CN106949020B - 一种高度集成风力发电机群安全监控系统 - Google Patents
一种高度集成风力发电机群安全监控系统 Download PDFInfo
- Publication number
- CN106949020B CN106949020B CN201710243413.6A CN201710243413A CN106949020B CN 106949020 B CN106949020 B CN 106949020B CN 201710243413 A CN201710243413 A CN 201710243413A CN 106949020 B CN106949020 B CN 106949020B
- Authority
- CN
- China
- Prior art keywords
- unit
- image
- fire
- detection
- moving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 230000005611 electricity Effects 0.000 title abstract 4
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 79
- 238000012790 confirmation Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000779 smoke Substances 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 239000000843 powder Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- ATRRKUHOCOJYRX-UHFFFAOYSA-N Ammonium bicarbonate Chemical compound [NH4+].OC([O-])=O ATRRKUHOCOJYRX-UHFFFAOYSA-N 0.000 description 2
- 229910000013 Ammonium bicarbonate Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 235000012538 ammonium bicarbonate Nutrition 0.000 description 2
- 239000001099 ammonium carbonate Substances 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/36—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device
- A62C37/38—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device by both sensor and actuator, e.g. valve, being in the danger zone
- A62C37/40—Control of fire-fighting equipment an actuating signal being generated by a sensor separate from an outlet device by both sensor and actuator, e.g. valve, being in the danger zone with electric connection between sensor and actuator
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
- A62C3/16—Fire prevention, containment or extinguishing specially adapted for particular objects or places in electrical installations, e.g. cableways
