项目背景
全球能源清洁化转型推动风能产业爆发，在我国风电场规模化发展下，对于海上风场的传统人工巡检模式因高空作业风险高、人力成本巨大、漏检率高且缺乏实时预警等弊端，已难以满足安全高效运维需求。本系统融合智能图像识别与红外测温技术，通过关键点位传感器实时采集数据，精准监测齿轮箱、轴承等核心部件异常，支持实时告警与第三方数据互通。其管理平台突破风机数量限制，可实现全场景智能管控，助力风场降本增效、提升安全运维水平，为“双碳”目标提供技术支撑。
项目痛点
巡检交通受限：海上风电场距离远，受天气和海域条件制约，交通不便，难以实现实时监测，严重影响运维效率。
运维成本高昂：人工依赖度高，传统爬塔危险系数高且耗时长。
技术局限性大：单纯无人机巡检无法实现机舱内设备状态检测。
技术方案
本项目的远程智能巡检系统由智能感知终端、分析单元、服务单元、处理单元和系统软件等设备组成，系统采用“通用硬件平台+边缘操作系统+算法应用容器”统一框架，实现监测数据阈值分析、设备缺陷主动告警、前端传感集中管理等功能。构建智能算法，通过配置图像识别、设备监控告警分析等算法，实现感知数据的就地分析与反馈，提升现场融合判断和计算分析能力。建设智能感知装备管理服务，对各类智能感知终端的运行情况、部署位置等进行监测，并实现智能感知终端的接入、控制、退出统一管理。分析单元、服务单元、处理单元和系统软件等部署在陆上开关站监控中心。
在风机内合理布设各类智能感知终端，充分应用成熟的缺陷检查、人员行为分析、入侵诊断、温度监测、作业监控、违规告警等智能图像识别技术和红外测温技术，实时获取安全作业生产、关键设备外观及环境等情况，利用智能分析单元开展计算，分析各类异常情况并实时告警，实现风电机组安全智能管控。
1、螺栓松动识别：通过高精度视觉感知与多模态分析，检测螺栓松动，结合人工辅助线判断，实时报警。
2、设备漏油识别：通过多模态感知与深度学习技术，实现复杂工况下的精准检测与快速响应，系统通过视频数据检测是否出现设备油液泄漏现象，对异常情况进行报警。
3、按钮状态检测：通过高精度视觉感知与多模态数据分析，实现按钮状态实时监控、异常预警与自动化管理。
4、禁区闯入检测：系统通过实时检测人员是否闯入禁止区域，并区分授权人员(佩戴RFID工牌)与非授权人员。检测到有异常情况，立即报警。
5、温度识别：通过非接触式温度感知，在工业巡检中实现设备状态监测、安全隐患预警及能效优化。
方案价值
该技术方案为海上某风场提供一套远程智能巡检系统，利用缺陷检查、人员行为分析、入侵诊断、温度监测、作业监控、违规告警等智能图像识别技术和红外测温技术，实时获取安全作业生产、关键设备外观及环境等情况，分析机舱齿轮箱油位计、齿轮箱、制动器、高速轴承、高速刹车盘、油冷散热片、液压泵等部位的各类异常情况并实时告警，同时支持向第三方系统发送各类异常及告警数据。实现风电机组安全智能管控，为风场安全生产提供有力保障。