(資料圖)

8月18日，記者從國(guó)家能源集團(tuán)獲悉，該集團(tuán)龍?jiān)措娏こ碳夹g(shù)公司上線國(guó)內(nèi)首個(gè)風(fēng)電機(jī)組功率曲線圖像識(shí)別AI模型，率先實(shí)現(xiàn)風(fēng)電機(jī)組功率曲線特性分析篩查的自動(dòng)化和智能化。

風(fēng)電機(jī)組功率曲線是考核風(fēng)電機(jī)組性能、評(píng)估機(jī)組發(fā)電能力的一項(xiàng)重要指標(biāo)，功率曲線異常不僅會(huì)導(dǎo)致電量損失，也會(huì)降低設(shè)備發(fā)電效率、縮短部件運(yùn)行周期。功率曲線篩查的常規(guī)方法依賴專業(yè)人員個(gè)人經(jīng)驗(yàn)，容易效率不足、準(zhǔn)確度參差不齊。為解決上述問(wèn)題，該公司深耕計(jì)算機(jī)視覺(jué)領(lǐng)域，依托《新能源設(shè)備場(chǎng)站診斷預(yù)警與預(yù)知維護(hù)》科技創(chuàng)新項(xiàng)目和國(guó)家能源集團(tuán)龍?jiān)措娏︼L(fēng)電機(jī)組大數(shù)據(jù)資源，收集標(biāo)注上萬(wàn)張典型功率曲線異常圖片，依托主流圖像識(shí)別模型自主訓(xùn)練AI模型，通過(guò)不斷優(yōu)化模型算法，調(diào)整一階和二階優(yōu)化函數(shù)，使模型的正樣本分配策略達(dá)到最優(yōu)，實(shí)現(xiàn)了針對(duì)不同機(jī)型風(fēng)電機(jī)組功率曲線8類典型問(wèn)題的識(shí)別。此外，該公司還將該模型應(yīng)用于風(fēng)電機(jī)組其他控制圖譜，建立關(guān)聯(lián)模型并不斷迭代。經(jīng)過(guò)場(chǎng)站3個(gè)月運(yùn)行數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證，該模型在近14000多臺(tái)風(fēng)電機(jī)組中檢測(cè)出異常機(jī)組數(shù)量1860臺(tái)，準(zhǔn)確率超過(guò)80%，工作效率提升3倍以上。

該技術(shù)首次完成了圖像識(shí)別在風(fēng)機(jī)功率曲線篩查分析領(lǐng)域的應(yīng)用，實(shí)現(xiàn)分析結(jié)果的自動(dòng)化展示，有效提升了問(wèn)題機(jī)組的定位速度與故障分析效率，為提高設(shè)備發(fā)電性能、推進(jìn)場(chǎng)站智能化運(yùn)維提供了有力支撐。