0引言
中国为发展低碳经济提出了碳达峰和碳中和目标,包括风力发电在内的可再生能源发展迅猛[1],在陆地建有大量风力发电机组[2]。我国风电大规模投运时间短,运行管理主要参照火电运行经验,暂未形成适合风电场特点的管理模式,并且风电建设规模的快速增长导致风电各专业人才紧缺,且风电场大多地处偏远艰苦地区,难以吸引人才、稳定人员。
现阶段,风电场存量风机设备逐步超过质保期,需频繁进行自主检修维护,导致安全运维成本急速增加。加之风电场内风机地域分散,交通距离远,导致人工巡检、维修周期长[3]。虽然少数风电场使用无人机代替人员开展设备巡检,但拍摄图像仍依靠人工判读,效率较低[4—5]。风机机舱、桨叶在高空风荷载作用与 自身重力作用下向塔筒传递压力及扭力,会导致风机倾斜、沉降[6]。当杆塔出现严重形变时,将导致风机设备发生倒塌,造成人员和经济损失[7]。现阶段风电场多邀请专业机构利用水准仪对风机进行沉降观测[8],无法实时掌握风机倾斜沉降状态。为保障风电机组安全稳定运行,研发一套具有“空地融合一体”智能巡检与风机实时沉降监测功能的安全生产管理系统具有一定的必要性。
本文所述系统已在大石崖风电场完成试点建设,系统融合北斗高精度定位、无人机智能巡检、深度学习、北斗三号融合通信等技术,通过分布式微服务架构,构建风电机组安全监测和智能巡检服务体系。
1 系统总体设计
总体架构设计分为感知层、网络层、边缘层、平台层及业务层,总体架构图如图1所示。
1.1 感知层
在风电场站端为作业人员配备北斗手持终端和智能安全帽,开展人员安全和作业安全管理;在站内部署巡检无人机,开展风机叶片缺陷巡检等业务;在风机周围安装北斗沉降监测终端,监测风机地基沉降状态。
1.2网络层
位于新能源电场的站端,通过NB—IoT、wi—Fi、LoRa、蓝牙、4G/5G、以太网或专线等无线、有线网络通信方式传输感知层数据。
1.3 边缘层
位于风电场的站端,由边缘物联系统、安全接入网关组成。其中站端所有数据通过安全网关接入边缘物联系统,边缘物联系统主要提供模型解析、接入设备管理、数据汇聚接入、视频接入、规则引擎、站端隐患预警、辅控系统联动和感知智能协同等服务。边缘层通过互联网或内网与平台层进行数据交互,使用网闸和物理隔离装置等保证平台层安全。
1.4平台层
采用分布式微服务架构搭建底层架构,根据业务将项目整体划分为独立服务,各微服务间通过Rest API实现相互调用,并发布至微服务容器中,实现业务联动,从而达到业务、人员上的松耦合,提高整个平台的扩展能力,即需求快速迭代能力。平台层划分为数据分析、北斗沉降监测、安全预警、综合巡检、融合通信服务、高精度位置服务、GIS引擎、统一认证中心、AI模型中心等9类服务,从而支撑各类业务需求。
1.5业务层
依托于平台层的各项能力,开展风电站形变监测、综合巡检、智能风险辨识等业务,主要包括巡检任务查看、巡检视频查看、巡检记录管理、巡检轨迹查看、巡检结果查看、沉降监测、沉降预警、沉降趋势分析、视频接入等。通过对部署电站各类资源统一管理、安全状态实时监测、时空信息统一汇聚,实现对新能源电站的安全生产管理。
2 功能设计
主要包括系统主界面、沉降监测子模块、智能巡 检子模块、缺陷处置子模块和北斗通信子模块等功能。
2.1 系统主界面
系统主界面通过汇聚设备统计数据、缺陷数据、
实时沉降数据、消缺数据、巡检数据等,使用各类图表展示统计分析结果。通过电子地图展示各个风机的位置分布和实时沉降监测状态,展示巡检无人机和巡检人员实时位置,以及进行中的巡检或消缺工作。具体如图2所示。
2.2 沉降监测子模块
沉降监测模块主要通过北斗高精度定位技术,监测风机的沉降状态,接入风机沉降监测实时数据并进行展示,根据实时数据与预警值进行比对,判定风机沉降实时状态。各风机沉降监测界面如图3所示。界面还可查询风机的历史沉降趋势,选取多台位置风机进行趋势对比,从而判定一定区域内风机沉降的趋势变化,为安全生产提供支撑。
2.3 智能巡检子模块
智能巡检模块主要通过无人机和深度学习技术相结合,实现无人机巡检航线自动规划、无人控制自动巡检和无人机拍摄图片的智能识别。通过接入巡检人员佩戴的智能安全帽得到定位和视频等数据,形成巡检人员轨迹,并对人员操作进行全程跟踪,形成操作实时反馈意见。该模块主要功能包括无人机智能巡检、人员巡检计划的制定和任务的下达、巡检过程的跟踪、巡检结果的查看;无人机在风机现场按照下达的任务自动对风机的塔筒、叶片、机舱等部位开展巡检和拍摄图片,拍摄的图片通过AI识别,发现风机的缺陷信息并进行预警。图4所示为智能巡航拍摄并分析叶片隐裂。
