淺析水輪發電機風洞智能感知巡檢系統

宋訓利，朱 保,王 新

（雅礱江流域水電開發有限公司，四川 成都 610051）

0 前言

2015年國家發改委、能源局發布《關于促進智能電網發展的指導意見》，短短幾年時間，智能電網在我國高速發展。作為智能電網建設的關鍵環節，智能巡檢系統的建設同樣也迎來了發展機遇期。目前智能巡檢主要應用于變電站以及輸電線路，主要采用機器人代替人工巡檢的方式。機器人巡檢在視覺處理、距離測量、數據記錄存儲、傳輸等方面具有顯著優勢，能夠依托自身的技術特點替代人工完成大量工作，采用替代人工進行電力巡檢作業[1]。

除了電網智能化，電力行業同樣開啟了智能水電站建設的新征程。智能水電站的建設涉及方方面面，既涉及電力生產設備，也涉及管理，同時也涉及電力生產服務的輔助系統。水電站由于環境復雜，當前國內外智能巡檢系統均處于理論研究階段，應用實例不多。發電機風洞歷來是水電站巡檢的重點區域，設備類型多，運行風險高，是事故隱患的高發區域，極易發生漏水、漏油、冒煙、異常發熱、異味、甚至起火等事件；此外發電機風洞內設備布置緊湊，過道狹窄且崎嶇不平，人員頻繁進入風洞檢查不僅容易發生絆倒、磕碰傷害，還容易因絆倒誤碰設備引發設備誤動、人員觸電風險。本文選取發電機風洞為背景，以智能元素探索研究全天候感知發電機風洞智能巡檢，為水電站智能化提供思路。

1 發電機風洞巡檢現狀

為保證發電廠機組的安全穩定運行，日常巡檢是必不可少的項目，水輪發電機風洞是重要的巡檢部位。發電機風洞內設備主要為發電機及其附屬設備，設備種類繁多，結構類型復雜，噪音大，工頻電磁場輻射強，對巡檢人員責任心要求高，人工巡檢不僅費時費力，還威脅巡檢人員身體健康。且當前水電站風洞巡檢內容較多，如表1所示。

由于巡檢內容多，風洞內設備繁雜無序，因此水電站發電機風洞巡檢作業涉及較多風險因素和管理問題，主要包括：

（1）當前國內水電站的風洞主要采用人工巡檢，由于巡檢時間和次數的限制，無法保證在設備出現異常時第一時間發現和處理，滿足不了實時監控、實時預警的要求。

（2）由于現場環境復雜，噪音大，設備設施多，油、水管道交織，依靠定期人工巡檢，一些異常現象仍有可能被疏漏，無法被有效發現，例如油、水等液體跑冒滴漏、放電、局部發熱、異音、異味和絕緣損壞。

（3）風洞內空間狹窄，地面有孔洞、油污，巡檢人員勞動強度大，面臨高溫、電磁輻射、碰撞等風險。

（4）人工巡檢記錄，通常采用打點記錄或紙質記錄的方式，滿足不了現場巡檢數據的實時無間斷傳達要求。

總體而言，發電機風洞巡檢涉及的風險因素和管理問題主要包括問題發現滯后、人員勞動強度大，不能實時傳達異常情況，人工巡檢不能保證所有設備巡檢到位，所有異?，F象均能發現。

表1 人工巡檢一覽表

2 功能需求分析

水電站風洞智能巡檢系統應具備全天候24 h實時巡檢功能，提前發現設備異常，及時發出報警信號，綜合給出建議，提升機組運行可靠性和機組等效可利用系數，降低機組非計劃停運率。水電站風洞智能巡檢系統應具備以下功能。

