CN117889786A - 一种基于视觉的风电场站自动巡检方法及系统 - Google Patents
一种基于视觉的风电场站自动巡检方法及系统 Download PDFInfo
- Publication number
- CN117889786A CN117889786A CN202410057096.9A CN202410057096A CN117889786A CN 117889786 A CN117889786 A CN 117889786A CN 202410057096 A CN202410057096 A CN 202410057096A CN 117889786 A CN117889786 A CN 117889786A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind power
- power plant
- database
- evaluation coefficient
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000007689 inspection Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims description 131
- 230000002159 abnormal effect Effects 0.000 claims description 78
- 238000004458 analytical method Methods 0.000 claims description 44
- 238000007667 floating Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 15
- 208000025274 Lightning injury Diseases 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 5
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 4
- 235000017491 Bambusa tulda Nutrition 0.000 description 4
- 241001330002 Bambuseae Species 0.000 description 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 4
- 239000011425 bamboo Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种基于视觉的风电场站自动巡检方法及系统,涉及自动巡检技术领域,本发明包括环境获取、环境数据分析、机身数据获取、机身数据分析、预警提示,通过对风电场的温度、雷击次数、空气流动速率和风向变化度进行分析,进而分析得出风电场的环境是否出现异常,进而对风电场站自动巡检的可行性进行分析,解决了当前风电场站自动巡检发展可行性分析过程中存在的局限性问题,对能见度值进行分析获取无人机的拍摄距离,进而获取各风电机的机身数据,从而分析各风电机的机身是否出现异常,保障了风电场站自动巡检分析结果的可靠性和真实性,进而为后续的针对性管理和均衡性发展提供了可靠的依据。
Description
技术领域
本发明涉及自动巡检技术领域,具体涉及一种基于视觉的风电场站自动巡检方法及系统。
背景技术
随着科技的发展,自动巡检技术逐渐应用于各行各业,其中风电场的自动巡检在检查风力发电机的是否发生异常方面起到重要的作用。做好环境数据的分析和机身数据的分析是自动巡检的关键和核心,其决定了是否能够及时发现风力发电机的异常,因此对风电场站自动巡检的可行性进行分析十分的重要。
目前风电场站自动巡检的可行性进行分析主要是通过机身的数据对可行性进行分析,很显然这种分析方式存在以下几个问题:1、当前对风电场站自动巡检的分析主要是通过对环境中的温度进行分析,并没有根据能见度对无人机的拍摄距离进行分析,进而无法获取各风电机的清晰的图片,从而无法更加准确的了解到当前风电场中各风电机的实际情况,不能够及时发现各风电机的异常,同时也无法保障风电场站自动巡检分析过程的全面性和真实性,进而无法保障分析结果的参考性和准确性,并且也无法给风电场站自动巡检系统的模式更新升级提供可靠的依据。
2、当前并没有通过风电机的声传感器获取风电场中各风机的风轮部分旋转声音,并对该声音进行分析进而获取异常声音的时长,无法真实地展示出各风电机的实际情况,进而无法保障对各风电机的机身数据分析结果的准确性,也不能保障对各风电机的机身数据分析的全面性,从而无法提高风电场站自动巡检的效率,一定程度上降低了风电场站自动巡检系统的运行效果。
发明内容
针对上述存在的技术不足,本发明的目的是提供一种基于视觉的风电场站自动巡检方法及系统。
为解决上述技术问题,本发明采用如下技术方案:本发明在第一方面提供一种基于视觉的风电场站自动巡检方法及系统,该方法包括以下步骤:步骤一、环境获取:通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值。
步骤二、环境数据分析:提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常。
步骤三、机身数据获取:当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离。
步骤四、机身数据分析:提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常。
步骤五、预警提示:当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
优选地,所述分析得出风电场的雷温评估系数,具体分析过程如下:将风电场的温度和雷击次数,分别记为x和y,代入计算公式得出风电场的雷温评估系数λ,其中a表示为数据库中预设的风电场的温度影响值,Δx表示为数据库中预设的风电场的允许浮动的温度,x′表示为数据库中的风电场的参考环境温度,σ1表示为数据库中的风电场的温度对应的权重因子,e表示为自然常数,Δy表示为数据库中的允许发生的雷击次数,σ2表示为数据库中的风电场的雷击次数对应的权重因子。
优选地,所述分析得出风电场的空气评估系数,具体分析过程如下:将风电场的空气流动速率和风向变化角度分别记为v和d,代入计算公式得出风电场的空气评估系数/>其中p表示为数据库中预设的风电场的空气流动速率影响值,Δv表示为数据库中的风电场的允许浮动的空气流动速率,v′表示为数据库中的风电场的参考空气流动速率,ω1表示为数据库中风电场的空气流动速率对应的权重因子,d′表示为数据库中的风电场的参考风向变化角度,Δd表示为数据库中的风电场的允许浮动的风向变化角度,ω2表示为数据库中风电场的风向变化角度对应的权重因子。
优选地,所述分析得出风电场的能见度评估系数,具体分析过程如下:将风电场的能见度值记为n。
根据计算公式得出风电场的能见度评估系数α,其中e表示为自然常数,n′表示为数据库中风电场的参考能见度值,Δn表示为数据库中风电场的允许浮动的能见度值,/>表示为数据库中风电场的能见度评估系数对应的修正因子。
优选地,所述判断风电场的环境是否出现异常,具体判断过程如下:将风电场的雷温评估系数与数据库中的雷温评估系数阈值进行对比,同时将风电场的空气评估系数与数据库中的空气评估系数阈值进行对比,当风电场的雷温评估系数大于或等于数据库中的雷温评估系数阈值,或风电场的空气评估系数大于或等于数据库中的空气评估系数阈值时,则判断风电场的环境出现异常;当风电场的雷温评估系小于数据库中的雷温评估系数阈值,且风电场的空气评估系数小于数据库中的空气评估系数阈值时,则判断风电场的环境未出现异常。
优选地,所述采集风电场中各风电机对应的机身数据,具体采集过程如下:通过声传感器获取风电场中各风机的风轮部分旋转声音,并将各风机的风轮部分旋转声音传输至声音识别模块中进行识别,由此获取各风机对应的风轮异常声音时长;同时根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,当无人机的拍摄距离无法一次容纳风电机所需拍摄的某部位时,无人机进行分块拍摄,并将各块拼接组成风电机所需拍摄的该部分;最后将无人机拍摄的各风电机对应的各照片传输至图片识别模块中,进行图片识别,由此采集风电场中各风电机对应的机身数据。
优选地,所述根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,具体获取过程如下:将风电场的能见度评估系数与数据库中无人机的各拍摄距离对应的能见度评估系数阈值进行对比,当风电场的能见度评估系数等于数据库中无人机的某拍摄距离对应的能见度评估系数阈值时,判断该拍摄距离为风电场的能见度评估系数对应的无人机拍摄距离。
7、优选地,所述分析得出风电场中各风电机的机身评估系数,具体分析过程如下:将风电场中各风电机的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离和风轮异常声音时长,分别记为Ti、Ji、Yi、Di和Fi,其中i表示为各风电机对应的编号,i=1,2......m,m为大于2的自然整数,m表示为风电机的总数;代入计算公式得出风电场中第i个风电机的机身评估系数βi,其中T′、J′、Y′、D′和F′
分别表示为数据库中的风电机的参考塔筒污损面积、参考机舱污损面积、参考桨叶污损面积、参考导流罩偏移距离和参考风轮异常声音时长,ΔT、ΔJ、ΔY、ΔD和ΔF分别表示为数据库中的风电机的允许浮动的塔筒污损面积、允许浮动的机舱污损面积、允许浮动的桨叶污损面积、允许浮动的导流罩偏移距离和允许浮动的风轮异常声音时长,μ1、μ2、μ3、μ4和μ5分别表示为数据库中的风电机的塔筒污损面积对应的权重因子、机舱污损面积对应的权重因子、桨叶污损面积对应的权重因子、导流罩偏移距离对应的权重因子和风轮异常声音时长对应的权重因子。
