CN115059587A - 一种基于5g通信的物联网实时监测预警系统 - Google Patents

Abstract

本发明公开一种基于5G通信的物联网实时监测预警系统，通过对设置风力发电机识别模块、风力发电机自身监测模块、风力发电机外界环境监测模块、云存储库、数据处理端和预警显示终端，通过使用巡航无人机、高清摄像仪、测速发电机、风速计、风向标、噪声计、雨量计和温度传感器实现了对风力发电机的自身危险监测和外界环境危险监测。一方面降低了工作人员的身体负荷，减少了安全事故的发生率，一方面避免了受人为主观因素的影响，能够发现风力发电机的细微缺陷问题，并为风力发电机的自身危险监测评估提供全面性和可靠性依据，另一方面充分考虑到了外界环境对风力发电机产生的影响，有效保障了整个风力发电输送系统的稳定性。

Description

一种基于5G通信的物联网实时监测预警系统

技术领域

本发明属于物联网实时监测技术领域，具体而言，涉及一种基于5G通信的物联网实时监测预警系统。

背景技术

随着石油和天然气等一些不可再生能源的逐渐消耗，人们更加注重对可再生能源的开发利用，而风力发电以其清洁和环境效益高的优势受到广泛应用，风力发电机作为风力发电的主要设备大多安装于人迹罕至的地方，其故障不仅不易被发现，并且一旦产生还会对整个电力输送系统造成负面影响，在这种情形下，对风力发电机实时监测就显得尤为重要。

现有技术中，对风力发电机的监测多采用人工监测方式，该监测方式存在一些弊端，具体体现在以下几个方面：

(1)一方面由于风力发电机的高度较高，采用人工监测会存在高空作业风险和劳动强度较大的问题，不仅增加了工作人员的身体负荷，还增加了安全事故的发生率。

(2)一方面由于受人为主观因素影响，使工作人员难以发现风力发电机的细微缺陷问题，导致对风力发电机的自身危险监测评估存在较为片面的现象，不仅对风力发电机的监测效率低，且准确性不高，并存在实时性差的问题。

(3)另一方面现有技术多只关注对风力发电机的自身危险监测，忽视了对外界环境的危险监测，进而增加了风力发电机的故障发生率，无法保障整个风力发电输送系统的稳定性。

发明内容

为了克服背景技术中的缺点，本发明实施例提供了一种基于5G通信的物联网实时监测预警系统,能够有效解决上述背景技术中涉及的问题。

本发明的目的可以通过以下技术方案来实现：

一种基于5G通信的物联网实时监测预警系统，包括：风力发电机识别模块、风力发电机自身监测模块、风力发电机外界环境监测模块、云存储库、数据处理端和预警显示终端；

所述风力发电机识别模块用于通过在巡航无人机中安装高清摄像仪对设定监测区域内存在的风力发电机进行识别；

所述风力发电机自身监测模块用于对风力发电机自身进行危险监测，其中风力发电机自身监测模块包括外观监测单元、运行参数监测单元和塔架监测单元；

所述风力发电机外界环境监测模块用于对风力发电机的外界环境进行危险监测，其中风力发电机外界环境监测模块包括风力监测单元、降雨量监测单元和温度监测单元；

所述云存储库用于存储风力发电机的标准三维外观图像，各种风速对应各种风向接触角度下的标准叶片转速，风力发电机的机舱内部标准噪声响度，风力发电机的标准放置角度，各种风速对应的风力等级，危险降雨量，安全温度区间，风力发电机预警危险系数和外界环境预警危险系数；

所述数据处理端用于基于风力发电机自身监测模块的监测结果评估风力发电机自身危险系数，并基于风力发电机外界环境监测模块的监测结果评估风力发电机的外界环境危险系数；

所述预警显示终端用于将风力发电机自身危险系数与云存储库中风力发电机预警危险系数进行对比，若风力发电机自身危险系数高于风力发电机预警危险系数，则进行预警，同时将风力发电机的外界环境危险系数与云存储库中外界环境预警危险系数进行对比，若风力发电机的外界环境危险系数高于外界环境预警危险系数，则进行预警。

