“十二五”期間，我(wǒ)(wǒ)國風電(diàn)新增裝機容量連續五年領跑全球，累計新增9800萬千瓦，占同期全國新增裝機總量的18%，在電(diàn)源結構中(zhōng)的比重逐年提高，風電(diàn)已成爲我(wǒ)(wǒ)國繼煤電(diàn)、水電(diàn)之後的第三大(dà)電(diàn)源，行業快速發展且未來仍将持續穩定發展。

我(wǒ)(wǒ)國風電(diàn)成本穩步下(xià)降，在一(yī)些資(zī)源和開(kāi)發條件較好的地區，陸上風電(diàn)已經可以不需要補貼。按照政策安排，補貼需求會逐步縮小(xiǎo)。鑒于上述趨勢産生(shēng)的資(zī)金壓力，業主不得不進一(yī)步加強建設和生(shēng)産過程中(zhōng)的精細化管控，實現更爲顯著的降本增效，使機組更具備經濟性和競争力。

從生(shēng)産運維角度，仍然存在諸多需要提升之處。開(kāi)發商(shāng)主要進行風電(diàn)場投資(zī)，關注電(diàn)場的整個生(shēng)命運維周期，卻缺乏風電(diàn)設備核心技術；整機廠商(shāng)擁有風電(diàn)設備的核心技術，但隻負責保質期内風電(diàn)機組現場運維工(gōng)作，風電(diàn)運維并不是其主要業務；第三方運維企業則專注于風機設備的檢修及狀态分(fēn)析，但技術水平參差不齊，服務質量堪憂。

整體(tǐ)而言，從設備角度來講，缺乏風電(diàn)機組運行維護的标準；從人員(yuán)角度來講，缺乏人員(yuán)規範化管理和培訓标準；從整體(tǐ)運營來講，業主相對依賴廠家和服務商(shāng)，由此造成運維、安全管理不當，維修效率低下(xià)，更重要的是運維成本增加。然而，運維檢修成本又(yòu)是業主相對所有成本而言，最容易通過自身管理手段和利用新的技術獲得快速改善的部分(fēn)。和新技術廣泛推廣形成鮮明對比的是作業現場基礎設施的落後以及管理方式的傳統化，對于生(shēng)産作業安全管理更是巨大(dà)的漏洞。

爲了提升風機機組整體(tǐ)的生(shēng)産安全管控，風場運營在不斷地采用大(dà)數據、智能視頻(pín)圖像技術，工(gōng)業紅外(wài)熱成像測溫等新興技術，更全面的反映風機及相關系統實時運行狀況，對風機設備的故障診斷與狀态預測更好的管理，對進出機組區域人員(yuán)的作業規範進行實時的監測與監管，如非預估作業時間的人員(yuán)入侵及抽煙檢測等生(shēng)産作業規範管理。

在大(dà)力推進新興技術實現智慧風電(diàn)的同時，需要做好基礎設施與通訊的搭建，真正完成所有數據的采集、傳輸并實現實時高效協同工(gōng)作，實現大(dà)數據、物(wù)聯網和智能分(fēn)析應用；更需要依托新技術的落地完成管理模式上的變革，讓技術爲管理服務，也讓管理更好地應用技術。

爲響應并貫徹國家及集團公司對智慧風電(diàn)企業建設的要求，堅定不移的推進國家的發展戰略，以全面感知(zhī)、全面數字、全面互連、全面智能爲方向，加快标準化、信息化、網絡化建設，推進智慧應用在風電(diàn)企業的生(shēng)産、經營、管理等各個方面的全面實施，從而提升運維巡檢的效率，達到進一(yī)步降本增效的目的，實現經濟效益、社會效益雙豐收，最爲重要的是提高整個風機機組的生(shēng)産作業安全系數。

