求得的解并不可靠［16-19］。
因风机与导线覆冰特性有别，导线覆冰地图不一定能准确反映风机覆冰日数和覆冰强度，受当地地形影响，相邻两处风电场的覆冰强度都可能有明显差异。因此，应用覆冰地图分析风场覆冰时还需结合当地地形或气象测量数据予以修正。
在研究生入学的初期，鼓励高校开设系统的文献检索及使用的专业课程，如果没有条件可以充分调动图书馆工作人员的积极性，开办系列讲座，系统的对研究生新生进行文献检索及使用的知识，同时也鼓励高年级学生分享自己在文献检索及利用过程中的经验。
2.1.5 模型
应用中尺度数值天气预报模型可进行地区性或特定风电场的短期覆冰概率预测。预测模型还可考虑温度、风向、风速、云层高度、云层覆盖率、湿度变化、降水、区域及周边地形、风机尺寸、叶片形状和材料构成以及太阳辐射强度等参数，这些模型不但能提供覆冰频率信息，还可提供覆冰强度等有用信息［16］。
2.1.6 其他方法
视频检测法是利用摄像头拍摄拉线覆冰。为准确估计覆冰冰厚，需建立基于摄像机拍摄拉线覆冰视频的覆冰模型，结合现场温度、风速、雨滴密度、能见度及云底高度修正模型，提高冰厚估计准确性；此外，还应考虑导线振动后脱冰对冰厚的影响。带温度传感器的降雨检测器可检测冻雨和风机覆冰，受冻雨地域分布和检测系统可靠性影响，该方法也曾有漏报冻雨的报道。基于损伤分析的覆冰检测还可根据覆冰所致机械载荷变化引起的桅杆屈曲度计算覆冰重量。
覆冰的准确可靠检测是充分发挥主动防冻除冰系统功效的基础，对避免覆冰损失有重要作用［17］。系统启动前，叶片轻微覆冰可能使得风机输出功率下降5～15%，如覆冰检测器未能准确检测覆冰，可能在覆冰几小时后才能由视频等其它手段检测到覆冰，在此期间，不但风机发电出力大幅下降，叶片加热系统也将消耗更多的加热融冰电量。
肺结核(TB)是由结核菌感染引发的肺部传染性疾病，严重威胁人类健康。TB在我国发病率较高，据统计2013年我国新发感染TB患者900万，其中死亡约150万[1]。因此，我国是世界上结核疫情最严重的国家之一，控制TB发展和传播是疾病防控的一大挑战[2]。流行病学研究显示，5%～10%结核菌感染者最终发展成TB，在这个过程中，宿主固有免疫和适应性免疫在控制结核菌活动过程中起重要作用[3]。
1.3 观察指标 尿失禁评价指标：鼓励患者建立排尿日记，记录患者治疗前以及治疗后3～7 d的平均每日自愿排尿次数、每日SUI次数，并统计发生尿失禁的患者比例[7]。
尽管上述防冻除冰方法能有效融解叶片覆冰，但覆冰检测传感器并不一定可靠，因风机的覆冰检测必须现场实测［18］。风机覆冰检测中有3点关键要素：
1）叶尖覆冰传感器的安装位置
叶片覆冰速度与过冷水滴的相对运动速度直接相关。叶尖部分运动速度大和挥扫面积大，接触的雨雾更多，覆冰速度也最快，这对于现代大型风机覆冰影响特别明显。云层低垂条件下，即便机舱无冰，叶尖部也可能因位置高耸发生覆冰。芬兰Pori地区基于相对湿度检测的监测结果表明，84 m高度处覆冰的概率是62 m高度处的6倍。因覆冰传感器安装于叶尖防雷保护周边，失效后很难检修、维护，制造叶片时就需要综合考虑覆冰检测传感器的安装问题。为提高检测系统可靠性，覆冰传感器可设计为适合风机构造的无线通信方式。
2）微量覆冰的高灵敏检测
