“十二五”期间，我国风电新增装机容量连续五年领跑全球，累计新增9800万千瓦，占同期全国新增装机总量的18%，在电源结构中的比重逐年提高，风电已成为我国继煤电、水电之后的第三大电源，行业快速发展且未来仍将持续稳定发展。

我国风电成本稳步下降，在一些资源和开发条件较好的地区，陆上风电已经可以不需要补贴。按照政策安排，补贴需求会逐步缩小。鉴于上述趋势产生的资金压力，业主不得不进一步加强建设和生产过程中的精细化管控，实现更为显著的降本增效，使机组更具备经济性和竞争力。

从生产运维角度，仍然存在诸多需要提升之处。开发商主要进行风电场投资，关注电场的整个生命运维周期，却缺乏风电设备核心技术；整机厂商拥有风电设备的核心技术，但只负责保质期内风电机组现场运维工作，风电运维并不是其主要业务；第三方运维企业则专注于风机设备的检修及状态分析，但技术水平参差不齐，服务质量堪忧。

整体而言，从设备角度来讲，缺乏风电机组运行维护的标准；从人员角度来讲，缺乏人员规范化管理和培训标准；从整体运营来讲，业主相对依赖厂家和服务商，由此造成运维、安全管理不当，维修效率低下，更重要的是运维成本增加。然而，运维检修成本又是业主相对所有成本而言，最容易通过自身管理手段和利用新的技术获得快速改善的部分。和新技术广泛推广形成鲜明对比的是作业现场基础设施的落后以及管理方式的传统化，对于生产作业安全管理更是巨大的漏洞。

为了提升风机机组整体的生产安全管控，风场运营在不断地采用大数据、智能视频图像技术，工业红外热成像测温等新兴技术，更全面的反映风机及相关系统实时运行状况，对风机设备的故障诊断与状态预测更好的管理，对进出机组区域人员的作业规范进行实时的监测与监管，如非预估作业时间的人员入侵及抽烟检测等生产作业规范管理。

在大力推进新兴技术实现智慧风电的同时，需要做好基础设施与通讯的搭建，真正完成所有数据的采集、传输并实现实时高效协同工作，实现大数据、物联网和智能分析应用；更需要依托新技术的落地完成管理模式上的变革，让技术为管理服务，也让管理更好地应用技术。

为响应并贯彻国家及集团公司对智慧风电企业建设的要求，坚定不移的推进国家的发展战略，以全面感知、全面数字、全面互连、全面智能为方向，加快标准化、信息化、网络化建设，推进智慧应用在风电企业的生产、经营、管理等各个方面的全面实施，从而提升运维巡检的效率，达到进一步降本增效的目的，实现经济效益、社会效益双丰收，最为重要的是提高整个风机机组的生产作业安全系数。

本项目预期达到如下技术指标：

（1）通过人工智能算法及相关的AI计算单元等硬件，对风机机组机仓漏油现象进行实时的监测预警，并记录时间，抓拍照片，进行事件回放。

（2）机舱在非预设的时间范围，有任何人员进入机舱进行报警，并记录时间，抓拍照片，进行事件回放。

（3）机舱内设备运行出现高温，高于设定的温度范围进行报警。

（4）机舱内设备运行出现抽烟等行为异常进行报警。

目前风力发电机组监控的现状以及急需解决的问题：

目前风电机组监控系统主要使用传感器采集风电机组部件的数据，运维人员只能局部地了解风电机组的运行状态，不能直观地监视风电机组设备运行状态，限制了运维人员对故障作出快速地判断。而传统视频监测只能提供图像的捕获、存储和回放等简单功能，很难起到预警和报警的作用，若要保证实时监控异常行为并及时采取有效措施，就需要监控人员一刻不停地观看视频，这种情况下，监控人员容易疲惫，另外，随着监控摄像头的个数增长速度的加快，覆盖的范围越来越广，尤其面对接多路监控视频时，很难及时对异常做出反应。

   智安视讯AI智能视频图像监测系统设计方案

1、前端采集部分：

在每台风机塔基内部安装一个高清摄像头，可安装在风电机组塔基控制柜上方，用于监控风机是否有人员进入；在每台风机机舱内部安装两个高清摄像头，可将其中一个安装在机舱控制柜上方靠机舱中间位置，另一个安装在机舱前上角位置，监控机舱内部及各大部件运行状况，如下图所示，安装前可以根据内部设备实际布局对安装位置进行调整。

