一种智能风电巡检视频监测方法技术

本发明专利技术涉及一种风电机组的实时状态监测检查的方法，具体是一种智能风电巡检视频监测方法，其特征是，包括如下步骤：S1，采用一个或多个高清摄像设备对风电机组实时录制视频；S2，将视频传输至图形算法工作站；S3，通过工作站中实现的机器视觉算法准确识别出风机控制柜、SVG控制柜、GIS汇控柜、主变油枕、温湿度仪等各个部分的仪表、指示灯；S4，监测到超过状态异常以后，及时发出报警，并推送到移动端显示。本发明专利技术能实现风电机组的实时状态监测和自动检查，系统发现异常自动报警，大大减轻现场检修巡检工作量，减少了人员安全隐患。

An intelligent video monitoring method for wind power patrol inspection

【技术实现步骤摘要】
一种智能风电巡检视频监测方法
本专利技术涉及一种风电机组的实时状态监测检查的方法，具体是一种基于深度学习卷积神经网络的智能风电巡检视频监测方法。
技术介绍
随着中国新能源的迅速发展，风电作为新能源主力军，机组数量多、故障多、地处偏远、环境恶劣、人员少等突出特点给风电场的管理带来难度，主要存在机组事故频发、大部件损坏严重、管理成本高、盈利难等问题。在传统的电厂巡检中，巡检过程中会遇到以下几大难点：巡检疏漏避免难、巡检情况记录难、巡检操作规范难、数据孤立问题。风电机组的巡检重点在机舱内部和机舱外部，机舱内部主要包括电气系统、机械系统，机舱外部主要是叶片。电气系统重点关注电气设备的温度、电压、电流、频率等指标，机械系统重点关注油温、油位、振动等指标。现有技术中，机舱内部的巡检方法为人工巡检，通过目视、声音、测量、检测等，而电气部分主要是通过电气设备的后台数据进行采集，但是由于巡检的时间间隔较长，监测传感设备出现异常之后，不能通过的手段及时发现，易造成重大事故。
技术实现思路
本专利技术提供一种智能风电巡检视频监测方法，其能实现风电机组的实时状态监测和自动检查，系统发现异常自动报警；安装辅助维护装置，能够根据现场实际状态实现自动维护，减少设备故障时间，提高设备寿命。减少现场检修人员的登塔次数，大大减轻现场检修巡检工作量，减少了人员安全隐患。全面实现风电机组的无人智能巡检，避免发生风电机组重大事故。本专利技术具体采用的技术方案是：一种基于深度学习卷积神经网络的智能风电巡检视频监测方法，其特征是，包括如下步骤：S1，采用一个或多个高清摄像设备对风电机组实时录制视频；S2，将视频传输至图形算法工作站；S3，通过工作站中实现的机器视觉算法准确识别出风机控制柜、SVG控制柜、GIS汇控柜、主变油枕、温湿度仪等各个部分的仪表、指示灯；(1)对输入的图片数据进行标注，对我们要图片上对要仪表、指示灯进行位置标定，提取出来左上角和右下角的坐标(X1,Y1,X2,Y2)；(2)对图片进行卷积和池化的处理(相当于对图片进行压缩)，仪表、指示灯等随着图片的不断压缩，变成较小的几个像素，体现出仪表、指示灯等在被压缩之后的独有像素特征，这样不同类别的仪表、指示灯，在被压缩之后就更加容易区分出来；(3)根据不同仪表、指示灯等的标签以及其在压缩后的像素层级上的特征进行标签坐标的回归，找到仪表、指示灯等的位置；(4)通过坐标损失方程，不断的迭代，进行参数的优化调整，使我们的LOSS方程的值降到最小，坐标损失方程如下所示：(5)最后把待测仪表、指示灯等的图片输入训练好的模型进行识别，找出仪表、指示灯的位置。(6)对识别出的指示灯转化为HSV色彩空间，在HSV色彩空间进行不同颜色指示灯和不同指示灯的明灭状态进行区分，一旦发现指示灯与正常作业下的状态不符合，就进行报警状态提示；(7)对识别出的仪表进行旋转角度的识别，利用轮廓检测的方法进行开关轮廓的检测，然后推算出开关当前位置旋转角度，一旦发现开关的现有状态档位与正常作业下的状态不符合，就进行报警状态提示。S4，监测到超过状态异常以后，及时发出报警，并推送到移动端显示。本专利技术基于深度学习卷积神经网络的方法结合视频监测技术，实现对风力发电机运行状态的监测，该监测方法通过高清网络摄像机对仪表、指示灯状态监测，准确判断判断设备的运行状态，如果设备状态发生异常，及发出报警，并推送给相应工作人员，及时处理，防止安全事故发生。与现有技术相比，本专利技术的有点在于：1)本专利技术采用非接触式检测方法，检测设备不会遭受碰撞、磨损，不会受极端天气影响，降低消耗成本，提高检测实时性。2)本专利技术可以通过高清网络摄像机对深度学习卷积神经网络的方法结合视频分析技术，实现对风力发电机运行状态的监测，准确判断设备的运行状态，一旦检测到设备异常进行实时报警。3)风机设备状态减少异常发生，不但有利于安全生产，更能取得较大的经济效益。4)以视频分析为基础的风机设备异常状态监测系统，结构紧凑、集成化程度高，可代替传统人工巡检，大大减少现场巡检力度，节省了大量人力，降低远距现场巡检的工作强度。附图说明图1是本专利技术监测方法的流程框图；图2是本专利技术卷积神经网络结构示意图。具体实施方式如图1所示，本专利技术的方法是通过高清摄像设备对风电机组实时录制视频，然后将视频传输至图形算法工作站，工作站中通过机器视觉算法准确识别设备状态，如果监测到超过状态异常以后，及时发出报警。如图2所示，本专利技术的方法是通过，对仪表、指示灯等图片进行卷积和池化(相当于对图片进行压缩)，仪表、指示灯等随着图片的不断卷积，体现出仪表、指示灯等在被压缩之后的独有像素特征，这样不同类别的仪表、指示灯，在被压缩之后就更加容易区分出来；然后根据不同仪表、指示灯等的标签以及其在压缩后的像素层级上的特征，利用全连接进行标签坐标的回归处理，找到仪表、指示灯等的位置坐标，输出层输出检测到的仪表、指示灯的位置坐标信息。本文档来自技高网...