叶片覆冰后，表面气流将由层流变为湍流，因湍流边界层热量迁移加剧，待叶片表面严重覆冰后再行加热融冰需要消耗更多的加热功率。当叶片前缘覆冰1至2 cm时，已存在覆冰脱落抛出的风险，叶片表面粗糙度的变化还将影响风机出力特性，降低发电功率，影响经济效益。
3）大面积覆冰检测能力
除叶尖和叶片前缘外，其它位置同样可能覆冰，覆冰位置由覆冰性质决定。当雨水由前缘回流再结冻时，可能在前缘以外各处形成雨淞。雨淞一般出现在前缘失速点周边，确切位置取决于叶片几何攻角。当叶片覆冰脱落时，可能造成叶片部分区域没有覆冰，而其他区域有大量覆冰，因此，叶片覆冰检测需要有大面积覆冰的检测能力。
根据以上所列3点，部分覆冰检测方法如下［7］。
1/保护眼睛的小能手，上文也说了，可以改善夜盲症，因为视网膜上的视杆细胞含有视紫质而具有暗视觉的功能。适量的β-胡萝卜素能促进视紫质达到正常含量，从而避免了缺少维生素A所致的暗视野适应迟钝，也避免暗视野之后出现强光对眼睛所造成的损害。
2.2.1 覆冰检测器
覆冰检测器与前节所提的覆冰检测系同种技术，为风机防冻除冰系统最常用的控制决策信息。为提高检测准确性，多使用一个常规的和一个加热防冰的风速计，两者组合实现覆冰强度和覆冰持续时间的检测。需要指出的是，因轻微覆冰条件下叶片高速运动而测风仪保持静止，往往在叶片覆冰几小时后才能检测到覆冰。
2.2.2 功率曲线误差
叶片覆冰将对风机出力产生明显影响，比对温度、大气压、风机出力和正常运行条件下的功率曲线，可判断叶片是否覆冰。失速型风机发电输出功率较风功率曲线有50%下降时，可认为存在叶片覆冰。风机运行状况下，该方法可在其它方法失效时仍能有效检测覆冰，但难以根据实际发电出力与期望出力的差异准确估计覆冰厚度，持续监测发电出力、风速、温度可获得叶片覆冰变化趋势信息。
2.2.3 视频监控
在风机轮毂上安装摄像头检测覆冰也是一种可行选择，视频监控可校核覆冰检测结果的准确性，并为覆冰停机后重启时检测覆冰提供必要的视频信息。该方法必须进行连续观测，并要求一定的硬件投资以保障良好的夜间能见度。视频监测法适用于短时覆冰检测，受昼夜更替、夜间即便采用人工照明亦难以保证可见度影响，长时间用该方法持续覆冰检测尚有困难。此外，当前尚缺乏适用的专业图像分析工具。
2.2.4 振动和噪声
风机叶片覆冰时会产生异样振动。在风机正常运行条件下，可利用振动传感器检测风机覆冰，并在满足温度和振动条件下停机加热除冰。因叶片前缘覆冰引起的受扰气流可产生湍流边界层并产生可听的高噪声，这将导致噪声增大和声音频率偏移，监测噪声的变化亦可检测叶片覆冰。但该方法同样只能在风机运行时适用。此外，应用该方法还需就背景噪声和不同风速下声音频率特性展开研究。
因不同类型覆冰的机理有所差异，冻雾覆冰由低云层的过冷水滴造成，冻雨覆冰由冻雨引发，不同覆冰检测方法得出的监测结果可能有所出入。受覆冰累积效应的影响，没有一种检测方法在各种情况下都能准确检测覆冰。
2.3.1 评估
为了在风资源评估阶段准确评估覆冰情况，建议利用普通、防冰风速计及露点、可见度检测仪等覆冰监测器进行至少一个完整年份的覆冰监测。每种检测方法均可提供覆冰发生频率、持续时间等有效信息。综合利用多方面覆冰相关气象信息，可以为覆冰预测提供可靠基础［7］。
