解决方案

风力发电机组叶片及传动装置智能监测预警系统

返回列表

通过传感器实时监测叶片与传动装置，提前预警故障，提升可靠性与安全性

01 系统介绍：

风力发电机组叶片及传动装置智能监测预警系统是一种集成了传感器技术、数据采集与处理、数据分析与模型建立、故障诊断与预测等功能的综合性系统。

该系统旨在提高风力发电机组的可靠性和安全性，通过实时监测叶片和传动装置的运行状态，及时发现潜在故障并进行预警，从而避免重大事故的发生，降低维护成本。

02 系统框架图：

001.png

03 系统监测逻辑

针对影响发电量的两大因素，叶片和传动系统进行健康监测。通过传感器获取数据回传服务器进行AI分析后生成报告。

002.png 

04 叶片监测

003.png

101.png

历史视频AI分析，通过AI能力，对历史净空视频进行视频增强，添加叶片轨迹跟踪及越限统计。上图左上为经过AI加工后的视频信息。右上则为视频分析后的统计结果包括但不限于（转速、越限情况、各叶片最小距离等），上图下半部分则为风机三叶片轨迹及告警限、安全限散点图。

102.png

103.png

风机叶片外观检查报告，系统定期或根据客户需求，对风机叶片外观情况进行分析，并根据分析情况出具外观检查报告单（如上图）。


05 传动系统

    振动传感器监测传动轴振动频率和轴温 ， 舱内声纹传感器对捕捉到的音频进行分离 ，监测异常点。一旦有异常诸如以下异常，都可报告出来。

06 软件介绍

实时监控

004.png

看板管理

005.png

风机看板直观的对风场内风机当前状态，告警信息进行整合一并输出给用户。通过点击风机，系统直接进入指定风机监测页面。

07 已有研究成果

3 算法

  • 基于无监督学习一致性检测的新型故障感知智能算法

  • 基于zero-shot learning的无监督视频增强算法

  • 基于多模态特征融合的叶片故障精确监测算法

4 模型

  • 基于deep regression的深度学习模型

  • 基于变分损失函数的无监督深度去噪模型

  • 基于弱监督的data retrieval深度故障检测模型

  • 基于无监督分割以及salient object detection的深度学习模型


搜索