【技术保护点】
1.一种智能风电巡检视频监测方法，其特征是，包括如下步骤：/nS1，采用一个或多个高清摄像设备对风电机组实时录制视频；/nS2，将视频传输至图形算法工作站；/nS3，通过工作站中实现的机器视觉算法准确识别出风机控制柜、SVG控制柜、GIS汇控柜、主变油枕、温湿度仪等各个部分的仪表、指示灯。/n

【技术特征摘要】
1.一种智能风电巡检视频监测方法，其特征是，包括如下步骤：
S1，采用一个或多个高清摄像设备对风电机组实时录制视频；
S2，将视频传输至图形算法工作站；
S3，通过工作站中实现的机器视觉算法准确识别出风机控制柜、SVG控制柜、GIS汇控柜、主变油枕、温湿度仪等各个部分的仪表、指示灯。


2.根据权利要求1所述的智能风电巡检视频监测方法，其特征是，S2步骤所述的机器视觉算法为基于深度学习卷积神经网络的机器算法。


3.根据权利要求1所述的智能风电巡检视频监测方法，其特征是，S3步骤所述的识别方法包括如下步骤：
(1)对输入的图片数据进行标注：图片上对要识别的仪表、指示灯进行位置标定，提取出来左上角和右下角的坐标(X1,Y1,X2,Y2)；
(2)对图片进行卷积和池化的处理，仪表、指示灯随着图片的不断压缩，变成较小的几个像素，体现出仪表、指示灯在被压缩之后的独有像素特征，这...

【专利技术属性】
技术研发人员：姜浩，张瑞香，刘洪志，
申请(专利权)人：华电山东新能源有限公司莱西分公司，
类型：发明
国别省市：山东;37