进行覆冰检测时应结合气象观测数据，不同检测方法适用于不同覆冰类型和用途，根据多组监测数据可判别覆冰形成的时间和持续时间。利用前者可估计防冻除冰所需消耗的加热功率，而后者则可用来估算覆冰引发的发电量损失。
因覆冰检测仪价格高昂，在测风塔上安装普通风速计/加热防冰风速计已可获取覆冰相关的大致信息，是经济可行的选择，从邻近机场获取云底高度信息并将其与现场实测数据进行比对分析也是可行的，以上两种方法都可得出覆冰可能影响风机运转的大致时间段信息。因发生冻雾覆冰时大气温度多都在霜点左右，专用的零度以下露点检测器也能提供有价值的覆冰信息［7］。
2.3.2 操作
文献［20］总结了29种覆冰传感器，但其中没有一种方法可在各种工况下都具有令人满意的性能。多数方法（露点检测法、温度和双测速仪）只能装设在风机轮毂机舱位置，有一定局限性。比较适用的监测方式是在叶尖部安装红外测温光纤、柔性谐振隔膜、超声波传感器或基于电容、电感、电阻测量的传感器，此类传感器可根据覆冰物理特性实现精确测量，灵敏度高、重量轻，基于电容和超声波检测的方法比较适用于叶片覆冰检测。
风机防冻除冰有防冰和除冰两类，前者防止冰雪粘附在叶片表面，后者则去除覆冰。防冰和除冰的具体措施均可分为被动和主动两类，前者利用叶片表面的物理性质来消除和防止结冰，后者借助外部系统提供的热能、化学能或气动能源来消除和防止覆冰［17］。航空领域部分融冰方法可供参考，但需根据风机情况调整风速和弦长等参数［18］。
当前尚无成熟的商业化风机融冰系统，无论是主动式还是被动式融冰系统都难以完全有效防止风机覆冰，但某些融冰系统可在叶片覆冰期间保持功率输出，降低因覆冰造成的叶片振动，显著降低叶片抛冰对人身安全的威胁。
采用加热除冰系统将降低风机功率输出，增加系统维护工作量。文献［7］认为，寒冷气候环境下，融冰系统耗电量约为总发电量的3%至8%之间，防冰系统耗电量在总发电量的3%以下。早期研究估计融冰系统的加热功率高达额定容量的25%，近期研究表明100～220 kW风机的融冰功耗约为额定容量的6%至12%，基于热空气的融冰功耗约为10～15%，其他研究报道的加热功耗占比更低。
600 kW风机叶片防冰系统成本约为总投资的5%，且防冰系统成本占比随叶片尺寸增加而下降。根据站点覆冰的严重程度和电价，防冰系统的投资回收期介于1～18 a间，覆冰中等严重程度（约30 d/a）的站点，投资回收期在5 a以内［7］。
需要指出的是，除气候条件外，叶片尺寸、控制策略、攻角和转动速度等因素对叶片覆冰也有突出影响。在相同的天气条件下，叶片的覆冰概率与覆冰强度可能存在明显差异。
在极少覆冰的地区，保持风机继续运行或停机视觉检测是叶片覆冰后最简单的控制策略；严重覆冰地区推荐使用防冻除冰系统。多数防冰方法都是基于主动加热类型，比较简单的策略是始终启动加热，但会造成耗能的明显增长。通常，防冻除冰系统以覆冰检测为控制决策依据，在检测到叶片覆冰时启动加热。因此，叶片表面的温度监测是控制加热融冰系统的重要指标。
综合扩展速度、扩展强度看，大理市城市空间扩展呈现出明显的阶段性特征：1999年～2012年城市规模较小，扩展速度缓慢；2012年～2013年城市规模较大，扩展速度最快；2013年～2014年城市规模较大，扩展速度放缓。
