智能视频分析技术在风机智慧巡检中的应用_陈长鑫.pdf

智智能能视视频频分分析析技技术术在在风风机机智智慧慧巡巡检检中中的的应应用用收稿日期：作者简介：陈长鑫（），助理工程师，主要从事发电设备通信自动化系统与劣化趋势分析方面的研究。陈陈长长鑫鑫，邓邓真真平平，唐唐亚亚波波，赵赵 巍巍（中国大唐集团有限公司重庆分公司 新能源事业部，重庆；重庆市科源能源技术发展有限公司，重庆）摘摘 要要：为降低风机人工巡检劳动强度、提高巡检效率、降低人工投入成本，基于智能视频分析技术建立集远程图像采集、智能分析于一体的新能源风机智慧巡检系统。该系统能智能分析机组环境和设备运行状态，满足特殊环境（高温、暴雨、冰雪、雷电等）下的使用要求并主动推送告知、告警信息，实现对机组设备的远程智能化巡检、可视化复核与监管。关关键键词词：智能视频分析；智慧巡检；巡检效率；人工巡检；可视化复核中中图图分分类类号号：文文献献标标识识码码：文文章章编编号号：（）自“双碳”战略目标提出以来，新能源发展步入绿色低碳转型新时代，风电装机规模逐年增大，清洁能源占比逐年攀升，与之而来的是风机的高效管理需要和人员投入减少之间的需求。特别是重庆地区作为山地风场的典型代表，风机设备数量庞大且分布在多个区域，各风电场受高山阻隔，在物理位置上无法形成有效的、统一的区域化管理。同时，风电机组的主要设备均运行在几十米甚至上百米高的塔筒上方，很难实现对设备运行外观、状态的实时检查。尤其是在存在地质隐患（泥石流、道路塌陷等）的区域，以及在特殊气象条件下（如夜间、高温、暴雨、冰雪、雷电等），无法事前预控和远程巡检风电场。就风机巡检来看，现有监控设备多为普通摄像头，且布点不足，清晰度较低，需人工干预识别异动并配合人员现场查验，效率低，风险大，周期长，成本高，智能化水平低。因此，亟需创新风电场风机巡检方式来提高巡检效率，以降低运维人员劳动强度和登塔作业风险，提高风电场设备巡检的智能化，提升应急响应速度，以保障现场作业安全和机组运行维护安全。近年来，智能视频分析技术已在发电、交通、电网、安防等领域得到应用。为满足风电机组远程智能化巡检需求，提升风机可利用水平，大唐重庆分公司以横梁风电场（一期）为试点，开展风机智慧巡检系统建设。智慧巡检系统依托先进的智能图像分析、红外成像分析等技术手段，通过制订和下发巡检任务，接收智能感知终端上传的数据，智能分析机组设备运行状态，主动推送告知、告警信息，以提高现场巡检效率，确保风电场高质量、高安全运行，使得风机维修从“事故维修”“定期维修”发展为“预知性维修”，实现从被动的“综合设备治理”转变为主动的“科学设备管理”。基于智能视频分析技术的风机智慧巡检系统简介智能视频巡检是智慧风电建设的重要板块。在实施的过程中，利用智能视频图像分析技术，能不断加强对风机机组、齿轮箱等设备的管控能力，实现监测数据阈值分析、设备缺陷主动告警、图片和告警信息传送，以及智能感知终端集中管理，优化巡检工作计划，提高巡检效率。风机智慧巡检系统技术架构系统采用 架构，利用“边缘计算分析 集中业务应用”，实现监测数据阈值分析、设备缺陷主动告警。系统主要包括采集层、基础设施层、平台层、应用层，如图 所示。采集层：综合考虑机组设备结构、巡检类型、安装条件等因素，采用壁装或立杆安装，选择合理位置安装一定数量的双光谱智能感知终端，实现风机、设备设施重要巡检任务点位全覆盖。