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种高度集成风力发电机群安全监控系统，所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元，通过本发明的运行状态检测单元、智能消防单元、安保监控单元可以全方位的监控风力发电机群，所述各单元都重新进行了设计，最大限度的确保了风力发电机群的高效以及稳定运行，具有非常积极的现实意义。
Description
技术领域
本发明涉及风力发电领域，尤其涉及一种高度集成风力发电机群安全监控系统。
背景技术
随着“互联网+”智慧能源发展指导意见印发，作为重要组成部分的风能发电如今被赋予了更多的智慧基因。我国的风电行业从2006年后才开始抢规模、抢装机，到2014年的效益挖掘、设备改造，然而相比于火电、水电、核电以及其他行业，风电场智能化真正起步着实很晚。
随着我国的风电装机容量迅猛增长，总装机容量比例逐年增加，单机容量为兆瓦级大型风力发电机群以及上百兆瓦风电场正得到迅速发展；但是由于风电场大多建于偏远地区，基本属于无人或远程监控状态，而且风机内部结构复杂，故障率高，火灾隐患大，大部分风电场未曾安装与消防、安保和运行状态监控相关的系统，即使有些安装了上述个别系统，但是各系统均是独立运行，效率低下，稳定性差，无法从真正意义上给风力发电机群提供全方位的保护。
发明内容
本发明的目的是通过以下技术方案实现的。
一种高度集成风力发电机群安全监控系统，所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元；其中，
所述运行状态检测单元包括振动状态检测单元、运行稳定性检测单元以及运行状态预测单元；
所述智能消防单元包括消防检测与报警单元以及智能灭火单元；
所述安保监控单元包括闯入检测单元以及报警单元；
所述CAN总线用于连接主控单元、运行状态检测单元、智能消防单元、安保监控单元，所述各单元通过CAN总线传输单元接入CAN总线；
所述振动状态检测单元具体包括振动检测分控器、振动测试器、重力传感器、频率信息获取单元、阈值存储单元、以及振动相关故障告警单元；
所述运行稳定性检测单元包括单位面积受力检测传感器、合力力矩与轴心力计算单元、强度给出单元、稳定条件给出单元，稳定性检测分控器；
所述运行状态预测单元包括运行参数检测单元，数字化单元，加权系数确定单元，运行状态预测分控器；
所述消防检测与报警单元包括消防检测分控器、烟火检测单元和报警单元，所述烟火检测单元包括高清智能球机、图像解码芯片、数字处理电路；
所述智能灭火单元包括传送单元和智能灭火分控器；
所述安保监控单元包括安保监控分控器、闯入检测单元以及报警单元。
根据本发明的具体实施方式，所述消防检测与报警单元的高清智能球机捕捉到监控场所的图像信息，并将图像信息发送到图像解码芯片进行图像解码；
图像解码芯片将解码后得到的数字视频信号发送到数字处理电路的数据输入端口，在数字处理电路中对输入的视频信号进行预处理，然后对预处理过的图像序列进行帧间差分运算，得到运动变化的图像，再对差分运算后的图像采用一个固定阈值加帧差分偏移量进行双值化运算，得到运动的双值化图像，所述双值化图像是由动点和不动点组成；对得到的运动的双值化图像进行形态学除噪，将孤立点和干扰像素进行去除，采用设定的网格尺寸，对除噪以后的双值化图像进行网格映射，得到网格化图像；
对所述网格化的图像采用区域增长算法捕捉监控范围内的运动目标，得到当前帧的运动目标序列，在原始图像中，对所得到的运动目标序列进行空间定位，对定位的原始图像进行高通滤波，并进行网格化，得到滤波网格图，对滤波网格图与网格化图像进行图像匹配度匹配，匹配度高的为刚体不透明运动目标，匹配度低为半透明运动目标，对匹配度规整化输出，以此匹配度作为外形匹配度特征值；
对所述运动目标序列进行八方向的目标跟踪，统计跟踪到的目标形心点，并对时间序列上的形心点进行曲线拟合作为目标的运动轨迹，对得到的目标运动曲线进行运动速度及运动方向的特征提取，运动速度缓慢、方向向上的目标作为烟火图像概率因子进行输出，得到运动形态特征值；
所述消防检测分控器对上述外形匹配度特征值和运动形态特征值进行判断，若外形匹配度特征值小于数字处理电路中提前设定的经验阈值，且当运动形态特征值概率大于一个给定值时，得出该目标图像为烟火的结论并通过报警单元发出火灾报警信号，同时将火灾报警信号和现场视频图像信号传送至主控器，并等待主控器下达灭火指令。
