基于物联网与计算机视觉的风电安全状态监测

谢强

（新疆龙源风力发电有限公司，新疆 乌鲁木齐 830054）

风力发电机组的叶片长期暴露在室外恶劣的自然环境中，与多种不确定因素直接接触，随着使用寿命的增加，风电叶片发生不同程度的劣化，导致表面产生各种程度的缺陷影响风电系统的安全。据统计，风电机组叶片成本造价为整体发电设备的五分之一，叶片一旦损坏，很可能导致更深程度的机组运行故障，尤其是在风沙猛烈地带，风电机组叶片的安全状态监测尤为关键。为此，本文对于风电安全状态监测的研究将重点围绕风电机组叶片安全监测展开，联合应用物联网与机器视觉定期巡查风电叶片的缺陷，及时解决发电过程产生的安全隐患，提高风电系统运行的经济效益。

1 基于物联网的风电安全状态信息监测系统设计

物联网系统综合运用多元化数据传感器、射频识别技术、激光扫描设备等工具采集监测对象信息，以网络为连接实现数据共享与分析，对事物进行智能化管理。本文采用物联网技术构建了风电叶片安全状态监测系统，其总体布局见图1。

图1中，安全监测系统主要包括叶片图像采集模块、主控制模块、安全信息分析模块：

（1）叶片图像采集模块相当于物联网的传感层，布置数个传感器形成视觉图像传感网络，负责全方位周期性采集风电机组叶片的表面缺陷信息，作为叶片安全状态评估的依据；风电叶片缺陷采集对图像传感器具有一定的要求，例如，精度应达到0.1mm标准，图像采集的速度应达到10张/秒。

（2）主控制模块相当于物联网中的控制层一般设立在风电控制中心，用于远程监控风电机组叶片的安全状态情况。主控制模块包括中央处理单元、存储硬件等等，功能是安全保存感知层采集的大规模数据并进行分析，无线网络时图像采集模块与主控模块沟通的纽带。

图1 基于物联网的风电机组安全监测系统布局

（3）安全信息分析模块相当于物联网的应用层，包括客户服务器与客户终端两个部分，主要功能是显示、查询、分析风电叶片的安全状态，呈现了良好的人机交互体验。

此外，图像为风电机组定值了特有的RFID射频电子标签，射频信息将同步到物联网监测系统中，用于风电叶片身份识别。

2 基于计算机视觉的风电安全状态监测

2.1 风电叶片缺陷提取与计算

提取风电叶片缺陷之前，需要采用Ostu算法分割图像得到背景区域与目标区域，即阈值分割后的二值图。Ostu阈值分割算法中，定义背景图像与目标图像分别为 1W、2W，两种区域对应的灰度级为[0，t-1]、[t，L-1]，图像背景与目标的类间方法计算公式如下：

在风电机组叶片图像缺陷区域与背景区域分割的基础上，基于小波变换法提取风电机组叶片缺陷，由于小波变换在差异性图像尺度中的边缘效果存在差异，所以在反复的测试中确定最佳的边缘检测结果。其中，小波变换局部模极大值法呈现的叶片缺陷提取结果较为精准，但是，存在一定的杂点，影响风电叶片缺陷提取效果。为此，基于形态学膨胀与腐蚀理论滤除图像杂点。第一步是删除图像中的分散性杂点，第二步是对其实施形态学运算中的闭运算操作，形态学闭操作可有效平滑物体轮廓，具有连接窄的断裂、填满比结构元小的空洞的作用，本文使用闭运算优化图像质量。闭运算的原理如下：

设置以下形态学理论参量：待处理的风电叶片目标图像为A，对其实施运算的结构元素表示为B，膨胀与腐蚀符号分别采用⊕、Θ描述。公式（3）为闭运算方法：采用闭运算处理后的风电叶片图像缺陷的断裂之处有效消除，得到精准的连通区域。

2.2 风电叶片缺陷状态参数计算

基于物联网技术采集风电叶片安全状态信息后需要在客户端界面实时显示，显示的内容主要有风电叶片缺陷类型、缺陷大小、叶片损伤程度等信息，缺陷分类可通过设计SVM分类器的方式分类得到；风电叶片缺陷提取面积与损伤程度计算方法，具体如下：

风电叶片缺陷面积是风电叶片二值图像中目标区域部分像素点的总量，为此采用M×N表示目标区域f(x，y)的大小，在形态学图像理论指导下：背景像素值和目标像素值对应的数值分别为0和1，则得到公式（4）所示的缺陷面积计算方法：

风电叶片缺陷面积和检测目标面积的比称为损伤程度，计算法如公式（5）所示：

其中，风电叶片像素数量与叶片缺陷区域像素数量为1V、V。V与ϕ成正比，缺陷区域越大说明风电损伤程度越大，越可能发生危险性事故。

风电叶片缺陷类型、面积大小、缺陷损伤程度三项参数均在物联网风电安全状态监测系统中显示，监控人员可实时掌握风电机组叶片缺陷状态，进一步判断风电机组是否安全运行。

3 结语

本文设计的风电安全状态监测方案，运用了当前热点的物联网技术与机器视觉技术，其优势主要表现在以下两个方面：（1）设计了物联网模式的风电机组叶片缺陷采集系统，获得了高精度、大批量、周期性的叶片安全状态图像，解放了人工检修风电行为；（2）采用阈值分割法提取风电叶片缺陷，并使用形态学方法对缺陷特征实施闭运算，使叶片缺陷部分更加清晰，提高了风电叶片缺陷类型、面积大小、缺陷损伤程度三项参数的精度，从而在计算机控制端科学地显示风电安全状态监测信息。以上方法通过风电叶片缺陷状态周期性的反馈风电安全状态信息，为风电场节约维修费用与人工投入、提高风电经济效益提供了解决思路。