【技术实现步骤摘要】
本专利技术属于风力发电设备运维，具体涉及一种风电场运维人员实时监控与指导系统及使用方法。
技术介绍
1、随着全球风电产业的快速发展，风电场的规模不断扩大，运维管理面临着设备故障频发、人力成本高昂、数据利用率低诸多挑战。传统的风电场运维主要依赖人工定期巡检和事后维修，存在检修效率低、故障响应慢、运维成本高问题。然而，现有技术在实际应用中仍然存在以下不足：一是多源异构数据难以有效融合，风电场内部的设备、环境、运行数据尚未形成互联互通；二是风电专业知识难以系统化管理，缺乏将故障诊断、预测性维护经验转化为可计算的知识库；三是人机交互方式单一，难以实现运维人员与智能系统的协同优化；四是安全与隐私难以保障，多方数据共享面临数据窃取与篡改风险。
2、中国专利公开号为cn106295992a，名称为基于全息影像的风力发电机组状态监控与运维指导系统的专利申请，包括n个现场工作站、监控中心工作站和通信网络组，其中，n为自然数且n≥1。设置于现场运维端的现场工作站，发送风力发电机组的状态信息和运维现场全息化影像至设置于远程运维端的监控中心工作站，监控中心工作站生成全息化的运维指导信息并将该指导信息发送回现场工作站，用于指导现场运维人员进行现场运维。该系统还包括n个现场工作站之间的信息交互。该专利申请虽然能够对风力发电机组状态进行监控与运维指导，但端侧采集数据类型单一，且无边侧进行参与计算，端侧大量采集数据时难以实时进行监测。
技术实现思路
1、本专利技术的目的在于提供一种风电场运维人员实时监
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种风电场运维人员实时监控与指导系统，包括端侧设备、边侧设备和云侧设备；所述端侧设备通过边侧设备与云侧设备相通信；所述端侧设备包括ar眼镜、多模态传感器和无人机，所述边侧设备包括边缘计算设备，所述云侧设备包括中央服务器；所述ar眼镜分别与多模态传感器、无人机、边缘计算设备和中央服务器相通信；其中，所述边缘计算设备包括工控机，用于对采集的数据进行预处理、本地建模和实时决策；所述工控机包括数据采集模块、数据预处理模块、本地诊断模块和ar交互引擎；所述中央服务器包括gpu集群，通过知识图谱模块进行云存储，通过机器学习模块进行云训练。
4、可选的，所述ar眼镜内置有摄像头、麦克风、扬声器、显示屏和脑机接口传感器；所述多模态传感器安装在风电机组的关键部件上，用于采集所述关键部件的振动、油品、温度和湿度信息；所述无人机搭载有摄像头和红外热成像仪，用于对风电机组表面和热缺陷进行检测。
5、可选的，所述数据采集模块支持包括plc和modbus的工业总线协议和包括mqtt和coap的物联网协议，用于采集多源异构数据。
6、可选的，所述数据预处理模块用于进行包括数据降噪、特征提取和数据压缩在内的数据处理。
7、可选的，所述机器学习模块用于构建故障诊断、剩余寿命预测和风险评估模型。
8、可选的，所述知识图谱模块采用本体构建方法融合结构化数据和非结构化数据，构建风电机组和运维知识图谱。
9、可选的，所述云侧还包括区块链模块，所述区块链模块采用超级账本fabric部署智能合约，用于实现运维数据存证、审计追踪和多方信任协作。
10、可选的，所述ar眼镜通信连接有eeg头盔、脑电采集模块和振动马甲。
11、可选的，所述ar交互引擎采用unity3d游戏引擎。
12、所述的一种风电场运维人员实时监控与指导系统的使用方法，包括以下步骤：
13、通过端侧设备实现对关键部件的实时监测和故障初筛；
14、通过边侧设备的边缘计算设备通过改进的rul预测算法，采用门控循环单元和多任务学习，预测关键部件的剩余寿命；
15、通过云侧设备的机器学习模块训练深度学习模型，采用多尺度一维卷积神经网络，融合时域和频域特征，分析包括振动在内的时序信号中的退化规律。
16、与现有技术相比，本专利技术具有以下有益效果：
17、本专利技术的一种风电场运维人员实时监控与指导系统融合了物联网、人工智能、ar、区块链前沿技术，从多模态数据采集、智能诊断预测、ar交互引导、联邦学习优化方面，构建了端-边-云协同的运维架构，实现了风电场全生命周期管理的自动化、精细化和可视化，能够提升风电场运维的智能化水平。
18、本专利技术通过对风电机组关键部件的实时监测和健康评估，系统可以及时发现早期故障征兆，减少严重故障的发生；通过对运维任务和资源的智能调度优化，系统可以减少人力浪费和备件积压，延长设备使用寿命，从而大幅度降低检修成本和备件成本。本专利技术能够降低风电场运维成本。
19、本专利技术能够提高风电场发电效率。本专利技术通过对机组性能退化趋势的跟踪分析，系统可以优化风电机组控制策略，在保障机组安全的前提下，最大化发电量；通过对不同风场间的运行数据进行对比挖掘，系统可以识别影响发电效率的关键因素，为风电场的精细化管理和技术改造提供依据。
20、本专利技术能够保障风电场多方数据安全共享。本专利技术利用区块链构建风电行业可信数据共享网络，既保证了数据的不可篡改和可追溯，又通过密码学技术实现数据的隐私保护和权限管理，促进了风电设备制造、运维服务、技术监督、金融保险多方的协同创新。
21、本专利技术能够为风电产业智慧化发展提供示范。本专利技术针对风电场管理中的痛点问题，提出了一套技术先进、架构合理、接地气的解决方案，对于推动风电产业数字化、网络化、智能化发展，加快能源行业智慧升级，具有重要的示范意义和推广价值。
22、本专利技术的风电场运维人员实时监控与指导系统，在提升风电场智慧运维水平、降低运维成本、提高发电效率、保障数据安全方面，具有显著的技术优势和应用价值，对于推动风电产业高质量发展具有重要意义。
本文档来自技高网...【技术保护点】
1.一种风电场运维人员实时监控与指导系统，其特征在于，包括端侧设备、边侧设备和云侧设备；所述端侧设备通过边侧设备与云侧设备相通信；所述端侧设备包括AR眼镜、多模态传感器和无人机，所述边侧设备包括边缘计算设备，所述云侧设备包括中央服务器；所述AR眼镜分别与多模态传感器、无人机、边缘计算设备和中央服务器相通信；其中，所述边缘计算设备包括工控机，用于对采集的数据进行预处理、本地建模和实时决策；所述工控机包括数据采集模块、数据预处理模块、本地诊断模块和AR交互引擎；所述中央服务器包括gpu集群，通过知识图谱模块进行云存储，通过机器学习模块进行云训练。
2.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述AR眼镜内置有摄像头、麦克风、扬声器、显示屏和脑机接口传感器；所述多模态传感器安装在风电机组的关键部件上，用于采集所述关键部件的振动、油品、温度和湿度信息；所述无人机搭载有摄像头和红外热成像仪，用于对风电机组表面和热缺陷进行检测。
3.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述数据采集模块支持包括plc和mo
4.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述数据预处理模块用于进行包括数据降噪、特征提取和数据压缩在内的数据处理。
5.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述机器学习模块用于构建故障诊断、剩余寿命预测和风险评估模型。
6.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述知识图谱模块采用本体构建方法融合结构化数据和非结构化数据，构建风电机组和运维知识图谱。
7.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述云侧还包括区块链模块，所述区块链模块采用超级账本Fabric部署智能合约，用于实现运维数据存证、审计追踪和多方信任协作。
8.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述AR眼镜通信连接有eeg头盔、脑电采集模块和振动马甲。
9.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述AR交互引擎采用unity3d游戏引擎。
10.根据权利要求1至9任一项所述的一种风电场运维人员实时监控与指导系统的使用方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种风电场运维人员实时监控与指导系统，其特征在于，包括端侧设备、边侧设备和云侧设备；所述端侧设备通过边侧设备与云侧设备相通信；所述端侧设备包括ar眼镜、多模态传感器和无人机，所述边侧设备包括边缘计算设备，所述云侧设备包括中央服务器；所述ar眼镜分别与多模态传感器、无人机、边缘计算设备和中央服务器相通信；其中，所述边缘计算设备包括工控机，用于对采集的数据进行预处理、本地建模和实时决策；所述工控机包括数据采集模块、数据预处理模块、本地诊断模块和ar交互引擎；所述中央服务器包括gpu集群，通过知识图谱模块进行云存储，通过机器学习模块进行云训练。
2.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述ar眼镜内置有摄像头、麦克风、扬声器、显示屏和脑机接口传感器；所述多模态传感器安装在风电机组的关键部件上，用于采集所述关键部件的振动、油品、温度和湿度信息；所述无人机搭载有摄像头和红外热成像仪，用于对风电机组表面和热缺陷进行检测。
3.根据权利要求1所述的一种风电场运维人员实时监控与指导系统，其特征在于，所述数据采集模块支持包括plc和modbus的工业总线协议和包括mqtt和coap的物联网协议，用于采集多源异构数据。
...
【专利技术属性】
技术研发人员：陈耀辉，冷述文，李春晓，张勇，王马泉，南明军，杨炳良，
申请(专利权)人：华能山东发电有限公司蓬莱风电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。