CN113417809A - 一种视觉雷击监测方法及*** - Google Patents
一种视觉雷击监测方法及*** Download PDFInfo
- Publication number
- CN113417809A CN113417809A CN202110569479.0A CN202110569479A CN113417809A CN 113417809 A CN113417809 A CN 113417809A CN 202110569479 A CN202110569479 A CN 202110569479A CN 113417809 A CN113417809 A CN 113417809A
- Authority
- CN
- China
- Prior art keywords
- lightning stroke
- data
- visual information
- visual
- information data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 208000025274 Lightning injury Diseases 0.000 title claims abstract description 180
- 230000000007 visual effect Effects 0.000 title claims abstract description 130
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 claims 1
- 230000008439 repair process Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/107—Purpose of the control system to cope with emergencies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种视觉雷击监测方法及***,该方法包括以下步骤:步骤S1:获取雷击数据,并对获取的雷击数据进行分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;步骤S2:获取包括被击物图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成包括被击物视觉信息数据的运维工单信息报告;反之则执行步骤S1。该监测方法提高了故障定位信息的准确性;最终形成的包括被击物视觉信息数据的运维工单信息报告,以便现场人员及时发现雷击问题,及时进行保养和维护。
Description
技术领域
本发明属于故障诊断技术领域,特别涉及一种视觉雷击监测方法及***,可用于监测风力发电机组在遭受雷击后的叶片损伤故障状态。
背景技术
人类社会的发展进步,离不开能源的高效利用。当今社会人类利用能源主要还是以化石燃料的燃烧为主,将化学能转换为电能,但是同时带来了一系列的环境问题。人们迫切的希望用清洁可再生的能源来代替不可再生的化石燃料,从而带来能源结构的变革。风力发电机技术日趋成熟,由于其可规模化、易工程实现等因素,得到了世界各国的大力发展。
风电场一般建设在高山、平原及丘陵等相对空旷的地方。由于风力发电机组(风电机组)容量日益增加,为了获取足够的风能,塔筒的高度也不断增加,从而遭受雷击的概率也远高于其相对地区。当叶片遭受雷击损伤过后,只能够通过事后停机人工排查。但是通常都是在叶片被雷击过后很长一段时间,尤其在海上风电风电机组尤为突出。这种滞后的排查方式,对风电机组遭受雷击过后,叶片损伤故障运行,这非常有可能将故障进一步的扩大。从而带来维修成本的增加,甚至本来只需要维修的叶片因为带故障运行使得叶片发生断裂、机组倒塔等严重事故。
目前,风力发电机组雷击监测方法主要有两种,一种方法是通过在雷击发生后,人工巡检的方式来监测叶片损伤故障状态情况,费事费力,且效果不理想,这就为风电机组的安全稳定运行埋下了隐患。另一种是安装大量的传感器来监测分析风电机组雷击的状态情况,这一种方法虽然提高了整个风电场单机风电机组监测的精度,但是提高了风电机组的成本,不利于风电场的经济性。同时,我们只知道风机遭受雷击,但是不知道风机遭受雷击叶片的损伤故障状态及哪一只叶片损伤故障位置信息。
发明内容
为了解决现有技术的缺陷和不足,本发明在此的目的在于提出了一种视觉雷击监测方法,该方法至少能够及时发现遭受雷击后被击物损伤故障,提高被击物状态监测精度。
为实现本发明的目的,在此提供的视觉雷击监测方法包括以下步骤:
步骤S1:获取雷击数据,并对获取的雷击数据进行分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;
