金风科技杨炯明：慧眼护航海上风电——基于深度学习的风电机组视频感知技术应用

2019年9月7日，在“2019中国新能源高峰论坛”的海上风电新技术和消纳主题论坛现场，新疆金风科技副总工程师杨炯明博士，为大家展开题为《慧眼护航海上风电——基于深度学习的风电机组视频感知技术应用》的主题演讲，主要内容如下：

一、智慧风机

金风科技的智慧风机在基于深度感知和数据融合的自适应智能控制下，布局的深度感知方向，运用200+传感器，800+信号，5大智能系统，5大监控管理平台，对风电机组所处环境、状态、行为的全方位、深层次的感知，通过精准定位，为智慧风电机组的管理和控制提供准确、有效的数据输入，应对不同应用场景需求。达到3大收益——发电量提升、并网友好、可靠性提升。

二、视频感知技术

得益于近几年内人工智能技术的迅猛发展，计算机视觉图像识别技术作为人工智能深度学习的重要应用领域之一，也取得了长足的发展。以人脸识别、无人驾驶等应用场景为例，图像识别作为的一种值得信赖的技术也应用于各行各业之中。这也为在风电行业应用人工智能图像识别技术进行叶片监测打下了坚实的技术基础。其技术方案就是使用摄像头代替人眼，使用图像识别技术代替人脑，使风机像人一样观察叶片、识别故障。

金风科技早于2017年完成风机视频检测系统与布局，开启计算机视觉技术的调研和研发，同步开发多个风机视频监测系统进行产业化推进，通过大量部署风机视频监测系统，积累了超过10T的风电机组运行图像数据，推出多风机视频监测系统产品，对风机进行全方位的视频监测。

风机视频监测系统的核心在于视频感知技术，运用视频感知技术，即应用各种先进传感器对风电机组所处环境、状态、行为的全方位、深层次的感知，通过精准定位，为智慧风电机组的管理和控制提供准确、有效的数据输入，应对不同应用场景需求。基于深度感知和数据融合的自适应智能控制，实现智能风机向智慧风机的转变。

该技术使用摄像头代替人眼，使用图像识别技术代替人脑，使风机像人一样对叶片、轮毂、机舱、塔底等关键零部件进行实时监控，识别故障。金风科技智慧风机的视频感知技术，从宏观、局部、微观三个方面，监测大体结构件的性能和特征变化，感知叶轮系统和机舱系统运行过程中的态势，DIC的应变监测。从而在风电场运维中，通过为机组安装一双双慧眼进行视频及音频监测，实现了对于机组的智能感知，自动、快捷、准确的实现对风电机组进行云平台专家会诊。

下面以视频感知技术下的叶片自适应控制为例讲解。

三、叶片自适应控制

以叶片自适应控制为例，针对叶片在各类应用场景中的环境状态、性能状态、健康状态，运用视频感知技术，完成叶片运行安全保护与叶片运行性能优化，在保障机组正常稳定运行的同时，实现降低机组载荷并提升发电量等功能。

1. 通过视频环境感知与叶片自适应控制实现运行安全保护

使用高清摄像头拍摄叶片运行的画面，通过深度学习神经网络算法对机组运行环境进行识别，可有效识别大雨、大雪、冰雹、雷击等极端气象条件，对于不同气象条件采取相应的控制策略优化：

在暴雨天控制机组收桨从而减小暴雨对于叶片前缘的腐蚀；

在出现雷击天气可以有条件的控制的机组停机从而避免叶片雷击的发生；

在海上发生龙卷风等极端气象条件时，采取紧急控制策略保证机组的运行安全。

2. 通过视频分析塔架净空对气动不平衡自主寻优实现性能优化

通过长期积累的塔架净空值对叶片寿命进行评估。使用计算机视觉技术获取机组运行画面并分析叶片运行模态，测量叶尖形变量，并以三只叶片在同一时刻的叶尖形变量作为基准，判断三只叶片的气动性能。

在同一时刻下，气动外形的差异会导致的叶片形变存在较大差异，发现叶片形变超过理论设计值时则可以判断出机组存在气动不平衡，通过自动调整机组运行参数则可以修正叶片气动不平衡，降低机组的载荷并提升发电量和降低机组疲劳损伤。

3.通过视频感知深度学习实现叶片健康状态评估

汇总并记录在各个风速段下的塔架净空值，分析塔架监控值与风速的关系及各叶片间塔架净空值的差值，并自动生成相应的监测报告。当发现出现塔架净空值与历史数据趋势发现较大差异时，可以此为依据判断叶片内部结构出现损伤。在叶片出现结构性损伤会引起净空的不断减少，当净空达到危险阈值后触发机组停机，避免机组更严重的损伤从而大大减小机组运维成本；

同时，使用高清摄像头拍摄叶片运行的画面，通过深度学习神经网络算法对叶片故障机型识别，可以及时发现叶片结冰、开裂、雷击等损伤，及时报警避免失效恶化，降低海上机组运维成本与机组质量损失。

四、总结

金风科技通过全局的视频感知技术，给风机装上一双慧眼，让智慧风机助力海上风电，实现真正意义上的慧眼护航。