【技术实现步骤摘要】
本专利技术涉及风电机场站监控，更具体地涉及一种基于人工智能的风电机场站远程监控系统。
技术介绍
1、随着风电快速发展，风机数量急剧增加，风电场规模不断扩大，这使得风电在能源结构中的地位逐渐提升。然而，风电场通常分布在偏远地区，面积广阔，环境复杂多变，这给风电场的运维管理带来了巨大挑战。因此，通过风电场监控系统可以对风电场进行智能监控，通过采用有线或无线方式采集数据，并通过网络传输至服务器，对采集到的数据进行深入分析，设定各种报警和预警规则，生成各种报表和趋势图，从而对风电场的运营情况进行实时监测和预警反馈；
2、然而上述过程仍然具备以下缺点：
3、其一、现有的风电机场站监控系统在很大程度上依赖人工进行巡检、数据分析和故障诊断，无法保证巡检效率和精度，并难以全面覆盖所有设备和区域；
4、其二、现有的风电机场站监控系统主要依赖简单的数据分析工具和方法，对于复杂的数据分析和处理任务往往力不从心，缺乏从多方面数据对风电机场站的设备进行深度分析。
5、其三、现有的风电机场站监控系统缺乏通过将历史数据和实时数据相结合，对风电设备的故障进行准确预测和快速诊断，并无法提供远程监控平台使管理人员对新能源场站的设备运行状态进行远程监控和管理。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供了一种基于人工智能的风电机场站远程监控系统，以解决上述
技术介绍
中存在的问题。
2、本专利技术提供如下技术方案：一种基于人工智能的风电机场站远程
3、巡检区域划分模块：根据新能源场站内设备类型将场站划分为若干个巡检子区域，并分别编号为1，2，3……n；
4、巡检路线规划模块：通过在划分后的巡检子区域内，使用人工智能算法为智能巡检设备自动规划巡检路线，再根据所规划好的巡检路线对新能源场站进行巡检；
5、巡检数据采集模块：用于采集每个巡检子区域内的风电设备的图像、温度数据以及振动数据，通过无人机采集巡检子区域内的风电设备的图像、温度数据以及振动数据，并采集到的风电设备的图像、温度数据以及振动数据上传至云端服务器进行处理；
6、初步分析模块：通过对巡检子区域内的风电设备的图像、温度数据以及振动数据进行分析，得到叶片外观状况指数、塔架外观变化指数、温度波动指数、设备磨损度影响指数，包括图像分析单元、温度分析单元以及振动分析单元；
7、数据融合模块：通过对初步分析模块中的数据分析结果进行数据融合计算，得到设备状况异常风险评估系数；
8、异常检测模块：基于数据融合的结果，将设备状况异常风险评估系数与设备状况异常风险阈值进行比较，从而对巡检子区域内的风电设备进行异常检测，并将异常检测结果传输至故障预测模块；
9、故障预测模块：基于异常检测模块的检测结果，再将历史发电量、电压以及电流与实时发电量、电压以及电流相结合分析，并计算出故障预测系数，对巡检子区域内的异常风电设备进行故障预测；
10、故障诊断模块：基于故障预测的结果对巡检子区域内的异常风电设备进行故障诊断；
11、远程监控模块：通过设定远程监控平台，自动生成风电设备巡检监测报告，并将风电设备的故障诊断结果通过云端服务器传输至远程监控平台向管理人员进行预警反馈。
12、优选的，所述巡检区域划分模块根据设备的类型将风电机场站划分为若干个相对独立的巡检子区域，每个巡检子区域应包含一定数量且相同类型的风电设备，并对每个划分好的巡检子区域进行编号，从1开始，依次递增，直至n。
13、优选的，所述巡检路线规划模块通过选择带有高清摄像头、红外热像仪以及传感器的无人机为新能源场站的智能巡检设备，利用人工智能中的路径优化算法，结合巡检子区域内的设备分布和道路情况，为无人机的巡检路线进行智能规划和实时调整，并自动生成最优的巡检路线，再使无人机按照规划好的巡检路线对新能源场站内的巡检子区域进行巡检。
14、优选的，所述巡检数据采集模块通过启动无人机，并按照预设的巡检路线对每个巡检子区域进行巡检数据采集，再将采集到的图像、温度数据和振动数据通过无人机的无线传输模块，实时上传至云端服务器，通过云端服务器对图像、温度数据和振动数据进行去噪、图像增强以及数据清洗，数据采集的具体过程包括：
15、通过无人机搭载高分辨率摄像头飞越风电场，对风电设备进行详细的视觉检查，实时捕捉设备外观图像；通过无人机所安装的热成像仪和振动传感器，实时采集设备的温度数据和振动数据。
16、优选的，所述初步分析模块通过协同分析每个巡检子区域内的风电设备的图像、温度数据以及振动数据，从而实时监测巡检子区域内的风电设备的特征变化趋势；
17、所述图像分析单元利用深度学习算法对风电设备运行时的设备图像中的单个设备进行特征分析，并计算出叶片外观状况指数cij和塔架外观变化指数iij，从而自动识别叶片外观损坏和塔架外观缺陷；
18、所述温度分析单元通过分析巡检子区域内风电设备运行的单个设备温度变化趋势，并计算出温度波动指数tij′；
19、所述振动分析单元通过分析巡检子区域内风电设备运行的单个设备振动数据，包括风速、风向、振动频率以及外界风压，并计算出设备磨损度影响指数dij。
20、优选的，所述数据融合模块通过先对叶片外观状况指数、塔架外观变化指数、温度波动指数、设备磨损度影响指数进行数据标准化处理，再进行融合计算，得到设备状况异常风险评估系数的具体计算公式为qij＝ln(cij+a)×ln(iij+a)×ln(tij′+a)×ln(dij+a)，cij表示叶片外观状况指数，iij表示塔架外观变化指数，tij′表示温度波动指数，dij表示设备磨损度影响指数，a表示常数。
21、优选的，所述异常检测模块通过为每个巡检子区域内的风电设备设定一个设备状况异常风险阈值θi，将设备状况异常风险评估系数qij与设备状况异常风险阈值θi进行比较，从而检测巡检子区域内的异常风电设备；当设备状况异常风险评估系数qij≤设备状况异常风险阈值θi时，表明所检测的巡检子区域内未出现异常风电设备，继续对其进行监测和分析，当设备状况异常风险评估系数qij＞设备状况异常风险阈值θi时，表明该巡检子区域内存在单个风电设备出现异常问题，并筛选出该巡检子区域内的所有出现异常问题的风电设备，并将筛选结果传输至故障预测模块。
22、优选的，所述故障预测模块通过收集一段历史时间内的每个异常风电设备的历史平均发电量、平均电压以及平均电流和实时发电量、电压以及电流进行差异分析，并计算出故障预测系数为gim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时发电量，rim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时电流，vim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时电压，gim，历史表示第i个巡检子区域的第m个异常风电设备的历史平均发电量，rim，历史表示第i本文档来自技高网...
【技术保护点】
1.一种基于人工智能的风电机场站远程监控系统，其特征在于：包括：
2.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检区域划分模块根据设备的类型将风电机场站划分为若干个相对独立的巡检子区域，每个巡检子区域应包含一定数量且相同类型的风电设备，并对每个划分好的巡检子区域进行编号，从1开始，依次递增，直至n。
3.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检路线规划模块通过选择带有高清摄像头、红外热像仪以及传感器的无人机为新能源场站的智能巡检设备，利用人工智能中的路径优化算法，结合巡检子区域内的设备分布和道路情况，为无人机的巡检路线进行智能规划和实时调整，并自动生成最优的巡检路线，再使无人机按照规划好的巡检路线对新能源场站内的巡检子区域进行巡检。
4.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检数据采集模块通过启动无人机，并按照预设的巡检路线对每个巡检子区域进行巡检数据采集，再将采集到的图像、温度数据和振动数据通过无人机的无线传输模块，实时上
5.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述初步分析模块通过协同分析每个巡检子区域内的风电设备的图像、温度数据以及振动数据，从而实时监测巡检子区域内的风电设备的特征变化趋势；
6.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述数据融合模块通过先对叶片外观状况指数、塔架外观变化指数、温度波动指数、设备磨损度影响指数进行数据标准化处理，再进行融合计算，得到设备状况异常风险评估系数的具体计算公式为Qij＝ln(Cij+a)×ln(Iij+a)×ln(T′ij+a)×ln(Dij+a)，Cij表示叶片外观状况指数，Iij表示塔架外观变化指数，T′ij表示温度波动指数，Dij表示设备磨损度影响指数，a表示常数。
7.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述异常检测模块通过为每个巡检子区域内的风电设备设定一个设备状况异常风险阈值θi，将设备状况异常风险评估系数Qij与设备状况异常风险阈值θi进行比较，从而检测巡检子区域内的异常风电设备；当设备状况异常风险评估系数Qij≤设备状况异常风险阈值θi时，表明所检测的巡检子区域内未出现异常风电设备，继续对其进行监测和分析，当设备状况异常风险评估系数Qij＞设备状况异常风险阈值θi时，表明该巡检子区域内存在单个风电设备出现异常问题，并筛选出该巡检子区域内的所有出现异常问题的风电设备，并将筛选结果传输至故障预测模块。
8.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述故障预测模块通过收集一段历史时间内的每个异常风电设备的历史平均发电量、平均电压以及平均电流和实时发电量、电压以及电流进行差异分析，并计算出故障预测系数为Gim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时发电量，Rim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时电流，Vim，实时表示第i个巡检子区域的第m个异常风电设备当前测量的实时电压，Gim，历史表示第i个巡检子区域的第m个异常风电设备的历史平均发电量，Rim，历史表示第i个巡检子区域的第m个异常风电设备的历史平均电流，Vim，历史表示第i个巡检子区域的第m个异常风电设备的历史平均电压，表示第i个巡检子区域的第m个异常风电设备历史发电量的标准差，表示第i个巡检子区域的第m个异常风电设备历史电流的标准差，表示第i个巡检子区域的第m个异常风电设备历史电压的标准差。
9.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述故障诊断模块通过将故障预测系数Him与预设的故障阈值λi进行比较，从而判断巡检子区域内的异常风电设备是否存在故障，若故障预测系数Him＞预设的故障阈值λi，则巡检子区域内的异常风电设备不存在故障问题，需重点对异常风电设备进行监测，若故障预测系数Him＞预设的故障阈值λi，则判定该巡检子区域内的单个异常风电设备存在故障问题，并立即将故障诊断结果反馈至结果反馈模块。
10.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述远程监控模块用于接收云端服务器传送的自动生成风电设备巡检监测报告和风电设备的故障诊断结果，管理人员可通过远程监控平台进行随时随地查看新能源场站的运行状态和巡检结果，并接收预警结...
【技术特征摘要】
1.一种基于人工智能的风电机场站远程监控系统，其特征在于：包括：
2.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检区域划分模块根据设备的类型将风电机场站划分为若干个相对独立的巡检子区域，每个巡检子区域应包含一定数量且相同类型的风电设备，并对每个划分好的巡检子区域进行编号，从1开始，依次递增，直至n。
3.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检路线规划模块通过选择带有高清摄像头、红外热像仪以及传感器的无人机为新能源场站的智能巡检设备，利用人工智能中的路径优化算法，结合巡检子区域内的设备分布和道路情况，为无人机的巡检路线进行智能规划和实时调整，并自动生成最优的巡检路线，再使无人机按照规划好的巡检路线对新能源场站内的巡检子区域进行巡检。
4.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述巡检数据采集模块通过启动无人机，并按照预设的巡检路线对每个巡检子区域进行巡检数据采集，再将采集到的图像、温度数据和振动数据通过无人机的无线传输模块，实时上传至云端服务器，通过云端服务器对图像、温度数据和振动数据进行去噪、图像增强以及数据清洗，数据采集的具体过程包括：
5.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述初步分析模块通过协同分析每个巡检子区域内的风电设备的图像、温度数据以及振动数据，从而实时监测巡检子区域内的风电设备的特征变化趋势；
6.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述数据融合模块通过先对叶片外观状况指数、塔架外观变化指数、温度波动指数、设备磨损度影响指数进行数据标准化处理，再进行融合计算，得到设备状况异常风险评估系数的具体计算公式为qij＝ln(cij+a)×ln(iij+a)×ln(t′ij+a)×ln(dij+a)，cij表示叶片外观状况指数，iij表示塔架外观变化指数，t′ij表示温度波动指数，dij表示设备磨损度影响指数，a表示常数。
7.根据权利要求1所述的一种基于人工智能的风电机场站远程监控系统，其特征在于：所述异常检测模块通过为每个巡检子区域内的风电设备设定一个设备状况异常风险阈值θi，将设备状况异常风险评估系数q...
【专利技术属性】
技术研发人员：徐成鑫，田翠峰，刘若男，李非亚，杨琰，
申请(专利权)人：国电投河南新能源有限公司，
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。