观测部件覆盖基础平台、电缆马鞍平台、偏航平台、前机架主轴下部、机舱前部、联轴器正上部、速轴刹车盘下部等区域，将设备运行的图像、温度、声音等数据实时传送到场站侧图像分析单元，供识别分析使用。基础设施层：结合现场实际，风场升压站与风机之间有备用光纤组成的环网，为风机音视频数据的传输提供可靠通道，升压站与分公司之间采用运营商 专线传输数据。升压站部署的服务器硬件资源，提供算力和存储能力，分公司巡检平台由虚拟化平台提供应用资源。第 卷 第 期重庆电力高等专科学校学报 年 月 图 基于智能视频分析的风机智慧巡检系统技术架构 平台层：围绕“分析、存储、处理、展现”构建系统应用底座，以实现感知数据的现场分析与反馈，提升现场融合判断和计算分析能力，实现数据融合、智能分析和资源开放共享。应用层：拓展风机远程智慧巡检等应用，提供巡检管理、巡检告警、报表及数据推送等业务功能，支撑风机设备专业精益化管理。风机智慧巡检系统工作流程系统在流程设计上主要表现为前端数据采集、边缘计算、平台应用三者之间的交互，如图 所示。图 基于智能视频分析的风机智慧巡检系统工作流程 数据采集：在风电机组及升压站布置智能前端摄像头、拾音装置、数据采集单元，满足数据采集的硬件需求。场站侧采集单元按照制订的巡检任务调度智能感知终端采集设备运行状态下的图像、声音数据供分析单元使用。巡检类型主要包括例行巡检、专项巡检、自定义巡检等。边缘计算：场站侧边缘计算服务单元将分公司侧中心节点图像分析服务加以分解，在场站侧现地采用卷积神经网络等人工智能算法，建立识别模型，对设备缺陷图像样本进行训练，实现设备油污识别、管路渗漏识别、烟雾识别等各类智能图像分析功能。平台应用：调用场站侧管理单元提供的各类实时数据，展示智能感知终端巡检画面、巡检告警等数据，进行视频智能联动，对接生产管理系统进行缺陷的处置跟踪，按照管理需要定制巡检报表。风机智慧巡检系统部署架构基于智能图像分析的风机智慧巡检系统采用 架构进行部署。业务管理端集中布置在分公司侧集控中心，厂端开通网络访问控制，使用系统功能。场站侧布置分析服务器、管理服务器、采集服务器、视频服务器、存储单元，按需在风机中部署工业级高精度智能感知终端，以实时采集机舱、高速轴、齿轮箱等部位的现场视频、红外测温数据。如图 所示。基于智能视频分析技术的风机智慧巡检系统业务应用 巡检部件管理根据现场实际需要，在智慧巡检系统中建立和维护终端与现场设备之间的关联关系，为巡检部件第 卷第 期 重 庆 电 力 高 等 专 科 学 校 学 报关联的终端配置油污、漏油、防腐层脱落等算法。数据采集终端实时采集现场视频、温度数据，并通过风机光纤环网传输到升压站，以支撑风机智慧巡检业务。图 基于智能视频分析的风机智慧巡检系统部署架构 自动巡检管理巡检人员可制订巡检任务，实现全时段、全场机组的自动巡检，系统可对塔基、机舱、马鞍平台、偏航平台、主轴、联轴器、高速轴刹车盘等关键部位进行全面的可见光和热成像视频画面抓取与分析，实时出具自动巡检报告，并对异常结果进行告警。智慧巡检系统利用双光谱红外成像技术，将设备部件表面的温度分布转换成可见光图像，准确识别设备内部、外部的发热情况，分辨率达 ，并采用多层神经网络算法构建预测模型，对超温进行提前预警。智慧巡检系统利用卷积神经网络等人工智能算法，对设备缺陷图像样本进行训练，建立识别模型，实现图像的特征匹配，具备防腐层脱落、油污、烟雾等识别功能。人工辅助巡检智慧巡检系统搭载 倍光学变焦、倍数字变焦摄像头，实现水平、垂直 的范围内的巡检，远程辅助人工多角度观测风机叶片、塔筒等部位，以提前发现叶片裂纹等隐患。