CWP2025-7 声学大模型技术在风电领域的应用-李心.pdf

1、Acoustic Intelligent Monitoring System Scheme for Wind Turbine EquipmentThe Guardian of Wind Turbines Healthy Operation声学大模型技术在风电领域的应用科大讯飞李心 博士目 录风电AI声学融合监测应用风电行业应用案例010201风电AI声学融合监测应用行业背景|风电智能化系统建设标准规范逐步完善近年来，各大发电集团纷纷印发新能源智能电站、场站智能感知设备配置指导意见，对于风机叶片大部件健康管理，常见的风机叶片状态感知系统包括：基于声学的叶片裂纹监测系统、叶片无人机智能巡检系统、叶

2、片图像监控系统（净空、覆冰）、风机叶片载荷应力监测系统等。发电集团智能风电场建设标准 基于AI+音视频、无人机的风机叶片监测等系统技术要求行业背景|相对于机组状态监测，叶片监测成为薄弱环节叶片是风力发电机获取风能的关键大部件，在复杂自然环境下，叶片长期承受强风载荷、沙粒冲刷、空气氧化、雷击、飞鸟撞击及潮湿空气氧化等影响，很容易出现各类缺陷，轻则影响叶片及发电机组稳定运行，重则可能导致叶片断裂等严重安全生产事故。传统叶片运维检查手段，不仅耗时费力，对人员经验要求高，而且必须在停机或极低风速下方可作业，影响发电效益。叶片故障导致风机停机时间占比最长，传统运维手段亟需智能化提升 风机日常巡回检查规范

3、对叶片表面、雷击、异响等检查有明确要求 望远镜观测高空吊篮作业风机叶片内外、机舱、升压站设备状态多维感知感知层传输层模型层工业传声器无人机+机巢视频监控振动加速度传感器光纤专线4G/5G无线WIFI无线电（815MHz/900MHz）图像识别声纹识别振动机理分析认知大模型3D点云建模“大脑”应用叶片（外部、内部）、机舱声纹监测系统声音监听报警中心时域分析频域分析声纹样本库分析报告风机叶片无人机巡检系统一次设备声纹监测声纹异常告警局部放电巡检无人机声成像巡检局放类型分析检测报告输出风电升压场站声纹监测系统航线规划缺陷统计缺陷详情叶片全景图风场管理风机管理生成式驾驶舱智能问答交互数据监测预警多维度

4、劣化分析叶片健康评价应用层1中心+N应用风机叶片综合监测|多维感知、人机联巡，保障叶片安全叶片工业传声器*2台塔筒外底部部署，适用于叶片裂纹、孔洞、排水孔堵塞等原因导致异响监测叶片外侧巡检无人机每座风电场配置1-2套或多个场站共用叶片净空监测相机*1台叶片云台监测相机*1台固定式叶片表面监测（叶片覆冰、根部裂纹等），兼顾机舱外高空作业安全监控基于人工智能的风机叶片多维感知融合监测与分析方案，在线监测常态化管理，无人机+机器人周期性巡检复核叶片监测方案技术原理技术方案特点叶片叶尖裂纹在线监测工业AI声学在线式部署，全天候监测，对叶尖裂纹及异响敏感叶片叶根和内部监测工业AI声学通过数据分析辅助分析

5、叶片叶根和叶片内部异常状态叶片表面巡检机器视觉+激光雷达+无人机支持不停机动态巡检（低风速）静态精细化巡检（需停机）叶片净空监测机器视觉监测叶尖运动轨迹，到塔筒的安全距离叶片覆冰监测机器视觉、传感器监测叶片表面是否覆冰，主要针对叶片根部叶片工业传感器*6只用于叶片内部监测无人机机巢按需配置技术路线|声纹监测，重构风电机组叶片监测的最优解技术路线基本介绍对比分析技术原理信号技术分析效果振动监测采集叶片在运行中机械振动信号，再通过频谱分析、模态分析等方法识别结构异常。机械振动信号早期损伤不敏感、易受干扰。衰弱、失真现象。差声发射监测叶片材料在裂纹扩展或结构摩擦时，瞬间释放应力波（即声发射信号），通

6、过声发射传感器捕捉该信号，实现对损伤动态过程的监测。弹性应力波监测范围小，对数量要求高差光纤光栅监测当叶片受载产生应变时，导致反射光的中心波长（布拉格波长）偏移，反演叶片的应变分布。光信号成本高。且与缺陷无直接关联，监测效果差。差声纹监测采集叶片运行时的 声纹信号（包括气动噪声、结构振动辐射噪声），分析声谱特征结合机神经网络识别异常声纹，反推叶片状态。声学信号监测范围大、需布点数量少。缺陷与声纹直接关联。好设备声学监测预警技术研究与关键创新点实测频谱图预测频谱图计算生成误差声纹AI预测及残差分析算法：基于CNN的深度学习算法，构建设备声纹数据模型。通过对输入音频处理及预测，能够实时生成残差值。