|
近日，盐城工学院风电之眼团队围绕海上风电叶片巡检与智慧运维中的关键难题，持续开展技术调研、方案论证与系统优化，聚焦“无人机巡检—边缘计算终端—数字孪生运维”这一主线，逐步形成了面向海上风电场景的“海—空—岸”协同智慧运维技术思路。团队立足产业实际需求，着眼海上风电巡检中长期存在的续航不足、数据回传低效、运维智能化程度不高等问题，提出以边缘计算终端为关键节点、以机巢部署和场站通信网络为支撑、以数字孪生和预测性维护为延伸的系统化解决方案，努力推动无人机巡检从“看得见问题”向“预判得了风险”升级。
随着我国新能源产业持续发展，海上风电正加速向规模化、集群化、深远海方向布局。风电叶片长期处于高盐雾、高湿、高风载、强腐蚀的复杂海洋环境之中，极易出现裂纹、剥落、侵蚀、前缘磨损等问题。叶片一旦发生结构性损伤，不仅会影响发电效率，还可能带来较高的维护成本和运行风险。因此，如何实现对风电叶片更高效、更及时、更智能的巡检，已成为海上风电智慧运维体系建设中的重要课题。
在传统模式下，风电叶片巡检往往依赖人工登塔、绳索作业或普通无人机拍摄影像后离线导出分析。这类方式虽然能够在一定程度上提高巡检效率，但在海上风电场景中仍存在不少现实瓶颈。首先，海上风电场空间分布广、设备数量多、巡检跨度大，无人机单次续航往往难以满足高频次、大范围作业需求；其次，无人机巡检过程中采集到的图像和视频数据量巨大，海上公网覆盖不稳定、带宽有限，导致数据难以及时上传，很多时候只能在作业结束后再导出处理，实时性不足；再次，现有巡检手段大多停留在表面缺陷识别层面，重点是“发现问题”，而在故障趋势研判、寿命预测、全生命周期管理等方面仍显不足。
面对这些问题，盐城工学院风电之眼团队并没有停留在概念层面，而是在持续调研中对原有思路进行了系统复盘和技术重构。团队在前期设想中，曾尝试围绕无人机本体进行较大幅度改造，希望通过加装附加结构、扩展补能方式等手段解决续航和巡检问题。但在与行业技术路线和实际工程条件进行对照后，团队逐步认识到，这类思路虽然具有想象力，却面临飞控适配复杂、硬件改造成本高、工程实现难度大等现实限制，并不适合作为学生团队面向产业场景落地的主攻方向。基于此，盐城工学院风电之眼团队主动调整方案重心，从“改造无人机本体”转向“依托现有基础设施、强化系统集成、突出算法赋能”的技术路径，进一步提升项目的可行性与可信度。
在新的方案架构中，团队将边缘计算终端作为海上风电巡检体系中的关键节点进行重点突破。团队认为，真正制约海上无人机巡检效率的，并不只是“能不能飞得更久”，更在于“采到的数据能不能快速处理、有效传输并服务决策”。围绕这一判断，盐城工学院风电之眼团队提出在风机机巢侧或塔基适宜位置部署边缘计算终端，由无人机在巡检过程中或返航至机巢附近后，通过短距离高带宽链路将海量原始影像数据快速卸载至终端侧，再由边缘计算终端完成本地预处理、智能识别、缺陷筛选和数据压缩。
与传统“全量采集、全量回传、集中分析”的模式相比，这一思路的突出优势在于“分级处理、按需上传”。也就是说，无人机不再承担过重的数据分析任务，也不需要将所有原始数据无差别地远距离传回控制中心，而是由现场边缘计算终端先行完成第一轮高价值信息提取，将大量正常背景数据、无效画面和低价值片段滤除，只保留缺陷数据和疑似缺陷数据，再将处理后的结构化结果回传至岸基控制中心。这一过程不仅能够显著减少数据传输体量，缓解海上通信受限带来的拥塞、时延和丢包风险，也能够提升巡检结果到达控制中心的时效性和可用性。
为了让边缘计算终端真正适应海上风电实际应用场景，盐城工学院风电之眼团队进一步把技术链路落到了场站既有基础设施上。团队提出，海上风电场通常已建设用于运行监测的光纤环网和SCADA系统链路，风机之间以及风机与升压站、集控中心之间具备相对成熟的专网通信基础。基于这一现实条件，边缘计算终端可直接接入风机塔基预留接口、工业交换机或场站专网，从而形成“无人机采集—机巢侧边缘处理—光纤专网回传—岸基中心分析”的闭环链路。这样的设计避免了完全依赖4G、5G公网回传带来的不稳定性和高成本问题，使系统在海上风电这一带宽敏感场景中更具工程适配性。
团队在方案中还提出了较为清晰的分级边缘计算逻辑。在无人机端，可进行初步的数据质量筛选，例如剔除模糊、失焦或明显无效的废片；在机巢端或塔基侧部署的高性能边缘计算终端，则进一步对高清图像进行深度处理，围绕裂纹、剥落、磨损、凹槽等典型缺陷进行识别与分类，并提取坐标、截图、特征向量等结构化信息。经过终端筛选和压缩后，上传至岸基控制中心的数据体量大幅下降，而其信息密度和分析价值则显著提高。团队在方案中提出，通过机巢端边缘处理，有望滤除绝大多数正常背景数据，仅保留高价值数据用于后续诊断与决策。