步骤S2:获取包括被击物图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成包括被击物视觉信息数据的运维工单信息报告;反之则执行步骤S1。
在一些实施方式中,本发明提供的监测方法还包括用于存储雷击数据和视觉信息数据的存储步骤,该步骤将每次雷击数据以及与之对应的视觉信息数据进行存储;实现了对整个被监测物整个生命周期内的雷击数据及视觉信息数据的存储和管理,为之后的被监测物遭受雷击后的状态分析报告提供数据支撑。
本发明在此的另一方面在于提供一种视觉雷击监测***,该***包括:
第一获取终端,用于获取雷击数据;
第二获取终端,用于获取视觉信息数据;
主控装置,分别与所述第一获取终端和所述第二获取终端信号连接,接收所述第一获取终端获取的雷击数据,并所述雷击数据进行处理分析,以判断是否形成雷击报警信号,根据雷击报警信号触发所述第二获取终端获取包括被击物图像数据的视觉信息数据进行处理分析后生成包括被击物视觉信息数据的运维工单信息报告。
在一些实施方式中,该监测***还包括用于存储雷击数据和视觉信息数据的存储装置,用于数据提供。
本发明在此的第三方面还提供了一种大型风力发电机组视觉雷击监测方法,包括:
步骤S1:获取雷击数据,并对获取的雷击数据进行分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;
步骤S2:获取包括被击叶片图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击叶片正常状态下的图像数据进行对比,判断被击叶片是否存在损伤,如存在则生成包括被击叶片视觉信息数据的运维工单信息报告,并执行步骤S3;反之则执行步骤S1;
步骤S3:发出控制指令,控制风电机组进行动作,使其安全停机。
本发明在此的第四方面提供了一种大型风力发电机组视觉雷击监测***,包括:
第一获取终端,用于获取雷击数据;
第二获取终端,用于获取视觉信息数据;
主控装置,分别与所述第一获取终端和所述第二获取终端信号连接,接收所述第一获取终端获取的雷击数据,并所述雷击数据进行处理分析,以判断是否形成雷击报警信号,根据雷击报警信号触发所述第二获取终端获取包括被击叶片图像数据的视觉信息数据进行处理分析后生成包括被击叶片视觉信息数据的运维工单信息报告;
所述主控装置与风电机组控制***连接,在被击叶片存在损伤时向风电机组控制***提供指令,所述风电机组接收到该指令后控制风电机组进行动作,使其安全停机。
采用本发明提供的技术方案,可以达到的有益效果至少是:本发明提供的监测方法通过获取雷击数据,并根据雷击数据触发获取包括被击物图像数据的视觉信息数据,能够准确地获知定位出现雷击及损伤位置,提高了故障定位信息的准确性;最终形成的包括被击物视觉信息数据的运维工单信息报告,以便现场人员及时发现雷击问题,及时进行保养和维护。
附图说明
通过参照附图详细描述其示例性实施例,本公开的上述和其它特征及优点将变得更加明显。
图1是根据本公开实施例的视觉雷击监测方法的流程图;
图2是根据本公开实施例的用于大型风力发电机组的视觉雷击监测方法的原理图;
图3是根据本公开实施例的用于大型风力发电机组的视觉雷击监测方法的流程图。
具体实施方式
现在将参考附图更全面地描述示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本公开将全面和完整,并将示例性实施例的构思全面地传达给本领域的技术人员。在图中,为了清晰,可能会夸大部分元件的尺寸或加以变形。在图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
本实施例中视觉雷击监测***的示例性结构,包括第一获取终端、第二获取终端和主控装置;主控装置包括雷击数据处理模块、雷击报警模块、控制模块、视觉数据处理模块和损伤报警模块。
第一获取终端作为雷击监测数据采集装置用于感应雷击,实时监测被监测物遭受雷击状况,形成雷击数据;第二获取终端作为视觉采集装置用于获取包括被击物图像数据的视觉信息数据;雷击数据处理模块用于对第一获取终端形成的雷击数据进行处理,获取雷击发生的次数;雷击报警模块依据雷击数据处理模块获取的雷击次数判断是否形成雷击报警信号,如形成雷击报警信号则输入控制模块,控制模块在雷击数据处理模块存在输出时触发第二获取模块获取包含被击物图像数据的视觉信息数据传输至视觉数据处理模块利用视觉识别算法对获取的视觉信息数据进行分析、处理,判断被击物遭受雷击后的状态,生成包括被击物图片、视觉数据处理模块识别的损伤区域面积以及可能定位的损伤类型等信息数据的雷击损伤报告并输入损伤报警模块,损伤报警模块对接收到的雷击损伤报告通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成损伤报警信号(即将判断存在损伤的信息进行推送)至控制模块,控制模块生成包括被击物视觉信息数据的运维工单信息报告作为报警报告,该报警报告供工作人员使用,如以便现场人员及时发现被监测物雷击问题,对被监测物进行及时有效地保养和维护。
