阅读说明：本技术 一种山地风电场应急调度方法 (Emergency dispatching method for mountain wind power plant ) 是由 赵鹏程 刘艳贵 张晓辉 傅望安 王海明 张育钧 高建忠 任鑫 王�华 杜静宇 于 2021-07-14 设计创作，主要内容包括：本发明公开了一种山地风电场应急调度方法,包括以下步骤,步骤1,采集山地风电场的地理信息,绘制场站区域电子地图；步骤2,依据步骤1中的电子地图对风电场运维人员和车辆进行定位；步骤3,采用卷积神经网络判断风电场运维人员的安全状态；步骤4,通过卷积神经网络处理路面图像,自动识别路面缺陷类型和范围,并进行预警；步骤5,在山地风电场上设置区域电子围栏,进行安全防护；步骤6,依据步骤1中的场站区域电子地图,建立救援车辆从场站区域外到内部事故点的快速引导通道。本发明提出的山地风场应急指挥中心建设方法,实现人员车辆的监测管理,有利于提高山地风电场作业的安全性。(The invention discloses a method for dispatching a mountain wind power plant in an emergency mode, which comprises the following steps of 1, collecting geographic information of the mountain wind power plant, and drawing a station area electronic map; step 2, positioning the operation and maintenance personnel and the vehicle of the wind power plant according to the electronic map in the step 1; step 3, judging the safety state of the operation and maintenance personnel of the wind power plant by adopting a convolutional neural network; step 4, processing the road surface image through a convolutional neural network, automatically identifying the type and range of the road surface defect, and early warning; step 5, arranging a regional electronic fence on the mountain wind power plant for safety protection; and 6, establishing a rapid guide channel of the rescue vehicle from the outside of the station area to the internal accident point according to the station area electronic map in the step 1. The method for building the emergency command center of the mountain wind farm provided by the invention realizes monitoring and management of personnel and vehicles, and is beneficial to improving the safety of operation of the mountain wind farm.)

一种山地风电场应急调度方法

技术领域

本发明属于山地风电场运维开发领域，具体属于一种山地风电场应急调度方法。

背景技术

山地风电场站道路网交叉路口多，相似且复杂，容易走错路。传统的路边标识牌容易遭到破坏，不易识别；山地风电场的建设范围大，地点偏僻，周边基础设施较差，作业人员在繁琐的工作中存在客观和主观上疏于巡视、检查，容易导致设备出现故障，这样既增加了运营成本，也将为风电企业带来经济损失；对于风电场来说，巡检作业过程中无法对作业人员的工作轨迹实时监控，很难对各类人员进行分类、分区域管理，很难判定到岗、串岗、脱岗，很难及时准确判定人员的受困位置，很难确定、通知遇险人员撤退路线，企业若无法精准掌握人员的实际位置，生产及管控效率很难提高；场内道路受成本限制，为砂砾石铺设简易路面，道路条件差，车辆行驶过程缺乏安全监控和提醒，影响车辆运行安全；新能源场站由于偏僻和保密需求，缺乏数字化电子地图，无法导航。所处区域空旷且较为相似，夜间行车没有参照物，容易走错机位，耗用时间较长，现场救援车辆因不熟悉道路，需要派车引导，效率低耗时长。

发明内容

为了解决现有技术中存在的问题，本发明提供一种山地风电场应急调度方法，能够实现人员车辆的监测管理，有利于提高山地风电场作业的安全性，提高应急救援效率，减少人员和经济损失。

为实现上述目的，本发明提供如下技术方案：

一种山地风电场应急调度方法，包括以下步骤，

步骤1，采集山地风电场的地理信息，绘制场站区域电子地图；

步骤2，依据步骤1中的电子地图对风电场运维人员和车辆进行定位；

步骤3，采用卷积神经网络判断风电场运维人员的安全状态；

步骤4，通过卷积神经网络处理路面图像，自动识别路面缺陷类型和范围，并进行预警；

步骤5，在山地风电场上设置区域电子围栏，进行安全防护；

步骤6，依据步骤1中的场站区域电子地图，建立救援车辆从场站区域外到内部事故点的快速引导通道。

优选的，步骤1中，所述地理位置包括风机机位信息、变电站信息、道路信息、凹地信息和山丘信息。

优选的，步骤1中具体过程如下，采用无人机航拍获取采集山地风电场的地理信息，依据地理信息绘制场站外地图，将场站地图与场站外地图进行融合，形成地理信息系统。

进一步的，步骤1中依据地理信息绘制场站外地图，并结合场站的CAD测绘图，通过坐标系的转换计算，编注机体、周边建筑点位的经纬度；利用地图切片工具，将场站外地图的平面图切成无数块1X1的瓦片地图，利用地图API进行瓦片的索引定位，将瓦片显示在地图中进行融合，形成完整的地理信息系统。

