阅读说明：本技术 一种风电机组现场快速诊断方法 (On-site rapid diagnosis method for wind turbine generator ) 是由 张士龙 卢成志 于 2019-08-30 设计创作，主要内容包括：本发明公开了一种风电机组现场快速诊断方法,风电机组现场快速诊断装置包括现场拍照模块、图像识别模块、快速诊断模块、数据传输导线和电源；现场拍照模块通过拍摄工具在风力发电场站现场进行拍照,实现风电机组网络一体化诊断平台的原始数据需求,图像识别模块进行字符识别、定位、缺陷检测、图片分类,快速诊断模块根据图像识别模块的结果数据,使用快速诊断模块中的算法快速判断叶片的故障,数据传输导线为现场拍照模块、图像识别模块、快速诊断模块之间的数据通道,电源为所有设备提供电能。本发明结构简单、操作方便、实用性强,适合风电行业使用,具有灵敏度高、计算速度快、结果直观形象等优点。(The invention discloses a wind turbine generator on-site rapid diagnosis method.A wind turbine generator on-site rapid diagnosis device comprises an on-site photographing module, an image recognition module, a rapid diagnosis module, a data transmission lead and a power supply; the on-site photographing module photographs on the site of the wind power plant station through a photographing tool to meet the original data requirement of the wind turbine network integrated diagnosis platform, the image recognition module performs character recognition, positioning, defect detection and picture classification, the rapid diagnosis module uses an algorithm in the rapid diagnosis module to rapidly judge the fault of the blade according to the result data of the image recognition module, the data transmission lead is a data channel among the on-site photographing module, the image recognition module and the rapid diagnosis module, and the power supply provides electric energy for all equipment. The invention has the advantages of simple structure, convenient operation, strong practicability, high sensitivity, high calculation speed, visual and visual result and the like, and is suitable for being used in the wind power industry.)

一种风电机组现场快速诊断方法

技术领域

本发明涉及一种风电机组现场快速诊断方法，属于风电故障诊断领域。

背景技术

风力发电由风力发电机组、支撑发电机组的塔架、蓄电池充电控制器、逆变器、卸荷器、并网控制器、蓄电池组等组成；风力发电机组包括风轮、齿轮箱、发电机；风轮中含叶片、轮毂、加固件等。

机组的保养可分为一级保养、二级保养和三级保养(即一保、二保、三保)。一保，就是很快地排除巳发现的故障，快速及时地更换或者修复一些损坏的零部件，这对延长机组的使用寿命是极为重要的一环。二保，是指机组运行一年左右。要拆卸风叶，转向装置等部件，把油灰清洗干净，零部件若有损毁，进行更换或修复，并结各个轴承以及活动部分，都要加入适量钙基润滑油(黄油)。三保，是指机组运行三至五年，要进行一次全面检查相继护，零部件若有损毁，要进行更换或修复。风机的长期运行需要维护保养，但是维护保养也不能保证风机不产生故障影响正常发电。

风机故障产生的原因多种多样：1、设计不完善，2、自然原因，3、运行和维护不当，4、失控，5、缺少预防性维护等等。

风机会产生故障就需要风机故障诊断装置。风机系统故障诊断是对风机系统运行状态和异常情况作出判断，并根据诊断作出判断为系统故障恢复提供依据。要对风机系统进行故障诊断，首先必须对其进行检测，在发生系统故障时，对故障类型、故障部位及原因进行诊断，最终给出解决方案，实现故障排除。

评价一个故障诊断装置的性能指标有：

1）故障检测的及时性：是指系统在发生故障后，故障诊断系统在最短时间内检测到故障的能力。故障发生到被检测出的时间越短说明故障检测的及时性越好。

2）早期检测的灵敏度：是指故障诊断系统对微小故障信号的检测能力。故障诊断系统能检测到的故障信号越小说明其早期检测的灵敏度越高。

3）故障的误报率和漏报率：误报指系统没有出去故障却被错误检测出发生故障；漏报是指系统发生故障却没有被检测出来。一个可靠的故障诊断系统应尽可能使误报率和漏报率最小化。