                                          风力发电机机舱

         风力发电机塔基

2、监控中心部分：

监控中心作为整个系统的核心，担负着整个系统的协调。视频监控中心内所有设备需要24小时不间断运行，硬件配置应稳定并考虑冗余，保证实时智能监测的实现。

中心的存储系统采用磁盘存贮系统，提供较大的存储空间，保证系统内所有的监控点最低30天的录像存储容量。全部摄像机视频资料要求实时存储，一路高清图像的存储大小，主要是看画面内的活动量，每路视频实际码率估算存储容量，结合存储视频时长需要，配置相应数量的存储设备。

3、智能监测系统设计

整个监测系统可以总体分为数据采集模块、主体监测系统、报警模块、异常定位模块，如下图所示。通过数据采集模块获取视频图像数据并输入到主体监测系统，主体监测系统对获取的图像进行分析监测，通过内部判定模块选择是否给报警模块发送信息，执行异常报警，同时对异常图像内部异常区域进行定位。

图7 监测系统示意图

图7中蓝线表示监控过程，红线表示深度学习模型训练过程，只在初始监控阶段运行。下面介绍各个模块功能及运行流程。

1.1.1 数据采集模块

数据采集模块由三个摄像头组成，每个摄像头对应一片监控区域。摄像头静止不动，在无异常发生时，监控区域基本不发生变化。

1.1.2 主体监测系统

（1）图像文件管理模块

图像文件管理模块用去储存管理从多个摄像头获取的监控区域视频，将视频转为图像帧。

（2）视频图像读取模块

该模块用于将不同监控区域下的视频流图像按照时间先后顺序分别输入到下面3个异常监测模块中。

（3）机仓漏油监测模块

该模块用于机仓是否出现漏油。通常情况下，当齿轮箱底部发生渗漏油时，漏油区域的颜色一般会呈现黄褐色，因此可以基于该颜色特征对齿轮箱渗漏油现象进行识别。首先将输入的BGR图像转变为HSV图像。之后在HSV空间中设计目标对应颜色区间，得到HSV图像中的目标区域。考虑到会存在噪声区域的干扰，因此执行形态学处理以获取更加准确的目标区域掩膜。之后执行按位与操作来获取BGR空间中的目标区域。考虑到图像中可能存在与油液相同颜色的物体，以及通常漏油区域为较小的近似圆形区域，通过计算漏油区域的面积以及圆形度大小，根据定义的阈值，从而可以判断机仓是否存在漏油。当出现漏油，则向报警模块传递信息。具体流程图如下图所示。

图8 漏油监测模块流程图

（4）塔筒异物入侵监测模块

该模块用于监测机舱异物入侵，算法基于三帧差分法。塔筒中设置了许多风电机组运行必要的线缆和设备，非专业人员的进入可能会对线缆设备造成损害，影响机组运行，及时的发现和处理可以有效保护机组设施的安全运行。当存在异物入侵，获取的每帧图像会发生较大的变化，因此为识别入侵的异物，可以采用对运动物体轮廓的提取优于二帧差法的三帧差分法。首先通过差分操作获取两个差分图像，之后需要对差值图像进行灰度化处理、高斯滤波平滑图像，去除噪声影响；考虑在斜向的光照下异物在地面上会产生较长的影子，后面采用开运算可以有效的去除光线造成的阴影问题，并且可以去除离散较小的白点；当非外物入侵而造成的白点较为集中并且不能有效去除时，用白点数目进行阈值判断，降低误报概率。最后，提取区域轮廓，利用获取的最大轮廓面积来判断是否存在异物入侵。当出现异物入侵，则向报警模块传递信息。具体流程图如下图所示。

图9 异物入侵监测模块流程图

（5）机舱微火焰监测模块

该模块用于检测机舱微火焰。获取第n帧和n+1帧图像，做灰度处理减少图片信息，提高处理效率；通过高斯滤波去噪；对处理后的图像进行差分处理，得到两帧变化部分的区域；进行阈值处理得到二值图像；通过形态学操作进一步减少噪声和放大变化区域；ROI区域提取获得n+1帧的BGR变化区域的图像；通过分析变化区域的颜色直方图可以得到颜色特征；最后通过判断颜色特征确定变化区域是否为火焰，从而达到机舱微火焰检测功能。具体流程如下图所示：

图10 机舱微火焰监测模块流程图

1.1.3 异常定位模块

该模块接收判定模块输出，用于对确定后的异常图像进行异常区域定位，模块将上述生成模块的输入和输出做成差分图。之后利用灰度处理、阈值处理、形态学处理等操作寻找异常区域掩膜，然后提取区域轮廓，标记在生成模块输入的异常图像上,将标记后的图像存储到异常图像模块D中，用于人工检查。具体操作如下图所示。

图12 异常定位模块流程