249 / 2024-09-11 15:35:55
足智“风”谋——风电场协同运维平台
全文待审
肖嘉瑞 / 昆明文理学院;云南师范大学文理学院
李涛 / 昆明文理学院;云南师范大学文理学院
黎宇轩 / 昆明文理学院;云南师范大学文理学院
作品平台涵盖信息采集、数据处理与分析、数据交互与反馈以及安全加固等四大模块。信息采集模块运用图像识别、红外线摄像头和传感器等技术,搜集风机的图像和运行参数数据,为后续的分析提供数据。数据处理与分析模块则采用大数据分析和机器学习等方法,构建风机的数字孪生模型,首先确定数据源,连接监测设备或传感器实时采集风机状态和环境参数等动态数据,然后通过网络传输至时序数据库,使用时序数据库InfluxDB实现对风电场监测系统的动态数据建模并进行分析,实现对风机状态的实时监测、异常检测以及故障诊断与维修建议的提供。数据交互与反馈模块借助网络通信和移动互联技术,将分析结果传输至Web管理云平台和微信小程序平台供用户查看。最后,安全加固模块则致力于确保数据和网络的安全,以防止潜在的威胁和攻击。

产品的多平台协同创新在于整合了数字化镜像平台、Web管理云平台和微信小程序,以实现风电设备的智能维修管理。现有的报修平台大多功能有限,限于故障检测或故障报修等方面。而多平台协同,实现了数据可视化分析的报修管理平台。

本项目采用基于双通道的风机轴承故障诊断技术,创新点在于采用双通道特征融合模型。该方法在故障诊断方面有良好的诊断性能、较高的鲁棒性以及优越的通道网络特征提取能力。现有风电故障检测技术特征提取不全,诊断准确率低。本项目采用基于双通道的风机轴承故障诊断技术采用特征融合模型和特征提取方法,可克服难点。

此外,本项目还提出了基于深度退化特征表示和机器学习的风机关键部位剩余使用寿命预测技术,创新点在于从风机的运行数据中提取信息,形成综合健康指标。然后根据指标变化,提前预警。现有风电维护技术中对风机剩余使用寿命预测技术研究不够完善。本项目使用数据驱动,基于统计分析和机器学习方法对失效数据拟合,构建剩余使用寿命预测的分布模型,泛用性强。

    纵观今史,我国低碳环保举措持续推进,风电市场规模将不断扩大。不仅如此,我国是全球风电装机容量第一大国。而基于ARIMA模型的风电市场需求规模也在扩大。综合产品优点和行业需求,本产品的数据可视化分析的市场份额会越来越大。
重要日期
  • 会议日期

    10月30日

    2024

    10月31日

    2024

  • 11月30日 2024

    初稿截稿日期

主办单位
中国虚拟现实大赛组委会
中国虚拟现实大赛指导委员会
承办单位
长春大学
VR中国
联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询