一、实施背景 在极端工况、雷电及叶片质量问题等特殊情况下，风机运行过程中会发生各种故障。目前对风力机组的研究大多集中在齿轮箱内轴、轴承等部件、发电机等方面的研究，而对接收风能、受力较大的叶片的研究相对较少，特别是还没有一种有效的对风力机叶片直接监测的方法。但是，风机叶片作为风电机组系统能量的关键输入部件，其功能状态的好坏对整机系统的性能、状态及安全生产都会产生重大的影响。如果不能采取有效的方法对其运行状态进行实时的监测，及时发现叶片存在的故障并及时作出处理，不断积累一定会酿成事故，致使整个风机组完全损坏。 二、内涵和主要做法 1、整体思路 调查研究风力机叶片弯曲、断裂原因，掌握故障发生发展机理，深度结合计算机视觉检测方法，提出一种新型叶片实时监测与故障预警方法。通过Internet实现远程监测和云端数据保存及查询。研究光纤有线传输与互联网无线传输的双链路数据传输联合问题，以提高数据传输速率，最大限度利用原有设施设备。设计非接触式叶片故障视觉检测装置，通过实时对比抓拍的前后两帧图像间的差异，实现在叶片即将断裂或过度变形情况下报警。风场中风向变化无常，风力机叶片在正常运行中会随风向、风速发生偏航、变桨或自然弯曲，在叶片图像故障诊断时，为提高系统的可靠性，综合考虑此类情况及其他因素影响，设计稳定、高效的图像处理程序，开发研制一种可靠的风力机叶片远程在线状态监测与故障诊断系统。 三、创新内容实施 叶片视频监测系统采用计算机视觉图像识别技术，在系统安装后设置三个镜头点位，其中两个点位进行图像采集，分别为叶片在镜头可视范围的入角和出角，一个点位用于镜头保护，当识别归位后镜头自动朝下。后台图像数据库进行初始图像数据积累，工程师根据初始图像数据设置风机叶片的基础图像识别模型和故障图像识别算法，自动识别功能抓取异常图像数据，通过深度学习神经网络达到自动识别图像的目的。自动识别出异常图像如叶片覆冰、裂纹、雷击等。 四、实施效果 通过创新研究建立中广核新能源叶片视频监控和图像识别系统使用标准、技术规范和适用范围，分别得到由设计部分和运维事业部在安全使用标准和技术规范的相关意见，在提升安全预警响应效率和可靠性的基础上，项目成果推广到新能源公司及新能源MW级风力发电机组行业进行定制化应用。通过项目实施2020年风机叶片未发生结构性弯折事件，直接减少经济损失1830万元。