防冰系统需持续加热将叶片保持在0℃以上以防覆冰，而除冰系统则需快速加热清除已形成的覆冰，两种方法都需消耗大量电能。准确的覆冰检测可有效降低融冰电量损失。为降低耗能，可将叶片分为多个加热区块分别控制，因保证叶尖部分30%长度无覆冰即可保持风机90%的气动性能，仅在叶尖部分配置防冻融冰系统可显著降低设备和耗能成本［13］，与暖风系统相比，使用加热电阻时热量传导更有效、分布更均匀［14］。
总体而言，我国智能传感器的发展起步相对较晚，涵盖自检查、纠错、判断和修复为一体的传感器有限，结合物联网技术的传感器更是少之又少，目前尚不能满足水利自动化智慧网的需求。
3.3.1 被动防冰系统
对活菌进行连续的10倍系列稀释，经过培养后，记录每个稀释度出现生长的试管数，然后查MPN表（最大可能数表），再根据样品的稀释倍数就可计算其中的活菌含量，该方法可较准确计算活菌数，但操作过程比较繁琐。
3.3.1.1 特种涂料
理论上，疏冰涂层的抗粘附性可防止覆冰，而超疏水性涂层由于排斥特征而不允许水留在表面。减少冰和表面之间的切应力也将降低对涂层污垢的灵敏度。近年来，叶片厂商开始引入纳米复合涂料、增强聚合物和纳米颗粒制作风机叶片，此类纳米复合材料与表面液滴接触角很大［16］，防冰效果可能更为理想。把涂层特性和主动防冻除冰系统结合起来，可能明显提高防冰效果。
疏冰涂层的优势在于成本低廉、无需特殊防雷保护、易于维护。防冰涂层的覆冰粘附力仅为未采用涂层的铝质叶片覆冰粘附力的50%，可明显降低防冻除冰系统的能耗［17］。此外，叶片涂抹防水剂亦可降低覆冰粘附强度。
需要指出的是，尽管单独采用防冰防水涂层已可有效降低非计划停机和维护的频率，但尚不足以防止叶片覆冰。实验室和现场测试结果表明即便在防冰、防水涂层上也可能积有覆冰。严重情况下，大量不对称分布的覆冰还可能导致风机不稳定运行［15］，防冰涂层易因涂层孔洞老化而失去防冰能力［16］，因涉及商业机密，多数防冰涂料的测试数据和化学成分并未公开。
3.3.1.2 深色涂层
深色表面有助于吸收太阳辐射，防止覆冰。加拿大Yukon地区的现场测试表明，该方法可明显改善覆冰情况。深色涂层法主要适用于轻覆冰区、覆冰期温度在0℃以上地区或是海拔低但冬季太阳辐射强的地区。因深色涂层法不足以除冰，它并不适用于重度覆冰区。此外，由于玻璃纤维、增强塑料等叶片材料对高温敏感，叶片表面温度升高可能会影响其性能。
比较两组患者的治疗疗效,疗效评价标准如下:临床症状完全消失,影像学检查未见肠梗阻为显效;临床症状明显缓解,影像学检查未见肠梗阻,但略有痛感为有效;均不符合上述描述或症状加重为无效,有效率=(显效+有效)/50*100%。统计两组患者的并发症情况和恢复时间。
长期以来，我国肥料用量与粮食产量关系密切，化肥用量与粮食总产和单产同步增长。作为粮食的“粮食”，化肥行业发展的唯一初心就是守护国家粮食安全。
3.3.1.3 化学涂层
航空领域常在机翼表面喷涂化学涂层以降低水的凝冻点，但该涂层系污染物，使用前后需进行一定维护且只能维持较短的时间，它并不适用于风机防冰。
3.3.1.4 被动除冰系统
1）柔性叶片
当柔性叶片弯曲时，整块覆冰碎裂，有助于脱冰，但该方面研究很少。
2）主动投入
调整风轮保持最佳迎风位置，使覆冰叶片朝向太阳，可在轻微覆冰条件下减缓覆冰，但也可能因加大机械载荷而损伤风机。
3.4.1 主动防冰系统。
3.4.1.1 热力学防冰
