手机浏览网
以下为演讲实录：
今天我和大家分享的题目是《叶片无人机智能巡检技术推广与应用》。
在这之前，首先我想给我们公司做一个简单的介绍，前面的张博张总对于龙源电力有总体的介绍，龙源电力从2015天开始就以世界第一装机容量的身份领跑世界风电的运营发展，截止到2018年底，装机容量1900万千瓦，机组13000多台，将近4万支叶片的规模，所以叶片运营的空间还是很广阔的。中能公司其实是龙源电力的全资子公司，是科技型的支撑服务单位。从2004年开始就一直致力于整个龙源风电厂的运营保障技术的研究和推广，中能电力很早建立了两千座测风塔，并且对这些测风塔进行运营管理。我们有EPC的团队，到目前将近也有10个项目投运的发电。第三个就是我们风电厂的信息化的业务，我带领的这个业务分支一直致力于从行业、社会和高校、机构以及企事业单位和公司把一些成熟的手段引进过来，用在我们风电场，为整个风电场的精细化管理、提质增效做支撑。
今年主要在三个方面做汇报分享：首先是背景的介绍；第二个是目前叶片无人机的智能巡检的解决方案；第三个是下一步工作展望。
其实昨天一天还有今天上午几个专家的介绍都有提到叶片的运维的必要性，我这里就不再逐一做详细的解说，简单来说我觉得叶片从生产、设计、制造、加工、运输、吊装以及长时间的运行阶段，任何一个环节可能出现不尽心尽力或者是有一些检查不到位都会有故障的发生，同时还有一个客观的因素，就是自然环境以及恶劣的风况的情况下，有一些盐雾腐蚀还有风沙的情况，机组现在也更加大型化，叶片出现多种类的损伤，对我们整个风电场的影响也是越来越大。
这是我们在叶片巡检过程中发现的典型的缺陷，其实昨天也有很多专家在介绍。刚才说到我们的叶片长度已经是越来越大型化。这个就是我刚才说到的典型的缺陷，昨天也有专家提到叶片前缘的损伤对于发电量的影响，现在我们通过查阅国际和国内的文献，昨天我记得一个专家提到前缘的影响应该有25%左右，现在我们针对这个事情在开展的一个工作就是单独选择了几个风电场的试点，专门进行叶片前缘的修复，我们现在联合一些专业机构做修复前后的发电量的提升工作，这个工作预计到10月份会出一个结果，也愿意在将来出了结果之后，和在座的各位专家进行交流。
总结来说，我觉得叶片运维现在实现状态检修的运维是一个必然趋势，从我们业主来说，安全管理的要求，从设备管理的要求都使得我们越来越关注叶片的安全运行。而且现在随着数字化运维的趋势，叶片的数字化、精细化、智能化的运维也是必然的要求。我们在四年前有一个课题就是研究叶片监测的技术路线，总结来说，我觉得叶片的监测主要是两个维度：一个是从内向外的监测也就是片子提到，其实昨天也有厂家在介绍，这个主要是通过监测叶片的载荷来进行，从小萌芽发生到不断恶化的长期的监测，其实这是一个很好的技术手段，只不过在三四年前这种手段进行调研之后，它的应用成本还是很高，所以当时没有规模推广；另外还有一个是从外到内的检测手段，那就是纯粹的外观的检测，通过云眼、望远镜、摄像头等等从外部观察看叶片发生了什么问题。其实这些手段大家都有提过，望远镜、高清摄像头以及人工的攀爬的检查，但是其实多多少少都有一些局限性，像望远镜会有一些盲区，人工的检查强度又大，所以我觉得一直想实现叶片的灵活的高频繁的检测，一直达不到这个目的。我个人的观点，现在无论是自提式的维修，我觉得他们最擅长的还是维修，在检测手段还是要选择更灵活的手段，所以接下来分享的是叶片的无人机的讯进的解决方案。
其实原理其实很简单，就是把常规的无人机利用计算机的机器视觉和智能飞行机器人技术为核心，这从2015年开始推荐这个技术，也是经过不断迭代的升级，其实针对风机它的叶片、形状都很复杂，所以当时也是经过不断的升级，直到今天我们成功研发的这个产品，也实现了这个目的，到现在达到的指标就是怎样从高校上面，单台机组三个叶片20-25分钟能够独立完成，清晰度可以达到毫米级的清晰度，从完整的角度来说它是把叶片从360度全景全覆盖拍摄，安全方面实现地面操作，不至于爬塔的安全风险。现在我们攻破一个难题就是叶片在任何的角度都实现了拍摄，原来是必须到外形才能够进行拍摄。
提到智能这一块，我们把无人机的智能维度从无人机参与到无人机自动处理一些意外情况的能力分成四个自动化等级：第一个是纯手工的，也就是在2017开展一些无人机的检查，其实都是通过人工操作，当时发现的问题是现场使用的门槛比较高，必须考相关的证书，拿到这个证书才能开展作业，基于这个我们也不断地完善我们的需求；就发展到第二个等级，我们把叶片分成多个小路径，然后人工只要参与小路径之间的衔接就可以把整个的叶片巡检完成，同时在发生意外的情况下还需要人工的监管；第三个就是我们把所有的路径串起来，中间不再需要人工参与，直接一键起飞一气呵成，自动降落到起飞地点，当出现意外的情况还需要人工的监管；第四个自动化的级别是100%自动化的情况，完全不需要人工干预，不需要人工操作，也不需要人工的依赖。现在我们的阶段认为达到了第三个自动化的等级，这个是针对几个等级操作人员的数量。