2.4 缺陷处置子模块
缺陷处置模块主要通过物联网技术接入处置缺陷人员佩戴的智能安全帽,得到定位和视频等数据,跟踪缺陷处置过程,远程保障人员安全。图5所示为系统缺陷记录及消缺情况界面,功能主要包括实现
人员巡检发现的风机缺陷和AI识别发现的风机缺陷的信息统计和处置计划的管理,处置过程的跟踪,处置结果的查看。
2.5 北斗通信子模块
北斗通信模块通过北斗三号短报文技术,可实现在无蜂窝网络下由系统向北斗手持终端发送消息,接收北斗手持终端发送的消息,保障远程调度指
挥的及时性。图6所示为系统北斗通信界面。人员持北斗手持终端,发生危险时,在无任何蜂窝网络的情况下可向平台发送报警信息,保障人员安全。
3 关键技术研究及应用
3.1 基于北斗高精度定位的沉降观测技术研究与应用
采用北斗高精度定位技术,对风机沉降进行监测。浇筑与风机底座一体的观测墩,在观测墩上安装北斗沉降监测终端,并选择基础较稳固的地点安装北斗沉降基准站。各北斗沉降监测终端与北斗沉降基准站实时接收卫星定位信号,并通过数据通信网络实时发送到系统,对数据进行分析,获取各监测终端实时三维坐标,与初始坐标进行对比而获得该监测终端的变化量。
3.2 无人机智能巡检研究与应用
使用无人机对风机叶片进行巡检,通常的方案是在风机停机时通过手动控制前进或倒车,使被巡检风机的叶片每次均停留在指定的位置上,手动控制风机转向至固定的方向,无人机采用固定巡检路线对风机叶片进行巡检,并拍摄叶片的图片。因为风机方向、叶片停留位置、无人机巡检路线均需固定,每次巡检前需要进行人工操作,造成无人机巡检效率无法提高。通过研究一种动态的智能巡检方案,将动态建模和智能算法结合,提出一种无人机智能动态巡检方案。在无人机起飞后对风机方向和叶片停留位置建模,指导其按规划巡检路线对风机叶片进行自动巡检,通过深度学习技术, 自动分析风机胶衣脱落、裂纹等表性缺陷,并出具巡检报告,提高无人机的巡检效率。
3.3 北斗三号融合通信技术研究与应用
巡检过程中,人员会进入4G/5G未覆盖区域,此时人员的定位及业务数据无法回传至平台,亦无法知悉巡检人员的位置和业务进展。因此,通过研究北斗短报文+4G/5G融合通信方式,传输人员定位数据和业务数据。在4G/5G覆盖范围内,通过4G/5G传输人员定位数据和业务数据;在4G/5G覆盖范围外,将人员定位数据和业务数据使用北斗短报文通过北斗卫星链路回传至平台。
4 结束语
新能源电场具有“小、散、远”的特点,要对地域 上广泛分布的设备状态进行监测、控制、管理及维护是十分困难和烦琐的,需要大量的人力、物力和财力。本系统通过北斗、物联网、AI等先进技术,为风电站的安全生产管理提供了辅助决策和智能化运营工具,对于提高电站运营维护的安全性,增强电站的运行效能,提升电站的整体运营和管理水平具有十分重要的意义,有利于有效消除安全生产管理盲区。
[参考文献]
[1]谭显东,刘俊,徐志成,等.“双碳”目标下“十四五”电力供需形势[J].中国电力,2021,54(5):1—6.
[2]姜红丽,刘羽茜,冯一铭,等.碳达峰、碳中和背景下“十四五”时期发电技术趋势分析[J].发电技术,2022,43(1): 54—64.
[3]苑鑫.人工智能技术在风电机组智能巡检中的应用[J].设备管理与维修,2024(4):121—123.
[4]朱庆,曾浩炜,谢潇,等.风电系统全生命周期可视化智能管理平台关键技术 [J].西南交通大学学报,2020,55(1):1—8.
[5]曹庆才,高伟,郭鹏,等.智慧风电系统架构与评价体系[J].分布式能源,2023,8(2):76—80.
[6]强同波,胡从川,王谦,等.基于高精度北斗定位的风电基础沉降[J].现代电子技术,2017,40(23):182—186.
[7]李治国,高志鹰,张立茹,等.极端风况下兆瓦级风力机动力学特性研究[J].中国电机工程学报,2024,44 (11):4417—4425.
[8] 呼和,温向炜.关于风机基础沉降观测方法的简述[J].电力设备管理,2020(11):137—139.
2025年第3期第1篇
