盐城工学院：AI赋能风电巡检 打造新能源装备智慧运维新标杆

来源：盐城工学院

海上风电是新能源产业的重要板块之一。盐城工学院“风电之眼”团队深耕海上风电巡检场景，跳出传统硬件改造思维，以系统集成+算法赋能为核心，打造出一套适配海上风电实际的智慧运维系统化技术方案，破解行业传统痛点问题，为海上风电智慧运维提供全新的解决方案。

“风电之眼”团队依托高校在算法研发、跨学科融合的优势，将技术创新重心放在场景化适配、系统架构优化和算法深度研发上，形成了三项兼具可行性与创新性的核心技术方案。

针对无人机续航短的痛点，团队创新提出分布式无人机接力充电仓技术，放弃对无人机本体的硬件改造，转而深挖海上风电场现有基础设施价值。在风电塔筒顶部机舱平台，部署定制化智能自动机巢，直接取用风机自身供电，解决无人机续航时间不足的问题。中大型巡检无人机从岸基站起飞后，完成指定区域巡检即可自动降落在就近机巢，通过3-5分钟快速充电，配合自研机巢群调度算法，让无人机以“公交式接力”实现风电场全域理论无限续航。

针对巡检数据无法实时回传痛点，团队打造边缘计算搭载轻量化AI大模型预处理筛选技术，巧借风电场现有通信资源破解带宽瓶颈。方案构建“无人机端-风机边缘-岸基中心”三级处理体系：无人机机载AI芯片完成首轮模糊废片筛选，风机内高性能边缘计算终端开展二次深度处理，滤除90%以上正常背景数据，仅提取缺陷特征的结构化数据；同时利用海上风电场风机与升压站之间已铺设的 SCADA 海底光纤环网，将风机边缘终端直接接入风机塔基工业交换机，把压缩后的极小体量有效数据通过光纤专网实时回传至岸基控制中心，实现数据低延迟、无丢包的实时传输，相较传统公网传输模式，大幅降低通信成本与技术难度。

针对仅做缺陷识别、缺乏全生命周期运维痛点，团队研发基于数字孪生技术的风电叶片预测性智慧运维技术，以算法算力弥补传感器感知局限，实现“由表及里”的故障预判与智慧运维。该技术以无人机高清视觉检测为基础，先通过摄影测量技术重构叶片表面3D点云模型，将空鼓、浸润不良、翘曲等表面缺陷精准映射至模型坐标；再构建风电叶片数字孪生体，把表面缺陷尺寸作为边界条件输入有限元分析模型，结合SCADA系统采集的风速、载荷等实际运行数据，计算裂纹尖端应力集中系数和疲劳扩展速率；最终由算法预测缺陷发展趋势，输出具体的运维建议，实现风电叶片全生命周期智慧管理。

“风电之眼”团队由盐城工学院智能制造、人工智能、电气工程自动化等多学科师生组成，团队充分发挥高校新工科跨学科融合优势，将机械设计、电控通信、算法研发等任务精准分工，各环节紧密协同。该方案既落地于海上风电的实际工程场景，又融合了数字孪生、边缘计算、物理信息融合AI等前沿技术。目前，该设备已在多个陆上及近海风场完成试点应用，检测准确率与作业效率获得了运维企业的高度认可，未来或将逐步实现规模化推广。（姚苏恒 陆赟 陈怡）