无人机检查的时候，实际上每支叶片都分成四个路径，分别是从前缘、后缘一共12个路径，每条路径大概拍摄是30-40张照片，20-30分钟的拍摄。
叶片前面的采集问题如果解决掉之后，随之而来的问题就是大量的照片谁来编写？如果是单个人工的话在我们自己的电脑上查阅照片，进行观察、标注等等，这个强度非常大，而且人工参与还容易出现一些披露，因此我们在研究叶片前端智能巡检的同时也开发了一套叶片的数字化运维管理平台，主要是实现这么几个功能：第一个我们把叶片作为一个管理的单元，首先实现叶片的台账管理，每个叶片按时间维度把它所有的照片进行存储，然后每个叶片、每条路径它的相应的照片都进行细化，相当于把我们的叶片的运维数据进行数字化的模型的界面。这一块是诊断人员依托于这个管理平台，在平台上进行曲线的标注，首先我们把这个缺陷按照相应的标准进行分类，首先缺陷的类型、缺陷的级别、描述它的尺寸、它的相对位置都进行了细化，以便于将来做运维的时候来进行管理决策的时候有量化支撑。左边这个图相当于我们把每个叶片的路径三四十张照片拼成一个大图，这个大图我们发现的缺陷就会显示在叶片的相对位置，就比较直观自然。还有一个功能就是我们把叶片修复完之后再进行一些拍摄，就把它前后的情况进行对比，但是结合昨天讲的目前叶片的维修情况的现状，有很多不负责任的检修情况，我觉得如果修立马拍摄我们再联合第三方机构进行评审把关，有这些照片对他们来说也是行为上的约束。
最终我们的评判会根据前面的诊断标注出现自动化的报告，这个报告主要是我们风电场的管理人员、厂长从他的角度他不关心你怎么检，怎么分析，最重要的是我管理这么多的机组，这么多的叶片有多少受到损伤，现在可以有什么措施。通过昨天的学习和了解，也发现无人叶片的缺陷认知是有相当高的专业要求，所以我们在这方面的经验有很大的缺陷，现在我们出报告除了正常、严重、非常严重之外还有一个叫待决定的状态，因为我们发现有一些表面很轻微的实际上通过内腔的查看是很严重的状况，那这些漏检没有归到待决定，应该立即要求相关人员进行查看防止事件的发生。
其实每年都在以300-500台规模在推进，到现在为止我们在13个省份、32个风电场累计完成无人机巡检1355台，发现严重缺陷475处，涉及风机285台，比例还是很高的。缺陷主要类型包括前缘腐蚀、叶根裂纹、前后缘开裂，雷击造成叶尖炸裂。我们通过巡检在节省叶片运维成本方面，避免故障扩大化产生直接、间接经济效益1610万元。这是我们当时发现的典型的缺陷照片，从清晰度来说是非常清晰的。
前面两个部分是作为龙源的技术支持团队在巡检方面做了一些工作，我觉得通过这两天的学习，接下来我们要做的工作还有很多，但是这里简单说几个方面。
首先第一目前我们启动无人机巡检的行业标准，我觉得叶片的运维要建立良好有序的生态环境，我觉得还是要有标准的，要有规矩可循，首先检测要有相应的标准，你的报告应该出什么结论？出什么维度的？你的修复报告应该达到什么样的要求？最终应该输出的内容要有相应的规范。
还有一个我们在8月份刚做完的这个工作就是来了海上无人机的试飞工作，其实我们发现海上无人机在操作的过程中和陆上比，海上的要求还是非常苛刻，首先它对于窗口期要求很严格，因为在陆上调整一些作业准备等等都可以不限时间，但是在海上是有严格要求的。我觉得海上无人机将来是完全自动化执行的，可能要定制一个能够充电的安装点，一旦有执行任务直接就触发自己就执行任务的，再自行飞回来，同时结合现在5G网络的高带宽、高速度的传输渠道，它实时把照片传回到我们的叶片平台，这样可能满足海上运维的条件。
还有一项工作我们在做的一千多台的诊断的过程中，其实在做的叶片段方面，刚才说目前的经验还是有欠缺，大部分是人工参与包括找专业的机构帮我们审核报告，所以我们要把工作分成两部分：第一部分把叶片经过海量照片的初筛工作应该先检测出来，目前能联合专业研发机构基于图像识别、深度学习的算法自动识别出来，解放出人员能够重点在叶片的缺陷经验积累上进行提升。在这里我们发现有这么一个问题，其实在这么多的照片当中，如果单纯靠深度学习，精度其实并不理想，我们发现人工干预，把一些点明的缺陷进行归类，当然这个前提可能是需要大量的故障的缺陷照片，我们现在积累了一部分，我觉得还是需要更多的积累才能保证模型的精度达到一定的水准。
以上就是我们这个团队在叶片巡检方面做的一些工作，最后希望通过这次专题叶片的平台，也呼吁各位专家和我们中能电力科技公司建立有效的沟通渠道，我们一起通力协作，为我们国家的风电贡献一份力量，谢谢大家。
（内容来自现场速记，未经本人审核，如有不妥请联系修改）