优选地,所述判断风电场中各风电机的机身是否出现异常,具体判断过程如下:将风电场中各风电机的机身评估系数与数据库中的风电机的机身评估系数阈值进行对比,当某风电机的机身评估系数大于或等于数据库中的风电机的机身评估系数阈值时,则判断该风电机的机身出现异常,反之则判断该风电机的机身未出现异常,由此判断各风电机的机身是否出现异常。
本发明在第二方面提供了一种基于视觉的风电场站自动巡检方法的风电场站自动巡检系统,其特征在于,包括:环境获取模块,用于通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值。
环境数据分析模块,用于提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常。
机身数据获取模块,用于当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离。
机身数据分析模块,用于模块,用于提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常。
预警终端,用于当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
本发明的有益效果在于:1、本发明提供的一种基于视觉的风电场站自动巡检方法及系统,通过对风电场的温度、雷击次数、空气流动速率和风向变化度进行分析,进而分析得出风电场的环境是否出现异常,进而对风电场站自动巡检的可行性进行分析,解决了当前风电场站自动巡检发展可行性分析过程中存在的局限性问题,对能见度值进行分析获取无人机的拍摄距离,进而获取各风电机的机身数据,从而分析各风电机的机身是否出现异常,保障了风电场站自动巡检分析结果的可靠性和真实性,进而为后续的针对性管理和均衡性发展提供了可靠的依据。
2、本发明根据能见度对无人机的拍摄距离进行分析,进而获取各风电机的清晰的图片,从而更加准确的了解到当前风电场中各风电机的实际情况,不能够及时发现各风电机的异常,同时也保障风电场站自动巡检分析过程的全面性和真实性,进而保障分析结果的参考性和准确性,并且也给风电场站自动巡检系统的模式更新升级提供可靠的依据。
3、本发明通过风电机的声传感器获取风电场中各风机的风轮部分旋转声音,并对该声音进行分析进而获取异常声音的时长,真实地展示出各风电机的实际情况,进而保障对各风电机的机身数据分析结果的准确性,也保障了对各风电机的机身数据分析的全面性,从而提高风电场站自动巡检的效率,一定程度上提高了风电场站自动巡检系统的运行效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程示意图。
图2为本发明系统结构连接示意图。
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。
请参阅图1所示,本发明在第一方面提供了一种基于视觉的风电场站自动巡检方法及系统,包括,步骤一、环境获取:通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值。
需要说明的是,各传感器设备包括温度传感器、无源无线避雷器、风速风向传感器、气象观测仪器,并由温度传感器获取温度,由无源无线避雷器用传感器获取雷击次数,由风速风向传感器获取空气流动速率、风向变化角度,由气象观测仪器和设备获取能见度值。
还需要说明的是,风向变化角度为本次采集的风向角度和上一次的风向角度之差。
步骤二、环境数据分析:提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常。
在一个具体实例中,所述分析得出风电场的雷温评估系数,具体分析过程如下:将风电场的温度和雷击次数,分别记为x和y,代入计算公式得出风电场的雷温评估系数λ,其中a表示为数据库中预设的风电场的温度影响值,Δx表示为数据库中预设的风电场的允许浮动的温度,x′表示为数据库中的风电场的参考环境温度,σ1表示为数据库中的风电场的温度对应的权重因子,e表示为自然常数,Δy表示为数据库中的允许发生的雷击次数,σ2表示为数据库中的风电场的雷击次数对应的权重因子。
需要说明的是,0<σ1<1,0<σ2<1。
所述分析得出风电场的空气评估系数,具体分析过程如下:将风电场的空气流动速率和风向变化角度分别记为v和d,代入计算公式得出风电场的空气评估系数/>其中p表示为数据库中预设的风电场的空气流动速率影响值,Δv表示为数据库中的风电场的允许浮动的空气流动速率,v′表示为数据库中的风电场的参考空气流动速率,ω1表示为数据库中风电场的空气流动速率对应的权重因子,d′表示为数据库中的风电场的参考风向变化角度,Δd表示为数据库中的风电场的允许浮动的风向变化角度,ω2表示为数据库中风电场的风向变化角度对应的权重因子。
还需要说明的是,0<ω1<1,0<ω2<1。
在另一个具体的实施例中,所述分析得出风电场的能见度评估系数,具体分析过程如下:将风电场的能见度值记为n。
根据计算公式得出风电场的能见度评估系数α,其中e表示为自然常数,n′表示为数据库中风电场的参考能见度值,Δn表示为数据库中风电场的允许浮动的能见度值,/>表示为数据库中风电场的能见度评估系数对应的修正因子。
再次需要说明的是,
在又一个具体的实施例中,所述判断风电场的环境是否出现异常,具体判断过程如下:将风电场的雷温评估系数与数据库中的雷温评估系数阈值进行对比,同时将风电场的空气评估系数与数据库中的空气评估系数阈值进行对比,当风电场的雷温评估系数大于或等于数据库中的雷温评估系数阈值,或风电场的空气评估系数大于或等于数据库中的空气评估系数阈值时,则判断风电场的环境出现异常;当风电场的雷温评估系小于数据库中的雷温评估系数阈值,且风电场的空气评估系数小于数据库中的空气评估系数阈值时,则判断风电场的环境未出现异常。
步骤三、机身数据获取:当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据,机身数据包括塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离和风轮异常声音时长;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离。
需要说明的是,导流罩偏移距离为导流罩安装时的原始中心点与现在中心点的偏移距离。
在一个具体实例中,所述采集风电场中各风电机对应的机身数据,具体采集过程如下:通过声传感器获取风电场中各风机的风轮部分旋转声音,并将各风机的风轮部分旋转声音传输至声音识别模块中进行识别,由此获取各风机对应的风轮异常声音时长;同时根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,当无人机的拍摄距离无法一次容纳风电机所需拍摄的某部位时,无人机进行分块拍摄,并将各块拼接组成风电机所需拍摄的该部分;最后将无人机拍摄的各风电机对应的各照片传输至图片识别模块中,进行图片识别,由此采集风电场中各风电机对应的机身数据。
本发明通过风电机的声传感器获取风电场中各风机的风轮部分旋转声音,并对该声音进行分析进而获取异常声音的时长,真实地展示出各风电机的实际情况,进而保障对各风电机的机身数据分析结果的准确性,也保障了对各风电机的机身数据分析的全面性,从而提高风电场站自动巡检的效率,一定程度上提高了风电场站自动巡检系统的运行效果。
在另一个具体实例中,所述根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,具体获取过程如下:将风电场的能见度评估系数与数据库中无人机的各拍摄距离对应的能见度评估系数阈值进行对比,当风电场的能见度评估系数等于数据库中无人机的某拍摄距离对应的能见度评估系数阈值时,判断该拍摄距离为风电场的能见度评估系数对应的无人机拍摄距离。
本发明根据能见度对无人机的拍摄距离进行分析,进而获取各风电机的清晰的图片,从而更加准确的了解到当前风电场中各风电机的实际情况,不能够及时发现各风电机的异常,同时也保障风电场站自动巡检分析过程的全面性和真实性,进而保障分析结果的参考性和准确性,并且也给风电场站自动巡检系统的模式更新升级提供可靠的依据。
步骤四、机身数据分析:提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常。
在一个具体实例中,所述分析得出风电场中各风电机的机身评估系数,具体分析过程如下:将风电场中各风电机的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离和风轮异常声音时长,分别记为Ti、Ji、Yi、Di和Fi,其中i表示为各风电机对应的编号,i=1,2......m,m为大于2的自然整数,m表示为风电机的总数;代入计算公式得出风电场中第i个风电机的机身评估系数βi,其中T′、J′、Y′、D′和F′
分别表示为数据库中的风电机的参考塔筒污损面积、参考机舱污损面积、参考桨叶污损面积、参考导流罩偏移距离和参考风轮异常声音时长,ΔT、ΔJ、ΔY、ΔD和ΔF分别表示为数据库中的风电机的允许浮动的塔筒污损面积、允许浮动的机舱污损面积、允许浮动的桨叶污损面积、允许浮动的导流罩偏移距离和允许浮动的风轮异常声音时长,μ1、μ2、μ3、μ4和μ5分别表示为数据库中的风电机的塔筒污损面积对应的权重因子、机舱污损面积对应的权重因子、桨叶污损面积对应的权重因子、导流罩偏移距离对应的权重因子和风轮异常声音时长对应的权重因子。
需要说明的是,0<μ1<1,0<μ2<1,0<μ3<1,0<μ4<1,0<μ5<1。
