內蒙古華電蒙東能源有限公司 李清東 中國電力設備管理協會人工智能專委會 李向榮 李杰浩
隨著中國新能源的迅速發展,風電作為新能源主力軍,機組數量多、故障多、地處偏遠、環境惡劣、人員少等突出特點給風電場的管理帶來難度,主要存在機組事故頻發、大部件損壞嚴重、管理成本高、盈利難等問題。
在傳統的電廠巡檢中,巡檢過程中會遇到以下幾大難點:
巡檢的難點 人工智能解決方案巡檢疏漏避免難 通過AI人工智能系統時刻智能提醒疏忽巡檢點巡檢情況記錄難 通過IOT物聯網智能記錄巡檢記錄及數據過程巡檢操作規范難 通過AR眼鏡把當前問題與專家模擬系統同步解決數據孤立等問題 大數據平臺把集團及各大集控中心一體化云平臺工作手冊記憶難 通過AR眼鏡隨時隨地實時查看解決當前問題
針對風電管理難題,編制風電機組智能巡檢方案,通過大數據、物聯網、人工智能等先進的技術手段,減少人員巡檢工作量,提高風電機組智能巡檢效率和質量,避免機組因巡檢不到位導致重大事故,通過風電機組智慧化巡檢達到巡檢風電機組全覆蓋,巡檢周期全覆蓋,巡檢項目全覆蓋。
避免發生風電機組倒塔、飛車、著火、葉片掉落等重大事故。
實現風電機組的實時狀態監測和自動檢查,系統發現異常自動報警;安裝輔助維護裝置,能夠根據現場實際狀態實現自動維護,減少設備故障時間,提高設備壽命。
減少現場檢修人員的登塔次數,大大減輕現場檢修巡檢工作量,減少了人員安全隱患。
全面實現風電機組的無人智能巡檢。
以雙饋風電機組為例,風電機組智能巡檢項目主要分為機械部分和電氣部分,機械部分包括葉片、輪轂、齒輪箱、聯軸器、制動器、發電機、水冷系統、主機架、偏航系統、塔筒、罩體、加熱器;電氣部分包括機艙控制柜、偏航系統、變槳系統、發電機系統、塔筒內電纜、塔基柜、接地檢查、制動器、安全鏈測試、急停測試。
風電機組的巡檢周期一般分為三個月、半年、一年三個周期,三個月維護檢查項目為機組投運后三個月內檢查維護,半年維護及全年維護為機組投運開始每半年及一年進行的維護項目。機組定期檢查主要以半年檢查為主,主要是螺栓檢查、力矩抽檢、間隙測量等。
3.3 風電機組巡檢部位和巡檢手段
風電機組的巡檢重點在機艙內部和機艙外部,機艙內部主要包括電氣系統、機械系統,機艙外部主要是葉片。電氣系統重點關注電氣設備的溫度、電壓、電流、頻率等指標,機械系統重點關注油溫、油位、振動等指標。巡檢方法為目視、聲音、測量、檢測等。
風電機組巡檢的主體包括風電機組外部巡檢及機艙內部巡檢
風電機組外部部分:外觀檢查包括塔筒、機艙、漿葉,觀察外壁是否有裂痕,漆面是否脫落,是否有雷擊放電痕跡,是否有油污。
風輪部分:旋轉聲音是否異常,如果從其內部發出咔噠咔噠的聲音則需重新檢查外觀,這種情況可能是雷擊損壞造成。
塔筒門鎖及通風口:檢查門鎖是否正常,通風孔有無損壞。
檢查需重點關注漿葉等運動部位的潤滑情況,總體的監測方式,計劃采用無人機+紅外攝像+AR眼鏡實現智能巡檢來實現。
利用多旋翼無人機型起降模式方便、空中懸停等優勢,可將紅外攝像機方便地帶到風電機組的各個外部位置,從而實現對風電機組外部全方位視角的拍攝。
通過無線傳輸系統(無人機上紅外攝像到巡檢人員佩戴的AR眼鏡),將拍攝的風電機組外部情況實時的在AR眼鏡中顯示。
通過AR眼鏡的工作輔助系統(物體識別)對實時影像數據中的風電機組外部部件進行智能識別,對識別出來的設備與正常形態進行比對,分析是否有裂痕,漆面是否脫落,是否有雷擊放電痕跡,是否有油污等,從而輔助巡檢人員有效準確地進行巡檢。
風電機組機艙部分:電氣部分主要是通過電氣設備的后臺數據進行實時采集、監測、對比,重點關注電氣設備的運行環境溫度、電壓、電流、頻率等指標,機械部分主要監測軸承部分的油溫及油位。
重點關注軸承等運動部位的潤滑情況,總體的監測方式,計劃采用如下方式進行:
在機艙頂部兩邊橫梁位置各安裝一套設備,通過網線接入交換機,將交換機放在現場機艙內部機柜當中,在通過光纖收發器將現場信號通過光纖傳輸到后臺監控中心,實現監控中心對現場風機齒輪箱和發電機的實時監測。
對于輪轂內以及機艙上巡視不到的位置,采用人工輔助的形式,利用頭盔式可視化風電巡檢系統是一套遠程無線視頻監控系統,采用攝像機拍攝的視頻圖像遠距離傳輸到集控中心和管理中心,使主站的運行管理人員可以借此對風電機組電氣設備的運行環境進行監控,以保證風電機組的安全運行和安全生產。
通過在風電場搭建全網覆蓋,為設備的萬物互聯提供條件,將各種監視、監測數據上傳至風電場管理云平臺,云平臺信息智能處理后,將治愈調節信息發送到機組的智能輔助調節設備,智能輔助調節系統對機組實施治愈調節功能,實現風電機組的智能化自愈調節。
以往信息平臺從風電機組采集大量無規律數據,巡檢及集控中心人員每天需面對上千張圖片及上萬條參數信息,單靠人的眼睛和大腦無法處理這多風電機組及海量數據,將這一繁重工作交給高性能計算機,智慧巡檢機器人平臺通過對全球風電機組及各種復雜模型的深度學習,變成更聰明的“超人機器人”,機器人代替人工的數據分析,智慧提供解決方案,模擬仿真及輔助決策。
風場各設備的萬物互聯,實現設備統一在云平臺上的綜合管理,實現風電場設備運行、檢修維護、物資的綜合智能高效率管理,真正達到風電場的智慧管理。