2025风电高风险作业本质安全智慧平台

第四章槽式吸热管模型风电高风险作业本质安全智慧平台建设方案目录TOC\o"1-3"\h\u16771风电高风险作业本质安全智慧平台 18749一、项目概述 34816（一）企业简介 331091（二）项目背景 52710（三）项目建设情况 7317364、建设高风险作业本质安全智慧平台。 77585二、应用场景及建设方案 727306（一）场景描述 7294861、解决了作业人员健康和安全管控问题。 8147732、解决了风机火灾初期发现和报警问题。 8309993、解决了作业中不戴安全帽的习惯性违章行为。 810366（二）技术架构 87765课题研发拟采用的技术手段 927134、研发风电高风险作业本质安全智慧平台。 1037531、风机机舱内烟雾及火焰识别模型 10208222、风机机舱内跌倒识别模型 10246783、风电高风险作业本质安全智慧平台 1189254、机舱内安全帽未佩戴识别模型 1128084（三）建设方案 11294191、图像识别及预警（烟雾识别、火焰识别） 1273642、跌倒动作图像识别（骨骼检测+分类） 13293561、基于小样本+训练的跌倒识别数据建模技术 13140292、烟雾和火焰模型部署优化技术 1462233、未佩戴安全帽图像降噪与优化方法 1411211三、项目效果 1417471（一）项目效益 1431021（二）鉴定评价（如有） 1523815（三）推广前景 151351四、下一步计划 1680151、继续优化算法程序，减少对硬件GPU的计算压力。 17一、项目概述（一）企业简介简要介绍项目单位基本情况，包括企业规模、主要业务、数字化建设现状等。XXXX新能源开发有限公司隶属XXXX发电有限公司。负责管理集团在XXX省18家下属公司的风电、水电等新能源资产。公司成立至今已有十余年的发展历程，历经了资产划转、区域整合以及一体化管理等多次体制改革，多年的开拓发展和改革实践，规模实力不断壮大，管理能力日益增强，各项经营指标持续向好。截至2023年2月，在役装机容量117.205万千瓦（风电装机113.905万千瓦，水电装机3.3万千瓦）；在建设项目30万千瓦。按照集团公司“数字XX、智慧电厂”工作要求，为推动新能源发电企业向数字化方向转型，XXX新能源公司在发挥科技创新支撑作用、促进智慧风电场建设方面，以如何保证高空、高风险作业人员安全为设计思想，创新研发智慧型安全监护系统，防止重大人身事故的发生。以本质安全理念为主导,将安全风险的管控关口前移,结合创新设计和新技术、新理念,可对高风险作业过程中的风险进行智慧识别、自动提示、远程报警等，即使在误操作或发生故障的情况下也不会造成重大的人身伤害事故，最大限度的保护人省安全。公司建设了具备“风险辨识+告警提示+可视指挥”功能的“风电高风险作业本质安全智慧平台”。将安全管理工作的关口前移，对存在的事故风险有告警预控、有辨识、有管控手段，显著降低高风险作业人员的安全风险，实现安全生产。已在XXXXX锐驰风电场全场25台风机机舱和塔基内部安装了75台智能信息采集终端，采集终端镜头可覆盖机舱内可视作业空间区域，实时采集作业现场的图像信息。将各风机作业现场实时图像信息汇聚并通过环网传送至控制侧的深度学习服务器，运行自主研发的行为识别及报警模型，实现对作业人员的跌倒行为图像识别、告警；通过自主研发的机舱内烟火识别及报警模型，实现对机舱内产生的烟雾、火焰图像实时识别、报警。在25台风机机舱内安装风险智能识别语音告警提示、语音双向对讲装置终端。在控制室部署操作终端，可远程查看实现作业现场跌倒识别报警画面；可远程可视对讲指挥。（二）项目背景说明当前企业内外部所处形势、面临的业务痛点难点、数字化转型诉求等，阐述项目必要性和可行性等。近年来，集团公司着力布局国内新能源风力发电市场，集团所属新能源公司风力发电机组单机容量和装机总量屡创新高。