在此提供的视觉雷击监测***的示例性结构还包括存储装置,该装置包括用于实现对整个待监测物生命周期内的雷击全过程数据的存储和管理的雷击数据存储与管理模块,为之后的待监测物防雷分析报告提供数据支撑;和/或实现对整个待监测物整个生命周期内的雷击视觉信息数据存储和管理的视觉数据存储与管理模块,为之后的待监测物遭受雷击后的状态分析报告提供数据支撑。
结合图1,该视觉雷击监测***的监测方法包括以下步骤:
步骤S1:获取雷击数据,并对获取的雷击数据进行清洗、分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;此处雷击次数可以根据情况任意设定,如一次,即只要遭受雷击,就报警;
步骤S2:获取包括被击物图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成包括被击物视觉信息数据的运维工单信息报告;反之则执行步骤S1。
其中,步骤S2对获取的视觉信息数据可以通过任何一种方式进行处理,本实施例在此提供一种示例性的处理过程,当然此处所提供的处理过程仅是示例性的,并不构成限制。
该示例性处理过程具体包括:
步骤S21:图像预处理,对获取的视觉信息数据中的图像进行边缘监测、滤波操作、图像缩放及图像分割;
步骤S22:特征提取,对所述步骤S21预处理后的图像提取hog特征;
步骤S23:图像质量分类,采用机器学习的方法或拟合SVM模型对所采集到的图像进行分类。
上述步骤中,分类模型为预先使用大量正常叶片图片特征及损失叶片图片特征训练而成,提取图像特征后利用训练好的模型对采集图像进行分类,确认其为正常或损伤。
为了更好地提供数据支撑,还包括用于存储雷击数据和视觉信息数据的存储步骤,该步骤将每次雷击数据以及与之对应的视觉信息数据进行存储。
本文提供的监测***及方法可以适用于任何物的雷击视觉监测,在本实施例中以监测大型风力发电机组叶片为例详细说明监测原理,当然此仅是示例性的,本领域技术人员应理解的是本监测***及方法并不限于仅适用于大型风力发电机组叶片的雷击视觉监测。
参照图2、图3,示出了本公开实施例的用于大型风力发电机组的视觉雷击监测方法的原理图和流程图,将第一获取终端安装于机组叶片能够感应雷击位置处,以保证能获取雷击数据;第二获取终端安装于能够获取叶片视觉信息数据位置处,以保证能获取叶片视觉信息数据;第一获取终端和第二获取终端分别作为雷击监测数据采集装置和视觉采集装置对雷击数据和视觉信息数据进行采集,安装完成后,具体监测过程如下:
风电机组叶片状态正常时风电机组正常运作;风电机组处于雷雨天气工况状态时,保证雷击监测数据采集装置处于正常工作状态获取风电机组叶片雷击数据,对获取的雷击数据进行分析处理获取雷击次数进行归纳、分析、处理,根据分析得到的雷击次数判断风电机组是否遭受到雷击,如否则表示风电机组处于安全运行状态,雷击监测数据采集装置继续获取雷击数据;如是则表示风电机组处于不安全运行状态,此时雷击报警模块形成雷击报警信号输入控制模块,控制模块在雷击报警模块存在输出时触发第二获取模块获取包含被击物图像数据的视觉信息数据传输至视觉数据处理模块通过视觉识别算法对获取的视觉信息数据进行归纳、分析、处理,判断叶片遭受雷击后的状态(受损或未受损),并自动生成叶片雷击损伤报告;叶片雷击损伤报告输入损伤报警模块,损伤报警模块根据叶片雷击损伤报告通过图像差异性对比算法,将获取的视觉信息数据中图像数据与风电机组叶片正常状态下的图像数据进行对比,判断风电机组叶片是否损伤,如已损伤,表示风电机组处于不安全运行状态,则生成叶片损伤报警信号至控制模块,控制模块生成包括被击风电机组叶片视觉信息数据的运维工单信息报告作为报警报告,以便维修人员及时对叶片进行有效地保养和维护,使风电机组叶片状态恢复正常。如风电机组叶片不存在损伤,表示风电机组处于安全运行状态,即风电机组叶片状态正常,雷击监测数据采集装置继续获取雷击数据。
为了保证风电机组的安全,主控装置中的视觉数据处理模块还与风电机组控制***连接,在被击叶片存在损伤时向风电机组控制***提供指令,风电机组接收到该指令后控制风电机组进行动作,使其安全停机。
其中,第一获取终端、第二获取终端获取的雷击数据、视觉信息数据经归纳、分析处理后分别进行存储,为之后的叶片遭受雷击后提供相关数据支撑。
运用本文提供的监测***及方法于风电机组叶片监测,其特点是:在风电机组合适位置安装雷击监测数据采集装置和视觉采集装置。通过雷击监测数据采集装置,采集风电机组遭受雷击信息。雷击报警装置发出报警信息,主控制模块控制视觉采集装置开始运行。通过视觉采集装置,采集机组遭受雷击后的叶片信息。通过先进的视觉识别算法对叶片外观信息进行实时处理,判断风电机组遭受雷击后,叶片的损伤故障状态及叶片遭受的雷击点,并自动生成叶片雷击报告。通过分析叶片雷击报告,来判断风电机组叶片是否出现损伤,同时叶片损伤报警装置判断是否发出报警信息。实现了风电机组视觉雷击监测,能够准确的定位出现雷击的叶片及雷击叶片的损伤位置,提高了故障定位信息的准确性。能够及时的将叶片状态信息发送给主控制装置。主控装置及时生成运维工单信息报告,以便现场人员及时发现风电机组雷击问题,对叶片进行保养和维护,保证风电机组在安全稳定的状态下运行。能够及时发现风电机组遭受雷击后叶片损伤故障,提高了风电机组叶片损伤状态的监测精度,避免了风电机组发生安全事故,保障了风电机组安全稳定运行;同时该监测方法及***易于实现且经济。
