2020年10月14日-16日，2020北京國際風能大會暨展覽會（CWP 2020）在北京新國展隆重召開。作為全球風電行業(yè)年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京，本屆大會以“引領綠色復蘇，構筑更好未來”為主題，聚焦中國能源革命的未來。能見App全程直播本次大會。

　　

　　在15日下午召開的風資源精細化評估分論壇上，銳電科技有限公司數據工程師 張亮發(fā)表《激光傳感器的在風力發(fā)電機組的應用》主題演講。

　　以下為發(fā)言實錄：張亮：我是來自銳電科技的張亮，給大家分享的激光傳感器的應用。今年公司銳電科技葉片升級的項目。

　　

　　我們現在做的什么？怎么樣監(jiān)測？首先我們現在的背景，關鍵的部件，在長期工作在這種長期工作在戈壁山區(qū)，長期暴露風力發(fā)電機組效能下降，如果發(fā)生損壞，發(fā)生變化造成機組的振動超速問題，嚴重的會出現倒塔的現象，機組葉片的維護成本也比較高，損失也會大，現在葉片監(jiān)測系統已經非常多，也非常成熟了，但是在成本方面不太有優(yōu)勢，對老舊機組改造，對葉片監(jiān)控必須要降低它的監(jiān)控成本，在葉片，在后期，采用葉片載荷數據，利用信號處理方法及深度學習算法對葉片監(jiān)測數據分析，實現對葉片的平衡、覆冰和裂紋等進行預警預測，載荷載機葉片載荷的這種方法其實是類似的，實現的一樣，只是不對外形進行監(jiān)測。

　　

　　還有一種毫米波雷達，安裝在機艙的下部，機艙的后上部，這樣最右邊的圖它所實現的方法，現在有一個問題，雷達測量的范圍不是很大，視角達到5度左右，它這個實現的功能也已經非常完善了我們也做過測試，它也是一種通過探測區(qū)葉片到雷達的距離，方位角使用信號處理的一些方法算法，標定，實現葉片姿態(tài)的一個監(jiān)控和距離的計算。

　　

　　公司對老舊機組的升級，我們銳電科技也是通過調研市場一些傳感器，對葉片進行監(jiān)控，邊緣計算技術，邊緣計算終端，風機葉片形變實時的計算，避免出現惡性事故，提升風電機組的可靠性。

　　

　　我們現在是怎么做的，我們這個激光雷達，安裝在機艙的背部，安裝在發(fā)電機的下部。然后通過在機艙打孔，加裝隔離板，照射葉片在運行6點鐘的方向，激光雷達可以返回的角度，距離的空間坐標我們通過這個數據進行分析，然后監(jiān)測葉片前端近20米的一個形變和計算出塔筒的距離。

　　

　　為什么選這款雷達，因為這款雷達今年1月份最新出來的，它的量程，達到320米，視場比較廣，14.5度，距離精度達到2厘米，角度0.03度，數據延遲非常低和傳統的區(qū)別，探測范圍比較廣，這個雷達為汽車無人駕駛設計的。它能快速的捕捉，這個圖一百毫秒左右，市場范圍內的所有的測到的點反饋出一組近24萬的點云數據。介紹我們實驗方法，實現的功能，第一個葉片的形態(tài)監(jiān)測，通過測量的數據，然后提取葉片在不同工況下的特定模型，通過仿真來做，監(jiān)測葉片的狀態(tài)和形變，第一個圖我們提取的數據，數據主要分為一個是反射率，還有它的一個空間坐標。然后這個圖形完整的判斷20米的葉片的一個數據，把這個數據可視化以后，再經過我們的處理，通過我們建模的運算得出輸出的葉片的形變的量，將這個量再接入到我們的PRC中，我們實現過程離線建模過程，先通過首先是點云邊緣的數據，數據傳回來利用經典的數據圖像邊緣提取算法，提取邊緣數據點，對應到空間點位邊緣，監(jiān)測比較成熟的，精度高速度快，可以應用到我們自主研發(fā)的建設終端里，獲得的點云數據坐標值X軸Y軸組成平面做投影，這樣我就可以利用這種信息監(jiān)測點的不聯系性，突變利用這種算法提取到圖像的邊緣信息，再將邊緣點對應到空間中，完成邊緣的提取。離線建模，通過一個仿真標定對機組的不同工況葉片表面數據提取，經過算法后續(xù)處理得到準確的邊緣特征點，然后再建立相應的點對應特征并保存到一個哈希表里以便于后續(xù)的快速查找和使用，第二在線監(jiān)測，提取到的特征點，相對應特征，對點和特征和位置，進行一個模型的對比，這樣我就可以在運行過程中葉片的姿態(tài)，通過進一步的驗證和優(yōu)化，確定變形姿態(tài)，這樣可以識別出不同工況下的形變。

　　

　　第一張圖現在幾種方法，靜化值，輪轂轉動時葉片放一個探測距離的工具，無論是激光的還是毫米坡的其他的方式然后探測，這種方式可能能探測一點，如果想布置的話很麻煩，第二種我們在輪轂后方我們放置一個傳感器進行探測。然后第三種就是我們點對點的方式，機艙后部放一個激光傳感器，直接照射葉片出現點對點的，我們現在采用這種方式直接可以照射橢圓形的面，可能發(fā)生這種掃塔，葉片葉尖部位是比較關鍵的。右側獲得的實際的數據，中間是葉片呈現的一個數據模型。

　　

　　通過我們葉片靜態(tài)識別，我們葉片形變變得更了，判斷葉片是否存在這種結構的損壞，或者說問題，可以對機組進行一個智能降載的控制策略?，F在我們主要面臨問題的就是首先這個激光傳感器波長比較小，所以說環(huán)境的影響對它感染比較大，大霧的天氣，沙塵暴這樣的天氣，對它影響比較大，機組在運行過程中振動和百度，傳輸回的數據干擾也比較大，第二個我們數據模型建的不夠精確，精度達到10厘米左右，現在我們挑戰(zhàn)進一步提升實時監(jiān)控的精確識別，然后第二步想把也運行角度識別出來，葉輪的平衡，第三個是風況的精確識別，謝謝。

　　

　?。ǜ鶕儆浾恚唇洷救藢徍耍?/div>