胡繼新,薛 輝

(石家莊東方熱電熱力工程有限公司,河北 石家莊 050031)

0 引言

隨著國家新能源場站發(fā)電裝機容量的增多,不斷有光伏電站、風(fēng)電場等發(fā)電組件臨近質(zhì)保期或質(zhì)保期已過,造成巡檢工作量增大,對巡檢工作的質(zhì)量要求增多。而新能源場站大多占地面積大、場址位置偏僻,伴隨巡檢困難、人工檢測作業(yè)量大、定位難,得益于無人機技術(shù)、可穿戴技術(shù)、傳感器技術(shù)、無線通信技術(shù)的飛速發(fā)展,當(dāng)前多數(shù)新能源場站巡檢正處于由傳統(tǒng)人工巡檢方式到智能巡檢方式的過渡階段?；谘矙z技術(shù)的2個基本特征檢測目標(biāo)和定位目標(biāo),雖然傳統(tǒng)人工巡檢方式進行了智能化升級,但仍處于初級階段,其獲取的大量數(shù)據(jù)仍需人工判別分析,即用肉眼判別光學(xué)圖像中的目標(biāo)物體和位置描述。人工的大量介入影響和制約著巡檢的效率。如何利用現(xiàn)代無人機技術(shù)搭載傳感設(shè)備及圖像數(shù)據(jù)采集設(shè)備進行智能化巡檢,自動識別故障類型,為設(shè)備更新改造提供依據(jù),成為當(dāng)前亟待解決的問題。本文致力于減少人工介入,用成熟的無人機技術(shù)為數(shù)據(jù)獲取提供載體,配合多種傳感設(shè)備,提升新能源場站巡檢的數(shù)據(jù)獲取數(shù)量和效率,同時利用圖像識別技術(shù)和特定目標(biāo)識別算法提升目標(biāo)定位效率和精確度[1]。

1 新能源場站巡檢系統(tǒng)工作原理

按照新能源場站的全壽命周期,搭建基于圖像識別技術(shù)的新能源場站巡檢系統(tǒng),使用無人機采集發(fā)電組件設(shè)備圖像數(shù)據(jù);利用人工智能識別系統(tǒng)進行數(shù)據(jù)分析處理,利用地理信息系統(tǒng)技術(shù)構(gòu)建設(shè)備GIS系統(tǒng),直觀監(jiān)測設(shè)備的運行狀態(tài)以及健康水平,為運維人員提供發(fā)電設(shè)備的維護建議,提高光伏、風(fēng)機的發(fā)電效率[2]。

基于圖像識別技術(shù)的巡檢系統(tǒng)以無人機為輔助載體,搭載紅外光與可見光設(shè)備,對現(xiàn)場進行影像數(shù)據(jù)采集,將采集的影像數(shù)據(jù)與標(biāo)準(zhǔn)模型進行比對,分析判別故障類型及故障點位置信息,將結(jié)果數(shù)據(jù)生成巡檢報告。同時結(jié)合現(xiàn)場實測發(fā)電質(zhì)量,計算出故障組件對整個新能源場站發(fā)電效率的影響,為場站及時消缺提供技術(shù)服務(wù)和數(shù)據(jù)支撐[3]。

新能源場站巡檢系統(tǒng)網(wǎng)絡(luò)拓?fù)淙鐖D1。該系統(tǒng)以無人機巡檢為主要手段,圖像識別、地理信息系統(tǒng)以及數(shù)據(jù)可視化等技術(shù)為支撐,主要包括3個層面。

圖1 新能源場站巡檢系統(tǒng)網(wǎng)絡(luò)拓?fù)?/p>

算法模型層,即通用算法和通用可視化建模算法層。將無人機巡檢所獲取的數(shù)據(jù)(照片、視頻以及激光點云數(shù)據(jù)等)通過相應(yīng)的自動檢測和故障量化算法進行自動化處理,不同的輸入數(shù)據(jù)采用不同的通用算法,最終達(dá)到數(shù)據(jù)與算法分離的目的。

數(shù)據(jù)層,即廠站基本信息的數(shù)字化管理。將算法處理后的數(shù)據(jù)按照運行管理需要進行分類,如數(shù)字化電站、巡檢管理、資產(chǎn)管理、可視化電站等,實現(xiàn)以單個光伏板或者單個風(fēng)機為單位的資產(chǎn)管理,及每個基本單元設(shè)備的歷史故障情況查看等。

用戶展示層,即利用Web前端技術(shù)實現(xiàn)基于瀏覽器的圖形界面。在該層,用戶可以在不同地點從多種視角查看無人機上傳的數(shù)據(jù),對所巡檢電站的設(shè)備運行、資產(chǎn)運營等進行專業(yè)化可視化管理,同時可進行報告導(dǎo)出以及數(shù)據(jù)分析等操作。

2 新能源場站巡檢系統(tǒng)關(guān)鍵技術(shù)分析

2.1 光伏熱斑紅外圖像故障識別技術(shù)

光伏原件的故障使得光伏板局部發(fā)電效率降低,進而產(chǎn)生熱量聚集,在熱紅外影像上主要表現(xiàn)為局部的高溫異常。不同故障類型會造成影像中熱斑的形狀和溫度有所不同[4]。為了能夠?qū)Σ煌愋蜔岚哌M行自動區(qū)分,實現(xiàn)對熱斑發(fā)電影響的定量分析與評價,本文所研究的關(guān)鍵技術(shù)之一就是利用深度學(xué)習(xí)技術(shù)對熱紅外影像中的熱斑進行識別和分類,其識別方法如圖2所示。

圖2 熱紅外異常識別方法

本巡檢系統(tǒng)將深度學(xué)習(xí)模型Faster R-CNN在熱紅外識別中的應(yīng)用進行改進。相比于可見光影像,熱紅外影像缺少紋理信息而難以區(qū)分溫度相似的地物。為克服該問題,在識別流程中引入基于語義圖像風(fēng)格網(wǎng)絡(luò),利用溫度信息及形狀信息對光板特征進行描述,實現(xiàn)光伏板與地面的分離,減少無關(guān)因素的干擾。

巡檢系統(tǒng)對光伏場站進行多傾角成像地理信息數(shù)據(jù)采集,形成場站俯視高程圖;通過WPM(仿地)系統(tǒng),形成自動化圖像數(shù)據(jù)采集路線。將可見光與紅外成像設(shè)備采集的發(fā)電組件圖像數(shù)據(jù),批量導(dǎo)入系統(tǒng),進行熱紅外異常識別,識別出熱斑效應(yīng)、遮擋、隱裂等缺陷點,并進一步區(qū)分出是屬于二極管故障、一般熱斑故障、嚴(yán)重?zé)岚吖收线€是組件損壞等[5]。光伏組件熱斑效應(yīng)診斷結(jié)果見圖3。

圖3 光伏組件熱斑檢測結(jié)果

光伏巡檢的光學(xué)和熱紅外數(shù)據(jù)同步獲取,與GPS模塊的實時同步以獲取準(zhǔn)確的POS信息。利用雙光相機,2種相機同時固定安裝在相機外殼中,在控制器中編寫了相應(yīng)的程序,觸發(fā)拍照的同時記錄GPS信息,同步時間差在10 ms以內(nèi)?？梢姽庀鄼C為ILCE-QX1,拍攝分辨率為5 456×3 632,熱紅外相機為FLIR Tau系列鏡頭,成像分辨率為640×512。

通過對海量光伏組件熱紅外數(shù)據(jù)以及組件實際發(fā)電數(shù)據(jù)分析,提出故障量化算法,實現(xiàn)通過組件的熱紅外數(shù)據(jù),對光伏組件的故障影響進行量化分析,為光伏故障的管理提供科學(xué)數(shù)據(jù)支撐[6]。

2.2 風(fēng)機葉片表面可見圖像特征差異識別技術(shù)

中國電力投資建設(shè)有限公司發(fā)布的風(fēng)電產(chǎn)業(yè)精細(xì)化對標(biāo)報告中顯示,2021年度統(tǒng)計的13類風(fēng)電機組故障,葉片故障14例,故障頻次排名第6,故障占比1.38%,由此引起的電量損失排名第2,故障電量損失占比21.34%。

雖然風(fēng)機葉片發(fā)生故障的概率不高,但是一旦發(fā)生故障,小缺陷處理需要約一周時間,大缺陷處理要將葉片返廠維修,時間更長,直接影響場站經(jīng)濟運行。采用圖像識別技術(shù),利用計算機對圖像進行處理、分析和理解,通過比對圖像中的不同特征,尋找差異點,并對差異特征進行識別,對數(shù)據(jù)庫存在的損傷點匹配,進而識別各種不同模式的故障目標(biāo)和標(biāo)定故障點。識別過程主要包括圖像預(yù)處理、圖像分割、特征提取和判斷匹配。風(fēng)機葉片故障的發(fā)生是損耗累積的結(jié)果,為更好的判別葉片故障發(fā)生,識別判斷采用故障量化算法,主要包括葉面覆冰損耗量化和葉片蒙皮裂紋損傷量化。

2.2.1 葉面覆冰損耗量化

2.2.1.1 風(fēng)機可靠度及失效率

式中:T為風(fēng)機正常運行時間。

風(fēng)機發(fā)電量在風(fēng)機正常運行時,與運行時間成正比。若風(fēng)機葉片覆冰,則可用度降低約6.3%,發(fā)電時間少6.3%。

假設(shè)風(fēng)機額定運行時間為2 400 h,正常機組可用度為91.8%,則正常發(fā)電時間為2 203.2 h。若風(fēng)機葉片覆冰,可用度降為85.6%,則覆冰發(fā)電時間2 054.4 h。那么,正常與覆冰情況下發(fā)電時間相差148.8 h,發(fā)電量相差372 M W。

2.2.2 葉片蒙皮裂紋損傷量化分析

風(fēng)機葉片是風(fēng)電機組關(guān)鍵大部件之一,在全壽命周期中隨時受到空氣中不同介質(zhì)的侵蝕,雷電、冰雹、雨雪、沙塵、撞擊等會引發(fā)葉片產(chǎn)生裂紋、膠衣開裂、孔洞、劃痕、腐蝕等缺陷。風(fēng)機葉片缺陷初期雖不至于直接影響設(shè)備運行,但發(fā)展嚴(yán)重時可能導(dǎo)致葉片直接報廢,屆時將給發(fā)電企業(yè)帶來較大經(jīng)濟損失。

目前,基于振動、聲發(fā)射、超聲波、紅外熱成像、X射線等多種技術(shù)的風(fēng)機葉片健康檢測方法很多,振動檢測技術(shù)應(yīng)用最廣泛、最成熟。

將因故障變化了的應(yīng)變能曲線與健康狀態(tài)下的導(dǎo)納曲線比較,判定結(jié)構(gòu)是否損傷。為了準(zhǔn)確分析,引入阻抗均方值(RMSD)作為損傷結(jié)構(gòu)的健康指數(shù)

式中:Y1i和Y0i分別為葉片發(fā)生損傷前后的應(yīng)變能;N為受損單元。

假設(shè)裂紋寬為2 mm(點b至點a),設(shè)點b坐標(biāo)為(b,0),那么裂紋寬度Lba=b+2 mm。葉片裂紋損傷區(qū)域,見圖4。

圖4 葉片裂紋損傷區(qū)域

假設(shè)裂紋損傷深度為h,把[b,a]劃分為無限多個小區(qū)間,則所有矩形面積之和的極限就是裂紋損傷的面積,即

2.3 基于Web GIS平臺的發(fā)電設(shè)備及故障可視化技術(shù)

Web GIS以B/S架構(gòu)的形式向用戶展現(xiàn)傳統(tǒng)GIS平臺所特有的功能,這種架構(gòu)具有靈活輕便以及免安裝的特點。目前,Web GIS本身已經(jīng)有比較成熟的解決方案,比如以Leaflet和Open-Layers為代表的開源程序庫,但是要獲取Web-GIS所需要的地理數(shù)據(jù)仍然是一個亟需解決的問題。對于新能源場站來說,獲取每臺發(fā)電設(shè)備的位置、尺寸等信息是該Web GIS可視化能否成功的關(guān)鍵。由于光伏板和風(fēng)機數(shù)量龐大,無法直接進行手工重建,因此需要發(fā)展自動重建方法。本系統(tǒng)根據(jù)不同數(shù)據(jù)的特點,提出了光伏板與風(fēng)機提取算法流程,見圖5。

圖5 光伏板風(fēng)機提取算法流程

對于高清的無人機可見光照片,采用基于顏色空間轉(zhuǎn)換和基于SV M的分類算法,其特點是能夠得到準(zhǔn)確的光伏板和風(fēng)機信息,但是無人機往往只能覆蓋較小面積;對于分辨率相對較粗的衛(wèi)星影像,采用基于深度學(xué)習(xí)的光伏板、風(fēng)機識別技術(shù),充分利用其固定形狀的性質(zhì)特征,從遙感影像中提取大范圍的光伏板和風(fēng)機信息,為場站的可視化建模提供充足的數(shù)據(jù)源[7]。

3 結(jié)論

基于圖像識別技術(shù)的新能源場站巡檢系統(tǒng)以無人機為載體,搭載不同功能的數(shù)據(jù)采集設(shè)備,獲取相應(yīng)數(shù)據(jù);采用有針對性的新能源發(fā)電組件圖像識別診斷檢測技術(shù)進行數(shù)據(jù)處理,實現(xiàn)集成無人機技術(shù)、實景地理信息技術(shù)及人工智能巡檢系統(tǒng)的大數(shù)據(jù)一體化智能巡檢系統(tǒng),替代傳統(tǒng)人工巡檢作業(yè)模式。該系統(tǒng)充分發(fā)揮智能巡檢的優(yōu)勢,滿足新能源場站發(fā)電設(shè)備精細(xì)化、高效率檢測及故障數(shù)據(jù)量化管理需要,切實保證發(fā)電設(shè)備長期經(jīng)濟安全運行,可以作為新能源場站日常技術(shù)監(jiān)督的一種重要手段。