在另一个具体的实施例中,所述判断风电场中各风电机的机身是否出现异常,具体判断过程如下:将风电场中各风电机的机身评估系数与数据库中的风电机的机身评估系数阈值进行对比,当某风电机的机身评估系数大于或等于数据库中的风电机的机身评估系数阈值时,则判断该风电机的机身出现异常,反之则判断该风电机的机身未出现异常,由此判断各风电机的机身是否出现异常。
步骤五、预警提示:当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
请参阅图2所示,本发明在第一方面提供了一种基于视觉的风电场站自动巡检方法的风电场站自动巡检系统,包括:环境获取模块,用于通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值。
环境数据分析模块,用于提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常。
机身数据获取模块,用于当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离。
机身数据分析模块,用于模块,用于提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常。
预警终端,用于当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
本发明提供的一种基于视觉的风电场站自动巡检方法及系统,通过对风电场的温度、雷击次数、空气流动速率和风向变化度进行分析,进而分析得出风电场的环境是否出现异常,进而对风电场站自动巡检的可行性进行分析,解决了当前风电场站自动巡检发展可行性分析过程中存在的局限性问题,对能见度值进行分析获取无人机的拍摄距离,进而获取各风电机的机身数据,从而分析各风电机的机身是否出现异常,保障了风电场站自动巡检分析结果的可靠性和真实性,进而为后续的针对性管理和均衡性发展提供了可靠的依据。
以上内容仅仅是对本发明的构思所作的举例和说明,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,只要不偏离发明的构思或者超越本说明书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于视觉的风电场站自动巡检方法及系统,其特征在于,包括:
步骤一、环境获取:通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值;
步骤二、环境数据分析:提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常;
步骤三、机身数据获取:当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离;
步骤四、机身数据分析:提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常;
步骤五、预警提示:当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
2.根据权利要求1所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述分析得出风电场的雷温评估系数,具体分析过程如下:
将风电场的温度和雷击次数,分别记为x和y,代入计算公式得出风电场的雷温评估系数λ,其中a表示为数据库中预设的风电场的温度影响值,Δx表示为数据库中预设的风电场的允许浮动的温度,x′表示为数据库中的风电场的参考环境温度,σ1表示为数据库中的风电场的温度对应的权重因子,e表示为自然常数,Δy表示为数据库中的允许发生的雷击次数,σ2表示为数据库中的风电场的雷击次数对应的权重因子。
3.根据权利要求2所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述分析得出风电场的空气评估系数,具体分析过程如下:
将风电场的空气流动速率和风向变化角度分别记为v和d,代入计算公式得出风电场的空气评估系数/>其中p表示为数据库中预设的风电场的空气流动速率影响值,Δv表示为数据库中的风电场的允许浮动的空气流动速率,v′表示为数据库中的风电场的参考空气流动速率,ω1表示为数据库中风电场的空气流动速率对应的权重因子,d′表示为数据库中的风电场的参考风向变化角度,Δd表示为数据库中的风电场的允许浮动的风向变化角度,ω2表示为数据库中风电场的风向变化角度对应的权重因子。
4.根据权利要求3所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述分析得出风电场的能见度评估系数,具体分析过程如下:
将风电场的能见度值记为n;
根据计算公式得出风电场的能见度评估系数α,其中e表示为自然常数,n′表示为数据库中风电场的参考能见度值,Δn表示为数据库中风电场的允许浮动的能见度值,/>表示为数据库中风电场的能见度评估系数对应的修正因子。
5.根据权利要求4所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述判断风电场的环境是否出现异常,具体判断过程如下:
将风电场的雷温评估系数与数据库中的雷温评估系数阈值进行对比,同时将风电场的空气评估系数与数据库中的空气评估系数阈值进行对比,当风电场的雷温评估系数大于或等于数据库中的雷温评估系数阈值,或风电场的空气评估系数大于或等于数据库中的空气评估系数阈值时,则判断风电场的环境出现异常;当风电场的雷温评估系小于数据库中的雷温评估系数阈值,且风电场的空气评估系数小于数据库中的空气评估系数阈值时,则判断风电场的环境未出现异常。
6.根据权利要求5所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述采集风电场中各风电机对应的机身数据,具体采集过程如下:
通过声传感器获取风电场中各风机的风轮部分旋转声音,并将各风机的风轮部分旋转声音传输至声音识别模块中进行识别,由此获取各风机对应的风轮异常声音时长;同时根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,当无人机的拍摄距离无法一次容纳风电机所需拍摄的某部位时,无人机进行分块拍摄,并将各块拼接组成风电机所需拍摄的该部分;最后将无人机拍摄的各风电机对应的各照片传输至图片识别模块中,进行图片识别,由此采集风电场中各风电机对应的机身数据。
7.根据权利要求6所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述根据风电场的能见度评估系数在数据库中获取对应的无人机拍摄距离,具体获取过程如下:
将风电场的能见度评估系数与数据库中无人机的各拍摄距离对应的能见度评估系数阈值进行对比,当风电场的能见度评估系数等于数据库中无人机的某拍摄距离对应的能见度评估系数阈值时,判断该拍摄距离为风电场的能见度评估系数对应的无人机拍摄距离。
8.根据权利要求7所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述分析得出风电场中各风电机的机身评估系数,具体分析过程如下:
将风电场中各风电机的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离和风轮异常声音时长,分别记为Ti、Ji、Yi、Di和Fi,其中i表示为各风电机对应的编号,i=1,2......m,m为大于2的自然整数,m表示为风电机的总数;代入计算公式得出风电场中第i个风电机的机身评估系数βi,其中T′、J′、Y′、D′和F′
分别表示为数据库中的风电机的参考塔筒污损面积、参考机舱污损面积、参考桨叶污损面积、参考导流罩偏移距离和参考风轮异常声音时长,ΔT、ΔJ、ΔY、ΔD和ΔF分别表示为数据库中的风电机的允许浮动的塔筒污损面积、允许浮动的机舱污损面积、允许浮动的桨叶污损面积、允许浮动的导流罩偏移距离和允许浮动的风轮异常声音时长,μ1、μ2、μ3、μ4和μ5分别表示为数据库中的风电机的塔筒污损面积对应的权重因子、机舱污损面积对应的权重因子、桨叶污损面积对应的权重因子、导流罩偏移距离对应的权重因子和风轮异常声音时长对应的权重因子。
9.根据权利要求8所述的一种基于视觉的风电场站自动巡检方法,其特征在于,所述判断风电场中各风电机的机身是否出现异常,具体判断过程如下:
将风电场中各风电机的机身评估系数与数据库中的风电机的机身评估系数阈值进行对比,当某风电机的机身评估系数大于或等于数据库中的风电机的机身评估系数阈值时,则判断该风电机的机身出现异常,反之则判断该风电机的机身未出现异常,由此判断各风电机的机身是否出现异常。
10.一种执行权利要求1-9任一项所述的基于视觉的风电场站自动巡检方法的风电场站自动巡检系统,其特征在于,包括:
环境获取模块,用于通过各传感器设备获取风电场的环境数据,环境数据包括温度、雷击次数、空气流动速率、风向变化角度和能见度值;
环境数据分析模块,用于提取风电场的环境数据,进而根分析得出风电场的雷温评估系数、空气评估系数和能见度评估系数,从而判断风电场的环境是否出现异常;
机身数据获取模块,用于当风电场的环境出现异常时,采集风电场中各风电机对应的机身数据;通过声传感器获取各风机的风轮部分旋转声音,由此采集机身数据中的风轮异常声音时长;提取风电场的能见度评估系数,根据风电场的能见度评估系数,获取无人机的标准拍摄距离;进而使用无人机对风电场中各风电机的机身进行拍摄,并采集机身数据中的塔筒污损面积、机舱污损面积、桨叶污损面积、导流罩偏移距离;
机身数据分析模块,用于模块,用于提取风电场中各风电机对应的机身数据,进而分析得出风电场中各风电机的机身评估系数,从而判断风电场中各风电机的机身是否出现异常;