值得关注的是，盐城工学院风电之眼团队并未把“边缘计算终端”仅仅理解为一个数据中转设备，而是将其放在更完整的智慧运维链条中加以设计。团队认为，边缘计算终端的价值不仅在于降低带宽压力、提升回传效率，更在于为上层的数字孪生建模与预测性维护提供高质量、结构化、可建模的数据输入。换言之，边缘终端不是系统的终点，而是连接前端巡检和后端智能决策的桥梁。
围绕这一目标，盐城工学院风电之眼团队进一步将技术延伸至数字孪生与全生命周期管理方向。团队提出，在完成叶片表面缺陷识别后，可基于摄影测量和视觉几何重构技术构建叶片三维点云模型，并将识别出的裂纹、剥落等缺陷信息精准映射到叶片三维坐标体系中；随后，结合SCADA系统提供的风速、载荷、运行工况等数据，在计算机中构建叶片数字孪生体，并引入物理信息融合模型，对缺陷演化趋势、疲劳扩展速率和潜在结构风险进行分析研判。这样一来，系统输出的不再只是“是否存在裂纹”这一静态结果，而是更具决策价值的动态判断，例如缺陷位置、规模、发展趋势以及维护建议时间窗口等信息。
这种从“缺陷识别”向“预测性维护”延伸的思路，也使项目在技术定位上形成了更鲜明的特色。当前，不少无人机巡检系统已经能够实现图像采集、异常识别和报告输出，但在海上风电这一高价值、强约束场景中，仅靠“识别问题”还远远不够。盐城工学院风电之眼团队将边缘计算终端与数字孪生模型衔接起来，强调边缘节点不仅要“检出问题”，更要为后续寿命预测和全生命周期智慧运维提供“可解释、可追踪、可计算”的输入数据，从而提升巡检结果在资产管理和运维决策中的实际价值。
除数据链路外，团队在续航组织方式上也提出了与海上场景更匹配的思路。团队不再单纯追求单架无人机极限续航，而是借鉴分布式作业理念，探索在风机平台、塔底或升压站等位置部署智能自动机巢，利用风机市电为无人机提供快充或换电条件，并通过多机巢协同调度实现“接力式巡检”。在这一模式下，无人机可以像在海上风电场中的若干站点间轮转作业一样，完成就近起降、快速补能和任务切换，从而提升风场级巡检效率。这种“机巢网格+边缘节点+云端调度”的一体化组织方式，也为边缘计算终端提供了稳定的部署载体和运行环境。
盐城工学院风电之眼团队表示，经过多轮方案推演后，团队更加明确了项目的真正突破口不在于对无人机本体做颠覆式改造，而在于如何把成熟的工业无人机能力、海上风电场现有基础设施、边缘计算能力和智能分析模型有机整合起来，形成一套面向海上风电特殊场景的系统化解决方案。海上风电巡检的核心难题，不仅是“飞起来”，更是“飞完之后数据如何高效流转、问题如何快速定位、风险如何提前预警、运维如何更加科学”。边缘计算终端正是解决这一链路问题的关键环节。
从项目培育角度看，这一方向也体现了鲜明的新工科交叉特色。该项目既涉及无人机巡检、机巢部署、短距高速通信、工业边缘计算等工程问题，也涉及视觉识别、数字孪生、疲劳分析、物理信息融合人工智能等算法与模型问题，具有机械、电控、通信、计算机、能源等多学科交叉融合特征。团队在推进项目过程中，逐步形成了“场景需求牵引、系统架构支撑、算法模型深化”的技术思路，为后续竞赛培育、成果展示和应用转化奠定了较为扎实的基础。
在团队成员看来，这一项目的意义不仅在于完成一次技术方案设计，更在于通过项目实践不断深化对海上风电智慧运维的认识。盐城工学院风电之眼团队希望，未来无人机在风电领域不再只是单一的数据采集工具，而能够成为智慧运维系统中的前端感知节点；边缘计算终端不再只是简单的中继设备，而能够成为现场智能处理与数据价值提炼的关键平台；数字孪生模型也不再停留于概念展示，而是真正服务于海上风电设备的风险预警、维护决策和全生命周期管理。
下一步，盐城工学院风电之眼团队将继续围绕海上风电场景开展深入研究，进一步优化边缘计算终端部署方案、机巢协同机制、数据传输策略和缺陷识别算法，探索数字孪生模型与实际运行工况数据之间的融合路径，不断提升项目在海上风电复杂环境中的工程适配性、技术可靠性和应用落地潜力。团队将继续立足专业特色，服务国家“双碳”战略和海洋新能源发展需求，努力以青年创新力量为海上风电智慧巡检与智慧运维贡献更多可行方案。（姚苏恒 陈怡 陆赟）
|
主页 > 企业 > 