2.1 液體“跑、冒、滴、漏”識別

發電機風洞內布置了許多油、水管路，因此發電機風洞智能巡檢系統應具備液體“跑、冒、滴、漏”識別能力。

2.2 發電機部件異常發熱識別

發電機風洞智能巡檢系統應能對一次設備關鍵部位全天候測溫，進行數據保存與后臺趨勢分析，為故障判斷預測提供幫助。

2.3 局放監測

發電機風洞智能巡檢系統應能全天候檢測到風洞內電氣設備局部放電情況，對異常狀態立即進行報警，提示檢修人員到現場進行維護。

2.4 異味監測

發電機風洞密閉的環境，異味往往表現在：

（1）電氣設備或電纜絕緣破壞后發熱燒損引起的異常焦糊味；

（2）油槽異常滲油的異常油味。

因此，發電機風洞智能巡檢系統應具備識別焦糊味和異常油味等功能。

2.5 異音監測

發電機風洞內的異音主要表現在：

（1）機組的異常振動，發電機轉子與定子等部件間的刮擦；

（2）風洞內油泵電機的異常運行聲音等，如高壓油泵、推力外循環油泵等；

（3）發電機故障或異常運行時發出的異常電磁聲。

因此，發電機智能巡檢系統應具備異音監測的功能。

2.6 煙霧監測

發電機風洞內如發生著火或者線路絕緣皮燒損，則可能產生煙霧。因此發電機風洞智能巡檢系統應具備煙霧監測報警功能。

2.7 閥門、儀表狀態識別

發電機風洞內布置了眾多閥門以及儀表。因此發電機風洞智能巡檢系統應具備閥門、儀表狀態識別能力。

3 風洞智能巡檢系統結構淺析

在智能電網建設探索的道路上，大部分采用機器人智能元素代替人工巡檢，并第一時間將巡檢采集信息傳輸至后臺管理系統存儲并供運行人員分析實驗。但對樓層多、設備高低不一、可視化參差不齊、空間有限等特點的水電站發電機風洞而言，機器人巡檢的應用存在一定的局限性。它僅能代替人的勞動和確保信息的及時性，它的工作具有間斷性，存在時間死區，不能實現全天候實時感知設備和環境的變化，更不能第一時間發現設備和環境發生的變化，時效性差。對電力生產來說，控制事故發生的關鍵是及時發現異?，F象，及時有效處置，防止異常發展演變成事故。因此智能巡檢機器人不適用于風洞智能巡檢系統。

隨著攝像機技術的發展，當前專業攝像機已將傳感技術、紅外熱成像技術、移動感知技術等高新技術高度集成，并且這類專業攝像機已經充分應用到工業電視領域。同時，工業電視具備全天候實時感知功能更符合水電站發電機風洞運行要求，符合其特殊的環境。

基于此，水電站風洞智能巡檢系統信息采集宜采用由布置在上下風洞的多個固定高清攝像頭、紅外攝像機、環境傳感器單元組成的終端信息采集系統。再加上通信單元，集中控制中心，智能決策系統以及終端計算機共同組成風洞智能巡檢系統。

圖1 智能巡檢系統圖

3.1 終端信息采集系統

本系統主要包括可見光高清防抖攝像頭、紅外攝像機、煙感探頭、聲學識別傳感器、MEMS氣味傳感器等數據采集裝置，布置在上下風洞內部，負責收集風洞內各項數據指標以及信號，包括視頻、音頻、煙霧、溫度等。

3.2 集中控制中心和智能決策系統

集中控制中心和智能決策系統布置在云服務器內，集中控制中心主要負責將終端信息采集系統的圖像視頻、溫度信號、聲音信號、氣體信號進行收集存儲和預處理分析，根據設定的閾值實現預報警。智能決策系統，集合智能AI視覺、聽覺、觸覺、嗅覺識別系統，實現“跑、冒、滴、漏”、火花、放電、異音、異常發熱、異味缺陷識別，綜合判斷，發現設備缺陷規律，提前判斷設備異常狀態，將分析結果通過無線通信方式傳送至終端計算機[2]。

另外，可設置手動和自動兩種模式，在手動模式下，需手動關閉發電機風洞照明系統，通過圖像視頻拍攝，捕捉火花、放電等異?，F象，相應保護裝置和消防裝置動作均需手動確認，確保保護和消防裝置動作的正確性。在自動模式時，能定期關閉發電機風洞照明系統，通過圖像視頻拍攝，捕捉火花、放電等異?，F象，相應的保護裝置和消防裝置均直接動作，有利于限制事故的發展。

3.3 終端計算機

終端計算機布置在中控室，同時還應顯示在第三方平臺監控系統簡報窗口中，智能決策系統和集中控制中心將處理結果上送至終端計算機，終端計算機上能實時顯示巡檢結果報警信息。此外，在終端計算機上還可完成風洞設備巡檢數據的趨勢分析，自動形成報表導出。

3.4 通信單元

各傳感器通過局域網連接，實現數據的收發、校驗、解析。

圖2 智能巡檢系統硬件拓撲圖

4 關鍵技術要點

4.1 圖像智能識別技術

發電機風洞智能巡檢系統搭載高清可見光攝像頭，對運行設備進行實時拍攝監視，利用圖像模式識別技術，通過拍攝照片，經過處理完成設備運行狀態的初步識別與判斷。當前可實現的主要識別類型包括：表計讀數、指示燈狀態、閥門機械指示位置等[3]。

4.2 視頻智能識別技術

視頻智能識別技術主要用來檢測設備、傳輸管道和閥門故障，如管道或閥門液體泄漏，以及局部放電[4]、現場明火等異常事件。與圖像智能識別技術不同，視頻智能識別技術在設備運行的一段時間內，通過設備產生的一系列變化，來判別是否發生故障。

圖像智能識別技術主要通過單張圖像判斷是否發生故障，判據較為單一，可能存在偶然情況，因此可能出現漏報誤報。視頻數據智能識別的優勢在于其判別依據中加入了時間維度，通過對比設備的狀態變化，達到實時監測設備的目的。

該技術采用可旋轉可見光攝像頭采集設備運行狀態視頻，進行兩級處理。信息采集系統采集到設備的視頻數據后，對數據進行一系列濾波處理，濾除大部分無關視頻。隨后對連續視頻序列圖像數據幀與背景圖像進行幀差圖像比對，當通過設定適當的閾值TH，得到閾值分割圖像[5]。如式（1）：

當差分結果大于閾值時，則判定為異常狀態；當差分結果小于閾值時，則判定為正常狀態。同時將一定時間內的視頻數據幀重新定義為背景視頻，如此往復進行。具體數據處理流程如圖3所示。

圖3 視頻智能識別技術原理圖

此外，還可采集7×24 h以上的正常工作現場視頻數據，用于AI監測模型的訓練，分類識別，建立特征量，構建AI監測模型,實現多種異常事件的同步、精確檢測和識別[6]，提高智能化識別水平。視頻識別技術用于局部放電缺陷識別時，此時應在發電機風洞照明系統關閉的情況下獲取視頻數據，進行智能識別。

4.3 紅外熱成像技術

紅外圖像溫度識別技術目前已較為成熟，其原理為通過物體的紅外輻射強度實現對設備的測溫。智能巡檢系統搭載紅外攝像機，拍攝電氣設備的紅外圖像，自動獲取設備實時溫度，進行智能AI分析識別，實現風洞內有關電氣設備的溫度報警和趨勢分析[6]。

4.4 異味智能識別技術

長期運行的電氣設備因為元件老化故障或短路過載造成電氣元件不正常，散發焦糊味甚至燃燒損毀，而這些焦糊味道的來源主要是絕緣橡膠塑料、線圈繞組的絕緣漆等物質在高溫下分解出的烴類及苯類的混合氣體。系統可搭載MEMS陣列氣體傳感器，通過信號采集處理電路，將氣體及濃度信息轉化為電信號，利用智能AI嗅覺算法，分析確定氣味的類別。

4.5 異音智能識別技術

異音智能識別技術收集正常機組在不同工況下的各設備音頻，進行機器學習和集中訓練，得到機組正常工況下的音頻標準庫。機組實際運行中，通過嵌入式聲學識別傳感器實時捕捉設備音頻，根據音頻標準庫進行模式識別，同時還可以根據實際需要實現聲音重現。當識別的聲音特征與標準庫音頻不一致時，將視作異常聲音，發出報警，提醒運行人員現地檢查確認[7]。

5 不足

5.1 智能巡檢系統誤報率高

當前水電站智能巡檢系統實際應用案例較少，應用過程中存在誤報率高的問題，主要采用提高報警閾值和縮小視頻識別區域的辦法。

但提高報警閾值意味著降低系統靈敏度，可能導致現場實際有故障但無報警的情況出現，存在降低了系統的準確度的風險。

5.2 部分功能有待完善

在異味識別方面，當前市面上的氣味傳感器應用不成熟，往往多實現單一有毒有害氣體的監測功能，主要用于環境監測等領域，無法通過多種氣體組合準確判斷現場的異味類別。

此外異音識別技術有待提高，目前無統一的量化標準和研究方法，尤其是在風洞、水車室等環境噪聲很強的場景下提取關鍵特征微弱信號準確性有待提高，同時加之缺乏海量有效的音頻特征庫，造成廠家公布的測試結果識別率很高，實際使用不理想的情況。

5.3 系統智能水平不高

當前智能巡檢系統僅能通過單一的判據進行異常報警，無法綜合現場實際運行環境，由多組判據組合給出正確地隔離故障的建議，也不適用于直接出口使相應的保護裝置動作，智能化水平不高。

5.4 行業標準尚未建立

目前水電站智能巡檢系統尚處于試驗摸索階段，未建立成熟的行業標準，認證體系欠缺，推廣性不足。

6 總結

本文選取水電站典型的應用環境發電機風洞進行現狀研究，闡述目前人工巡檢的不足之處，并對比當前應用較多的智能巡檢機器人，針對水電站發電機風洞特殊環境，提出了基于高清攝像頭、紅外攝像機等智能檢測設備的全天候智能感知巡檢系統的構想。該智能巡檢系統能提高巡檢質量、降低巡檢人員安全風險以及精簡人員，推動水電站“無人值守”落地，為水電站智能化建設提供參考。