本項目預期達到如下(xià)技術指标：

（1）通過人工(gōng)智能算法及相關的AI計算單元等硬件，對風機機組機倉漏油現象進行實時的監測預警，并記錄時間，抓拍照片，進行事件回放(fàng)。

（2）機艙在非預設的時間範圍，有任何人員(yuán)進入機艙進行報警，并記錄時間，抓拍照片，進行事件回放(fàng)。

（3）機艙内設備運行出現高溫，高于設定的溫度範圍進行報警。

（4）機艙内設備運行出現抽煙等行爲異常進行報警。

目前風力發電(diàn)機組監控的現狀以及急需解決的問題：

目前風電(diàn)機組監控系統主要使用傳感器采集風電(diàn)機組部件的數據，運維人員(yuán)隻能局部地了解風電(diàn)機組的運行狀态，不能直觀地監視風電(diàn)機組設備運行狀态，限制了運維人員(yuán)對故障作出快速地判斷。而傳統視頻(pín)監測隻能提供圖像的捕獲、存儲和回放(fàng)等簡單功能，很難起到預警和報警的作用，若要保證實時監控異常行爲并及時采取有效措施，就需要監控人員(yuán)一(yī)刻不停地觀看視頻(pín)，這種情況下(xià)，監控人員(yuán)容易疲憊，另外(wài)，随着監控攝像頭的個數增長速度的加快，覆蓋的範圍越來越廣，尤其面對接多路監控視頻(pín)時，很難及時對異常做出反應。

   智安視訊AI智能視頻(pín)圖像監測系統設計方案

1、前端采集部分(fēn)：

在每台風機塔基内部安裝一(yī)個高清攝像頭，可安裝在風電(diàn)機組塔基控制櫃上方，用于監控風機是否有人員(yuán)進入；在每台風機機艙内部安裝兩個高清攝像頭，可将其中(zhōng)一(yī)個安裝在機艙控制櫃上方靠機艙中(zhōng)間位置，另一(yī)個安裝在機艙前上角位置，監控機艙内部及各大(dà)部件運行狀況，如下(xià)圖所示，安裝前可以根據内部設備實際布局對安裝位置進行調整。

                                          風力發電(diàn)機機艙

         風力發電(diàn)機塔基

2、監控中(zhōng)心部分(fēn)：

監控中(zhōng)心作爲整個系統的核心，擔負着整個系統的協調。視頻(pín)監控中(zhōng)心内所有設備需要24小(xiǎo)時不間斷運行，硬件配置應穩定并考慮冗餘，保證實時智能監測的實現。

中(zhōng)心的存儲系統采用磁盤存貯系統，提供較大(dà)的存儲空間，保證系統内所有的監控點最低30天的錄像存儲容量。全部攝像機視頻(pín)資(zī)料要求實時存儲，一(yī)路高清圖像的存儲大(dà)小(xiǎo)，主要是看畫面内的活動量，每路視頻(pín)實際碼率估算存儲容量，結合存儲視頻(pín)時長需要，配置相應數量的存儲設備。

3、智能監測系統設計

整個監測系統可以總體(tǐ)分(fēn)爲數據采集模塊、主體(tǐ)監測系統、報警模塊、異常定位模塊，如下(xià)圖所示。通過數據采集模塊獲取視頻(pín)圖像數據并輸入到主體(tǐ)監測系統，主體(tǐ)監測系統對獲取的圖像進行分(fēn)析監測，通過内部判定模塊選擇是否給報警模塊發送信息，執行異常報警，同時對異常圖像内部異常區域進行定位。