预警终端,用于当风电场的环境出现异常或某风电机的机身出现异常时,进行预警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410057096.9A CN117889786A (zh) | 2024-01-16 | 2024-01-16 | 一种基于视觉的风电场站自动巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410057096.9A CN117889786A (zh) | 2024-01-16 | 2024-01-16 | 一种基于视觉的风电场站自动巡检方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117889786A true CN117889786A (zh) | 2024-04-16 |
Family
ID=90651739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410057096.9A Pending CN117889786A (zh) | 2024-01-16 | 2024-01-16 | 一种基于视觉的风电场站自动巡检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117889786A (zh) |
-
2024
- 2024-01-16 CN CN202410057096.9A patent/CN117889786A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261394A (zh) | 在线风机叶片损伤实时诊断系统和方法 | |
JP7199608B2 (ja) | 風力タービン翼を検査するための方法および装置、ならびにそれらの機器および記憶媒体 | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
CN113610749B (zh) | 基于神经网络的风机叶片缺陷检测方法 | |
CN104865269A (zh) | 风力机叶片故障诊断方法 | |
CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
CN114165392A (zh) | 一种风电机组功率异常诊断方法、装置及存储介质 | |
CN112734970A (zh) | 基于LoRaWAN定位技术的风电场无人机自动巡检系统及方法 | |
CN112727704A (zh) | 一种叶片前缘腐蚀的监测方法及系统 | |
CN114992063B (zh) | 一种自动化风机叶片故障检测方法及系统 | |
CN110827270B (zh) | 复合绝缘子缺陷诊断方法及系统 | |
CN115326075A (zh) | 一种基于无人机实现风场全域自动化巡检的路径规划方法 | |
Panthi et al. | Quantification of wind turbine energy loss due to leading‐edge erosion through infrared‐camera imaging, numerical simulations, and assessment against SCADA and meteorological data | |
WO2019103621A1 (en) | Wind turbine blade orientation detection | |
CN117889786A (zh) | 一种基于视觉的风电场站自动巡检方法及系统 | |
CN113406107B (zh) | 风机叶片缺陷检测系统 | |
CN115478993A (zh) | 风力发电机组叶片失速监测方法及系统 | |
CN112211794B (zh) | 风电机组的机舱温度异常预警方法、装置、设备及介质 | |
CN114398842A (zh) | 一种在运行风电场发电量评估方法 | |
CN111784632A (zh) | 基于深度学习的风力发电机叶片表面缺陷检测系统及方法 | |
CN112800103A (zh) | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 | |
CN110905735A (zh) | 一种基于声音周期性的叶片故障诊断方法 | |
CN116308180B (zh) | 基于无人机及机器视觉的风电结构健康监测系统及方法 | |
CN117973212A (zh) | 一种风力发电机偏航角计算方法及装置 | |
CN113740258A (zh) | 一种风力发电叶片裂纹检测系统及其检测方法 |
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 |