一种基于无人机的海上风电场巡视与监测系统及方法与流程

本发明属于海上风力发电，具体涉及一种基于无人机的海上风电场巡视与监测系统及方法。

背景技术：

1、海上风电是一种清洁、可再生的绿色能源，近年来得到了迅速发展。与陆上风电相比，海上风电场通常远离陆地，处于恶劣的海况环境，给机组的运行维护带来了极大的挑战。

2、目前，海上风电场的监测主要依赖于远程监控系统和人工定期巡检。远程监控系统通过安装在机舱内的有限传感器获取数据，但难以全面评估风机的运行状态。而人工巡检则效率低下、存在安全隐患，且无法实现全天候持续监测。这些都制约了发现故障的及时性和精准性，影响了海上风电场的运行可靠性和经济效益。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于无人机的海上风电场巡视与监测系统及方法，解决现有海上风电场监测方式效率低下、监测手段单一、难以全面评估机组状态、缺乏实时智能诊断与决策支持等问题，实现自主、智能、高效的全天候监测，及时发现潜在故障，全面感知机组运行状态，从而提高运维质量和经济收益，融合无人机、人工智能、5g通信等前沿技术，并与现有远程监控系统有效集成，形成系统化、一体化的解决方案。

2、本发明采用以下技术方案：

3、一种基于无人机的海上风电场巡视与监测系统，包括无人机协同编队子系统，无人机协同编队子系统用于对海上风电场进行自主巡视和数据采集，并通过机载智能诊断子系统对采集数据进行实时诊断并发出维修预警，利用5g/6g移动通信网络子系统将诊断结果发送给远程诊断与决策子系统互联实现分层协同诊断；无人机协同编队子系统、机载智能诊断子系统和远程诊断与决策子系统分别连接边缘计算子系统，通过边缘计算子系统进行实时轻量级决策，并将分层协同诊断后的结果注入数字孪生建模子系统进行精细化状态评估和预测性维护。

4、优选地，无人机协同编队子系统包括固定翼无人机或多旋翼无人机，多架固定翼或多旋翼无人机组成编队，采用基于多智能体系统理论的编队组织、规划和控制方法，根据风电场布局、气象条件制定最优化的编队航线和作业方案，通过分布式协作决策方法安排各架无人机的分工，并实时调整编队的队形、高度、间距；通过搭载的传感器对风机各部件进行多维度数据采集。

5、优选地，机载智能诊断子系统集成深度学习模型，用于现场数据采集、实时智能诊断与决策，根据诊断结果发出维修预警并反馈。

6、更优选地，机载智能诊断子系统包括：

7、数据预处理模块，对来自传感器的原始数据进行标准化处理；

8、特征提取模块，从预处理数据中提取出与故障模式高度相关的特征向量；

9、模式识别模块，将提取的特征向量输入训练好的深度学习模型，输出对应的故障诊断结果；

10、实时决策模块，根据诊断结果，发出预警并采取相应策略。

11、优选地，远程诊断与决策子系统部署在云端，基于云计算架构，实现大数据存储与计算，融合历史数据、机载数据的深度学习模型训练，用于复杂故障模式识别、精细化状态评估。

12、更优选地，远程诊断与决策子系统包括：

13、大数据库模块，存储历史的运维数据、传感器数据、故障案例数据，并与无人机实时采集数据一起输入深度学习训练模块，持续训练和改进故障模式识别、状态评估模型；

14、模型部署模块，将训练好的故障模式识别、状态评估模型发布到线上服务，通过故障智能诊断引擎和状态评估引擎，对机组的运行状态进行全面评估；

15、智能决策模块，基于诊断与评估结果，将给出检修策略建议输出到决策系统。

16、优选地，5g/6g移动通信网络子系统用于无人机、边缘节点及远程中心之间的5g/6g连接，实现机载视频、激光点云数据的实时传输，并支持实时控制、低延时决策指令下发。

17、优选地，缘计算子系统部署在岸上设备或海上平台，用于即时轻量级数据处理与决策，与无人机实现实时协同。

18、优选地，数字孪生建模子系统基于物理模型和设计数据构建海上风电场的数字孪生体；在系统运行时，无人机采集的现场数据将实时注入数字孪生体，使数字模型与物理实体保持动态映射；基于数据驱动和物理模型相结合的混合智能诊断方法模拟机组的实际工作状态，诊断故障模式；孪生体模型内嵌虚拟验证算法，用于评估不同检修策略的有效性；同时集成基于数字孪生的预测性维护算法，用于预判未来机组健康程度，为制定维护计划提供依据。

19、优选地，风机塔筒内设计有无人机智能充电机库，无人机智能充电机库与智能微电网系统对接，利用风电实现自主供电。

20、本发明的另一个技术方案是，一种基于无人机的海上风电场巡视与监测方法，包括以下步骤：

21、对海上风电场进行自主巡视和数据采集，并通过机载智能诊断子系统对采集数据进行实时诊断并发出维修预警，利用5g/6g移动通信网络子系统将诊断结果发送给远程诊断与决策子系统互联实现分层协同诊断；

22、通过边缘计算子系统进行实时轻量级决策，并将分层协同诊断后的结果注入数字孪生建模子系统进行精细化状态评估和预测性维护。

23、与现有技术相比，本发明至少具有以下有益效果：

24、1.提高了监测效率和覆盖范围

25、利用无人机协同编队对风电场进行自主巡视，不仅可以全天候持续监测，而且可以高效覆盖整个风电场，避免遗漏。相比传统人工巡检，大幅提高了工作效率。

26、2.实现全面多维度状态监测

27、集成高清相机、红外热像仪、激光雷达等多种传感器，能够获取风机图像、温度、几何形态等全方位数据，比单一传感器更加全面地感知机组运行状态。

28、3.提供实时智能诊断与决策支持

29、机载智能诊断系统可实时对采集数据进行分析诊断，及时发现故障并作出决策；与远程系统互联后实现分层协同诊断，诊断精度更高。

30、4.支持精细化状态评估及预测维护

31、系统融合深度学习、数字孪生等技术，能够对机组状态进行精细化评估，支持虚拟验证和基于孪生体的预测性维护，为制定维护策略提供依据。

32、5.大幅降低运维成本和风险

33、无人机替代人工巡检降低了工作风险；实时智能诊断有助及早发现问题；预测维护可最大限度延长机组使用寿命，这些都将极大降低海上风电场的运维成本。

34、6.融合多项前沿技术，具有创新性

35、本系统融合了无人机、人工智能、5g通信、边缘计算、数字孪生等多项尖端技术，在系统架构、算法模型、实施细节等方面均体现了创新性。

36、7.系统集成性强，具有广阔应用前景

37、本系统各模块设计紧密结合，与现有远程监控系统可有效对接和升级改造，具有广阔的应用和推广前景。

38、综上所述，本发明为海上风电场的智能化、自动化监测提供了一种全新的系统解决方案，不仅可大幅提升监测质量和效率，而且有助降本增效，促进海上风电朝着绿色、智能、高效的方向发展，具有重要的理论意义和应用价值。

39、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。