作为优选方案，所述外观监测单元用于对风力发电机的外观进行危险监测，其具体过程为：

A1:通过巡航无人机中安装的高清摄像仪对风力发电机进行三维图像采集，进而获取风力发电机对应的三维外观图像；

A2:将风力发电机对应的三维外观图像与云存储库中风力发电机的标准三维外观图像进行对比，进而从中提取出风力发电机对应的外观缺陷区域，并将其分别编号为1,2,...,k,...,q,进而提取各外观缺陷区域的外观缺陷类型和外观缺陷面积；

A3:将风力发电机对应各外观缺陷区域的外观缺陷类型与设定的各外观缺陷类型所属单位面积的危险权重因子进行匹配，得到风力发电机对应各外观缺陷区域的外观缺陷类型所属单位面积的危险权重因子，进而据此计算风力发电机的外观缺陷危险系数，其计算公式为：

表示为风力发电机的外观缺陷危险系数，D_k和d分别表示为风力发电机中第k个外观缺陷区域对应的外观缺陷面积和该外观缺陷类型所属单位缺陷面积的危险权重因子。

作为优选方案，所述运行参数监测单元用于对风力发电机的运行参数进行监测，进而获取风力发电机的运行危险系数，其具体过程为：

B1:设定多个监测时间点，并将其分别编号为1,2,...,m,...,v；

B2:通过测速发电机对风力发电机的叶片转速进行检测，进而获取各监测时间点中风力发电机的叶片转速；

B3:通过风速计对各监测时间点中风力发电机所属区域的风速进行检测，进而获取各监测时间点中风力发电机所属区域的风速；

B4:通过风向标对各监测时间点中发电机所属区域的风向进行检测，进而获取各监测时间点中风力发电机所属区域的风向；

B5:基于获取的风力发电机对应的三维外观图像，进而获取风力发电机的朝向；

B6:获取各监测时间点中风力发电机所属区域的风向与风力发电机的朝向之间所形成的夹角，并将其记为风向接触角，进而提取各监测时间点中风力发电机的风向接触角度；

B7:将各监测时间点中风力发电机所属区域的风速对应风向接触角度与云存储库中各种风速对应各种风向接触角度下的标准叶片转速进行匹配，进而获取各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

B8:将各监测时间点中风力发电机的叶片转速与各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速进行对比，计算风力发电机的叶片转速危险系数，其计算公式为：

其中τ表示为风力发电机的叶片转速危险系数，V_m和V_m0分别表示为第m个监测时间点中风力发电机的叶片转速与该监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

B9:通过噪声计对风力发电机的机舱内部进行噪声检测，进而获取各监测时间点中风力发电机的机舱内部噪声响度；

B10:将风力发电机的机舱内部噪声响度与数据存储库中风力发电机的机舱内部标准噪声响度进行对比，计算风力发电机的机舱内部噪声危险系数，其计算公式为:

其中λ表示为风力发电机的机舱内部噪声危险系数，dB_m表示为第m个监测时间点中风力发电机的机舱内部噪声响度，dB₀表示为风力发电机的机舱内部标准噪声响度。

作为优选方案，所述风力发电机的运行危险系数计算公式为：

其中σ表示为风力发电机的运行危险系数。

作为优选方案，所述塔架监测单元用于对风力发电机的塔架进行监测，其具体过程为：

C1:从获取的风力发电机对应的三维外观图像提取风力发电机的塔架与基座之间的角度，将其记为风力发电机的放置角度；

C2:将风力发电机的放置角度与云存储库中风力发电机的标准放置角度进行对比，计算风力发电机的塔架放置风险系数，其计算公式为：

其中β表示为风力发电机的塔架放置风险系数，θ表示为风力发电机的放置角度，θ₀表示为风力发电机的标准放置角度。

作为优选方案，所述风力监测单元用于对风力发电机所属区域内的外界环境进行风力监测，其具体过程为：

E1:基于获取的各监测时间点中风力发电机所属区域的风速，进而从中提取最大风速；

E2:将风力发电机所属区域内的最大风速与云存储库中各种风速对应的风力等级进行匹配，获取风力发电机所属区域内的最大风力等级；

E3:将风力发电机所属区域内的最大风力等级与预设的风力发电机能够承受的最大风力等级进行对比，计算风力发电机所属区域内的风力等级危险系数，其计算公式为：

其中ζ表示为风力发电机所属区域内的风力等级危险系数，f表示为风力发电机所属区域内的最大风力等级，F_max表示为预设的风力发电机能够承受的最大风力等级。

作为优选方案，所述降雨量监测单元用于对风力发电机所属区域内的外界环境进行降雨量监测，其具体过程为：

F1:通过雨量计对风力发电机所属区域内的外界环境进行降雨量监测，进而获取风力发电机所属区域内的降雨量；

F2:将风力发电机所属区域内的降雨量与云存储库中危险降雨量进行对比，计算风力发电机所属区域内的降雨量风险系数，其计算公式为：

其中μ表示为风力发电机所属区域内的降雨量风险系数，YL表示为风力发电机所属区域内的降雨量，YL_危表示为危险降雨量，e表示为自然常数。

作为优选方案，所述温度监测单元用于对风力发电机所属区域内的外界环境进行温度监测，其具体过程为：

G1:通过温度传感器对风力发电机所属区域内的外界环境进行温度监测，进而获取风力发电机所属区域内的温度；

G2:基于云存储库中存储的安全温度区间，进而从安全温度区间中提取中间值，并将其标记为参考安全温度；

G3:将风力发电机所属区域内的温度与参考安全温度进行对比，计算风力发电机所属区域内的温度危险系数，

其中ε表示为风力发电机所属区域内的温度危险系数，C′表示为风力发电机所属区域内的温度，C₀表示为参考安全温度。

作为优选方案，所述风力发电机自身危险系数计算公式为：

其中ψ表示为风力发电机自身危险系数。

作为优选方案，所述风力发电机的外界环境危险系数计算公式为：

其中δ表示为风力发电机的外界环境危险系数。

相对于现有技术，本发明的实施例至少具有如下有益效果：

(1)本发明通过提供一种基于5G通信的物联网实时监测预警系统，实现了对风力发电机的实时智能监测预警，避免了采用人工监测存在高空作业风险和劳动强度较大的问题，不仅降低了工作人员的身体负荷，还减少了安全事故的发生率。

(2)本发明通过在巡航无人机中安装高清摄像仪，并使用测速发电机、风速计、风向标和噪声计实现了对风力发电机的外观、运行参数和塔架多个维度的自身监测，避免了受人为主观因素的影响，能够发现风力发电机的细微缺陷问题，并且能够为风力发电机的自身危险监测评估提供全面性和可靠性依据，不仅提高了对风力发电机的监测效率，而且准确性高，并能对风力发电机进行实时监测。

(3)本发明通过设置风速计、雨量计和温度传感器实现了对风力发电机的外界环境监测，充分考虑到了外界环境对风力发电机产生的影响，进而降低了风力发电机的故障发生率，有效保障整个风力发电输送系统的稳定性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明所涉及的风力发电机结构示意图。

图2为本发明的系统结构示意图。

图3为本发明的风力发电机自身监测模块结构示意图。

图4为本发明的风力发电机外界环境监测模块结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图2所示，本发明提供一种基于5G通信的物联网实时监测预警系统，包括：风力发电机识别模块、风力发电机自身监测模块、风力发电机外界环境监测模块、云存储库、数据处理端和预警显示终端；