本技术方案具有成本低廉、环境适应性广以及可全面推广等优点,能够帮助现场人员快速准确的定位被监测物损伤故障位置信息。及时的对被监测物进行保养维护,有效的降低了被监测物的安全隐患。
以上对本发明所提供的技术方案进行了详细的介绍,本文中运用了具体的例子对本发明的原理及实施方式阐述。应当指出,对于本领域内的技术人员来说,其依然可以对前述案例进行修改,或者在其部分技术进行等同替换。因此,在不脱离本发明范围内所做的任何改进和修改,都应在本发明的保护范围之内。
Claims (10)
1.一种视觉雷击监测方法,其特征在于,该方法包括以下步骤:
步骤S1:获取雷击数据,并对获取的雷击数据进行分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;
步骤S2:获取包括被击物图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成包括被击物视觉信息数据的运维工单信息报告;反之则执行步骤S1。
2.根据权利要求1所述的视觉雷击监测方法,其特征在于:所述步骤S2对获取的视觉信息数据通过以下步骤进行处理:
步骤S21:图像预处理,对获取的视觉信息数据中的图像进行边缘监测、滤波操作、图像缩放及图像分割;
步骤S22:特征提取,对所述步骤S21预处理后的图像提取hog特征;
步骤S23:图像质量分类,采用机器学习的方法或拟合SVM模型对所采集到的图像进行分类。
3.根据权利要求1或2所述的视觉雷击监测方法,其特征在于:还包括用于存储雷击数据和视觉信息数据的存储步骤,该步骤将每次雷击数据以及与之对应的视觉信息数据进行存储。
4.一种视觉雷击监测***,其特征在于,该***包括:
第一获取终端,用于获取雷击数据;
第二获取终端,用于获取视觉信息数据;
主控装置,分别与所述第一获取终端和所述第二获取终端信号连接,接收所述第一获取终端获取的雷击数据,并所述雷击数据进行处理分析,以判断是否形成雷击报警信号,根据雷击报警信号触发所述第二获取终端获取包括被击物图像数据的视觉信息数据进行处理分析后生成包括被击物视觉信息数据的运维工单信息报告。
5.根据权利要求4所述的视觉雷击监测***,其特征在于:还包括用于存储雷击数据和视觉信息数据的存储装置,用于数据提供。
6.根据权利要求4或5所述的视觉雷击监测***,其特征在于,所述主控装置包括雷击数据处理模块、雷击报警模块、控制模块、视觉数据处理模块和损伤报警模块,所述雷击数据处理模块用于对所述第一获取终端形成的雷击数据进行处理,获取雷击发生的次数;所述雷击报警模块,依据所述雷击数据处理模块获取的雷击次数判断是否形成雷击报警信号,如形成雷击报警信号则输入所述控制模块,所述控制模块在所述雷击报警模块存在输出时触发所述第二获取模块获取包含被击物图像数据的视觉信息数据传输至所述视觉数据处理模块利用视觉识别算法对获取的视觉信息数据进行分析、处理,判断被击物遭受雷击后的状态,生成被击物雷击损伤报告;并输入所述损伤报警模块,所述损伤报警模块对接收到的雷击损伤报告通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击物正常状态下的图像数据进行对比,判断被击物是否存在损伤,如存在则生成损伤报警信号至所述控制模块,所述控制模块生成包括被击物视觉信息数据的运维工单信息报告作为报警报告。
7.一种大型风力发电机组视觉雷击监测方法,其特征在于,该监测方法包括:
步骤S1:获取雷击数据,并对获取的雷击数据进行分析处理获取雷击次数,根据雷击次数判断是否形成雷击报警信号,形成则执行步骤S2,反之则循环执行步骤S1;
步骤S2:获取包括被击叶片图像数据的视觉信息数据,进行分析、处理,通过图像差异性对比算法,将获取的视觉信息数据中图像数据与被击叶片正常状态下的图像数据进行对比,判断被击叶片是否存在损伤,如存在则生成包括被击叶片视觉信息数据的运维工单信息报告,并执行步骤S3;反之则执行步骤S1;
步骤S3:发出控制指令,控制风电机组进行动作,使其安全停机。
8.一种大型风力发电机组视觉雷击监测***,其特征在于,该***包括:
第一获取终端,用于获取雷击数据;
第二获取终端,用于获取视觉信息数据;
主控装置,分别与所述第一获取终端和所述第二获取终端信号连接,接收所述第一获取终端获取的雷击数据,并所述雷击数据进行处理分析,以判断是否形成雷击报警信号,根据雷击报警信号触发所述第二获取终端获取包括被击叶片图像数据的视觉信息数据进行处理分析后生成包括被击叶片视觉信息数据的运维工单信息报告;