4）故障分离能力：是指诊断系统对不同故障的区别能力。故障分离能力越强说明诊断系统对不同故障的区别能力越强，对故障的定位就越准确。

5）故障辨识能力：是指诊断系统辨识故障大小和时变特性的能力。故障辨识能力越高说明诊断系统对故障的辨识越准确，也就越有利于对故障的评价和维修。

6）鲁棒性：是指诊断系统在存在噪声、干扰等的情况下正确完成故障诊断任务，同时保持低误报率和漏报率的能力。鲁棒性越强，说明诊断系统的可靠性越高。

7）自适应能力：是指故障诊断系统对于变化的被测对象具有自适应能力，并且能够充分利用变化产生的新信息来改善自身。

以上性能指标在实际应用中，需要根据实际条件来分析判断哪些性能是主要的，哪些是次要的，然后对诊断方法进行分析，经过适当的取舍后得出最终的诊断方案。

在风机的日常运行维护时，风机的故障往往难以发现，急需一种风电机组现场快速诊断装置及诊断方法。这些问题如果日常维护做到位，就可以避免日后高额的维修费用、减少停机中造成的经济损失。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种设计合理、系统简单、具备可操作性的风电机组现场快速诊断方法。

本发明解决上述问题所采用的技术方案是：一种风电机组现场快速诊断方法，其特征是，风电机组现场快速诊断装置包括现场拍照模块、图像识别模块、快速诊断模块、数据传输导线和电源；现场拍照模块通过拍摄工具在风力发电场站现场进行拍照，实现风电机组网络一体化诊断平台的原始数据需求，图像识别模块进行字符识别、定位、缺陷检测、图片分类，快速诊断模块根据图像识别模块的结果数据，使用快速诊断模块中的算法快速判断叶片的故障，数据传输导线为现场拍照模块、图像识别模块、快速诊断模块之间的数据通道，电源为所有设备提供电能。

本发明与现有技术相比，具有以下优点和效果：

1、结构简单、系统紧凑，实用性强，适合风电行业使用，具备可操作性，实践证明是一种很好的方法。

2、操作方便。

3、具有灵敏度高、计算速度快、结果直观形象等优点。

4、全新设计，测试分析快速，图线清晰。

5、可比性强。

6、多参数采集和存储。

7、具有广泛适用性。

附图说明

图1是本发明实施例中风电机组现场快速诊断装置的结构示意图。

图中：现场拍照模块1、图像识别模块2、快速诊断模块3、数据传输导线4、电源5。

具体实施方式

下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

参见图1，本实施例中的风电机组现场快速诊断装置包括现场拍照模块1、图像识别模块2、快速诊断模块3、数据传输导线4和电源5等。

风电机组现场快速诊断装置设备使用参数

工作温度	0-50	℃
			设备供电	220	AC
现场拍摄天气条件	无逆光、雨雪天气

现场拍照模块1：该模块的功能是通过特殊的拍摄工具在风力发电场站现场进行拍照，实现风电机组网络一体化诊断平台的原始数据需求。

图像识别模块2： AiDitron 是一款基于人工智能深度学习的针对机器视觉开发的软件。

主要功能如下：

1.字符识别

2.定位。

3.缺陷检测。

4.图片分类。

AiDitron人工智能软件/智能相机能够像人一样，无需编程，能够进行自学习的方式来训练，功能强大，其优势在于：

1.准确率高：在工业检测领域，通过大数据的学习和不断的重复，准确率无限接近100%。

2.解决疑难问题：在AiDitron人工智能软件调节一个参数另一个参数不变动，能够满足所有缺陷的检测要求。

3.短时间可以做出结果：在时间要求很短的项目上，只要有足够多的图片，而且进行标识，原则上一天就可以做出理想的结果。

4.后期维护方便：传统算法现场出现问题，无法检测出想要的结果，软件编程技术人员要到生产现场进行软件调试。AiDitron人工智能软件直接把没有检测出来的图片在生产现场再学一遍就可以达到想要的结果。

5.操作门槛低：没有编程基础的人使用这个软件就可以快速对复杂缺陷进行检测识别。

实现的检测成果如下：

实现的技术指标成果

指标名称	指标参数	单位	备注
				最小检出缺陷尺寸	5	mm	裂痕及损伤的尺寸
缺陷定位精度	50	cm	缺陷的位置精度
				图片色彩	黑白
拍摄距离	65-80	米
				监控阵列分辨率	12	Mp	彩色
高清阵列分辨率	72	Mp	黑白
				拍摄范围	74*10	m	65m拍摄距离
拍摄范围	86*12	m	70m拍摄距离
				拍摄范围	99*13	m	80m拍摄距离

快速诊断模块3：根据图像识别模块2的结果数据，使用快速诊断模块3中的算法快速判断叶片的故障。

数据传输导线4：为现场拍照模块1、图像识别模块2、快速诊断模块3等设备之间的数据通道。

电源5：为所有设备提供电能。

虽然本发明已以实施例公开如上，但其并非用以限定本发明的保护范围，任何熟悉该项技术的技术人员，在不脱离本发明的构思和范围内所作的更动与润饰，均应属于本发明的保护范围。