优选的，步骤2中，通过工作人员佩戴定位标签结合地理信息系统进行定位。

优选的，步骤3中具体过程如下，采用卷积神经网络建立Mask R-CNN算法训练模型，对不安全行为进行识别并进行报警。

优选的，步骤4中，通过采用雷达持续检测路面质量和结构状况，形成路面图像。

优选的，步骤6，依据步骤1中的场站区域电子地图，构建场站内部导航和外部导航的融合导航模型，通过智能路径规划算法，自动实时生成交汇点和事故点的最优行车路线，建立救援车辆从场站区域外到内部事故点的快速引导通道。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提出一种山地风电场应急调度方法，基于高精度场站内地图，同时利用人员和车辆定位技术对人员及车辆位置进行定位和实时监测；并利用深度学习算法识别人员运维过程中的非安全因素并报警；利用图像识别实现路面缺陷自动检测和智能识别，实现各种危险因素的报警提醒，为驾驶员重新规划路线；实现现场紧急情况的远程指挥处理，为救援车辆从而全方位保障现场运维人员的安全。本发明提出的山地风场应急指挥中心建设方法，实现人员车辆的监测管理，有利于提高山地风电场作业的安全性。

附图说明

图1为本发明一种山地风电场应急调度系统图；

图2为本发明步骤3中人员靠近危险源识别方法流程图；

图3为本发明步骤3中作业人员未佩戴个人防护设备识别方法流程图。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

本发明一种山地风电场应急调度方法，包括以下步骤，

步骤1：采集风机机位、变电站、道路信息、凹地、山丘等地理信息，绘制场站区域电子地图；

步骤2：风电场运维人员及车辆定位；

步骤3：采用卷积神经网络通过智能化技术快速识别人员进入施工现场未佩戴安全帽，高风速条件下登高作业等问题；

步骤4：道路缺陷识别，通过识别缺陷类型和范围为驾驶人提供报警，并给出相应的驾驶建议；

步骤5：设置区域电子围栏，通过人脸及图像识别，自动甄别外部非准入人员和车辆，对未按照设置规则进入、离开、停留在电子围栏区域的人员进行喊话告警并驱离

步骤6：救援车辆从场站区域外到内部事故点的快速引导通道建立，提高应急救援效率，减少人员和经济损失。

实施例

如图1所示，步骤1：绘制场站区域电子地图，采用无人机航拍技术，采集电力站点、道路信息、凹地、山丘等地理信息，制作成高精度、可缩放的平面图，同时结合场站的CAD测绘图，通过坐标系的转换计算，编注机体、周边建筑等点位的经纬度。利用地图切片工具，将平面图切成无数块1X1的瓦片地图，利用地图API进行瓦片的索引定位，将瓦片显示在地图中。场站地图通过坐标系转换与场站外地图进行融合，形成完整的地理信息系统。

步骤2：基于步骤1建立高精度场站区域地图，通过人员佩戴定位标签实现人员的实时定位，以及运维车辆采用的北斗等导航系统，实现车辆定位。

步骤3：采用卷积神经网络通过智能化技术快速识别人员进入施工现场未佩戴安全帽，高风速条件下登高作业等问题。

首先将现场作业危险行为分为：接近危险源、个人防护装备使用不当等：

如图2靠近危险源报警判断流程为：首先利用Mask R-CNN算法对人员和危险源进行识别，判断两者是否有共存关系，若共存继续判断两者位置，位置小于设定的阈值时，进一步判断两者的方位关系，如果处于预设的危险方位，进行报警；例如当危险源(比如吊车)与人共处于同一画面时，通过卷积神经网络技术判断人和危险源的距离是不是太近，人是不是在危险源的正下方等等，从而进行提醒，保护工作人员的安全。

如图3未佩戴个人防护设备：首先预先标定需要佩戴个人防护设备的场景，利用Mask R-CNN算法判断作业人员与场景特征是否共存，若共存则通过人体关节姿态识别，判断工作人员是否处于作业状态，若处于作业状态，则进一步判断判断个人防护设备与场景特征是否共存，若不共存则进行报警提示。例如当工作人员进行焊接时，工作人员和电焊工具共存，判断人是否处于电焊的姿势，如果是，判断人的防护装备是否穿戴，如存在不穿戴防护装备则报警提示。

步骤4：采用雷达持续检测路面质量和结构状况，利用基于卷积神经网络处理图像，自动识别路面缺陷类型和范围，并发出预警信息，提醒驾驶员变换车道或者重新规划路线；

步骤5：设置风电场区级及风电机组级电子围栏，统计风电场车辆车牌信息以及风电场工作人员人脸信息，通过设置在风电场区外及风电机组上的摄像头采集靠近的车辆车牌及靠近人员的脸部信息，自动甄别外部非准入人员和车辆，对未按照设置规则进入、离开、停留在电子围栏区域的人员进行喊话告警并驱离；

步骤6：基于步骤1的精准地图构建场站内部导航和外部导航的融合导航模型，并与救援车辆常用的导航系统对接，通过智能路径规划算法，自动实时生成交汇点和事故点的最优行车路线。通过手机定位、场站内部路径静态引导图、标志物提醒等方式，将路径信息传递外部救援车辆，指示外部救援车辆迅速到达事故地点。