所述主控装置与风电机组控制***连接,在被击叶片存在损伤时向风电机组控制***提供指令,所述风电机组接收到该指令后控制风电机组进行动作,使其安全停机。
9.根据权利要求8所述的大型风力发电机组视觉雷击监测***,其特征在于:还包括用于存储雷击数据和视觉信息数据的存储装置,用于数据提供。
10.根据权利要求8或9所述的大型风力发电机组视觉雷击监测***,其特征在于:所述主控装置包括雷击数据处理模块、雷击报警模块、控制模块、视觉数据处理模块和损伤报警模块,所述雷击数据处理模块用于对所述第一获取终端形成的雷击数据进行处理,获取雷击发生的次数;所述雷击报警模块,依据所述雷击数据处理模块获取的雷击次数判断是否形成雷击报警信号,如形成雷击报警信号则输入所述控制模块,所述控制模块在所述雷击报警模块存在输出时触发所述第二获取模块获取包含被击叶片图像数据的视觉信息数据传输至所述视觉数据处理模块利用视觉识别算法对获取的视觉信息数据进行分析、处理,判断被击叶片遭受雷击后的状态,生成被击叶片雷击损伤报告;并输入所述损伤报警模块,所述损伤报警模块对接收到的雷击损伤报告通过图像差异性对比算法,将获取的视觉信息数据中图像数据与叶片正常状态下的图像数据进行对比,判断被击叶片是否存在损伤,如存在则生成损伤报警信号至所述控制模块,所述控制模块生成包括被击物视觉信息数据的运维工单信息报告作为报警报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569479.0A CN113417809B (zh) | 2021-05-25 | 2021-05-25 | 一种视觉雷击监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110569479.0A CN113417809B (zh) | 2021-05-25 | 2021-05-25 | 一种视觉雷击监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113417809A true CN113417809A (zh) | 2021-09-21 |
CN113417809B CN113417809B (zh) | 2023-07-18 |
Family
ID=77712887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110569479.0A Active CN113417809B (zh) | 2021-05-25 | 2021-05-25 | 一种视觉雷击监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113417809B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117934482A (zh) * | 2024-03-25 | 2024-04-26 | 云南能源投资股份有限公司 | 一种风电机的雷击概率预测方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133143A1 (en) * | 2010-11-30 | 2012-05-31 | Mitsubishi Heavy Industries, Ltd. | Lightning strike detector for hollow structure, wind turbine rotor blade, and wind turbine generator equipped with the same |
US20120133146A1 (en) * | 2010-11-30 | 2012-05-31 | Mitsubishi Heavy Industries, Ltd. | Detecting apparatus for detecting lightning strike, wind turbine blade equipped with the same, wind turbine generator, method for detecting lightning strike |
CN102788893A (zh) * | 2011-05-16 | 2012-11-21 | 通用电气公司 | 用于结构体上的雷击检测***、装置和方法 |
EP2627901A1 (en) * | 2011-12-09 | 2013-08-21 | Mitsubishi Heavy Industries, Ltd. | Wind turbine |
WO2014024303A1 (ja) * | 2012-08-10 | 2014-02-13 | 三菱重工業株式会社 | 風力発電装置の状態監視システム及び状態監視方法 |