根据本发明的具体实施方式，所述安保监控单元的闯入检测单元包括闯入确认单元和闯入识别单元，所述闯入确认单元包括多个设置于塔架四周的基于zigbee的测量节点、链路强度汇集节点以及闯入确认运算单元，所述基于zigbee的测量节点之间进行无线通信，各节点依次发送无线信号，其它节点接收无线信号并记录接收信号强度，链路强度汇集节点通过zigbee技术收集所有基于zigbee的测量节点测量到的无线链路信号强度信息，同时，将采集的信息发送给闯入确认运算单元，闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测。
根据本发明的具体实施方式，所述闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测具体包括：
假设各基于zigbee的测量节点之间形成n条无线链路，在t‐1与t时刻分别得到由这n条无线链路接收信号强度的均值m和方差v组成的特征矩阵A和B如下：
其中，特征矩阵A和B包含了无线链路信号强度的均值m以及方差v特征，mn1以及vn2分别代表第n条无线链路的信号强度均值及方差；计算特征矩阵A和B中对应元素值的大小相似程度得到匹配度矩阵C如下：
其中，mn1‐m'n1代表了第n条链路的均值的差异，vn1‐v'n1代表了第n条链路的方差的差异，dn代表了第n条链路的长度。当匹配度矩阵C的各元素之和大于设定的阈值时，所述闯入确认运算单元将判定物体闯入。
通过本发明的上述运行状态检测单元、智能消防单元、安保监控单元可以全方位的监控风力发电机群，所述各单元都重新进行了设计，最大限度的确保了风力发电机群的高效以及稳定运行，具有非常积极的现实意义。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
附图1示出了根据本发明实施方式的高度集成风力发电机群安全监控系统结构示意图；
附图2示出了根据本发明实施方式的振动状态检测单元结构示意图；
附图3示出了根据本发明实施方式的运行稳定性检测单元结构示意图
附图4示出了根据本发明实施方式的运行状态预测单元结构示意图；
附图5示出了根据本发明实施方式的消防检测与报警单元结构示意图；
附图6示出了根据本发明实施方式的智能灭火单元结构示意图；
附图7示出了根据本发明实施方式的安保监控单元结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式，提出了一种高度集成风力发电机群安全监控系统，如附图1所示，所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元；其中，
所述运行状态检测单元包括振动状态检测单元、运行稳定性检测单元以及运行状态预测单元；
所述智能消防单元包括消防检测与报警单元以及智能灭火单元；
所述安保监控单元包括闯入检测单元以及报警单元；
所述CAN总线用于连接主控单元、运行状态检测单元、智能消防单元、安保监控单元，所述各单元通过CAN总线传输单元接入CAN总线。
根据本发明的具体实施方式，如附图2所示，所述振动状态检测单元具体包括振动检测分控器、振动测试器、重力传感器、频率信息获取单元、阈值存储单元、以及振动相关故障告警单元。
所述振动测试器安装于风力发电机群的机舱中部，所述重力传感器为两个，安装在风力发电机群的水平平面内互相垂直的方向，并且与振动测试器连接，所述重力传感器输出两个垂直方向的实时振动信号；所述振动测试器中内置五个信号捕获与提取单元，每个信号捕获与提取单元通过各自的确切的边界频率来捕获各个振动监测信号，得到各个振动监测信号的特征信号，之后将特征信号进行提取，得到实际需要的各个振动监测信号，所述振动监测信号包括塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率。
所述振动检测分控器预先根据风电机组的运行情况和振动监测分析标准对塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、安全冲击频率的振动监测信号分别设置相应的安全阈值，并存储于阈值存储单元。
所述振动测试器将获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率的实际需要的振动监测信号传送给频率信息获取单元；振动检测分控器将频率信息获取单元所获得的塔架自振频率、叶片挥动频率、叶片摆动频率、其它低频部件自振频率、以及安全冲击频率的振动监测信号和阈值存储单元存储的对应振动监测信号的安全阈值进行对比，振动检测分控器会根据对比后的结果，如上述振动监测信号超出安全阈值，则通过振动相关故障告警单元向主控单元报告，由主控单元下达停机或检修等处理指令。
根据本发明的具体实施方式，如附图3所示，所述运行稳定性检测单元包括单位面积受力检测传感器、合力力矩与轴心力计算单元、强度给出单元、稳定条件给出单元，稳定性检测分控器。