采用热电阻或暖气加热叶片防冰时，将叶片温度维持在0°C左右防止覆冰。实验表明，适当条件下将叶片温度维持在-5°C即可保持叶片无覆冰，所需防冻加热电量约为冬季发电量的2.3%，与将叶片温度维持在0°C相比，可节省33%的电量。为保障树脂材料叶片的安全性，防冰系统持续工作温度应低于 50 °C［10］。
3.4.1.2 微波
微波加热叶片，可在叶片表面覆盖能反射微波的金属丝网并覆盖涂层来提高叶片表面温度，防止覆冰。有研究利用6 kW、2.45 GHz微波按0.01 w/m2的功率密度测试微波融冰，但并没有现场实施的案例。
3.4.2 主动除冰系统
3.4.2.1 加热电阻
加热除冰可将电阻加热膜嵌入到叶片中［7，12］，加热时将会在叶片表面和覆冰层间形成水膜，即可依靠叶片旋转离心力抛冰，加热膜覆盖叶片前缘区域时，根据覆冰检测仪和叶片表面温度信息控制加热系统，加热膜周边需辅以温度传感器以防过热损伤叶片。600 kW风机可为每个叶片配置15 kW加热融冰容量，消耗的加热除冰电量视风资源条件和气象因素差异，大致为年发电量的1%～4%［7］。额定容量1.8 MW的风机需为每个叶片配置82 kW加热容量，加热功耗在8 m/s风速下约为发电输出的14%，叶片覆冰后至少需持续加热15～30 min使叶片升温，加热所需功率与空气和叶片表面温差呈线性关系，叶尖前缘除冰所需功耗约为轮毂前缘的3.5至3.9倍，叶尖后缘除冰所需功耗为轮轴后缘的2.6至2.9倍，以上加热功率配置足以应对一般冻雨条件下防冻除冰需求，电阻膜加热的热效率接近100%，因冬季覆冰时段风力强劲，加热除冰所耗电量对风电出力无明显影响［18］。
尽管有不少可用的风机防冻除冰技术，但当前并没有成熟的商业化产品，因市场容量有限，风机防冻除冰技术仍维持在试验样机水平［7］。单个叶片除冰系统故障时，将造成整个风机重量失衡，极端低温条件下叶片加热功率可能不够。叶片加热区域覆冰融解水流到未加热的低温表面时又可能重新结冰，并在加热区域周边形成大面积覆冰，可能造成叶片部分覆冰时防冰系统检测表面温度高于0℃。雷电可能对防冻融冰加热元件产生一定影响，但目前尚未见实际案例报道。
3.4.2.2 暖气与散热器
暖风机位于叶根或轮觳内部，将暖空气经管道吹向叶片，热量经叶片壳体传热以维持表面无冰。在覆冰层和叶片间形成水膜后，即可利用叶片旋转离心力脱冰，在叶片内壁上预埋的气孔有助于形成空气回路，显著提高热量传导效率，降低加热功耗。此外，利用机舱废热也可提高防冻除冰系统的效率。
瑞士某风场在单台Enercon 850 kW风机各叶片配置了7 kW暖风机，消耗电量约为发电量的1%。除冰时暖风温度为80～120℃，叶片表面温度可控制在60～80℃，因叶片外形无变化，配置防冻除冰系统对空气动力性能和防雷系统均无明显影响，加热除冰系统适用于气候温和、覆冰主要发生在0℃附近的地域［18］，因除冰无需始终保持叶片温度，除冰所需能耗有时仅为防冰的50%。
该方法在大风低温条件下需消耗大量电能，因玻璃纤维增强塑料具有良好的绝热性，加热时不但需考虑叶片材料的最大耐受温度［7］，当叶片尺寸和厚度增加时，还需消耗更多的电能加热叶片，如在覆冰后再启动除冰系统，不但存在抛冰风险，还会显著降低热效率。因暖风机多位于叶根，叶片内部温度可能有明显的不均匀分布，覆冰最严重的叶尖反而温度最低［18］。
3.4.2.3 活动气囊