圖7 監測系統示意圖

圖7中(zhōng)藍(lán)線表示監控過程，紅線表示深度學習模型訓練過程，隻在初始監控階段運行。下(xià)面介紹各個模塊功能及運行流程。

1.1.1 數據采集模塊

數據采集模塊由三個攝像頭組成，每個攝像頭對應一(yī)片監控區域。攝像頭靜止不動，在無異常發生(shēng)時，監控區域基本不發生(shēng)變化。

1.1.2 主體(tǐ)監測系統

（1）圖像文件管理模塊

圖像文件管理模塊用去(qù)儲存管理從多個攝像頭獲取的監控區域視頻(pín)，将視頻(pín)轉爲圖像幀。

（2）視頻(pín)圖像讀取模塊

該模塊用于将不同監控區域下(xià)的視頻(pín)流圖像按照時間先後順序分(fēn)别輸入到下(xià)面3個異常監測模塊中(zhōng)。

（3）機倉漏油監測模塊

該模塊用于機倉是否出現漏油。通常情況下(xià)，當齒輪箱底部發生(shēng)滲漏油時，漏油區域的顔色一(yī)般會呈現黃褐色，因此可以基于該顔色特征對齒輪箱滲漏油現象進行識别。首先将輸入的BGR圖像轉變爲HSV圖像。之後在HSV空間中(zhōng)設計目标對應顔色區間，得到HSV圖像中(zhōng)的目标區域。考慮到會存在噪聲區域的幹擾，因此執行形态學處理以獲取更加準确的目标區域掩膜。之後執行按位與操作來獲取BGR空間中(zhōng)的目标區域。考慮到圖像中(zhōng)可能存在與油液相同顔色的物(wù)體(tǐ)，以及通常漏油區域爲較小(xiǎo)的近似圓形區域，通過計算漏油區域的面積以及圓形度大(dà)小(xiǎo)，根據定義的阈值，從而可以判斷機倉是否存在漏油。當出現漏油，則向報警模塊傳遞信息。具體(tǐ)流程圖如下(xià)圖所示。

圖8 漏油監測模塊流程圖

（4）塔筒異物(wù)入侵監測模塊

該模塊用于監測機艙異物(wù)入侵，算法基于三幀差分(fēn)法。塔筒中(zhōng)設置了許多風電(diàn)機組運行必要的線纜和設備，非專業人員(yuán)的進入可能會對線纜設備造成損害，影響機組運行，及時的發現和處理可以有效保護機組設施的安全運行。當存在異物(wù)入侵，獲取的每幀圖像會發生(shēng)較大(dà)的變化，因此爲識别入侵的異物(wù)，可以采用對運動物(wù)體(tǐ)輪廓的提取優于二幀差法的三幀差分(fēn)法。首先通過差分(fēn)操作獲取兩個差分(fēn)圖像，之後需要對差值圖像進行灰度化處理、高斯濾波平滑圖像，去(qù)除噪聲影響；考慮在斜向的光照下(xià)異物(wù)在地面上會産生(shēng)較長的影子，後面采用開(kāi)運算可以有效的去(qù)除光線造成的陰影問題，并且可以去(qù)除離(lí)散較小(xiǎo)的白(bái)點；當非外(wài)物(wù)入侵而造成的白(bái)點較爲集中(zhōng)并且不能有效去(qù)除時，用白(bái)點數目進行阈值判斷，降低誤報概率。最後，提取區域輪廓，利用獲取的最大(dà)輪廓面積來判斷是否存在異物(wù)入侵。當出現異物(wù)入侵，則向報警模塊傳遞信息。具體(tǐ)流程圖如下(xià)圖所示。

圖9 異物(wù)入侵監測模塊流程圖

（5）機艙微火(huǒ)焰監測模塊

該模塊用于檢測機艙微火(huǒ)焰。獲取第n幀和n+1幀圖像，做灰度處理減少圖片信息，提高處理效率；通過高斯濾波去(qù)噪；對處理後的圖像進行差分(fēn)處理，得到兩幀變化部分(fēn)的區域；進行阈值處理得到二值圖像；通過形态學操作進一(yī)步減少噪聲和放(fàng)大(dà)變化區域；ROI區域提取獲得n+1幀的BGR變化區域的圖像；通過分(fēn)析變化區域的顔色直方圖可以得到顔色特征；最後通過判斷顔色特征确定變化區域是否爲火(huǒ)焰，從而達到機艙微火(huǒ)焰檢測功能。具體(tǐ)流程如下(xià)圖所示：

圖10 機艙微火(huǒ)焰監測模塊流程圖

1.1.3 異常定位模塊

該模塊接收判定模塊輸出，用于對确定後的異常圖像進行異常區域定位，模塊将上述生(shēng)成模塊的輸入和輸出做成差分(fēn)圖。之後利用灰度處理、阈值處理、形态學處理等操作尋找異常區域掩膜，然後提取區域輪廓，标記在生(shēng)成模塊輸入的異常圖像上,将标記後的圖像存儲到異常圖像模塊D中(zhōng)，用于人工(gōng)檢查。具體(tǐ)操作如下(xià)圖所示。

圖12 異常定位模塊流程