所述单位面积受力检测传感器为4个，分别设置于风力发电机塔架底部截面与直角坐标系的X轴和Y轴相交的4个特定点，塔架底部截面的中心为直角坐标系的原点，测得风力发电机运行时所述4个特定点的单位面积受力值分别为σ1、σ2、σ3和σ4，单位N/mm2；
所述合力力矩与轴心力计算单元，根据测得的4个特定点的单位面积受力值计算机组运行时作用在塔架截面上的合力力矩M和轴心力G，具体计算方式如下：
式中：定义为筒式结构塔架的弯曲单位面积受力函数，所述为筒式结构塔架环形横截面的抗弯截面模量，其中D为横截面的外径、d为横截面的内径，A为横截面的面积。
式中：σf2＝(σ1+σ2+σ3+σ4)定义为筒式结构塔架的受压单位面积受力函数。
所述强度给出单元给出风力发电机群的强度要求，具体如下：
所述[σ]为塔架材料的允许单位面积受力；
所述稳定条件给出单元，给出风力发电机群的稳定条件，设定三个稳定条件：
第一稳定条件，即机组自身的稳定力矩必须大于等于塔架底部的合力力矩，所述MW表示机组自身的稳定力矩，所述C为塔架底边的边长，Q为塔架塔架的自重，G为机组的自重，即作用于塔架底部截面上的轴心力；
第二稳定条件，即所有载荷对塔架底部的压力的合力对塔架的偏心距e不宜太大，以确保塔架不至于发生过大倾斜；
第三稳定条件，即所有载荷对塔架底部的最大单位压力不能超过土壤的允许承载力[P]；
所述K1、K2、K3为分别为第一、第二和第三稳定系数，取值范围在1.3～1.8之间，可以依据风力发电机群的地理位置、土壤结构等依据经验给出。
所述稳定性检测分控器，分别判定由强度给出单元给出风力发电机群的强度要求以及由稳定条件给出单元给出的三个稳定条件是否成立，如果成立，则判定当前风力发电机群运行可靠，否则，判定当前风力发电机群运行不可靠，并向主控器发送风力发电机群运行不可靠提示信息。
所述运行稳定性检测单元根据对风力发电机的稳定性要求，建立机组在任何工况下所需满足的强度要求、刚度要求和稳定性要求与塔架某些特定截面承受的载荷及在该截面上相应点所产生的组合单位面积受力之间的数学关系式。通过监测手段对上述特定点的组合单位面积受力实施监控，并将其控制在允许的范围内，确保风力发电机群的稳定性。
根据本发明的具体实施方式，如附图4所示，所述运行状态预测单元，可对风力发电机群实时运行状态进行预测，其具体包括：
运行参数检测单元，用于获取风力发电机群运行状态各预测所需参数模拟量的监测数据；
数字化单元，对运行参数检测单元获得的机组运行状态各预测所需参数模拟量的监测数据进行数字化处理，获得风力发电机群运行状态预测参数的退化度；
加权系数确定单元，将风力发电机群运行状态预测参数划分为多个分组，根据风力发电机群运行状态预测参数的退化度，实时计算风力发电机群运行状态预测参数的加权系数；
运行状态预测分控器，将每个项目内的风力发电机群运行状态预测参数构成混沌预测矩阵，结合各风力发电机群运行状态预测参数的加权系数，预测风力发电机群实时运行状态，并向主控器发送运行状态预测结果，供控制中心参考。
所述运行参数检测单元从风力发电机群控制系统获取风力发电机群运行状态预测所需参数模拟量包括轴承温度、油池温度、电机绕组温度、电机转速、环境风速、其他元器件温度、环境温度、运行电流电压、功率、电网频率等；
所述数字化单元对低喜好性参数：轴承温度、油池温度、电机温度、其他元器件温度、环境温度的数字化分别通过下式进行：
式中，g(x)表示风力发电机群运行状态预测参数的退化度，x为风力发电机群运行状态预测参数的物理量的监测数据，α为该参数下限值，β为该参数的上限值；
对中间型参数：电机转速、环境风速、运行电流电压、功率、电网频率的数字化分别通过下式进行：
式中，g(x)表示风力发电机群运行状态预测参数的退化度，x为风力发电机群运行状态预测参数的物理量的监测数据，β1、β2为该参数上限值，α1、α2为该参数下限值；
所述加权系数确定单元确定各风力发电机群运行状态预测参数的固定加权系数，并通过下式获得各风力发电机群运行状态预测参数的可变加权系数：
上式中和分别为第i个项目中的第j分组的第k个参数对应的固定加权系数和可变加权系数，δ为可变加权系数因子，δ＝‐1；d为分组层中包括的评判参数个数；表示各评判参数的退化度。
所述运行状态预测单元从影响风力发电机群运行状态的机组性能和外部因素2个方面建立层次型的运行状态预测参数体系，实时计算运行状态预测参数的加权系数，可使预测结果贴近当前运行情况，通过判断单项预测参数的退化度偏离情况，可避免当多项运行状态预测参数严重偏离时，所得的可变加权系数无效的问题；选用的混沌算子考虑了主要预测参数对运行状态的影响，又保留单个预测参数的全部信息，使得预测结果更符合实际情况。
根据本发明的具体实施方式，如附图5所示，所述消防检测与报警单元包括消防检测分控器、烟火检测单元和报警单元，所述烟火检测单元包括高清智能球机、图像解码芯片、数字处理电路。
所述高清智能球机捕捉到监控场所的图像信息，并将图像信息发送到图像解码芯片进行图像解码；
图像解码芯片将解码后得到的数字视频信号发送到数字处理电路的数据输入端口，在数字处理电路中对输入的视频信号进行预处理，然后对预处理过的图像序列进行帧间差分运算，得到运动变化的图像，再对差分运算后的图像采用一个固定阈值加帧差分偏移量进行双值化运算，得到运动的双值化图像，所述双值化图像是由动点和不动点组成；对得到的运动的双值化图像进行形态学除噪，将孤立点和干扰像素进行去除，采用设定的网格尺寸，对除噪以后的双值化图像进行网格映射，得到网格化图像；
对所述网格化的图像采用区域增长算法捕捉监控范围内的运动目标，得到当前帧的运动目标序列，在原始图像中，对所得到的运动目标序列进行空间定位，对定位的原始图像进行高通滤波，并进行网格化，得到滤波网格图，对滤波网格图与网格化图像进行图像匹配度匹配，匹配度高的为刚体不透明运动目标，匹配度低为半透明运动目标，对匹配度规整化输出，以此匹配度作为外形匹配度特征值；
对所述运动目标序列进行八方向的目标跟踪，统计跟踪到的目标形心点，并对时间序列上的形心点进行曲线拟合作为目标的运动轨迹，对得到的目标运动曲线进行运动速度及运动方向的特征提取，运动速度缓慢、方向向上的目标作为烟火图像概率因子进行输出，得到运动形态特征值；
所述消防检测分控器对上述外形匹配度特征值和运动形态特征值进行判断，若外形匹配度特征值小于数字处理电路中提前设定的经验阈值，且当运动形态特征值概率大于一个给定值时，得出该目标图像为烟火的结论并通过报警单元发出火灾报警信号，同时将火灾报警信号和现场视频图像信号传送至主控器，并等待主控器下达灭火指令。
根据本发明的具体实施方式，所述智能灭火单元是在接收到主控器下达的灭火指令后对当前火情进行灭火处理，如附图6所示，所述智能灭火单元由传送单元和智能灭火分控器组成。
所述传送单元包括空气压缩机，高压气罐，压力阀，止逆阀，输送通道，干粉灭火剂喷头，超细碳酸二氢铵灭火粉。
空气压缩机将空气压缩成高压气体向输送通道提供新型超细碳酸二氢铵灭火粉流动的动力。
压力阀用于监控高压气罐内气压值，使其在不同环境温度下维持在安全气压值以下。
止逆阀防止流体的回流。
该输送通道包括主管道和分管道，主管道的上端连接空气压缩机和高压气罐，其下端连通各个房间的分管道，在火灾发生时将灭火粉输送到发生火灾区域内的灭火剂喷头处。
所述智能灭火分控器包括灭火指令接收单元和电动阀门，在所述灭火指令接收单元接收到主控器发送的灭火指令时，开启电动阀门，准备喷射超细灭火粉。
根据本发明的具体实施方式，如附图7所示，所述安保监控单元包括安保监控分控器、闯入检测单元以及报警单元；
所述闯入检测单元包括闯入确认单元和闯入识别单元，所述闯入确认单元包括多个设置于塔架四周的基于zigbee的测量节点、链路强度汇集节点以及闯入确认运算单元，所述基于zigbee的测量节点之间进行无线通信，各节点依次发送无线信号，其它节点接收无线信号并记录接收信号强度，链路强度汇集节点通过zigbee技术收集所有基于zigbee的测量节点测量到的无线链路信号强度信息，同时，将采集的信息发送给闯入确认运算单元，闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测。
所述闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测具体包括：
假设各基于zigbee的测量节点之间形成n条无线链路，在t‐1与t时刻分别得到由这n条无线链路接收信号强度的均值m和方差v组成的特征矩阵A和B如下：
其中，特征矩阵A和B包含了无线链路信号强度的均值m以及方差v特征，mn1以及vn2分别代表第n条无线链路的信号强度均值及方差；计算特征矩阵A和B中对应元素值的大小相似程度得到匹配度矩阵C如下：
其中，mn1‐m'n1代表了第n条链路的均值的差异，vn1‐v'n1代表了第n条链路的方差的差异，dn代表了第n条链路的长度。当匹配度矩阵C的各元素之和大于设定的阈值时，所述闯入确认运算单元将判定物体闯入。
当闯入确认单元确认物体闯入时，所述闯入识别单元启动，所述闯入识别单元包括：
影像获取单元，用于获取静态图像，并传输给图像处理单元。
