基于热成像深度学习的风电机舱内设备智能监测系统

关注

联系合作

成果单位：华北电力大学

合作方式：技术转让技术许可技术入股合作开发

所处阶段：其他

关键词：风电场风电机组机舱内部深度学习计算机视觉热成像影像智能监测

成果评价

总得分（满分100）

资本强度（满分0）

该成果得分：0

小果解读

核心问题

在风电机组的长期运行中，由于面临恶劣的工作环境、强烈的瞬时冲击以及不规则的波动载荷，机组部件经常承受剧烈多变的机械应力，导致各类故障频发。当前，人工巡检成本高且存在诸多问题，如巡检疏漏、记录困难、操作规范难以保证以及巡检数据关联复杂等。特别是对于风电机舱内部，由于其包含电气系统和机械系统两大复杂部分，各部件故障成因、频率及停机时间各异，人工巡检难以全面覆盖。因此，迫切需要开发一种自动化、智能化的机舱内设备状态监测系统，以解决人工巡检的局限性和不足。

解决方案

本成果依托先进的深度学习和计算机视觉技术，创新性地研发了基于热成像影像的设备异常监测技术。该技术通过热成像设备捕捉机舱内部各部件的热辐射信息，利用深度学习算法对热成像数据进行高效处理和分析，实现机舱设备的可视化状态监测。系统能够不间断、实时监测设备状态，智能识别异常温升或热分布变化，精准定位故障源头，并在故障初期即发出预警。这一解决方案有效减少了停机状态下的人工巡检需求，提高了巡检的精度和效率，助力风电行业向无人值班、少人值守的目标迈进。

竞争优势

技术创新：本成果将深度学习与热成像技术相结合，首次实现了风电机舱内设备的智能监测，填补了该领域的空白。
实时监测：系统能够24小时不间断地监测设备状态，及时发现并预警潜在故障，显著提高了故障识别的及时性和准确性。
精准定位：通过热成像技术，系统能够精准定位故障源头，为快速维修和恢复运行提供了有力支持。
提高安全性：减少了人工巡检的频率和难度，降低了人员安全风险，同时提高了设备的安全运行水平。
提升巡检效率：自动化、智能化的巡检模式大大提高了巡检效率，降低了巡检成本，为风电行业的可持续发展提供了有力保障。
行业适用性广：该技术不仅适用于风电行业，还可推广至其他需要高精度设备状态监测的领域，如电力、热力、燃气等，具有广泛的应用前景。

成果描述

成果公开日期

20250721

所属产业领域

电力、热力、燃气及水生产和供应业

转化现有基础

研发了一套“基于热成像深度学习的机舱内设备智能监测系统”，形成一种舱内设备状态监测的智能巡检模式，并已在庆云风电场和枣园风电场试点应用。

转化合作需求

寻找应用场景和示范项目

转化意向范围

仅限国内转让

转化预期效益

可实现机舱设备的可视化状态监测，减少停机状态的人工巡检，做到不间断、实时监测、智能识别预警、精准定位源头等实效，将故障识别于初期，助力风电行业真正实现无人值班少人值守，彻底解决风机运行过程中不能实时人工巡检的安全需要，切实达到24小时自动巡检，数十倍提高了人员和设备的安全，数百倍提升了巡检的精度，具有广阔的市场前景。

项目课题来源

北京市昌平区人民政府

摘要

在风电机组的长期运行过程中，由于恶劣的工作环境、强烈的瞬时冲击以及不规则的波动载荷等不断变化的复杂运行工况，机组部件不得不承受剧烈多变的机械应力，这很容易导致各种各样的故障发生。目前的人工巡检成本很高，且有巡检疏漏避免难、巡检情况记录难、巡检操作规范难、巡检数据关联难等几大难，因此需要深入研究自动化、智能化的巡检。风电机组的巡检重点划分为机舱内部和机舱外部，对于机舱外部的叶片使用无人机智能巡检的技术发展迅猛，但是对于机舱内部仍停留在人工巡检的阶段，机舱内部有电气系统、机械系统两大部分，各个部件有着不同的故障成因、故障频率及其导致的故障停机时间，因此目前研发一套舱内设备状态智能监测系统，并形成一种舱内设备状态监测的智能巡检模式非常重要。本成果基于先进的深度学习和计算机视觉技术，研究基于热成像影像的设备异常监测等技术，可实现机舱设备的可视化状态监测，减少停机状态的人工巡检，做到不间断、实时监测、智能识别预警、精准定位源头等实效，将故障识别于初期，助力风电行业真正实现无人值班少人值守，解决风机运行过程中不能实时人工巡检的安全需要，切实达到24小时自动巡检，提高了人员和设备的安全，提升了巡检的精度。应用场景：风电场。