在叶片表面附着活动气囊也可进行除冰。正常状态下，气囊平摊于叶片表面，覆冰时向气囊吹入压缩空气促使表面覆冰破裂，即可借助旋转离心力脱冰，再真空抽气平复即可恢复正常运行。该方法能耗较低，且在飞机上已有普及应用。Goodrich公司测试了适用于1.5 MW风机叶片的6 m×1 m气囊除冰器，测试表明在-10°C低温下除冰效果优秀，在-10℃～-20℃之间会残留余冰。因风机与飞机可频繁进行安检不同，一般希望免维护或少维护，在可靠性要求上有明显差异，该方法在可靠性上存疑，难以实用。
3.4.2.4 电磁脉冲冲击
电磁脉冲冲击除冰方法是在叶片下预埋电磁线圈，然后在覆冰时反复通、断电，通过电磁感应使得叶片表面快速振动除冰，具有高效低耗的特点，最先应用于航空领域，并已在魁北克水电局输电线路上试用。因该方法可能对叶片的气动性能和可靠性造成影响，当前在风机上尚无应用。
考虑到可用技术的成熟度，对开展风机覆冰检测及应用防冻除冰有以下建议：
1）用双风速仪和相对湿度信息评估覆冰状况是经实践证明的有效方法。基于双测风仪的覆冰检测方法成本低廉、能耗少，基于3个测风仪的覆冰检测还可提供覆冰持续时间和覆冰强度的准确信息，特别适用于测风桅杆。相对湿度和露点检测器是探测冻雾及0℃以下覆冰的廉价方式，尽管该种办法本身可靠性并不高［7］，但与双风速仪法结合，可提供评估覆冰的有效信息。视频监测可检测冻雾覆冰，但尚未实现自动操作。
2）风场运行期间，基于双风速计和功率曲线比较的覆冰检测是经实践检验的有效方法。结合电容法、红外光纤测温法，还可能实现叶片多点位的高精度温度测量。
3）被动式加热防冻辅以主动式的叶片表面涂层已有20余年的测试经验，是较为可行的风机防冻除冰方法。该方法操作简单，热效率高，但加热叶片需消耗大量加热电量。降低能耗的途径主要有3类：（a）采用覆冰后融冰而非保持叶片高温防冰；（b）改进覆冰检测手段，提高加热控制精度；（c）辅以防冰涂层降低覆冰粘附性和回流，促进脱冰。需要指出的是，暖风式防冻除冰对大型叶片适用性差。
4）当前尚无成熟的商业化叶片防冻除冰系统，也曾发生过发热除冰系统发热功率失配损伤风机叶片的事故。因此，多数风机制造厂家倾向于采用叶片表面涂层而不是配置加热除冰系统。
［参考文献］（References）
［1］ G Botta，M Cavaliere，H Holttinen.Ice accretion at acqua spruzza and its effects on wind turbine operation and lose of energy production［C］.Proceeding of the International Conference，Wind Energy Production in Cold Climate，BOREAS IV，1998.
［2］ 李晓辉.2018年湖北电网输电线路设备冰冻灾害受损情况分析［J］.湖北电力，2018，42（03）：1-4.LI Xiaohui.Analysis on freezing-caused damage to transmission line equipment of Hubei power grid in 2018［J］.Hubei Electric Power，2018，42（03），1-4.
［3］ Tammelin B，Dobesch H，Durstewich M，et al.Wind turbines in icing environment：Improvement of tools for siting，certification and operation-new icetools［C］.Finnish Meteorological Institute，2005.
［4］ 杨世强，翁永春，李小来，等.特高压直流金具不均匀覆冰受损隐患分析与研究［J］.湖北电力，2018，42（03）：5-8，25.YANG Shiqiang，WENG Yongchun，LI Xiaolai，et al.Analysis and research on potential damage caused by uneven icing on UHV DC metalware［J］.Hubei Electric Power，2018，42（03）：5-8，25.
［5］ Jasinski W J，Noe S C，Selig M S，et al.Wind turbine performance under icing conditions［J］.Journal of Solar Energy Engineering-Transactions of the ASME，1998，120（1），60-65.
［6］ 黄俊杰，胡丹晖，王文烁，等.架空输电线路覆冰厚度预测技术研究［J］.湖北电力，2016，40（12）：1-4，24.HUANG Junjie，HU Danhui，WANG Wenshuo，et al.Research of icing thickness forecast of transmission lines［J］.Hubei Electric Power，2016，40（12）：1-4，24.
［7］ Tammelin B，Böhringer A，Cavaliere M.et al.Wind energy production in cold climate（WECO）.Final report 1 January 1996 to 31 December 1998［R］.Office of Scientific and Technical Information Technical Reports，2000.
［8］ Boluk Y.Adhesion of freezing precipitates to aircraft surfaces［J］.Cold Weather，1996.
［9］ 匡志鸿，郑毅.随州：风力光伏发电领跑全省［J］.湖北电力，2015，（11）：23-25.KUANG Zhihong，ZHENG Yi.Suizhou：wind photovoltaic power takes the lead in the whole province［J］.Hubei Electric Power，2015，（11）：23-25.
［10］ 汪涛，周月华，朱昌成，等.输电线路覆冰舞动区域的气象地理模型研究［J］.湖北电力，2017，41（11）：5-9，47.WANG Tao，ZHOU Yuehua，ZHU Changcheng，et al.Research meteorological geography model of icing transmission line galloping region［J］.Hubei Electric Power，2017，41（11）：5-9，47.
［11］ Matthew C.Homola， PerJNicklasson，Per Arne Sundsbø.Ice sensors for wind turbines［J］.Cold Regions Science and Technology，2006，46（2）：125-131.
［12］ 郑永强.叶片通过频率振动的分析及治理［J］.湖北电力，2017，41（03）：35-38.ZHENG Yongqiang.Analysis and disposal with the blade passing frequency vibration［J］.Hubei Electric Power，2017，41（03）：35-38.
［13］ Tallhaug L.Calculation of potential ice risk in norway［C］.Finnish Meteorological Institute，2003.
［14］ Lasse Makkonen，Timo Laakso，Mauri Marjaniemi，et al.Modeling and prevention of ice accretion on wind turbines［J］.Wind Engineering，2001，25（1）：3-21.
［15］ Jasinski W J，Noe S C，Selig M S.et al.Wind turbine performance under icing conditions［J］.Journal of Solar Energy Engineering，1998，120（1）：60-65.
［16］ Li Yan，Tagawa Kotaro，Feng Fang，et al.A wind tunnel experimental study of icing on wind turbine blade airfoil［J］.Energy Conversion and Management，2014，85：591-595.
［17］ David N Anderson，Allen D Reich.Tests of the performance of coatings for low ice adhesion［J］.Aiaa Journa，2013.
［18］ N Dalili，A Edrisy，R Carriveau.A review of surface engineering issues critical to wind turbine performance［J］.Renewable and Sustainable Energy Reviews，2009，13（2）：428-438.
［19］ David Switchenko，Wagdi G Habashi，Guido Baruzzi，et al.Fensap-ice simulation of complex wind turbine icing events，and comparison to observed performance data［J］.Manuel Angel Vázquez Medel，2014，32：973-993.
联系客服