随着风机数量的不断增多和服役机组运行年限的增加，风机维护和检修作业工作量明显增多。因风电生产的特殊性,风机质保期内风机生产厂家负责设备的生产和运维,因各公司运维队伍在技术、管理方面的差异及维检人员流动性大、安全意识普遍淡薄等因素影响，高空作业中人身安全风险陡增，重大人身坠落及伤害事故屡有发生,严重影响企业的安全生产工作。目前风电场采取的安全管理流程和方式对现场作业环境和作业人员状态缺乏可视化的、具有智能风险提示功能的安全管控措施，存在很大的安全隐患。因此,如何避免在风电运维、检修作业中因意外跌倒、误操作、习惯性违章等行为造成的人身伤亡和设备损毁等事故的发生是目前安全管理工作中的难点。此外，防止风机失火也是风电场安全管理的重点工作，亟需研发可智能识别机舱烟雾和明火并自动告警、作业人员未佩戴安全帽违章行为识别等功能的系统，建立以防为主、以消为辅的火灾预防智慧化管理策略，保证作业人员人身安全和不发生设备火灾等问题，已成为风电生产企业须认真面对、采取有效措加强管控的紧迫课题。研发能够主动保护作业人员安全的智慧型安全管控平台，对防范作业风险、降低事故发生率有重要的现实意义和深远的政治意义。（三）项目建设情况简述项目（包含已建、在建和拟建项目）实施时间、建设周期、预期目标、投资额、承建单位、当前进展等。已建项目：风电高风险作业本质安全智慧平台实施时间：2024年建设周期：2024年01月-2024年12月预期目标：1、烟雾及火焰识别。能自动识别风机机舱内产生的烟雾、火焰图像，并自动发送报警信息。2、跌倒识别。能自动识别风机机舱内作业人员意外跌倒不起行为图像,并自动发送报警信息。3、未佩戴安全帽识别。能自动识别风机机舱内作业人员未佩戴安全帽的行为图像,并自动发送报警信息。4、建设高风险作业本质安全智慧平台。投资额：XXX万元承建单位：XXX工程技术有限公司当前进展：项目于2024年10月15日投入运行，2024年12月14日通过验收。二、应用场景及建设方案（一）场景描述说明业务实际需求，介绍项目建成后解决了关键业务领域哪些问题、创造哪些新价值。项目建成后解决了关键业务领域的问题：1、解决了作业人员健康和安全管控问题。平台的图像识别模型，可以快速识别作业人员因身体健康等意外原因导致的倒地不起行为。自动触发报警求救信息，避免了人身伤害事故的发生。2、解决了风机火灾初期发现和报警问题。平台的图像识别模型，可以快速识别机舱烟雾和火焰图像，自动触发火灾报警信息，为设备防火安全提供了直观的决策依据。3、解决了作业中不戴安全帽的习惯性违章行为。平台的安全帽未佩戴图像识别模型，可以识别作业人员摘掉安全帽的违章行为。自动触发现场语音纠正警示播报信息，及时消除事故隐患。创造哪些新价值：1、保障了作业人员的健康管理和人身安全。2、提高了风机消防预警能力。3、有效管控作业不带安全帽的习惯性违章行为。（二）技术架构项目业务蓝图规划：依据国家及集团公司安全管理相关规定要求，融合风机作业中的风险辨识和危险点分析措施，以重要的高空、高危作业场景、易导致火灾的重点设备及部位为研究对象，设计一套基于风电高风险作业的、具备“风险辨识+告警提示+可视管控”功能的“风电高风险作业安全智慧平台”。项目研究内容包含：自主研发的机舱作业跌倒行为识别模型、机舱烟雾及火焰识别模型、未佩戴安全帽图像识别及现场语音提示、报警模型。在哈尔滨锐驰风电场的25台风机机舱内、外布设75台套智能信息采集、网络及信息传输等终端设备。项目经现场运行测试、专业性能检测、验收及成果鉴定后，拟计划在公司所属风电场推广应用。技术架构设计：课题研发拟采用的技术手段行为识别技术：通过结合lightweight_openpose技术与fullconnection技术实现对监测目标倒地行为的快速识别。应用lightweight_openpose技术实现快速识别人体骨骼结构，应用fullconnection技术建立全连接数学模型，通过读取骨骼信息和数据骨骼对应状态，判断人员行为当前是在站立还是倒地。图像识别技术：利用图像识别技术研发机舱内产生烟雾和火焰的图像识别模型，实现对机舱火警的智慧化和可视化管控。深度学习算法技术：采用深度学习算法研发作业中未佩戴安全帽行为图像信息，建立包含冬季、夏季等多种样式的风电作业施工佩戴安全帽的样本库，提高模型训练的准确率。此外，考虑课题的核心算法与平台整体设计的融合和应用，还将结合网络技术、通信技术、音频技术、边缘计算技术、物联网技术、数据库技术和数据挖掘技术等多种技术，搭建以图像识别、动作识别技术为核心的风电作业智慧化安全管控平台，将作业人员安全、设备运行安全、检修计划制订及智慧消防功能融为一体，实现风电安全生产的智慧化管控。主要建设内容：1、研发烟雾及火焰识别模型。在风机机舱内安装热成像智能采集终端，自动识别机舱内产生的烟雾、火焰图像，实时向控制室发出远程火警报警信息。2、研发跌倒识别模型。自动识别机舱内作业人员意外跌倒视频流图像并发出报警求救信息。因风电运维高空作业多、风险高、作业现场狭窄，易发生跌倒、坠落、触电等重大人身伤害事故。项目应用图像识别技术、行为识别技术、神经网络技术、机器自学习技术和深度学习算法等，研发风电运维作业人员机舱内作业跌倒等行为风险识别模型。3、研发未佩戴安全帽识别模型。自动识别风机机舱内作业人员未佩戴安全帽的行为图像,并自动发送报警信息。4、研发风电高风险作业本质安全智慧平台。项目主要功能：1、风机机舱内烟雾及火焰识别模型通过运行基于深度学习技术研发和训练的机舱烟雾、火焰图像识别模型，实时识别机舱内发生的烟雾和火焰图像，并自动向值班员监控终端发送报警信息。2、风机机舱内跌倒识别模型通过运行基于深度学习技术研发和训练的作业人员跌倒图像识别模型，实时识别机舱内发生的作业人员跌倒不起行为，并自动向值班员监控终端发送报警信息。3、风电高风险作业本质安全智慧平台按照本质安全管理理念，设计并开发融合实时视频监控、跌倒识别、烟火识别、安全帽佩戴识别、可视化指挥、远程双向对讲、报警统计和查询等功能的安全管理平台。具备风电场对高风险作业的“风险辨识+告警提示+可视管控”智慧化安全管控功能。4、机舱内安全帽未佩戴识别模型实时采集作业人员图像，实现风机塔基、机舱内作业人员未安全帽佩戴行为图像的识别、现场自动语音提示、远程报警、违章统计等功能。（三）建设方案项目建设目标：依据国家及集团公司安全管理相关规定要求，融合风机作业中的风险辨识和危险点分析措施，以重要的高空、高危作业场景、易导致火灾的重点设备及部位为研究对象，设计一套基于风电高风险作业的安全智慧平台。项目研究内容包含：自主研发的机舱作业跌倒行为识别模型、机舱烟雾及火焰识别模型、设备超温预警模型、设备危险部位温度场变化趋势图和高温趋势分析异常预警模型。在锐驰风电场的25台风机机舱内、外布设75台套智能信息采集、网络及信息传输等终端设备。项目经现场运行测试、专业性能检测、验收及成果鉴定后，拟计划在公司所属风电场推广应用。重点工作任务：任务名称课题分解任务名称备注方案设计编写研发及实施方案，方案优化。设备订购服务器、智能采集终端、NVR、交换机等硬件设备采购、拷机、初始化及性能测试。数据收集整理基础数据、图像样本的采集和整理。烟雾、火焰识别模型研发研发机舱烟雾及火焰图像识别模型、模型优化。跌倒动作识别模型研发研发人员跌倒视频流识别模型、模型优化。未佩戴安全帽模型研发研发未佩戴安全帽识别模型。网络通讯测试依据现场实际工况，测试网络、采集器、服务器及装置系统设备的通讯线路及网络运行状况。智慧平台研发研发风电高风险作业安全智慧平台。数据库研发采集各种作业人员的行为及动作特征信息，完成模型训练。完善、优化模型数据库。调试安装及优化图像采集设备及系统平台现场安装、调试、设备运行测试。系统优化。课题验收召开课题验收会议、编写相关验收文档。关键技术应用：1、图像识别及预警（烟雾识别、火焰识别）技术内容：运用图像识别技术、机器自学习技术、深度学习算法等，建立机舱内烟雾、火焰识别模型，自动识别因机舱内局部高温导致的烟雾、着火图像，自动向控制室报送火灾报警信息，为实现烟雾、火焰识别确认后与现场消防设施系统联动提供技术支持。跌倒动作图像识别（骨骼检测+分类）作业现场若发生不可预测的危险，如作业人员倒地后不起，若长时间未被发现可能会导致进一步扩大为人身伤害事件。因此通过研发作业人员跌倒后倒地动作视频流识别组件，对于长时间倒地的目标进行快速识别、确认并发出警报，避免因救治不及时导致的人身伤害事故发生。技术内容：通过结合lightweight_openpose与fullconnection技术实现对监测目标倒地的快速识别。其中lightweight_openpose可快速的识别人体骨骼结构，fullconnection部分是一个全连接，通过读取骨骼信息和数据骨骼对应状态，判断人员当前是在站立还是倒地。业务优化路径：以安全责任人最关心的需求设计平台功能。一切功能设计以保证人员安全为第一要素。操作简洁、画面直观、沟通高效。领先点：识别模型准确率高。在风机实际环境中采集大量模型训练素材对模型进行多次迭代，保证了识别模型的准确性。模型算法稳定、高效。因采用优化的部署方式和先进的建模技术，保证了服务器运行的稳定性和高性能发挥，从而提高了平台运行的安全性和运行稳定性。创新点：1、基于小样本+训练的跌倒识别数据建模技术深度学习算法训练的本质是对数据分布的学习，因此在训练的过程中需要大量的数据用于模型参数的调整。然而在风电机舱作业现场因安全和各种条件制约，很难在短时间内提供足够多的合格样本用于模型训练。本课题采用基于小样本+建模技术研发一套基于小样本训练的深度学习算法训练方法，解决由于小样本带来的模型精度不佳问题。通过计算输入图像与正样本之间的偏差从而对数据中包含的信息进行判断，持续优化训练模型，达到精确建模的目的。2、烟雾和火焰模型部署优化技术将多学科知识综合应用于模型部署中，通过图像压缩技术压缩模型尺寸、减少模型参数，使复杂的深度学习算法模型适用于机舱环境部署。由于机舱内复杂环境下对算法的稳定性要求较高，因此在模型优化的过程中对模型的稳定性进行优化。部署过程中考虑吞吐量与时延等因素，采用TensorRT对模型进行优化，实现离线化高速部署。3、未佩戴安全帽图像降噪与优化方法结合作业现场实际情况及图像识别机理模型，合理部署摄像机位置、角度，最大限度减少原始图像噪点。采用图像降噪技术、图像压缩技术等方式优化图像解析模型，提高图像识别准确性。通过图像压缩优化技术解决现场信号传输带宽过多占用问题，通过图像压缩策略降低作业现场带宽传输的压力。三、项目效果（一）项目效益项目在提高生产效率、保障安全生产、提升管理水平等方面取得成效。项目平台运行期间，平台功能得到风场运行人员的广泛应用，直观和快捷的交互设计、可靠的模型设计可以完全满足现场实际应用要求，显著降低了风机机舱内作业人员因违章、作业中发生意外、身体健康等原因跌倒不起而造成的人身伤害风险。平台实现了对作业现场的全程可视化远程监控、跌倒动作识别、语音告警、双向对讲、过程存储等功能。平台可自动识别机舱内烟雾和火焰图像并发送火灾告警信息，实现了设备安全和消防的可视化、智慧化管控。具备“风险辨识+告警提示+可视管控”功能的“风电高风险作业安全智慧平台”，显著提升了风电场的安全管理水平。（二）鉴定评价（如有）项目通过专家评审、第三方鉴定，确认项目的应用效果、创新实践等的评价。该项目于2024年10月25日通过XXX省科学技术情报研究院（国家一级查新咨询单位）查新。（三）推广前景项目在集团公司的复制推广价值，数字化产品在系统外的竞争力情况等。项目在经过一段时间的实际运行，效果良好，基于自学习的深度学习模型随着时间的延长会逐级迭代和升级，识别率还会不断提升。平台可实现风机机舱作业人员跌倒行为识别、语音告警、烟雾和火焰识别、火灾报警、可视对讲指挥等功能，是融合了视频监控、行为识别、深度学习、AI智能、语音合成等新技术的智慧化安全管控系统平台。成果转化