影像处理单元，用于对静态影像进行预处理，得到灰度补偿影像。
人像检测单元，用于对灰度影像进行人像检测和定位；若检测到人像则获得固定大小的灰度人像影像，并传输给人像识别单元；若没有检测到人像则直接将灰度影像传输给背景对比单元；
背景对比单元，用于将数据存储单元存储的平均背景影像和人像检测单元传来的灰度影像分别划分为若干个权重不同的子影像,计算对应子影像的匹配度，并对所有子影像的匹配度进行加权求和，若加权求和结果大于预设的匹配度阈值，则作为检测到异常的灰度影像存储到数据存储单元，并通知报警单元进行报警。
人像识别单元，用于对灰度人像影像和数据存储单元存储的已注册人像影像进行特征提取、计算匹配度，根据匹配度判断是否为陌生人，若为陌生人则通知报警管理单元进行报警。
人像注册单元，用于实时检测灰度人像影像，并进行标记。
数据存储单元，用于存储已注册人像影像，被判为陌生人的灰度人像影像，检测到异常的灰度影像，平均背景影像和用户自定义信息。
所述人像识别单元在进行特征提取、计算匹配度时包括如下步骤：
a)对待识别的灰度人像影像q和数据存储单元存储的N幅已注册人像影像pi(i＝1,2…,N)进行局部双值模式变换，用以减小光照等变化带来的影响；
b)将步骤a)变换后的影像划分成L个大小相同且互不重叠的子影像块；
c)对待识别灰度人像影像q的每个子影像块qj和所有对应的已注册人像影像的子影像块pi,j进行随机采样，即随机选择qj和pi,j若干个相同位置的数值，得到测试特征子集q,j和训练特征子集p,i,j，其中i＝1,2…,N，j＝1,2,…L；
d)计算测试特征子集和训练特征子集之间的汉明距离作为匹配度度量，若测试特征子集和最相似的训练特征子集之间的汉明距离超过预先设定的匹配度阈值，则认为此次随机采样所代表的子影像块qj和pi,j(i＝1,2…,N)不相似；
e)步骤c)和d)重复k次，即进行k次随机采样，统计待识别的灰度人像影像q的L个子影像块一共得到的不相似次数，若不相似次数超过预定阈值则认为待识别的灰度人像影像q和数据存储单元存储的N幅已注册人像影像都不相似，为陌生人或未注册，否则为已注册。
通过本发明的上述运行状态检测单元、智能消防单元、安保监控单元可以全方位的监控风力发电机群，最大限度的确保了风力发电机群的高效运行，具有非常积极的现实意义。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种高度集成风力发电机群安全监控系统，所述系统包括主控单元、运行状态检测单元、智能消防单元、安保监控单元、CAN总线、CAN总线传输单元；其中，
所述运行状态检测单元包括振动状态检测单元、运行稳定性检测单元以及运行状态预测单元；
所述智能消防单元包括消防检测与报警单元以及智能灭火单元；
所述安保监控单元包括闯入检测单元以及报警单元；
所述CAN总线用于连接主控单元、运行状态检测单元、智能消防单元、安保监控单元，所述主控单元、所述运行状态检测单元、所述智能消防单元、所述安保监控单元通过CAN总线传输单元接入所述CAN总线；
所述振动状态检测单元具体包括振动检测分控器、振动测试器、重力传感器、频率信息获取单元、阈值存储单元、以及振动相关故障告警单元；
所述运行稳定性检测单元包括单位面积受力检测传感器、合力力矩与轴心力计算单元、强度给出单元、稳定条件给出单元，稳定性检测分控器；
所述运行状态预测单元包括运行参数检测单元，数字化单元，加权系数确定单元，运行状态预测分控器；
所述消防检测与报警单元包括消防检测分控器、烟火检测单元和报警单元，所述烟火检测单元包括高清智能球机、图像解码芯片、数字处理电路；
所述智能灭火单元包括传送单元和智能灭火分控器；
所述安保监控单元包括安保监控分控器、闯入检测单元以及报警单元。
2.一种如权利要求1所述的系统，所述消防检测与报警单元的高清智能球机捕捉到监控场所的图像信息，并将图像信息发送到图像解码芯片进行图像解码；
图像解码芯片将解码后得到的数字视频信号发送到数字处理电路的数据输入端口，在数字处理电路中对输入的视频信号进行预处理，然后对预处理过的图像序列进行帧间差分运算，得到运动变化的图像，再对差分运算后的图像采用一个固定阈值加帧差分偏移量进行双值化运算，得到运动的双值化图像，所述双值化图像是由动点和不动点组成；对得到的运动的双值化图像进行形态学除噪，将孤立点和干扰像素进行去除，采用设定的网格尺寸，对除噪以后的双值化图像进行网格映射，得到网格化图像；