巡检报表管理针对每次巡检任务形成巡检报表，自动汇总智能图像分析结果和测温数据。巡检人员可查看现场监控的图片、温度变化趋势，以便更加准确全面地了解巡检任务的完成情况。告警分类推送通过程序化手段，对异常分析结果按照实际情况进行分级分类推送，确保生产人员第一时间掌握设备状态信息，提升设备缺陷处理的时效性。视频复核管理针对巡检产生的告警，巡检人员可通过调阅告警位置的视频，对系统巡检结果进行在线视频复核，以便更加准确地确认缺陷是否存在，提升设备缺陷处置的针对性。巡检缺陷闭环处理针对自动巡检报告的缺陷，巡检人员在对告警联动的监控画面进行确认后，可一键发起缺陷工单，通知运维人员到现场检查处理，确保缺陷及时闭环。基于智能视频分析技术的风机智慧巡检系统试点应用 年基于智能视频分析技术的风机智慧巡检系统已在横梁风电场（一期）投入使用，实现了对 台风机的远程巡检。智慧巡检系统建设实施前，需每年安排巡检人员 人，智慧巡检实施后，人工登塔台次数降低，可减少 名巡检人员的工作量，有效降低人工成本的投入。系统通过图像识别、温度异常识别，可发现隐蔽性较强的故障点，减少人工登塔巡检的次数，提高设备巡检的高效性，有效降低运维人员劳动强度和作业风险。特别是在雷雨、风雪等极端气象条件下，人员不能靠近风机时，智慧巡检系统的运用可以较好提升巡检的安全性，形成全新的风电场运行管理模式。该系统无论从保障风机系统安全稳定运行的角度，还是从提升安全生产运行效益出发都具有极其重 庆 电 力 高 等 专 科 学 校 学 报 第 卷第 期重要的意义及推广价值。结论基于智能视频分析技术的新能源风机智慧巡检系统，通过实时智能分析站内环境和设备运行状态，主动推送告知、告警信息，以满足风电场特殊环境下的巡检需求，有助于提高现场巡检效率，确保风电场高质量、高安全运行，使得风机维修从“事故维修”“定期维修”发展为“预知性维修”，实现从被动的“综合设备治理”转变为主动的“科学设备管理”。当前，随着新能源远程集中运行监控系统、现场机器人巡检系统、现场智能视频分析系统等智慧系统的不断应用和功能完善，为未来新能源风机设备的管理提供了强有力的技术支撑。同时，在系统建设的过程中，还需考充分虑新能源企业的特殊性，紧密围绕智能巡检、区域安全管控、设备在线监测等业务主题，贴合现场管理实施要求，抓牢抓实“云大物移智”与生产过程管控的结合点，打造智慧场站支撑骨架，优化技术选型，完善系统功能，拓展应用场景，深化价值创造，既满足企业共性需求，也打造企业个性应用，为企业发展赋能。参考文献：刘华军，石印，郭立祥，等 新时代的中国能源革命：历程、成就与展望 管理世界，（）：段美前 边缘计算在智慧电厂安全管控中的应用电工技术，（）：，姜雪，哈大雷，徐慧星，等 高速列车智能视频分析应用研究 铁路计算机应用，（）：李想 基于深度学习的电网安防视频分析技术 电工技术，（）：，吕卫强，刘治红，高洁，等 基于贝叶斯网络的群体性事件智能视频分析与判定技术 兵工自动化，（）：，孟令睿，丁光耀，徐辰，等 基于深度学习的新型视频分析系统综述 软件学报，（）：罗馨玥，李学华，姚媛媛，等 物联网边缘计算中基于能量感知的动态卸载算法 计算机应用与软件，（）：，贺志洋，秦蕾，陈玺，等 面向边缘计算的差分分块运动目标快速检测方法研究 物联网技术，（）：，（，；，）：，（，），：；第 卷第 期 重 庆 电 力 高 等 专 科 学 校 学 报