KR20200031860A - 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 - Google Patents
안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR20200031860A KR20200031860A KR1020180110867A KR20180110867A KR20200031860A KR 20200031860 A KR20200031860 A KR 20200031860A KR 1020180110867 A KR1020180110867 A KR 1020180110867A KR 20180110867 A KR20180110867 A KR 20180110867A KR 20200031860 A KR20200031860 A KR 20200031860A
- Authority
- KR
- South Korea
- Prior art keywords
- blade
- information
- damage
- defect
- drone
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000007547 defect Effects 0.000 claims abstract description 104
- 238000007689 inspection Methods 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000013135 deep learning Methods 0.000 claims abstract description 36
- 238000012423 maintenance Methods 0.000 claims abstract description 30
- 238000007726 management method Methods 0.000 claims description 96
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008439 repair process Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000003973 paint Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
- F03D80/50—Maintenance or repair
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- B64C2201/12—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
- B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/63—Specific applications or type of materials turbine blades
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
-
- Y04S10/54—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
본 발명은 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 지속적으로 모니터링하여 블레이드의 손상/결함 검출/예측 관리가 가능한 풍력 발전기 블레이드 안전 관리 시스템 및 방법을 제공하는 것을 목적으로 한다. 이를 위해, 본 발명은 검사대상 풍력 발전기의 블레이드 이미지 정보가 수신되면, 상기 수신된 블레이드의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드의 예상 유지보수 정보를 제공하는 관리 서버를 포함한다. 따라서, 본 발명은 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 지속적으로 모니터링하여 블레이드의 손상/결함 검출/예측 관리가 가능한 장점이 있다.
Description
본 발명은 풍력 발전기의 블레이드 관리 시스템 및 방법에 관한 발명으로서, 더욱 상세하게는 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 분류에 따라 지속적으로 모니터링 하며 안전점검 기준표(체크리스트)를 활용하여 블레이드의 손상/결함 검출/예측 관리가 가능한 풍력 발전기 블레이드 안전 관리 시스템 및 방법에 관한 것이다.
풍력 발전기는 바람이 가지는 운동에너지를 전기에너지로 변환하는 장치로서, 일반적으로 타워와, 타워의 상부에 장착된 나셀(Nacelle)과, 나셀에 연결되며, 복수의 블레이드를 형성한 로터를 구비한다.
블레이드는 낙뢰, 이물질, 자외선 등의 외부 요인과, 노후화에 따라 아이싱(Icing), 표면 마모(Erosion), 천공(Hole), 균열(Crack) 등의 다양한 표면 결함이 발생할 수 있고, 특히 겨울철에는 블레이드 리딩엣지(Leading edge)에 결빙이 발생할 수 있다.
이러한 블레이드 표면의 이물질이나 얼음은 풍력 발전기의 효율저하를 초래할 수 있고, 블레이드의 손상 및 결함을 방지할 경우 파손될 수 있는 문제점이 있다.
따라서, 블레이드의 청소, 검사, 보수, 디아이싱과 같은 작업을 주기적으로 실시하여 유지관리가 필요하다.
그러나 풍력 발전기는 타워의 높이가 일반적으로 100미터에 이르고, 블레이드의 길이도 40미터 ~ 70미터 또는 그 이상에 이르는 구조물이기 때문에 유지관리에 어려움이 많다.
최근에는 작업자가 안전한 환경에서 블레이드의 유지관리를 수행할 수 있도록 다양한 전용 장비들이 제안되고, 있다.
한국 공개특허공보 공개번호 제10-2015-0101861호(발명의 명칭: 쿼드콥터를 활용한 풍력발전기의 블레이드 검사 장치 및 방법)와, 한국 공개특허공보 공개번호 제10-2017-0104762호(발명의 명칭: 드론을 이용한 풍력터빈의 표면 손상 탐지 시스템 및 방법)에는 드론을 이용하여 블레이드의 표면 결함을 촬영하고, 촬영된 표면 결함 정보를 디스플레이하는 기술이 게시되어 있다.
그러나, 이러한 종래 기술에 따른 블레이드 검사장치는 표면 결함정보를 이미지로 디스플레이할 뿐, 파손 정도, 결함의 발생 위치, 유지보수를 위한 관리 정보는 제공할 수 없는 문제점이 있다.
또한, 종래 기술에 따른 블레이드 검사장치는 사용자가 디스플레이되는 화면을 보고 블레이드의 파손 정도, 결함 발생 위치, 유지보수를 위한 관리여부를 직접 판단해야하는 문제점이 있다.
이러한 문제점을 해결하기 위하여, 본 발명은 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 지속적으로 모니터링하여 블레이드의 손상/결함 검출/예측 관리가 가능한 풍력 발전기 블레이드 안전 관리 시스템 및 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명은 검사대상 풍력 발전기의 블레이드 이미지 정보가 수신되면, 상기 수신된 블레이드의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드의 예상 유지보수 정보를 제공하는 관리 서버를 포함한다.
또한, 본 발명에 따른 상기 풍력 발전기 블레이드 안전 관리 시스템은 상기 블레이드의 이미지 정보를 촬영하여 제공하는 드론을 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 드론은 관리 서버와 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보, 블레이드의 이미지 정보를 송수신하는 데이터 통신부; 상기 비행 제어 정보에 따라 드론이 비행하는 제어신호를 출력하고, 카메라가 촬영한 블레이드의 이미지 정보를 상기 관리 서버로 전송하는 드론 제어부; 상기 드론 제어부에서 출력되는 비행 제어신호에 따라 드론이 이동하도록 구동력을 제공하는 구동부; 및 상기 블레이드를 촬영한 이미지 신호를 출력하는 카메라를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 드론은 미리 설정된 비행 경로를 따라 자율 비행을 하며 상기 블레이드의 표면을 촬영하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 관리 서버는 상기 드론과 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보, 블레이드의 이미지 정보를 송수신하는 데이터 통신부; 검사대상 풍력 발전기와 블레이드의 관리정보를 생성하고, 상기 풍력 발전기 및 블레이드의 위치정보에 기초한 드론의 비행 제어 정보를 생성하여 상기 드론으로 전송되도록 하며, 상기 드론으로부터 블레이드의 이미지 정보가 수신되면, 상기 수신된 블레이드의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드의 예상 유지보수 정보를 생성하는 안전 제어부; 및 상기 블레이드의 관리정보, 상기 블레이드의 이미지 정보, 예상 유지보수 정보, 딥러닝 학습 정보를 저정하는 데이터베이스를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 안전 제어부는 수신된 블레이드의 이미지 정보를 이미지 프로세싱 프로그램을 통해 인식하는 이미지 인식부; 상기 인식된 블레이드의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류하는 안전 관리부; 및 상기 안전 관리부에서 분류된 블레이드의 손상 및 결합 부위별 카테고리 정보에 대응하는 유지보수 정보를 생성하는 관리정보 생성부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 안전 관리부는 인식된 블레이드의 이미지 정보를 딥러닝 학습부에 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보를 이용하여 비교 및 분석을 통해 상기 블레이드의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류하는 결함/손상 탐지부; 및 손상/결함이 존재하는 이미지 정보는 손상 및 결함의 종류에 따라 레이블이 부여된 데이터로 활용하고, 손상/결함이 없는 이미지 정보는 손상/결함이 존재하지 않는 데이터로 활용하여 딥러닝 알고리즘을 통해 학습하는 딥러닝 학습부를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 풍력 발전기 블레이드 안전 관리 시스템은 상기 관리 서버와 네트워크를 통해 접속하여 상기 추출된 블레이드의 손상, 결함 검출 정보와, 상기 블레이드의 예상 유지보수 정보를 수신하여 출력하는 관리자 단말기를 더 포함하는 것을 특징으로 한다.
또한, 본 발명은 a) 관리 서버가 검사대상 풍력 발전기의 블레이드 이미지 정보를 수신하면, 상기 수신된 블레이드의 이미지 정보를 미리 저장된 이미지 프로세싱 프로그램을 이용하여 인식하는 단계; b) 상기 관리 서버가 상기 a) 단계에서 인식된 블레이드의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드에서 추출된 손상 및 결함 부위별 정보로 분류하는 단계; 및 c) 상기 관리 서버가 상기 b) 단계에서 분류된 블레이드의 손상 및 결합 부위별 정보에 대응하는 유지보수 정보를 생성하는 단계를 포함한다.
또한, 본 발명에 따른 상기 a) 단계는 상기 관리 서버가 검사대상 풍력 발전기와 블레이드의 관리정보를 생성하고, 상기 풍력 발전기 및 블레이드의 위치정보에 기초한 비행 제어 정보를 생성하여 카메라를 구비한 드론으로 전송하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명은 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 지속적으로 모니터링하여 블레이드의 손상/결함 검출/예측 관리가 가능한 장점이 있다.
또한, 본 발명은 블레이드의 손상 부위에 대해서 딥러닝 기반 손상/결함판단 기술을 통해 분석하여 손상으로 추측되는 부위를 자동으로 추출할 수 있으므로 숙련자의 업무강도를 감소시킬 수 있는 장점이 있다.
또한, 본 발명은 블레이드의 손상에 대한 객관적인 판단 결과를 제공하여 표준화된 블레이드 유지보수 업무를 수행할 수 있는 장점이 있다.
또한, 본 발명은 촬영된 손상의 크기 및 위치 정보를 DB화시킴으로써 점검자 및 관리자가 해당 부위에 대하여 정확한 교체 또는 수리시기를 결정하여 효율적인 풍력발전기의 운영이 가능한 장점이 있다.
도 1은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 구성을 개략적으로 나타낸 예시도.
도 2는 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 드론 구성을 나타낸 블록도.
도 3은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 관리 서버 구성을 나타낸 블록도.
도 4는 도 3에 따른 관리 서버의 안전 제어부 구성을 나타낸 블록도.
도 5는 도 4에 다른 안전 제어부의 안전 관리부 구성을 나타낸 블록도.
도 6은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 드론을 이용하여 촬영한 이미지를 나타낸 예시도.
도 7은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 검사 결과 및 관리 정보를 나타낸 예시도.
도 8은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템을 이용한 관리과정을 나타낸 흐름도.
도 2는 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 드론 구성을 나타낸 블록도.
도 3은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 관리 서버 구성을 나타낸 블록도.
도 4는 도 3에 따른 관리 서버의 안전 제어부 구성을 나타낸 블록도.
도 5는 도 4에 다른 안전 제어부의 안전 관리부 구성을 나타낸 블록도.
도 6은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 드론을 이용하여 촬영한 이미지를 나타낸 예시도.
도 7은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 검사 결과 및 관리 정보를 나타낸 예시도.
도 8은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템을 이용한 관리과정을 나타낸 흐름도.
이하, 첨부된 도면을 참조하여 본 발명에 따른 풍력 발전기의 블레이드 관리 시스템 및 방법의 바람직한 실시예를 상세하게 설명한다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
도 1은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 구성을 개략적으로 나타낸 예시도이고, 도 2는 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 드론 구성을 나타낸 블록도이며, 도 3은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템의 관리 서버 구성을 나타낸 블록도이고, 도 4는 도 3에 따른 관리 서버의 안전 제어부 구성을 나타낸 블록도이며, 도 5는 도 4에 다른 안전 제어부의 안전 관리부 구성을 나타낸 블록도이다.
도 1 내지 도 5에 나타낸 바와 같이, 본 발명에 따른 풍력 발전기 블레이드 관리 시스템은 드론(200)과, 관리 서버(300)와, 관리자 단말기(400)를 포함하여 구성된다.