对所述网格化的图像采用区域增长算法捕捉监控范围内的运动目标，得到当前帧的运动目标序列，在原始图像中，对所得到的运动目标序列进行空间定位，对定位的原始图像进行高通滤波，并进行网格化，得到滤波网格图，对滤波网格图与网格化图像进行图像匹配度匹配，匹配度高的为刚体不透明运动目标，匹配度低为半透明运动目标，对匹配度规整化输出，以此匹配度作为外形匹配度特征值；
对所述运动目标序列进行八方向的目标跟踪，统计跟踪到的目标形心点，并对时间序列上的形心点进行曲线拟合作为目标的运动轨迹，对得到的目标运动曲线进行运动速度及运动方向的特征提取，运动速度缓慢、方向向上的目标作为烟火图像概率因子进行输出，得到运动形态特征值；
所述消防检测分控器对上述外形匹配度特征值和运动形态特征值进行判断，若外形匹配度特征值小于数字处理电路中提前设定的经验阈值，且当运动形态特征值概率大于一个给定值时，得出该目标图像为烟火的结论并通过报警单元发出火灾报警信号，同时将火灾报警信号和现场视频图像信号传送至主控器，并等待主控器下达灭火指令。
3.一种如权利要求1所述的系统，所述安保监控单元的闯入检测单元包括闯入确认单元和闯入识别单元，所述闯入确认单元包括多个设置于塔架四周的基于zigbee的测量节点、链路强度汇集节点以及闯入确认运算单元，所述基于zigbee的测量节点之间进行无线通信，各节点依次发送无线信号，其它节点接收无线信号并记录接收信号强度，链路强度汇集节点通过zigbee技术收集所有基于zigbee的测量节点测量到的无线链路信号强度信息，同时，将采集的信息发送给闯入确认运算单元，闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测。
4.一种如权利要求3所述的系统，所述闯入确认运算单元根据无线链路强度信息实现对是否有物体闯入的检测具体包括：
假设各基于zigbee的测量节点之间形成n条无线链路，在t-1与t时刻分别得到由这n条无线链路接收信号强度的均值m和方差v组成的特征矩阵A和B如下：
其中，特征矩阵A和B包含了无线链路信号强度的均值m以及方差v特征，mn1以及vn2分别代表第n条无线链路的信号强度均值及方差；计算特征矩阵A和B中对应元素值的大小相似程度得到匹配度矩阵C如下：
其中，mn1-m'n1代表了第n条链路的均值的差异，vn1-v'n1代表了第n条链路的方差的差异，dn代表了第n条链路的长度；当匹配度矩阵C的各元素之和大于设定的阈值时，所述闯入确认运算单元将判定物体闯入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710243413.6A CN106949020B (zh) | 2017-04-14 | 2017-04-14 | 一种高度集成风力发电机群安全监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710243413.6A CN106949020B (zh) | 2017-04-14 | 2017-04-14 | 一种高度集成风力发电机群安全监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106949020A CN106949020A (zh) | 2017-07-14 |
| CN106949020B true CN106949020B (zh) | 2018-06-08 |
Family
ID=59477240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710243413.6A Active CN106949020B (zh) | 2017-04-14 | 2017-04-14 | 一种高度集成风力发电机群安全监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106949020B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109751197A (zh) * | 2017-11-08 | 2019-05-14 | 观为监测技术无锡股份有限公司 | 风力发电机组状态监测系统 |
| CN110751099B (zh) * | 2019-10-22 | 2022-05-10 | 东南大学 | 一种基于深度学习的无人机航拍视频轨迹高精度提取方法 |
| CN110927485B (zh) * | 2019-11-18 | 2020-12-08 | 华中科技大学 | 一种基于空间域信息的直线运动系统健康监测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368620B (zh) * | 2011-10-28 | 2013-10-30 | 浙江大学 | 风光储流新能源孤网稳定运行集成控制系统及方法 |
