基于邊緣計算融合智能圖像識別的風電場無人值守巡檢系統設計

宋祥斌,劉春雷,李 冰,房文軒

河北大唐國際新能源有限公司,河北 承德 067000

0 引言

隨著科技的不斷發展,無人機和無人船/艇等無人系統已經成為許多領域的重要工具[1],風電場無人值守巡檢系統對于提高風電設備的運行效率、降低運維成本、提升電力生產的經濟效益具有重要意義[2]。目前,國內外許多企業都在積極探索和研發風電場無人值守巡檢系統。歐洲一些國家也開始采用無人機巡檢技術對海上風電場進行巡檢[3]。風電場無人值守巡檢系統是一種利用無人機、無人船等設備的無人巡檢系統,可以對海上風電設備進行遠程、高效、智能的巡檢[4],該系統主要借助高精度GPS、北斗等衛星定位系統實現遠程調度和控制,搭載不同的任務載荷,如高清相機、激光雷達、溫度傳感器等[5],以完成對風電機組葉片、水下風電樁基等關鍵部位的巡檢任務。

風電場無人值守巡檢系統的應用場景較豐富,其一,可以通過圖像處理技術對葉片表面的損傷進行檢測和評估,及時發現并修復葉片表面的裂紋、侵蝕等損傷,避免因葉片故障而引起的風電場停機損失[6];其二,可以利用無人機搭載的聲納等任務載荷對風電場樁基進行檢測和評估,及時修復樁基表面的損傷,確保風電場的運行安全性[7];其三,可以利用無人機搭載的溫度傳感器、風速計等任務載荷進行氣象觀測,提供準確的氣象數據支持,幫助風電場提前做好發電計劃,預防自然災害;其四,利用靈活的無人機等設備采集風電場運行參數,進行安全分析[8],保證風電場的運行效率。

相關研究人員針對上述風電場無人值守巡檢系統應用場景設計了幾種常規的無人值守巡檢系統,但大多數巡檢系統的巡檢效果較差,易受巡檢指令初始化作用影響,導致巡檢任務執行異常,不符合巡檢要求。因此,本文基于邊緣計算融合智能圖像識別設計了一種全新的風電場無人值守巡檢系統,以有效提升巡檢系統的巡檢效果。

1 硬件設計

根據風電場無人值守巡檢要求,本文設計了風電場無人值守巡檢架構,如圖1所示。

圖1 風電場無人值守巡檢架構

由圖1可知,該風電場無人值守架構主要由集控層、基站層、終端層組成,利用管理服務器處理巡檢指令,整體性能良好。

1.1 TABLE旋翼無人機

在風電場無人值守巡檢過程中,需要采集全角度關鍵巡檢信息,拍攝高清的巡檢圖像,提高巡檢識別精度,該過程需要高性能無人機作支持。因此,本文選取TABLE旋翼無人機作為系統的核心巡檢圖像采集硬件。該旋翼無人機的靈活性較強,可以快速完成起降任務,實現長距離續航,不僅如此,其在巡檢過程中無需專門的彈射設備,隨時可以起飛[9],整體的巡檢成本較低。在巡檢任務執行前,該旋翼無人機可以快速規劃巡檢路徑,調整巡檢姿態,提供完整的巡檢素材。TABLE旋翼無人機的發動機可靠性較強,存在開放性端口,降低了軟硬件調試難度,該無人機的參數如表1所示。

表1 TABLE旋翼無人機參數

由表1可知,該旋翼無人機的重量較輕,利用空氣動力學原理保證了低空自由落體的安全性,除此之外,其使用碳纖維材質,抗風能力較強,可以搭載高清的巡檢相機,滿足巡檢系統的巡檢可靠性。

1.2 SNOY荷載云臺光學相機

在風電場無人機葉片巡檢的過程中,受無人機前進、后退等操作影響,可能會出現傾斜問題,造成拍攝畫面模糊,降低巡檢效率,為了保證巡檢拍攝的可靠性,本文選取SNOY作為荷載云臺光學相機。SNOY荷載云臺光學相機屬于30倍光學變焦相機[10],支持4K記錄,同時采用高精度FOC編碼器控制穩定性,該荷載云臺相機的組成示意圖如圖2所示。

圖2 荷載云臺光學相機組成示意圖

由圖2可知,SNOY荷載云臺光學相機具有增穩性能,可以測量物體多軸姿態,保證相機處于水平位置,在巡檢過程中,該云臺光學相機可以預設姿態位置,利用主控制器計算偏離角度,避免出現航拍失穩問題。

2 軟件設計

2.1 生成風電場無人值守智能巡檢流程

在風電場無人值守巡檢前需要預先規劃有效的巡檢流程,無需將風電機組停運即可生成有效的巡檢路線,基于此,本文設計了風電場無人值守智能巡檢流程,如圖3所示。

圖3 風電場無人值守智能巡檢流程

由圖3可知,根據上述的風電場無人值守智能巡檢流程,選取NVIDIA TX2作為巡檢信息核心處理程序,通過Mavros發送巡檢指令,此時可以計算巡檢動力學矢量Fsum,如下所示。

(1)

式中：m代表升力參數,dv代表巡檢無人機力矩,dt代表剛體運動受力。根據上述的巡檢動力學矢量可以判斷巡檢干擾合力,生成的動態巡檢函數Msum如下所示。

(2)

式中：J代表角運動力矩,此時可以進行歸一化處理,得到的巡檢動力學合勢場U(X),如下所示。

U(X)=Uatt(X)+Urep(X)