본 발명에 따른 풍력 발전기 블레이드 관리 시스템은 기 설정된 체크리스트 즉, 안전점검 기준표를 사용한다. 이와 같이 안전점검 기준표를 사용하는 경우 블레이드 전 부분을 정확하게 체크할 수 있으며 쉽게 간과할 수 있는 형태의 결함 및 손상을 검사 후 파악하여 신속하고 정확한 유지보수를 가능케 한다.
이와 같은 안전점검 기준표 즉, 체크리스트는 다양한 항목이 설정될 수 있으며, 예컨대, 표면에 관해서는 마모상태, 크랙상태, 박리상태 등을 조사하고, 리셉터에 관해서는 외관상태, 팁의 상태 및 절연 측정 등을 진행할 수 있으며, 루트부에 관해서는 열화 및 연결부 상태 확인, 볼팅 부분의 크랙 등을 조사하는 것으로 설정할 수 있다.
또한, 점검의 기간은 3개월, 6개월, 12개월 등으로 나눠 진행할 수 있으며, 상기 체크리스트에는 점검의 내용, 점검의 기간, 점검의 결과, 손상(결함)의 카테고리 및 가동여부 판단에 대한 항목을 포함시킬 수 있다.
이러한 안전점검 기준표에 따른 조사 및 검토에 따라 카테고리 별 손상, 결함의 분류가 가능하며 이러한 데이터를 수치화, 정량화 및 데이터베이스화 하여 활용할 수 있는 것이다.
상기 드론(200)은 풍력 발전기(100)의 블레이드(110)의 이미지 정보를 촬영하여 제공하는 구성으로서, 데이터 통신부(210)와, 드론 제어부(220)와, 구동부(230)와, 카메라(240)를 포함하여 구성된다.
또한, 상기 드론(200)은 드론 제어부(220)의 제어를 통해 자율 비행하면서, 검사대상인 풍력 발전기(100)와 블레이드(110)를 촬영하고, 드론(200)의 현재 위치정보를 제공하는 GPS 센서, 검사대상체까지의 거리를 감지하는 거리 센서와, 기울기 정보를 감지하는 자이로 센서 등이 설치된다.
상기 데이터 통신부(210)는 관리 서버(300)와 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보, 촬영한 블레이드(110)의 이미지 정보가 송수신되도록 하는 구성으로서, RF 통신, LTE 통신 등을 이용한다.
상기 드론 제어부(220)는 관리 서버(300)로부터 전송되는 비행 제어 정보에 따라 드론(200)이 자율 비행하도록 구동부(230)로 제어신호를 출력한다.
또한, 상기 드론 제어부(220)는 카메라(240)가 촬영한 블레이드(110)의 이미지 정보를 상기 관리 서버(300)로 전송하도록 제어신호를 출력한다.
이때, 상기 드론 제어부(220)는 상기 카메라(240)가 촬영한 블레이드(110)의 이미지 정보를 GPS 센서를 통해 검출한 드론의 위치정보와 함께 관리 서버(300)로 전송하고, 상기 이미지 정보와 위치정보는 드론(200)에 구비된 별도 저장수단(예를 들면, USB 메모리카드, SD 카드 또는 마이크로 SD 카드 등)에 저장되도록 한다.
상기 구동부(230)는 드론 제어부(220)에서 출력되는 비행 제어신호에 따라 드론(200)이 이동하도록 구동력을 제공하는 구성으로서, 모터와 블레이드로 이루어지며, 트리콥터(3개), 쿼드콥터(4개), 헥사콥터(6개), 옥타콥터(8개) 등 다양하게 설치될 수 있다.
상기 카메라(240)는 풍력 발전기(100) 및 블레이드(110)를 촬영한 이미지 신호를 출력하는 구성으로서, CCD 센서, CMOS 센서 등을 이용하여 구성될 수 있고, 광신호를 전기신호로 변환하여 출력하는 센서를 이용한 카메라면 상관없이 설치될 수 있고,
또한, 상기 카메라(240)는 상기 드론(200)이 미리 설정된 비행 경로를 따라 자율 비행을 하며 이동하는 동안 상기 풍력 발전기(100) 및 블레이드(110)의 표면을 촬영한다.
상기 관리 서버(300)는 드론(200)의 관리와, 블레이드(110)의 손상, 결함 검출 및 유지보수를 관리하는 구성으로서, 검사대상 풍력 발전기(100)의 블레이드(110) 이미지 정보가 수신되면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)의 예상 유지보수 정보를 제공하고, 데이터 통신부(310)와, 안전 제어부(320)와, 데이터베이스(330)를 포함하여 구성된다.
또한, 상기 관리 서버(300)는 검사대상 풍력 발전기(100)와 블레이드(110)의 관리정보(예를 들면, 풍력 발전기 위치, 풍력 발전기 번호, 블레이드 타입, 블레이드 번호 등)를 생성하고, 상기 풍력 발전기(100) 및 블레이드(110)의 위치정보에 기초하여 드론(200)이 자율 비행할 수 있도록 비행 제어 정보를 생성하며, 상기 생성된 비행 제어 정보를 상기 드론(200)으로 제공한다.
상기 데이터 통신부(310)는 드론(200)과 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보, 블레이드(110)의 이미지 정보가 송수신되도록 한다.
상기 안전 제어부(320)는 검사대상 풍력 발전기(100)와 블레이드(110)의 관리정보를 생성하고, 상기 풍력 발전기(100) 및 블레이드(110)의 위치정보에 기초한 드론(200)의 비행 제어 정보를 생성하여 상기 드론(200)으로 전송되도록 하며, 상기 드론(200)으로부터 블레이드(110)의 이미지 정보가 수신되면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)의 예상 유지보수 정보를 생성하는 구성으로서, 이미지 인식부(321)와, 안전 관리부(320)와, 관리정보 생성부(323)를 포함하여 구성된다.
상기 이미지 인식부(321)는 수신된 블레이드(110)의 이미지 정보를 이미지 프로세싱 프로그램을 통해 인식하여 블레이드(110)의 손상, 결함 등을 분석할 수 있는 이미지로 제공한다.
본 실시예에서는 자율 비행을 통해 실시간 전송으로 획득한 드론(200)의 촬영 이미지를 실시예로 설명하지만, 이에 한정되는 것은 아니고, 드론의 저장수단에 저장된 촬영 이미지 정보나, 사용자가 직접 촬영하거나 촬영 로봇을 통해 촬영한 이미지 정보를 사용할 수도 있다.
상기 안전 관리부(322)는 이미지 인식부(321)에서 인식된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드(110)에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류하는 구성으로서, 결함/손상 탐지부(322a)와, 딥러닝 학습부(322b)를 포함하여 구성된다.
상기 결함/손상 탐지부(322a)는 이미지 인식부(321)에서 인식된 블레이드(110)의 이미지 정보를 딥러닝 학습부(322b)에 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보를 이용하여 비교 및 분석을 통해 상기 블레이드(110)의 손상, 결함 검출 정보를 추출한다.
상기 딥러닝 학습 정보는 블레이드의 전체 표면에 대하여 많이 발생하는 전연부 마모, 오염, 표면 미세균열(Hair crack), 보텍스 제너레이터(Vortex Generator) 실링상태, 낙뢰 보호 시스템 파손 여부, 트릴링 에지(Trailing edge) 균열 여부, 선단부(Tip) 파손 등에 대하여 검사를 통해 획득한 데이터로서, 블레이드의 부위별로 카테고리화하여 구성되어, 파손 범위에 대한 비교, 분석, 판별이 쉽게 이루어질 수 있도록 한다.
즉 블레이드(110)의 이미지 정보를 딥러닝 학습 정보와 비교 및 분석을 통해 도 6(a)와 같이 블레이드(110) 표면에서 페인트 크랙 영역(120)을 추출하거나, 도 6(b)와 같이 블레이드(110)의 리딩 에지에서 페인트 박리 영역(130)을 추출하거나, 도 6(c)와 같이, 블레이드(110)의 리딩 에지에서 페인트 박리 영역(130')을 추출하거나, 도 6(d)와 같이, 블레이드(110)의 선단부에서 래미네이션(Lamination) 손상으로 인한 부식/마모 영역(140)을 추출한다.
또한, 상기 결함/손상 탐지부(322a)는 상기 딥러닝 학습 정보를 이용하여 추출한 블레이드의 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드(110)에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류한다.
상기 안전 검사 정보는 블레이드(110)의 손상된 범위(또는 크기)에 따라 카테고리화하여 분류된 검사정보로서, 다음의 표 1과 같이 구성될 수 있다.
| 구분 | 파손상태 | 비고 |
| 카테고리 1 | 작은 흠집 | 수리없이 가동이 가능 |
| 카테고리 2 | 흠집 및 작은 결함 | 수리없이 가동 가능, 블레이드에 다른 손상이 발생할 경우 추후 같이 수리 진행 |
| 카테고리 3 | 결함 및 작은 파손 | 3개월 간격으로 블레이드 검사 및 모니터링실시, 6개월 이내에 수리를 진행 |
| 카테고리 4 | 심각하지 않은 파손 | 1개월 간격으로 블레이드 검사 및 모니터링 실시, 3개월 이내에 수리를 진행 |
| 카테고리 5 | 심각한 파손 | 즉각적인 풍력 발전기 가동을 중지, 정밀검사를 통해 수리진행 |
즉 블레이드(110)의 유지보수 및 모니터링의 필요 여부에 따라 파손 상태를 카테고리별로 분류함으로써, 관리자가 블레이드(110)의 파손 상태를 쉽게 구분하고 인식할 수 있도록 한다.
또한, 상기 걸함/손상 탐지부(322a)는 상기 분류된 블레이드(110)의 검사결과를 도 7과 같이, 일정 포맷으로 변환하여 출력할 수 있다.
도 7에 나타낸 바와 같이, 블레이드의 부위별 명칭과, 번호(P2)가 표시된 블레이드 이미지(P1)가 표시되고, 상기 표시된 블레이드 이미지(P1)에서 손상이 발생된 부위별로 파손 상태(또는 정도)에 따라 서로 다른 색상(P3)이 표시되도록 하여 관리자가 블레이드의 파손 부위와 파손 상태를 쉽게 인식할 수 있도록 한다.
또한, 검사대상 풍력 발전기와 블레이드의 관리 정보(P4)와, 파손이 발생된 정도 및 범위(P5)를 상기 P2 및 P3에서 표시되는 정보와 연동하여 표시되도록 하고, 손상 정도 및 범위에 따라 카테고리 별로 분류된 예상되는 유지보수 및 관리 정보(P6)를 파손 상태(또는 정도)에 따라 서로 다른 색상으로 표시(P7)하여 출력함으로써, 관리자가 쉽게 확인할 수 있도록 한다.
상기 딥러닝 학습부(322b)는 손상/결함이 존재하는 이미지 정보를 손상 및 결함의 종류에 따라 레이블이 부여된 데이터로 활용하고, 손상/결함이 없는 이미지 정보는 손상/결함이 존재하지 않는 데이터로 활용하여 딥러닝 알고리즘을 통해 학습을 수행한다.
또한, 상기 딥러닝 학습부(322b)는 이미 개발 및 공개된 SegNet 및 VGG-16 구조를 이용하여 블레이드의 손상/결함을 검출한다.
상기 SegNet은 의미론적 분할을 위한 심층 합성곱신경망(Deep CNN) 구조로서, 한 장의 영상 평면상의 모든 픽셀마다 레이블링을 수행, 클래스 분류를 수행하기 때문에 복잡한 영상에 적합하고 픽셀 수가 매우 적은 객체도 구분할 수 있다.
또한, 상기 SegNet 딥 러닝 모델의 학습 데이터는 컬러 이미지의 영상평면 상에서 목표 대상에 해당하는 부분을 수작업으로 표시하여 그레이 스케일로 변환한 클래스 표기 이미지들로 구성되고, 컬러 이미지가 SegNet의 입력으로 들어가면 컨볼루션 레이어, 풀링 레이어, 업 샘플링 레이어, 소프트맥스 레이어들을 통해 영상평면 상의 각 픽셀에 대하여 사전에 지정한 클래스에 대한 확률을 산출하며, 이 결과를 다시 클래스 표기로 변환한 후 기준 영상과 비교하여 역전파를 통해 각 레이어의 파라미터들을 학습시킬 수 있다.
이 때, 신경망의 결과를 클래스로 변환한 후 다시 컬러 이미지로 나타낸 것이 결과영상이고 이것은 간단한 영상처리 과정을 통해 관심 있는 클래스에 대하여 사각형 표시로 나타낼 수 있으며, 이렇게 학습된 모델에 대한 성능 시험 시에는 단일이미지뿐만 아니라 연속된 프레임 형태의 영상 또한 입력 데이터로 사용할 수 있고, 이 때, 영상처리는 학습과 동일한 과정을 통해 수행되지만 결과 영상과 기준 영상의 비교 과정이 생략될 수 있어서, 파라미터가 역전파 되지 않고 수치들이 고정된 상태에서 입력 영상에 대한 결과만을 산출하게 되며 이때에는 역전파 과정이 생략되기 때문에 비교적 적은 연산량으로도 딥러닝 알고리즘을 실행할 수 있다.
상기 안전 관리부(322)에서 분류된 블레이드(110)의 손상 및 결합 부위별 카테고리 정보에 대응하는 유지보수 정보를 생성하는 관리정보 생성부(323)를 포함하는 것을 특징으로 한다.
한편, 학습과정 중에 필요한 파라미터는 관리자에 의해 입력데이터의 positive/negative 비율 조정, 광원/광량 등에 의한 영향을 경감시키기 위한 데이터 보강 등이 이루어질 수도 있다.
상기 데이터베이스(330)는 블레이드(110)의 관리정보, 상기 블레이드(110)의 이미지 정보, 예상 유지보수 정보, 딥러닝 학습 정보를 저정한다.
상기 관리자 단말기(400)는 관리 서버(300)와 네트워크를 통해 접속하여 상기 관리 서버(300)에서 추출한 블레이드(110)의 손상, 결함 검출 정보와, 상기 블레이드(110)의 예상 유지보수 정보를 수신하여 디스플레이하는 구성으로서, 데스크탑 PC, 노트북 PC, 태블릿 PC 또는 스마트폰과 같이 애플리케이션 프로그램의 설치가 가능한 이동 단말기로 구성될 수 있다.
다음은 본 발명에 따른 풍력 발전기 블레이드 관리 시스템을 이용한 관리방법을 도 1 내지 도 5와 도 8을 참조하여 설명한다.
관리 서버(300)는 검사대상 풍력 발전기(100)와 블레이드(110)의 관리정보(예를 들면, 풍력 발전기 위치, 풍력 발전기 번호, 블레이드 타입, 블레이드 번호 등)를 생성하고, 상기 풍력 발전기(100) 및 블레이드(110)의 위치정보에 기초하여 드론(200)이 자율 비행할 수 있도록 비행 제어 정보를 생성하며, 상기 생성된 비행 제어 정보를 상기 드론(200)으로 제공하여 드론(200)을 통해 블레이드(110)의 촬영이 이루어지도록 한다(S100).
상기 S100 단계를 수행한 다음, 상기 관리 서버(300)가 검사대상 풍력 발전기(100)의 블레이드(110) 이미지 정보를 수신(S200)하면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 이미지 프로세싱 프로그램을 이용하여 인식(S300)한다.
상기 관리 서버(300)는 상기 S300 단계에서 인식된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)에서 추출된 손상 및 결함 부위별 정보로 분류(S400)한다.
상기 관리 서버(300)는 상기 S400 단계에서 분류된 블레이드(110)의 손상 및 결합 부위별 정보에 대응하는 예상 유지보수 정보를 미리 설정된 포맷의 리포트 정보로 변환하여 생성하고, 상기 생성된 리포트 정보를 관리자 단말기(400)로 전송한 다음 데이터베이스(330)에 저장한다.