所述风力发电机识别模块与风力发电机自身监测模块和风力发电机外界环境监测模块相连接，云存储库和数据处理端均与风力发电机自身监测模块和风力发电机外界环境监测模块相连接，预警显示终端分别与云存储库和数据处理端相连接。

需要说明的是，本发明的风力发电机结构示意图可参照图1所示。

所述风力发电机识别模块用于通过在巡航无人机中安装高清摄像仪对设定监测区域内存在的风力发电机进行识别。

所述风力发电机自身监测模块用于对风力发电机自身进行危险监测。

参照图3所示，风力发电机自身监测模块包括外观监测单元、运行参数监测单元和塔架监测单元；

具体地，所述外观监测单元用于对风力发电机的外观进行危险监测，其具体过程为：

A1:通过巡航无人机中安装的高清摄像仪对风力发电机进行三维图像采集，进而获取风力发电机对应的三维外观图像；

A2:将风力发电机对应的三维外观图像与云存储库中风力发电机的标准三维外观图像进行对比，进而从中提取出风力发电机对应的外观缺陷区域，并将其分别编号为1,2,...,k,...,q,进而提取各外观缺陷区域的外观缺陷类型和外观缺陷面积；

需要说明的是，上述外观缺陷类型包括裂纹，脱皮和褪色等。

A3:将风力发电机对应各外观缺陷区域的外观缺陷类型与设定的各外观缺陷类型所属单位面积的危险权重因子进行匹配，得到风力发电机对应各外观缺陷区域的外观缺陷类型所属单位面积的危险权重因子，进而据此计算风力发电机的外观缺陷危险系数，其计算公式为：

表示为风力发电机的外观缺陷危险系数，D_k和d分别表示为风力发电机中第k个外观缺陷区域对应的外观缺陷面积和该外观缺陷类型所属单位缺陷面积的危险权重因子。

具体地，所述运行参数监测单元用于对风力发电机的运行参数进行监测，进而获取风力发电机的运行危险系数，其具体过程为：

B1:设定多个监测时间点，并将其分别编号为1,2,...,m,...,v；

B2:通过测速发电机对风力发电机的叶片转速进行检测，进而获取各监测时间点中风力发电机的叶片转速；

B3:通过风速计对各监测时间点中风力发电机所属区域的风速进行检测，进而获取各监测时间点中风力发电机所属区域的风速；

B4:通过风向标对各监测时间点中发电机所属区域的风向进行检测，进而获取各监测时间点中风力发电机所属区域的风向；

B5:基于获取的风力发电机对应的三维外观图像，进而获取风力发电机的朝向；

B6:获取各监测时间点中风力发电机所属区域的风向与风力发电机的朝向之间所形成的夹角，并将其记为风向接触角，进而提取各监测时间点中风力发电机的风向接触角度；

B7:将各监测时间点中风力发电机所属区域的风速对应风向接触角度与云存储库中各种风速对应各种风向接触角度下的标准叶片转速进行匹配，进而获取各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

B8:将各监测时间点中风力发电机的叶片转速与各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速进行对比，计算风力发电机的叶片转速危险系数，其计算公式为：

其中τ表示为风力发电机的叶片转速危险系数，V_m和V_m0分别表示为第m个监测时间点中风力发电机的叶片转速与该监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

需要说明的是，上述风力发电机的叶片转速危险系数计算公式中，某监测时间点中风力发电机的叶片转速与该监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速之间的差值越小，则风力发电机的叶片转速危险系数越小，表明风力发电机的叶片转速越符合安全标准。

B9:通过噪声计对风力发电机的机舱内部进行噪声检测，进而获取各监测时间点中风力发电机的机舱内部噪声响度；

B10:将风力发电机的机舱内部噪声响度与数据存储库中风力发电机的机舱内部标准噪声响度进行对比，计算风力发电机的机舱内部噪声危险系数，其计算公式为:

其中λ表示为风力发电机的机舱内部噪声危险系数，dB_m表示为第m个监测时间点中风力发电机的机舱内部噪声响度，dB₀表示为风力发电机的机舱内部标准噪声响度。

需要说明的是，上述风力发电机的机舱内部噪声危险系数计算公式中，某监测时间点中风力发电机的机舱内部噪声响度与风力发电机的机舱内部标准噪声响度之间的差值越小，则风力发电机的机舱内部噪声危险系数越小，表明风力发电机的机舱内部噪声越符合安全标准。

在本发明具体的实施例中，对风力发电机的机舱内部噪声进行监测，其目的是考虑到机舱内部噪声能够反应出风力发电机的内部运转是否存在异常问题，若噪声响度过大，则风力发电机的机舱内部会存在异常运转风险，进而影响整个电力运转系统的正常运行。

具体地，所述风力发电机的运行危险系数计算公式为：

其中σ表示为风力发电机的运行危险系数。

具体地，所述塔架监测单元用于对风力发电机的塔架进行监测，其具体过程为：

C1:从获取的风力发电机对应的三维外观图像提取风力发电机的塔架与基座之间的角度，将其记为风力发电机的放置角度；

C2:将风力发电机的放置角度与云存储库中风力发电机的标准放置角度进行对比，计算风力发电机的塔架放置风险系数，其计算公式为：

其中β表示为风力发电机的塔架放置风险系数，θ表示为风力发电机的放置角度，θ₀表示为风力发电机的标准放置角度。

需要说明的是，上述风力发电机的塔架稳定风险系数计算公式中，风力发电机的放置角度与风力发电机的标准放置角度之间的差值越小，则风力发电机的塔架放置风险系数越小，表明风力发电机的塔架放置越符合安全标准。

在本发明具体的实施例中，通过在巡航无人机中安装高清摄像仪，并使用测速发电机、风速计、风向标和噪声计实现了对风力发电机的外观、运行参数和塔架多个维度的自身监测，避免了受人为主观因素的影响，能够发现风力发电机的细微缺陷问题，并且能够为风力发电机的自身危险监测评估提供全面性和可靠性依据，不仅提高了对风力发电机的监测效率，而且准确性高，并能对风力发电机进行实时监测。

所述风力发电机外界环境监测模块用于对风力发电机的外界环境进行危险监测。

参照图4所示，风力发电机外界环境监测模块包括风力监测单元、降雨量监测单元和温度监测单元；

具体地，所述风力监测单元用于对风力发电机所属区域内的外界环境进行风力监测，其具体过程为：

E1:基于获取的各监测时间点中风力发电机所属区域的风速，进而从中提取最大风速；

E2:将风力发电机所属区域内的最大风速与云存储库中各种风速对应的风力等级进行匹配，获取风力发电机所属区域内的最大风力等级；

E3:将风力发电机所属区域内的最大风力等级与预设的风力发电机能够承受的最大风力等级进行对比，计算风力发电机所属区域内的风力等级危险系数，其计算公式为：

其中ζ表示为风力发电机所属区域内的风力等级危险系数，f表示为风力发电机所属区域内的最大风力等级，F_max表示为预设的风力发电机能够承受的最大风力等级。

需要说明的是，上述风力发电机所属区域内的风力等级危险系数计算公式中，风力发电机所属区域内的最大风力等级越小，则风力发电机所属区域内的风力等级危险系数越小，表明风力发电机所属区域内的风力等级越符合安全标准。

具体地，所述降雨量监测单元用于对风力发电机所属区域内的外界环境进行降雨量监测，其具体过程为：

F1:通过雨量计对风力发电机所属区域内的外界环境进行降雨量监测，进而获取风力发电机所属区域内的降雨量；

F2:将风力发电机所属区域内的降雨量与云存储库中危险降雨量进行对比，计算风力发电机所属区域内的降雨量风险系数，其计算公式为：

其中μ表示为风力发电机所属区域内的降雨量风险系数，YL表示为风力发电机所属区域内的降雨量，YL_危表示为危险降雨量，e表示为自然常数。

需要说明的是，上述风力发电机所属区域内的降雨量风险系数计算公式中，风力发电机所属区域内的降雨量越小，则风力发电机所属区域内的降雨量风险系数越小，表明风力发电机所属区域内的降雨量越符合安全标准。

在本发明具体的实施例中，对风力发电机所属区域内的降雨量进行监测，其目的是考虑到降雨量给风力发电机所造成的冲击，若降雨量过大，则风力发电机所遭受的雨水冲击力越大，进而导致风力发电机存在倒塌风险。

具体地，所述温度监测单元用于对风力发电机所属区域内的外界环境进行温度监测，其具体过程为：

G1:通过温度传感器对风力发电机所属区域内的外界环境进行温度监测，进而获取风力发电机所属区域内的温度；

G2:基于云存储库中存储的安全温度区间，进而从安全温度区间中提取中间值，并将其标记为参考安全温度；

G3:将风力发电机所属区域内的温度与参考安全温度进行对比，计算风力发电机所属区域内的温度危险系数，

其中ε表示为风力发电机所属区域内的温度危险系数，C′表示为风力发电机所属区域内的温度，C₀表示为参考安全温度。

需要说明的是，上述风力发电机所属区域内的温度危险系数计算公式中，风力发电机所属区域内的温度与参考安全温度之间的差值越小，则风力发电机所属区域内的温度危险系数越小，表明风力发电机所属区域内的温度越符合安全标准。

在本发明具体的实施例中，对风力发电机所属区域内的温度进行监测，其目的是考虑到温度给风力发电机所造成的负面影响，若温度过高，则风力发电机的表观涂层会遭受附着力下降的风险，若温度过低，则风力发电机的器件会存在固化风险，进而影响风力发电机运转性能。

所述云存储库用于存储风力发电机的标准三维外观图像，各种风速对应各种风向接触角度下的标准叶片转速，风力发电机的机舱内部标准噪声响度，风力发电机的标准放置角度，各种风速对应的风力等级，危险降雨量，安全温度区间，风力发电机预警危险系数和外界环境预警危险系数。

在本发明具体的实施例中，通过设置风速计、雨量计和温度传感器实现了对风力发电机的外界环境监测，充分考虑到了外界环境对风力发电机产生的影响，进而降低了风力发电机的故障发生率，有效保障整个风力发电输送系统的稳定性。

所述数据处理端用于基于风力发电机自身监测模块的监测结果评估风力发电机自身危险系数，并基于风力发电机外界环境监测模块的监测结果评估风力发电机的外界环境危险系数；

具体地，所述风力发电机自身危险系数计算公式为：

其中ψ表示为风力发电机自身危险系数。

具体地，所述风力发电机的外界环境危险系数计算公式为：

其中δ表示为风力发电机的外界环境危险系数。

所述预警显示终端用于将风力发电机自身危险系数与云存储库中风力发电机预警危险系数进行对比，若风力发电机自身危险系数高于风力发电机预警危险系数，则进行预警，同时将风力发电机的外界环境危险系数与云存储库中外界环境预警危险系数进行对比，若风力发电机的外界环境危险系数高于外界环境预警危险系数，则进行预警。

在本发明具体的实施例中，通过提供一种基于5G通信的物联网实时监测预警系统，实现了对风力发电机的实时智能监测预警，避免了采用人工监测存在高空作业风险和劳动强度较大的问题，不仅降低了工作人员的身体负荷，还减少了安全事故的发生率。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于5G通信的物联网实时监测预警系统，其特征在于，包括：风力发电机识别模块、风力发电机自身监测模块、风力发电机外界环境监测模块、云存储库、数据处理端和预警显示终端；

所述风力发电机识别模块用于通过在巡航无人机中安装高清摄像仪对设定监测区域内存在的风力发电机进行识别；

所述风力发电机自身监测模块用于对风力发电机自身进行危险监测，其中风力发电机自身监测模块包括外观监测单元、运行参数监测单元和塔架监测单元；

所述风力发电机外界环境监测模块用于对风力发电机的外界环境进行危险监测，其中风力发电机外界环境监测模块包括风力监测单元、降雨量监测单元和温度监测单元；

所述云存储库用于存储风力发电机的标准三维外观图像，各种风速对应各种风向接触角度下的标准叶片转速，风力发电机的机舱内部标准噪声响度，风力发电机的标准放置角度，各种风速对应的风力等级，危险降雨量，安全温度区间，风力发电机预警危险系数和外界环境预警危险系数；

所述数据处理端用于基于风力发电机自身监测模块的监测结果评估风力发电机自身危险系数，并基于风力发电机外界环境监测模块的监测结果评估风力发电机的外界环境危险系数；

所述预警显示终端用于将风力发电机自身危险系数与云存储库中风力发电机预警危险系数进行对比，若风力发电机自身危险系数高于风力发电机预警危险系数，则进行预警，同时将风力发电机的外界环境危险系数与云存储库中外界环境预警危险系数进行对比，若风力发电机的外界环境危险系数高于外界环境预警危险系数，则进行预警。

2.根据权利要求1所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述外观监测单元用于对风力发电机的外观进行危险监测，其具体过程为：

A1:通过巡航无人机中安装的高清摄像仪对风力发电机进行三维图像采集，进而获取风力发电机对应的三维外观图像；

A2:将风力发电机对应的三维外观图像与云存储库中风力发电机的标准三维外观图像进行对比，进而从中提取出风力发电机对应的外观缺陷区域，并将其分别编号为1,2,...,k,...,q,进而提取各外观缺陷区域的外观缺陷类型和外观缺陷面积；

A3:将风力发电机对应各外观缺陷区域的外观缺陷类型与设定的各外观缺陷类型所属单位面积的危险权重因子进行匹配，得到风力发电机对应各外观缺陷区域的外观缺陷类型所属单位面积的危险权重因子，进而据此计算风力发电机的外观缺陷危险系数，其计算公式为：

表示为风力发电机的外观缺陷危险系数，D_k和d分别表示为风力发电机中第k个外观缺陷区域对应的外观缺陷面积和该外观缺陷类型所属单位缺陷面积的危险权重因子。

3.根据权利要求2所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述运行参数监测单元用于对风力发电机的运行参数进行监测，进而获取风力发电机的运行危险系数，其具体过程为：

B1:设定多个监测时间点，并将其分别编号为1,2,...,m,...,v；

B2:通过测速发电机对风力发电机的叶片转速进行检测，进而获取各监测时间点中风力发电机的叶片转速；

B3:通过风速计对各监测时间点中风力发电机所属区域的风速进行检测，进而获取各监测时间点中风力发电机所属区域的风速；

B4:通过风向标对各监测时间点中发电机所属区域的风向进行检测，进而获取各监测时间点中风力发电机所属区域的风向；

B5:基于获取的风力发电机对应的三维外观图像，进而获取风力发电机的朝向；

B6:获取各监测时间点中风力发电机所属区域的风向与风力发电机的朝向之间所形成的夹角，并将其记为风向接触角，进而提取各监测时间点中风力发电机的风向接触角度；

B7:将各监测时间点中风力发电机所属区域的风速对应风向接触角度与云存储库中各种风速对应各种风向接触角度下的标准叶片转速进行匹配，进而获取各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

B8:将各监测时间点中风力发电机的叶片转速与各监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速进行对比，计算风力发电机的叶片转速危险系数，其计算公式为：

其中τ表示为风力发电机的叶片转速危险系数，V_m和V_m0分别表示为第m个监测时间点中风力发电机的叶片转速与该监测时间点中风力发电机所属区域的风速对应风向接触角度下的标准叶片转速；

B9:通过噪声计对风力发电机的机舱内部进行噪声检测，进而获取各监测时间点中风力发电机的机舱内部噪声响度；

B10:将风力发电机的机舱内部噪声响度与数据存储库中风力发电机的机舱内部标准噪声响度进行对比，计算风力发电机的机舱内部噪声危险系数，其计算公式为:

其中λ表示为风力发电机的机舱内部噪声危险系数，dB_m表示为第m个监测时间点中风力发电机的机舱内部噪声响度，dB₀表示为风力发电机的机舱内部标准噪声响度。

4.根据权利要求3所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述风力发电机的运行危险系数计算公式为：

其中σ表示为风力发电机的运行危险系数。

5.根据权利要求4所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述塔架监测单元用于对风力发电机的塔架进行监测，其具体过程为：

C1:从获取的风力发电机对应的三维外观图像提取风力发电机的塔架与基座之间的角度，将其记为风力发电机的放置角度；

C2:将风力发电机的放置角度与云存储库中风力发电机的标准放置角度进行对比，计算风力发电机的塔架放置风险系数，其计算公式为：

其中β表示为风力发电机的塔架放置风险系数，θ表示为风力发电机的放置角度，θ₀表示为风力发电机的标准放置角度。

6.根据权利要求1所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述风力监测单元用于对风力发电机所属区域内的外界环境进行风力监测，其具体过程为：

E1:基于获取的各监测时间点中风力发电机所属区域的风速，进而从中提取最大风速；

E2:将风力发电机所属区域内的最大风速与云存储库中各种风速对应的风力等级进行匹配，获取风力发电机所属区域内的最大风力等级；

E3:将风力发电机所属区域内的最大风力等级与预设的风力发电机能够承受的最大风力等级进行对比，计算风力发电机所属区域内的风力等级危险系数，其计算公式为：

其中ζ表示为风力发电机所属区域内的风力等级危险系数，f表示为风力发电机所属区域内的最大风力等级，F_max表示为预设的风力发电机能够承受的最大风力等级。

7.根据权利要求6所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述降雨量监测单元用于对风力发电机所属区域内的外界环境进行降雨量监测，其具体过程为：

F1:通过雨量计对风力发电机所属区域内的外界环境进行降雨量监测，进而获取风力发电机所属区域内的降雨量；

F2:将风力发电机所属区域内的降雨量与云存储库中危险降雨量进行对比，计算风力发电机所属区域内的降雨量风险系数，其计算公式为：

其中μ表示为风力发电机所属区域内的降雨量风险系数，YL表示为风力发电机所属区域内的降雨量，YL_危表示为危险降雨量，e表示为自然常数。

8.根据权利要求7所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述温度监测单元用于对风力发电机所属区域内的外界环境进行温度监测，其具体过程为：

G1:通过温度传感器对风力发电机所属区域内的外界环境进行温度监测，进而获取风力发电机所属区域内的温度；

G2:基于云存储库中存储的安全温度区间，进而从安全温度区间中提取中间值，并将其标记为参考安全温度；

G3:将风力发电机所属区域内的温度与参考安全温度进行对比，计算风力发电机所属区域内的温度危险系数，

其中ε表示为风力发电机所属区域内的温度危险系数，C′表示为风力发电机所属区域内的温度，C₀表示为参考安全温度。

9.根据权利要求5所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述风力发电机自身危险系数计算公式为：

其中ψ表示为风力发电机自身危险系数。

10.根据权利要求8所述的一种基于5G通信的物联网实时监测预警系统，其特征在于：所述风力发电机的外界环境危险系数计算公式为：

其中δ表示为风力发电机的外界环境危险系数。

Images