(3)

式中：Uatt(X)代表初始巡檢執行位置,Urep(X)代表最終巡檢執行位置。使用上述的智能巡檢指令可以快速判斷巡檢方位信息,執行巡檢條件算法,提高巡檢效率。

2.2 基于邊緣計算融合智能圖像設計異常監控算法

當風電場風機出現異常故障時,其聲信號會發生一定的改變。因此,本文基于邊緣計算融合圖像識別設計了風機異常監控算法,首先需要劃分風機頻率頻帶fBPFI,關系式如下所示。

(4)

式中：fn代表風機轉子轉動頻率,d代表風機滾動體直徑,D代表風機軸承直徑,cosφ代表風機接觸角,z代表風機滾動體數量。不同自頻帶的關系頻率不同,可以將其轉化為聲壓級,此時的異常風機頻譜Q如下所示。

Q=S×sinΦ

(5)

公中：S代表風機初始狀態下的運行頻率,Φ代表風機異常運行夾角。為了降低外界干擾對異常監測造成的影響,本文預先進行了信號濾波處理,處理式s(k)如下所示。

s(k)=f(k)+εe(k),k=0,1,…,n-1

(6)

式中：f(k)代表原始風機信號,ε代表風機異常識別噪聲強度,e(k)代表白噪聲。圖形識別是無人值守巡檢系統的核心功能,該功能可以對視頻監控采集的圖像進行智能分析,判斷設備的跑冒滴漏、異物遮擋、銹蝕、溫升過高、自動除霧等異?，F象,本文設計的算法根據邊緣計算重組原則設計了風機異常識別約束條件ABS,如下所示。

ABS=CL

(7)

式中：C代表異常轉動系數,L代表均一化重組參考值。在無人值守巡檢系統運行的過程中,需要對現有算法模型進行再訓練不斷學習,提高準確率,因此,本文設計的異常監控算法根據圖形識別及AI自定義功能,進行了優化,優化后的異常監控算法W如下所示。

(8)

式中：x代表風機隨機異常擾動,xi代表監測閾值。利用該算法,運維人員可自定義進行模型訓練以提升現有軟件系統與實際匹配度。除此之外,該算法還能為巡檢任務查詢、巡檢報告、任務統計、告警信息查詢、告警分級、告警圖像查詢等提供支持,實時推送告警信息,擴展后續的支持功能。在實際巡檢過程中,可以根據上述算法進行計算,獲取數據差異性,修正發現的巡檢問題,實現巡檢數據的循環利用。使用上述設計的圖形識別及AI優化邊緣算法可以大幅度降低巡檢環境干擾,提高風電場無人巡檢結果的可靠性。

3 系統測試

為了驗證設計的基于邊緣計算融合智能圖像識別的風電場無人值守巡檢系統的實際巡檢性能,本文選取了可靠的測試平臺,進行了系統測試。

3.1 測試準備

根據風電場無人值守巡檢系統測試要求,本文選取TETR/BOT平臺作為測試平臺,該平臺使用B/S架構,可以根據測試環境變化接入不同的服務器端,降低巡檢測試難度。不僅如此,該測試平臺使用MyEclipse 10進行了測試開發,使用Java設計了MVC測試模式,生成Struts測試框架,處理Action業務邏輯。待試驗環境配置完畢后,可以根據不同設備的常見缺陷制定巡檢任務書,預設系統測試用例,此時測試平臺的連接示意圖如圖4所示。

圖4 測試平臺連接示意圖

由圖4可知,巡檢測試平臺主要與測試動力識別中心、無線通信中心等相連,在測試時需要根據預設的巡檢測試流程輸入正確的測試用例,有效判斷設計系統的實際巡檢狀態。

本文選取雁飛嶺風電場作為測試研究區域,并在該研究區域搭建了集控中心智能化、數字化平臺,調試并接入整合原有場站側開關柜溫度監測系統GIS、SF6微水及局放監測系統、主變油色譜監測系統、消防系統、門禁系統、箱變在線監測系統、風機振動監測系統、無人機智能巡檢、兩票系統和站內已有攝像頭等相關信息,并與安全生產管控平臺其他系統進行聯動,實現智能巡檢功能,同時通過手機app端輸出巡檢報告,獲取最終的系統測試結果。

3.2 測試結果與討論

經過測試準備,可以進行風電場無人值守巡檢系統性能測試,即調整初始的測試環境,在選取的風電場研究區域運行本文設計的基于邊緣計算融合智能圖像識別的風電場無人值守巡檢系統,對該研究區域的不同巡檢內容進行巡檢,得到的系統測試結果如表2所示。

表2 系統測試結果

由表2可知,本文設計的基于邊緣計算融合智能圖像識別的風電場無人值守巡檢系統可以順利執行不同的巡檢任務,整體執行流暢性較高,不存在執行卡頓。上述測試結果證明：本文設計的風電場無人值守巡檢系統的性能良好,具有可靠性,有一定的應用價值。

4 結束語

風電是一種清潔、可再生能源,在各個領域應用廣泛。近年來,我國風電場的規模逐漸擴大。風電場內部設備組成的復雜度越來越高,極容易出現嚴重的安全事故,造成經濟損失。因此,進行風電場巡檢非常重要。人工巡檢的局限性較高,錯漏明顯,針對該問題,本文基于邊緣計算融合智能圖像識別設計了一種全新的風電場無人值守巡檢系統。系統測試結果表明：設計的無人值守巡檢系統的巡檢效果較好,具有可靠性,有一定的推廣應用價值。