따라서 자율비행 드론으로 촬영한 풍력 발전기의 블레이드를 검사 및 분석하고, 상기 블레이드의 검사정보를 지속적으로 모니터링하여 블레이드의 손상/결함 검출/예측 관리가 가능하고, 블레이드의 손상 부위에 대해서 딥러닝 기반 손상/결함판단 기술을 통해 분석하여 손상으로 추측되는 부위를 자동으로 추출할 수 있으므로 숙련자의 업무강도를 감소시킬 수 있으며, 촬영된 손상의 크기 및 위치 정보를 DB화시킴으로써 점검자 및 관리자가 해당 부위에 대하여 정확한 교체 또는 수리시기를 결정하여 효율적인 풍력발전기의 운영이 가능하게 된다.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있으며, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
100 : 풍력 발전기
110 : 블레이드
120 : 페인트 크랙 영역
130, 130' : 페인트 박리 영역
140 : 부식/마모 영역
200 : 드론
210 : 데이터 통신부
220 : 드론 제어부
230 : 구동부
240 : 카메라
300 : 관리 서버
310 : 데이터 통신부
320 : 안전 제어부
321 : 이미지 인식부
322 : 안전 관리부
322a : 결함/손상 탐지부
322b : 딥러닝 학습부
323 : 관리정보 생성부
330 : 데이터베이스
400 : 관리자 단말기
110 : 블레이드
120 : 페인트 크랙 영역
130, 130' : 페인트 박리 영역
140 : 부식/마모 영역
200 : 드론
210 : 데이터 통신부
220 : 드론 제어부
230 : 구동부
240 : 카메라
300 : 관리 서버
310 : 데이터 통신부
320 : 안전 제어부
321 : 이미지 인식부
322 : 안전 관리부
322a : 결함/손상 탐지부
322b : 딥러닝 학습부
323 : 관리정보 생성부
330 : 데이터베이스
400 : 관리자 단말기
Claims (10)
- 안전점검 기준표 및 결함의 카테고리 별 분류를 이용하여 풍력 발전기 블레이드를 관리하는 시스템에 있어서,
검사대상 풍력 발전기(100)의 블레이드(110) 이미지 정보가 수신되면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)의 예상 유지보수 정보를 제공하는 관리 서버(300)를 포함하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 1 항에 있어서,
상기 풍력 발전기 블레이드 안전 관리 시스템은 상기 블레이드(110)의 이미지 정보를 촬영하여 제공하는 드론(200)을 더 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 2 항에 있어서,
상기 드론(200)은 관리 서버(300)와 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보,블레이드(110)의 이미지 정보를 송수신하는 데이터 통신부(210);
상기 비행 제어 정보에 따라 드론(200)이 비행하는 제어신호를 출력하고, 카메라(240)가 촬영한 블레이드(110)의 이미지 정보를 상기 관리 서버(300)로 전송하는 드론 제어부(220);
상기 드론 제어부(220)에서 출력되는 비행 제어신호에 따라 드론(200)이 이동하도록 구동력을 제공하는 구동부(230); 및
상기 블레이드(110)를 촬영한 이미지 신호를 출력하는 카메라(240)를 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 3 항에 있어서,
상기 드론(200)은 미리 설정된 비행 경로를 따라 자율 비행을 하며 상기 블레이드(110)의 표면을 촬영하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 2 항에 있어서,
상기 관리 서버(300)는 상기 드론(200)과 무선 네트워크를 통해 연결되어 드론의 비행 제어 정보, 블레이드(110)의 이미지 정보를 송수신하는 데이터 통신부(310);
검사대상 풍력 발전기(100)와 블레이드(110)의 관리정보를 생성하고, 상기 풍력 발전기(100) 및 블레이드(110)의 위치정보에 기초한 드론(200)의 비행 제어 정보를 생성하여 상기 드론(200)으로 전송되도록 하며, 상기 드론(200)으로부터 블레이드(110)의 이미지 정보가 수신되면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하며, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)의 예상 유지보수 정보를 생성하는 안전 제어부(320); 및
상기 블레이드(110)의 관리정보, 상기 블레이드(110)의 이미지 정보, 예상 유지보수 정보, 딥러닝 학습 정보를 저정하는 데이터베이스(330)를 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 5 항에 있어서,
상기 안전 제어부(320)는 수신된 블레이드(110)의 이미지 정보를 이미지 프로세싱 프로그램을 통해 인식하는 이미지 인식부(321);
상기 인식된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드(110)에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류하는 안전 관리부(322); 및
상기 안전 관리부(322)에서 분류된 블레이드(110)의 손상 및 결합 부위별 카테고리 정보에 대응하는 유지보수 정보를 생성하는 관리정보 생성부(323)를 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 6 항에 있어서,
상기 안전 관리부(322)는 인식된 블레이드(110)의 이미지 정보를 딥러닝 학습부(322b)에 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보를 이용하여 비교 및 분석을 통해 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 블레이드(110)에서 추출된 손상 및 결함 부위별 카테고리 정보로 분류하는 결함/손상 탐지부(322a); 및
손상/결함이 존재하는 이미지 정보는 손상 및 결함의 종류에 따라 레이블이 부여된 데이터로 활용하고, 손상/결함이 없는 이미지 정보는 손상/결함이 존재하지 않는 데이터로 활용하여 딥러닝 알고리즘을 통해 학습하는 딥러닝 학습부(322b)를 더 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - 제 1 항 또는 제 2 항에 있어서,
상기 풍력 발전기 블레이드 안전 관리 시스템은 상기 관리 서버(300)와 네트워크를 통해 접속하여 상기 추출된 블레이드(110)의 손상, 결함 검출 정보와, 상기 블레이드(110)의 예상 유지보수 정보를 수신하여 출력하는 관리자 단말기(400)를 더 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리 시스템. - a) 관리 서버(300)가 검사대상 풍력 발전기(100)의 블레이드(110) 이미지 정보를 수신하면, 상기 수신된 블레이드(110)의 이미지 정보를 미리 저장된 이미지 프로세싱 프로그램을 이용하여 인식하는 단계;
b) 상기 관리 서버(300)가 상기 a) 단계에서 인식된 블레이드(110)의 이미지 정보를 미리 저장된 손상, 결함 발생 판단용 딥러닝 학습 정보와 비교하여 상기 블레이드(110)의 손상, 결함 검출 정보를 추출하고, 상기 추출된 손상, 결함 검출 정보를 미리 저장된 안전 검사 정보와 비교하여 상기 블레이드(110)에서 추출된 손상 및 결함 부위별 정보로 분류하는 단계; 및
c) 상기 관리 서버(300)가 상기 b) 단계에서 분류된 블레이드(110)의 손상 및 결합 부위별 정보에 대응하는 유지보수 정보를 생성하는 단계를 포함하는 풍력 발전기 블레이드 안전 관리방법. - 제 9 항에 있어서,
상기 a) 단계는 상기 관리 서버(300)가 검사대상 풍력 발전기(100)와 블레이드(110)의 관리정보를 생성하고, 상기 풍력 발전기(100) 및 블레이드(110)의 위치정보에 기초한 드론(200)의 비행 제어 정보를 생성하여 카메라(240)를 구비한 드론(200)으로 전송하는 단계를 더 포함하는 것을 특징으로 하는 풍력 발전기 블레이드 안전 관리방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180110867A KR102166654B1 (ko) | 2018-09-17 | 2018-09-17 | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180110867A KR102166654B1 (ko) | 2018-09-17 | 2018-09-17 | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200031860A true KR20200031860A (ko) | 2020-03-25 |
| KR102166654B1 KR102166654B1 (ko) | 2020-10-19 |
Family
ID=70001692
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180110867A KR102166654B1 (ko) | 2018-09-17 | 2018-09-17 | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102166654B1 (ko) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784863A (zh) * | 2020-06-24 | 2020-10-16 | 安徽继远软件有限公司 | 一种基于国网芯的地下电缆移动巡检系统 |
| CN111784632A (zh) * | 2020-05-25 | 2020-10-16 | 内蒙古工业大学 | 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 |
| KR102254773B1 (ko) * | 2020-09-14 | 2021-05-24 | 한국건설기술연구원 | 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템 및 그 방법 |
| CN114152624A (zh) * | 2021-12-03 | 2022-03-08 | 广州发展电力科技有限公司 | 一种基于无人机巡航的烟囱检查方法和装置 |
| CN114215704A (zh) * | 2021-12-14 | 2022-03-22 | 复亚智能科技(太仓)有限公司 | 一种发电风机桨叶图像采集装置、方法及存储介质 |
| KR102383628B1 (ko) * | 2021-08-11 | 2022-04-11 | 한국남동발전 주식회사 | 드론 기반의 풍력발전설비 점검관리를 위한 시스템 및 방법 |
| KR102387375B1 (ko) * | 2021-11-19 | 2022-04-18 | 주식회사 에이투엠 | 선제적 풍력발전 유지관리 시스템 |
| KR102437275B1 (ko) * | 2021-12-02 | 2022-08-30 | (주)니어스랩 | 풍력발전기 점검 시스템 및 그 점검 방법 |
| CN115096894A (zh) * | 2022-06-15 | 2022-09-23 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| NO20210867A1 (en) * | 2021-07-05 | 2023-01-06 | Altokinetics As | System and method for repair and maintenance of wind turbine blade |
| CN115824957A (zh) * | 2021-11-16 | 2023-03-21 | 戈昱科技(上海)有限公司 | 一种基于图像实现风电叶片缺陷自动检测的方法 |
| KR20230053399A (ko) * | 2021-10-14 | 2023-04-21 | 한국전력공사 | 풍력 발전기의 제어 장치 및 풍력 발전기의 블레이드 검사 방법 |
| CN116308180A (zh) * | 2023-03-22 | 2023-06-23 | 兰州理工大学 | 基于无人机及机器视觉的风电结构健康监测系统及方法 |
| KR20230106901A (ko) * | 2022-01-07 | 2023-07-14 | 금오공과대학교 산학협력단 | 자율운항 무인 이동체를 이용한 해상 풍력발전 단지 관리시스템 |
| CN116758075A (zh) * | 2023-08-18 | 2023-09-15 | 深圳市智祥源科技有限公司 | 基于人工智能的吹风机电机运行故障检测方法 |
| CN117307414A (zh) * | 2023-09-26 | 2023-12-29 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102422918B1 (ko) | 2021-11-22 | 2022-07-21 | 한국기계연구원 | 풍력발전기의 블레이드 감시장치 및 방법 |
| WO2023101059A1 (ko) * | 2021-12-02 | 2023-06-08 | (주)니어스랩 | 풍력발전기 점검 시스템 및 그 점검 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150101861A (ko) | 2014-02-27 | 2015-09-04 | 목포대학교산학협력단 | 쿼드콥터를 활용한 풍력발전기의 블레이드 검사 장치 및 방법 |
| KR20160041756A (ko) * | 2014-10-07 | 2016-04-18 | (주)아와소프트 | 이동식 시설물 검사장치와 시설물 유지관리방법 |
| KR20170104762A (ko) | 2016-03-08 | 2017-09-18 | 한국해양과학기술원 | 드론을 이용한 풍력터빈의 표면 손상 탐지 시스템 및 방법 |
| KR101863196B1 (ko) * | 2017-07-24 | 2018-06-01 | 한국생산기술연구원 | 딥러닝 기반 표면 결함 검출장치 및 방법 |
-
2018
- 2018-09-17 KR KR1020180110867A patent/KR102166654B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150101861A (ko) | 2014-02-27 | 2015-09-04 | 목포대학교산학협력단 | 쿼드콥터를 활용한 풍력발전기의 블레이드 검사 장치 및 방법 |
| KR20160041756A (ko) * | 2014-10-07 | 2016-04-18 | (주)아와소프트 | 이동식 시설물 검사장치와 시설물 유지관리방법 |
| KR20170104762A (ko) | 2016-03-08 | 2017-09-18 | 한국해양과학기술원 | 드론을 이용한 풍력터빈의 표면 손상 탐지 시스템 및 방법 |
| KR101863196B1 (ko) * | 2017-07-24 | 2018-06-01 | 한국생산기술연구원 | 딥러닝 기반 표면 결함 검출장치 및 방법 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784632A (zh) * | 2020-05-25 | 2020-10-16 | 内蒙古工业大学 | 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 |
| CN111784863A (zh) * | 2020-06-24 | 2020-10-16 | 安徽继远软件有限公司 | 一种基于国网芯的地下电缆移动巡检系统 |
| KR102254773B1 (ko) * | 2020-09-14 | 2021-05-24 | 한국건설기술연구원 | 영상정보를 이용한 건물 부위별 하자의 자동 판정과 분류 시스템 및 그 방법 |
| NO20210867A1 (en) * | 2021-07-05 | 2023-01-06 | Altokinetics As | System and method for repair and maintenance of wind turbine blade |
| NO347715B1 (en) * | 2021-07-05 | 2024-03-04 | Altokinetics As | System and method for repair and maintenance of wind turbine blade |
| KR102383628B1 (ko) * | 2021-08-11 | 2022-04-11 | 한국남동발전 주식회사 | 드론 기반의 풍력발전설비 점검관리를 위한 시스템 및 방법 |
| KR20230053399A (ko) * | 2021-10-14 | 2023-04-21 | 한국전력공사 | 풍력 발전기의 제어 장치 및 풍력 발전기의 블레이드 검사 방법 |
| CN115824957B (zh) * | 2021-11-16 | 2023-12-01 | 戈昱科技(上海)有限公司 | 一种基于图像实现风电叶片缺陷自动检测的方法 |
| CN115824957A (zh) * | 2021-11-16 | 2023-03-21 | 戈昱科技(上海)有限公司 | 一种基于图像实现风电叶片缺陷自动检测的方法 |
| WO2023090876A1 (ko) * | 2021-11-19 | 2023-05-25 | 주식회사 에이투엠 | 선제적 풍력발전 유지관리 시스템 |
| KR102387375B1 (ko) * | 2021-11-19 | 2022-04-18 | 주식회사 에이투엠 | 선제적 풍력발전 유지관리 시스템 |
| KR102437275B1 (ko) * | 2021-12-02 | 2022-08-30 | (주)니어스랩 | 풍력발전기 점검 시스템 및 그 점검 방법 |
| CN114152624A (zh) * | 2021-12-03 | 2022-03-08 | 广州发展电力科技有限公司 | 一种基于无人机巡航的烟囱检查方法和装置 |
| CN114215704B (zh) * | 2021-12-14 | 2024-06-21 | 复亚智能科技(太仓)有限公司 | 一种发电风机桨叶图像采集装置、方法及存储介质 |
| CN114215704A (zh) * | 2021-12-14 | 2022-03-22 | 复亚智能科技(太仓)有限公司 | 一种发电风机桨叶图像采集装置、方法及存储介质 |
| KR20230106901A (ko) * | 2022-01-07 | 2023-07-14 | 금오공과대학교 산학협력단 | 자율운항 무인 이동체를 이용한 해상 풍력발전 단지 관리시스템 |
| CN115096894A (zh) * | 2022-06-15 | 2022-09-23 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| CN115096894B (zh) * | 2022-06-15 | 2024-06-04 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| CN116308180A (zh) * | 2023-03-22 | 2023-06-23 | 兰州理工大学 | 基于无人机及机器视觉的风电结构健康监测系统及方法 |
| CN116308180B (zh) * | 2023-03-22 | 2024-06-07 | 兰州理工大学 | 基于无人机及机器视觉的风电结构健康监测系统及方法 |
| CN116758075B (zh) * | 2023-08-18 | 2023-11-24 | 深圳市智祥源科技有限公司 | 基于人工智能的吹风机电机运行故障检测方法 |
| CN116758075A (zh) * | 2023-08-18 | 2023-09-15 | 深圳市智祥源科技有限公司 | 基于人工智能的吹风机电机运行故障检测方法 |
| CN117307414A (zh) * | 2023-09-26 | 2023-12-29 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
| CN117307414B (zh) * | 2023-09-26 | 2024-05-03 | 金开智维(宁夏)科技有限公司 | 基于无人机航摄的风机叶片检测方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102166654B1 (ko) | 2020-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102166654B1 (ko) | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 | |
| CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| US8761490B2 (en) | System and method for automated borescope inspection user interface | |
| US20240210330A1 (en) | Systems and methods for artificial intelligence powered inspections and predictive analyses | |
| EP3786450A1 (en) | Method and system for monitoring blades of a wind turbine | |
| KR20200033822A (ko) | 풍력 발전기 블레이드 결함 인식/분석 장치 및 방법 | |
| CN109060826B (zh) | 一种不停机的风电叶片检测装置 | |
| KR102346676B1 (ko) | 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법 | |
| EP3312095B1 (en) | Lightning strike inconsistency aircraft dispatch mobile disposition tool | |
| KR20190108832A (ko) | 풍력 발전기 블레이드 결함 인식/분석 장치 및 방법 | |
| CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
| CN111708380A (zh) | 风电机组外观缺陷的检测方法、平台、无人机以及系统 | |
| CN113898537A (zh) | 一种风电场远程智能巡检系统 | |
| KR20140000379A (ko) | 카메라와 로봇 기반의 풍력 발전용 블레이드 검사 장치 및 방법 | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
| CN116862712A (zh) | 基于雷视融合的电力施工潜在安全风险检测方法与系统 | |
| Mitra et al. | A UAV Payload for Real-time Inspection of Highway Ancillary Structures | |
| Terzoglou et al. | Employing deep learning framework for improving solar panel defects using drone imagery | |
| Kim et al. | Automatic detection of malfunctioning photovoltaic modules using unmanned aerial vehicle thermal infrared images | |
| KR102281100B1 (ko) | 지하 매설관 이상 탐지 시스템 및 방법 | |
| CN214154693U (zh) | 一种玻璃幕墙安全监测系统 | |
| CN114442658A (zh) | 输配电线路无人机自动巡检系统及其运行方法 | |
| CN113850773A (zh) | 一种检测方法、装置、设备及计算机可读存储介质 | |
| CN111208165A (zh) | 一种基于红外成像技术探测风机叶片损伤的装置及方法 | |
| KR102664206B1 (ko) | 영상 및 설명가능인공지능 기반 항공기 검사 자동화 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |