无人值守的风力发电运维管理方法及系统技术方案

本发明专利技术公开了一种无人值守的风力发电运维管理方法及系统，其包括建立与预搭建机器值守系统的通讯连接；其中，机器值守系统包括在无人机和/或无人船艇系统以及现场视频监控系统；获取机器值守系统反馈的监察数据；基于监察数据执行风机及风机关联设施的缺陷智能识别，并结合时间参数产生智能识别报告；根据预设的事件分类标准对智能识别报告做事件分类，确定所属事件类别，并结合时间参数产生历史事件分类数据；以及，导入预设的预测评估模型做风电场的事件预测，产生预警提示数据。本申请具有改善海上风电场无人值守的主动性的效果。具有改善海上风电场无人值守的主动性的效果。具有改善海上风电场无人值守的主动性的效果。

【技术实现步骤摘要】
无人值守的风力发电运维管理方法及系统


[0001]本申请涉及风力发电无人运维
，尤其是涉及一种无人值守的风力发电运维管理方法及系统。

技术介绍

[0002]我国部分省份海上风电资源丰富，如广东，近海海域风能资源理论总储量约为1亿千瓦，是可再生能源中具有较大规模化发展潜力的领域。
[0003]随着海上风电建设规模的增加，海上运维市场也将不断增长，运维能力、运维规模、运维模式都会有很大的增长。
[0004]海上风电场的安全面临来自空中、水面、水下等多方位的压力，主要有海上风电场环境信息难以掌握，运维手段受海上环境限制局限于运维船、直升机以及运维人员，维护模式仍以定期维护和故障检修的“被动式运维”为主，缺乏有效的、具备可操作性的规范。
[0005]公开号为CN111459189A的专利一种基于自动机巢的离岸常驻式海上风电无人机全自主巡检系统，系统包括前端数据采集系统及后端数据管理及处理系统。所述前端数据采集系统包括前端无人机—自动机巢硬件平台及前端集控平台；所述前端无人机—自动机巢硬件平台与现有海上风电场风机良好结合，在接收前端集控平台所下达的指令后，可以实现海上风电机组外观的无人机自动起降、自动充换电、自动飞行以及自动巡检等功能。
[0006]公开号为CN111640220A的专利一种用于海上风电场的无人船巡检系统及其工作方法，包括无人船终端、岸基基站和远程指挥中心；无人船终端包括控制系统、供电模块、动力系统、声呐成像巡检设备、运动检测模块和通讯模块，控制系统分别与供电模块、动力系统、声呐成像巡检设备、运动检测模块和通讯模块连接；无人船终端通过通讯模块与岸基基站通信互联，岸基基站与远程指挥中心通信互联。提高了船只的空间和能源使用效率，降低了船员的时间投入和风险投入，能够实现运检计划的智能调度管理，将现有的人工检测、定期维护和故障检修的“被动式运维”模式，提升为基于状态检修的“主动式运维”模式。
[0007]上述内容提供了以无人机、无人船改善海上风电运维便捷性的方案，但是其存在以下缺陷：故障及安全事件大多为事后性察觉，“主动性相对不佳”，因此本申请提出一种新的技术方案。

技术实现思路

[0008]为了改善海上风电场无人值守的主动性，本申请提供一种无人值守的风力发电运维管理方法及系统。
[0009]第一方面，本申请提供一种无人值守的风力发电运维管理方法，采用如下的技术方案：一种无人值守的风力发电运维管理方法，包括：建立与预搭建机器值守系统的通讯连接；其中，机器值守系统包括在无人机和/或无人船艇系统以及现场视频监控系统；
获取机器值守系统反馈的监察数据；基于监察数据执行风机及风机关联设施的缺陷智能识别，并结合时间参数产生智能识别报告；根据预设的事件分类标准对智能识别报告做事件分类，确定所属事件类别，并结合时间参数产生历史事件分类数据；以及，导入预设的预测评估模型做风电场的事件预测，产生预警提示数据。
[0010]可选的，所述预测评估模型设置为基于马尔科夫链处理历史时间分类数据生成。
[0011]可选的，还包括：执行预测响应进程；所述预测响应进程包括：发送预警提示数据至指定终端，并获取终端的反馈数据；识别反馈数据，判定是否执行无人预巡检动作，如果是，则基于发电场的实况做差异化分析处理，产生实时分析数据；如果否，则以t1为时间周期再次发送预警提示数据，直到预警提示数据对应的事件出现或接收到匹配的人工介入反馈数据。
[0012]可选的，所述差异化分析处理包括：调用实时时间节点前t2时间的预连接的风电场天气监测系统的环境数据，并获取实时时间节点后t3时间的在网天气预测信息；判定环境数据、在网天气预测信息中是否出现风险标准环境，如果是，则统计风险次数和持续时间，确定风险级别，产生风险记录；判断风险记录是否超出阈值，如果是，则输出安全差值报告。
[0013]可选的，所述差异化分析处理包括：获取预建立连接的风力发电场的风机状态监测数据；以及，比对同一发电场的各个风机的状态参数，产生状态差值报告。
[0014]可选的，所述差异化分析处理还包括：发送无人预巡检指令至机器值守系统，且当安全差值报告或状态差值报告符合条件库中的预设风机机组停机条件，则发送机组停止指令至风力发电场的机组。
[0015]可选的，所述无人预巡检指令从预巡检指令库调取，且预巡检指令库中建立各个无人预巡检指令 与预警提示数据对应的事件的一一对应关系。
[0016]可选的，所述差异化分析处理包括：调用预上传的风机的维修记录；其中，维修记录包括维修时间、位置、人员及修复后图像；以及，基于监察数据，比对历史维修位置的实时状态和修复后图像。
[0017]第二方面，本申请提供一种无人值守的风力发电运维管理系统，采用如下的技术方案：一种无人值守的风力发电运维管理系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上所述无人值守的风力发电运维管理方法的计算机程序。
[0018]综上所述，本申请包括以下至少一种有益技术效果：本方法不仅仅可以通过无人值守设备方便海上风机发电场的运维工作，还可以通过分析历史数据，在事件发生之前做预测，以提前做好维护，减少风机缺陷可能引发的经济损失等。
附图说明
[0019]图1是本申请的架构示意图；图2是本申请的方法流程示意图；图3是本申请的叶片缺陷识别模型示意图；图4是本申请的实施例所述的风力发电机状态监测软件的运行示意图。
具体实施方式
[0020]以下结合附图1
‑
4对本申请作进一步详细说明。
[0021]本申请实施例公开一种无人值守的风力发电运维管理方法，其一方面用于结合目前日益成熟的海洋无人船艇调查技术手段，填补国内海上风电场风电机组基础周边海域地形地貌及海底地质情况的巡检技术手段的空白；另一方面用于在现有的无人机平台选型基础上，构建海上无人机智能巡检系统，自主识别风机表面缺陷，确保风机运行安全；用户可以通过无人船艇与无人机平台搭载的光电设备、定点的光电、AIS与雷达等设备，构建海上风电场周边环境自主感知的智能系统。采用AIS与光电等多源信息融合的方式检测目标并进行数据增强显示，通过光电数据智能识别船舶目标舷号字符，及时识别危险目标，维护海上风电场运行安全。
[0022]对于辅助本方法使用的无人船艇和无人机而言，其可以做如下配置：其中，无人船艇：a)、续航时间6小时及以上；b)、工作航速4节以上、最高航速6节以上；c)、3级海况可作业、4级海况可生存；d)、具有对水面大型障碍物自动避障功能；e)、具有对海上风电机组海域自动完成巡检的功能，集成多波束测深仪、浅地层剖面仪等调查设备，能自动采集勘察数据。
[0023]无人机：a)、无人机平台有效载重＞6kg，续航时间＞50min，操控距离＞10km，抗风能力6
‑
7级，能在移动平台全自主起降；b)、根据巡检需求可集成可见光相机、红外相机等传感器，具有抛投应急及救生设备的功能；c)、具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人值守的风力发电运维管理方法，其特征在于，包括：建立与预搭建机器值守系统的通讯连接；其中，机器值守系统包括在无人机和/或无人船艇系统以及现场视频监控系统；获取机器值守系统反馈的监察数据；基于监察数据执行风机及风机关联设施的缺陷智能识别，并结合时间参数产生智能识别报告；根据预设的事件分类标准对智能识别报告做事件分类，确定所属事件类别，并结合时间参数产生历史事件分类数据；以及，导入预设的预测评估模型做风电场的事件预测，产生预警提示数据。2.根据权利要求1所述的无人值守的风力发电运维管理方法，其特征在于：所述预测评估模型设置为基于马尔科夫链处理历史时间分类数据生成。3.根据权利要求1所述的无人值守的风力发电运维管理方法，其特征在于，还包括：执行预测响应进程；所述预测响应进程包括：发送预警提示数据至指定终端，并获取终端的反馈数据；识别反馈数据，判定是否执行无人预巡检动作，如果是，则基于发电场的实况做差异化分析处理，产生实时分析数据；如果否，则以t1为时间周期再次发送预警提示数据，直到预警提示数据对应的事件出现或接收到匹配的人工介入反馈数据。4.根据权利要求3所述的无人值守的风力发电运维管理方法，其特征在于，所述差异化分析处理包括：调用实时时间节点前t2时间的预连接的风电场天气监测系统的环境数据，并获取实时时间节点后t3时间的在网天气预测信息；判定环境数据、在网天气预测信息中...

【专利技术属性】
技术研发人员：刘达荣，聂旭清，
申请(专利权)人：广东邦鑫数据科技股份有限公司，
类型：发明
国别省市：