智航风联护蓝海 无人协同启新程 —— 安徽理工大学团队研发海上风电智能运维系统破解行业运维困局

发布时间:2025-10-14 22:51   来源:大学生云报 | 张海旭   阅读 1.5千+一键复制本页标题和网址

学子风采

【智航风联团队:以无人之技,破风电运维之难】

在 “双碳” 目标引领下,我国海上风电产业正加速向远海、深海挺进,截至 2024 年第三季度,累计建成并网容量已达 3910 万千瓦,稳居全球首位。然而,这片蓝色能源疆土的背后,却笼罩着 “高成本、高风险、短窗口期” 的运维阴影 —— 传统 “人工 + 作业船舶” 模式下,年均可出海作业窗口期仅 155 天,单次运维成本高达 20 万元,2018-2023 年累计安全事故造成超 2 亿元直接损失。

面对这一产业痛点,安徽理工大学赵予韧、张海旭等 12 名跨学科师生组成的 “智航风联” 团队,在兰世豪老师指导下,历经多次海况模拟与技术迭代,成功研发出 “基于无人艇 - 无人机协同的海上风电智能运维系统”。这套系统以 “无人协同 + 数字孪生” 为核心,如同为海上风电场配备了 “全天候智能守护队”,有效破解了传统运维的多重困境,为远海风电安全高效运营注入新动能。

图为 团队成员调试无人艇通信模块

【攻坚之路:从实验室仿真到远海实测】

研发初期,团队面临的首个难题便是海上复杂环境的 “双重考验”:一方面,远海风区信号弱、台风海雾频发,传统通信设备传输中断率超 30%,无人设备抗风能力难以满足作业需求;另一方面,风电机组高空部件(如叶片、机舱)故障检测精度要求极高,毫米级的机械松动、1℃级的温度异常都可能引发重大事故,现有检测设备难以兼顾 “精准度” 与 “便携性”。

为突破通信瓶颈,团队测试了 12 种无线模块组合方案,最终选定 “NRF24L01 短距模块 + 2.4G 远距模块 + 信号放大器” 的多链路通信方案,在实验室模拟 6 级海况下,实现数据传输时延<500ms、中断率降至 0.3% 以下。针对设备抗海况能力,团队对无人艇进行了 200 余次结构优化,采用防水推进器、IP67 级密封设计,搭配太阳能 + 锂电池混合供电系统,使其在 6 级海况下仍能稳定作业,续航里程突破 800 公里。

在检测精度提升上,团队为无人机搭载 MLX90640 红外测温传感器与超声波 TOF 模块,通过 1000 余组设备故障数据训练,将叶片裂纹识别精度提升至 ±0.5mm,机舱热点检测误差控制在 ±1℃。历经三代无人艇、两代无人机的迭代优化,系统最终实现 “无人艇定点停泊 - 无人机精准起降 - 物联网平台智能调度” 的全链路协同,成功在江苏某远海风电场完成实地测试,将单次运维成本从 20 万元降至 3 万元,有效作业窗口期延长至 300 天以上。

图为 设计工艺图

【系统内核:构建 “三位一体” 智能运维闭环】

“智航风联” 系统的核心竞争力,在于构建了 “物联网平台 - 无人艇 - 无人机” 三位一体的协同架构,形成从数据采集到决策落地的完整技术链路,让海上风电运维 “看得见、算得准、响应快”。

作为系统 “智慧大脑” 的物联网平台,搭载了 LSTM 长短期记忆网络算法,可整合 3 年以上的机组运行数据(如轴承温度、叶片振动、环境温湿度),通过学习设备参数变化规律,故障预测准确率超 90%。平台还构建了风电机组数字孪生模型,能仿真不同海况下设备部件损耗速率,每次无人协同监测后,自动生成 “设备状态评估报告 + 维护方案建议”,明确重点维护部件与备件需求,将故障平均修复周期从 14 天缩短至 3 天。

无人艇则是系统的 “海上移动基站”,整合了 RS686 超声波风速风向传感器、GPS neo-7m 卫星定位系统、红外夜视设备等 13 类硬件,可实现 “环境 - 设备 - 位置” 全维度监测:白天通过微型气象站捕捉风速风向变化,用超声波模块检测海底管道壁厚偏差;夜间启动红外夜视设备,配合 4G 高清摄像头实现 24 小时不间断作业;同时作为无人机的 “海上起降平台”,解决了无人机远海续航短、起降难的问题,形成 “艇机协同” 的立体监测网络。

无人机承担着 “高空侦察兵” 的角色,搭载的 MLX90640 测温传感器可覆盖 - 40~300℃测温范围,精准识别机舱电气柜、叶片根部的热点区域;超声波 TOF 模块能测量 0.1~5m 范围内的机械间隙,及时发现螺栓松动等隐患;4G 高清摄像头则实时回传飞行画面,让陆上指挥中心清晰掌握设备细节状态。三者协同运作,彻底改变了传统运维 “靠天吃饭、凭经验判断” 的模式。

图为 协同系统成品效果图

【星火燎原:让智能运维照亮更多蓝海】

“不仅要解决海上风电的运维难题,更要让这套技术成为多领域的‘安全利器’。” 团队始终秉持这样的理念。目前,他们已带着系统模型走进沿海风电企业,为运维人员开展技术培训,累计覆盖从业人员超 200 人次;同时将无人协同控制、多源数据融合等核心技术整理成技术白皮书,为行业数字化转型提供参考。

面向未来,团队计划进一步优化系统性能:一方面升级 AI 算法,将故障预测提前期从 14 天延长至 30 天;另一方面拓展应用场景,将 “周期性无人监测 + 预测性维护” 模式复制到海底管道检测、海洋平台维护等领域。此外,团队已与江苏某风电设备企业达成合作意向,计划明年实现系统规模化应用,预计可为 500MW 风电场年均减少运维成本超 800 万元,增加发电量 0.6-1.25 亿元,为我国海上风电产业高质量发展贡献更多 “智慧方案”。

图为 软件界面示例

撰文|张海旭 赵予韧

图片|张海旭


声明:凡来源或标记以“大学生云报”之内容均为本网合法拥有版权或有权使用的作品,至发布之日起三日后方可原文转载,转载时请注明来源及有效联系方式。

审定:张海旭    责编:赵旭 + 投诉举报

50 赞
  • 相关新闻
    为你推荐