| EP2824324B1 (en) * | 2012-03-08 | 2018-05-02 | NTN Corporation | State monitor system |
| CN104863801B (zh) * | 2015-06-02 | 2017-07-25 | 苏州热工研究院有限公司 | 一种风力发电机组安全监测系统 |
| CN106194599A (zh) * | 2016-07-20 | 2016-12-07 | 北京金风科创风电设备有限公司 | 监测风电场内风力发电机组安全的系统及方法 |
-
2017
- 2017-04-14 CN CN201710243413.6A patent/CN106949020B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106949020A (zh) | 2017-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107153160B (zh) | 一种风力发电机组全方位安全监控系统 | |
| CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
| CN106949020B (zh) | 一种高度集成风力发电机群安全监控系统 | |
| CN108416294A (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| CN104390710B (zh) | 输电线路导线温度在线检测系统和方法 | |
| JP2017107416A (ja) | センサノード、コントローラノード、センサネットワークシステム、およびその動作方法 | |
| CN103968799A (zh) | 一种输电线路杆塔形变三维监测方法 | |
| CN115761537B (zh) | 一种面向动态特征补充机制的输电线路异物入侵识别方法 | |
| CN106197536A (zh) | 一种通信铁塔的监测系统 | |
| CN115394034B (zh) | 火灾风险的确定方法、装置、系统和机器人 | |
| CN113569956B (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
| US8023928B2 (en) | System and method for monitoring an analog data signal | |
| CN114544040A (zh) | 基于神经网络算法的群桩节点应力监测系统及其预警方法 | |
| CN116306139A (zh) | 一种风力机叶片寿命智能监测方法及系统 | |
| CN106908101A (zh) | 一种土木工程健康监测系统及方法 | |
| Hu et al. | Wind turbine event detection by support vector machine | |
| CN113606099A (zh) | 一种监测风电机组叶片结冰的方法和系统 | |
| Zhao et al. | Research on External Damage Detection of Transmission Line In Complex Background | |
| CN107742292A (zh) | 一种高压输电线路上的异物巡检系统 | |
| CN116610991A (zh) | 多模态数据融合的隧道灾害风险智能识别方法及其应用 | |
| CN107872468A (zh) | 一种基于无线传感网络及多主体协作的结构健康监测系统 | |
| CN106791647A (zh) | 一种基于视频智能识别的水电厂状态监视系统及方法 | |
| CN115100592A (zh) | 一种输电通道外破隐患识别方法、装置及存储介质 | |
| CN106778693A (zh) | 一种基于视频分析的泥石流监测预警方法及监测预警设备 | |
| CN114528892A (zh) | 一种基于深度学习的图像识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |