引言
风力发电机组的冲击损坏大多发生在发电过程中,当叶片发生故障时,特别是单件断裂事故,平衡红色状态被破坏,发电机组立即剧烈振动,如果保护机组或刹车延误,会对发电机轴和塔造成严重损坏,并可能导致整个机组倒塌和损坏。而且破碎的铲子很可能在装置刹车前撞到相邻的铲子或塔楼,导致事故损失的扩大。叶片失效后,风电场必须停机维修,这就需要使用大型起重机,而且起重机的出厂和运行成本巨大,需要等待天气,以便在有风、有风或无风的情况下运行。
1.数字孪生与人工智能的风力发电机智能监控巡检技术现状
风机分布分散且场站人员不足造成风机维护不及时，往往当故障问题出现后才去补修，此时已经造成经济损失。若风机故障在出现之前及时被巡检发现，则能在很大程度上减少或避免生产事故的发生。根据热水风电场运行规程，运检人员需每月对全场所有风机进行登机巡检。由于风电场山路崎岖且地域跨度较大，路途费时较长，巡检任务非常艰巨。每逢强对流天气较多的月份，如未能及时完成巡检，无法及时发现设备缺陷，可能导致设备损坏，故障停机，电量损失大幅增多。
2. 基于数字孪生与人工智能的风力发电机智能监控巡检技术研究
2.1挂轨式智能巡检机器人
风机机舱内部狭窄，设备固定，需要检查的点位分布在机舱内各核心设备上。平时受地理环境、天气情况和巡检人员工作安排等因素影响，巡检工作不可能随时随地到风机机舱内进行巡检，固定摄像头的方式受限于安装位置和结构，只能监控固定的视野范围。而采用挂轨方式架设搭载可升降云台的机器人，可实现水平360°，垂直180°无死角地监控机舱内的情况，随时对机舱内的检查点进行检查，满足机舱内巡检的需求。机器人安装于机舱内架设的固定轨道模式上，智能监测系统通过预设运动轨道可移动到各个设定的检测区域，通过可见光、红外、振动和声音等多种智能传感装置采集各设备的运行状态数据。这些数据首先通过低压载波方式传送到控制箱，再通过网络将数据回传到安装在集控室后台服务器的智能巡检系统中。信号传送方式可以是有线通信，也可以是无线通信。挂轨式智能巡检机器人硬件结构由4部分组成，包括机器人本体、轨道系统、供电系统、通信系统。
2.2RTK差分定位技术
空间精确定位对于无人机的智能控制非常重要，传统的无人机使用GPS卫星导航山区环境时会出现设备噪声、电离层干扰等干扰，导致在GPS信号传输过程中无法满足无人机定位精度要求，从而解决了误差，提高了空间定位精度，建立了差分GPS技术在地面上定位GPS基站，将其与地面位置进行了比较，得到了定位误差，并将定位误差发送给了无人机等GPS移动接收机。无人机根据误差值调整其位置，并确保专业水平无人机的高精度空间位置使用RTK(实时运动学)技术，必须为无人机和地面站设置高精度空间位置RTK模块，基于实时处理两个站负载相位测量的差分方法，将基地收集的载波相位发送给无人机接收器，在坐标系中提供实时三维测量点，并使用差分误差校正， 支持RTK差分定位技术(RTK)的无人机可实现cm级定位精度，并可拍摄高分辨率图像，是巨型新疆M210RTK等先进无人机平台。
2.3巡检设备解决常规方案的缺陷
使用检查技术检查风力机叶片有助于解决依赖于人类外部观察或专业人员进入刀片检查的安全问题:人工检查导致停机时间无效，而且每季度至少需要进行一次有限的图纸检查，并且原始方法无法快速确定潜在的内部损坏，同时检查人员进入图纸中发现工作是危险的；此外，无人机和其他易受天气影响且不太稳定的外部检查，就像望远镜一样，只能检查表面，而不能确定内部缺陷。现有方法无法快速准确地确定潜在的内部叶片损坏，这可能会对风力发电机组的可靠运行产生巨大影响，并寻求最大程度的高效利用，所有这些问题都是通过设备控制技术解决的。
2.4数字孪生
运算层以大数据、人工智能、图象处理技术为核心，是数字孪生体实现认知、诊断、预测、决策各项功能的主要技术支撑。本系统采用分布式时序数据库存储风机实时监测数据、机器人状态数据，以kafka+flink构建实时计算体系，整套大数据pipline保证海量监测数据、实时分析计算数据实时入库。人工智能技术主要应用在视觉识别和设备故障诊断领域。采用开源目标检测算法Yolov5实现烟雾、火焰、人员跌倒、未佩戴安全帽和未穿安全带等识别功能。除此之外，采用opencv开源图象处理库，实现机舱内各类表计识别功能，例如油位计、压力表和LCD表等。
2.5创新发明风力发电机组叶片巡检设备的目的
风力发电机组已成为我国第二大可再生能源，其制造和采购成本占机械总数的20%以上，是机组人员和叶片控制的重要组成部分，是一个亟待解决的问题。数据显示，由于叶片故障导致的能量损失达到40%以上，非常困难的叶片风力发电机是世界上最大的单相结构，其持续时间长达20年，对极端天气和其他力(如闪电、冰雹和雨水)的影响可能与其他系统一样严重，并会造成灾难性的后果，因此常规的叶片检查和修理是保持叶片健康运行所必需的， 但是，目前的检查方法不能快速确定叶片内部的潜在损坏，只有外部或专业人员能够创新地发明和使用“叶片内部检查”技术检测风力机叶片内部的损坏，其目的是着眼于风力机叶片检查的必要性和其他外观检查方法的缺点。 为避免工人的高风险，基于智能技术的风力机控制装置的开发已成为必然趋势。为了解决现有检查技术的问题和痛苦、检测叶片的裂缝和损坏，并确保结合实际条件和要求进行智能检测，我们成功地将“风力机叶片内部控制”解决方案集成到了新的电力行业中。
结束语
通过对基于数字孪生的风机可视化智能巡检系统的研究，搭建了风机三维模型，利用数字孪生技术，将风机机舱内的传感数据关联到模型中，实现风机巡检的自动化、数字化、可视化；利用机器人搭载环境监测、振动、温度、声音和气体等各类传感器和可见光及红外相机等设备，配合机舱内固定位置的摄像头，实时获取机舱内的设备、环境和音视频等数据，实现风机的远程实时监控；结合人工智能技术实现基于视频的智能模型，配合机器人的可见光相机，使得机器人具备了进行表计识别、人员行为分析等高级巡检任务的能力。综上所述，该系统能够为风机巡检工作提供新的思路，使得风机运维向无人化、智能化迈进一大步。
参考文献
[1]卿子龙，孔庆香.海上风电场智能型监控管理一体化系统[J].分布式能源，2021，6（5）：59-63.
[2]夏云峰.智能运营2.0模式下，风电场无人值守时代正在到来[J].风能，2017（8）：32-34.
[3]刘志超，王洪彬，沙浩，等.我国风电利用技术现状及其前景分析[J].发电技术，2019（4）：389-395.
[4]陈玉波，袁秉森.一种轨道式变电站巡检机器人的研究与应用[J].电气应用，2015，34（13）:126-129.
[5]尹雁和，贾子然，曾毅豪，等.变电站巡视中的图像识别技术应用[J].通信电源技术，2020，37（3）：141-142.