CN104198827A (zh) * | 2014-08-07 | 2014-12-10 | 新疆金风科技股份有限公司 | 风力发电机组的雷电监测装置 |
JP2016136009A (ja) * | 2015-01-23 | 2016-07-28 | 独立行政法人国立高等専門学校機構 | 風車の耐雷装置 |
US20190277260A1 (en) * | 2017-07-24 | 2019-09-12 | Guangzhou Special Pressure Equipment Inspection And Research Institute | Lightning strike fault monitoring system for wind turbine generator system and lightning protection system |
JP2020118141A (ja) * | 2019-01-28 | 2020-08-06 | 株式会社日立製作所 | 風力発電装置のブレード点検システム、風力発電システム、ウィンドファームの遠隔統合監視システム |
CN112583115A (zh) * | 2020-09-27 | 2021-03-30 | 中节能(阳江)风力发电有限公司 | 一种用于风电场集群采集雷电参数的*** |
-
2021
- 2021-05-25 CN CN202110569479.0A patent/CN113417809B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133143A1 (en) * | 2010-11-30 | 2012-05-31 | Mitsubishi Heavy Industries, Ltd. | Lightning strike detector for hollow structure, wind turbine rotor blade, and wind turbine generator equipped with the same |
US20120133146A1 (en) * | 2010-11-30 | 2012-05-31 | Mitsubishi Heavy Industries, Ltd. | Detecting apparatus for detecting lightning strike, wind turbine blade equipped with the same, wind turbine generator, method for detecting lightning strike |
CN102788893A (zh) * | 2011-05-16 | 2012-11-21 | 通用电气公司 | 用于结构体上的雷击检测***、装置和方法 |
EP2627901A1 (en) * | 2011-12-09 | 2013-08-21 | Mitsubishi Heavy Industries, Ltd. | Wind turbine |
WO2014024303A1 (ja) * | 2012-08-10 | 2014-02-13 | 三菱重工業株式会社 | 風力発電装置の状態監視システム及び状態監視方法 |
EP2884099A1 (en) * | 2012-08-10 | 2015-06-17 | Mitsubishi Heavy Industries, Ltd. | State observation system and state observation method for wind power generation device |
CN104198827A (zh) * | 2014-08-07 | 2014-12-10 | 新疆金风科技股份有限公司 | 风力发电机组的雷电监测装置 |
JP2016136009A (ja) * | 2015-01-23 | 2016-07-28 | 独立行政法人国立高等専門学校機構 | 風車の耐雷装置 |
US20190277260A1 (en) * | 2017-07-24 | 2019-09-12 | Guangzhou Special Pressure Equipment Inspection And Research Institute | Lightning strike fault monitoring system for wind turbine generator system and lightning protection system |
JP2020118141A (ja) * | 2019-01-28 | 2020-08-06 | 株式会社日立製作所 | 風力発電装置のブレード点検システム、風力発電システム、ウィンドファームの遠隔統合監視システム |
CN112583115A (zh) * | 2020-09-27 | 2021-03-30 | 中节能(阳江)风力发电有限公司 | 一种用于风电场集群采集雷电参数的*** |
Non-Patent Citations (3)
Title |
---|
何灏: "风电机组新型直击雷检测技术研究", 《风能》 * |
何灏: "风电机组新型直击雷检测技术研究", 《风能》, no. 04, 6 April 2018 (2018-04-06) * |
赵少伟;王洪波;王宝归;: "某风电场兆瓦级风电机组叶片雷击故障分析", 风能, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117934482A (zh) * | 2024-03-25 | 2024-04-26 | 云南能源投资股份有限公司 | 一种风电机的雷击概率预测方法、装置、设备及存储介质 |
CN117934482B (zh) * | 2024-03-25 | 2024-05-28 | 云南能源投资股份有限公司 | 一种风电机的雷击概率预测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113417809B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103323772B (zh) | 基于神经网络模型的风力发电机运行状态分析方法 | |
CN103306893B (zh) | 一种风力发电机故障预警及报警方法 | |
CN105134510A (zh) | 一种风力发电机组变桨***的状态监测和故障诊断方法 | |
CN114241730B (zh) | 一种基于数据采集的变电设备监测预警*** | |
CN104807644A (zh) | 一种风电机组变桨***的故障预警方法及*** | |
CN103512651B (zh) | 基于振动突变报警的风电机组状态监测方法及装置 | |
CN108506171B (zh) | 一种大型半直驱机组齿轮箱冷却***故障预警方法 | |
WO2021073280A1 (zh) | 基于红外成像技术的光伏板故障智能诊断*** | |
CN112283050A (zh) | 一种基于机器视觉的风力机叶片在线监测方法 | |
CN117612345A (zh) | 一种电力设备状态监测报警***及方法 | |
CN111555776B (zh) | 一种输电线路融合感知及联合诊断方法、***及装置 | |
CN110778464A (zh) | 一种大型风力发电机组螺栓在线监测***及方法 | |
CN111237135A (zh) | 一种风电机叶片健康状态监测装置及其监测方法 | |
CN109919199A (zh) | 基于图像处理的风电机组异常数据的检测方法 | |
CN113417809B (zh) | 一种视觉雷击监测方法及*** | |
CN114337540A (zh) | 光伏状态检测方法、***及存储介质 | |
CN113253181A (zh) | 基于大数据的智能信息数据采集分析*** | |
CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
CN110608133B (zh) | 一种海上风力发电控制***及方法 | |
CN110865329B (zh) | 一种基于大数据自诊断的电能计量方法及*** | |
CN117081249A (zh) | 一种供电线路自动化监控管理平台及线路故障识别方法 | |
Wei et al. | Wind turbine pitch system condition monitoring based on performance curves in multiple states | |
CN109521314A (zh) | 一种太阳能发电设备远程故障诊断方法 | |
CN105201755B (zh) | 一种风电桨叶表面故障的识别装置 | |
CN114060232A (zh) | 风力发电机组发电状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 618099 No.99, Zhujiang East Road, Jingyang District, Deyang City, Sichuan Province Applicant after: Dongfang Electric Wind Power Co.,Ltd. Address before: 618099 No.99, Zhujiang East Road, Jingyang District, Deyang City, Sichuan Province Applicant before: DONGFANG ELECTRIC WIND POWER Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |