叶片是风力发电机组捕获风力的关键部件，其健康度与风力发电机组安全可靠和项目收益息息相关。由于风机运行自然环境严酷，叶片在旋转的过程中，雷击、空气中的颗粒、恶劣气候或维护不当都会导致叶片寿命减少，发现不及时将会造成严重的安全事故以及经济损失。

PART.1

叶片表面监控

污染、结冰、剥落、腐蚀、开裂、断裂、变形、雷击异常识别、静态与动态载荷评估。

PART.2

叶尖监测

边缘侧控制云台相机以及音频传感器进行前端数据采集，系统处理成对应的波形图以及频谱、时域图进行分析比对，输出分析结果。

PART.3 

叶根振动监控

基于采集叶根振动数据及风机运行中的相关过程数据，结合时频分析和机器学习算法实现对叶片异常的检测与分类。

PART.4

叶片净空趋势

确定三只叶片和塔筒间的净空平均值差值、中间值差值。然后利用AI人工智能算法获取修正角度，实现净空监测、叶轮不平衡监测。

PART.5

叶片FEMA故障诊断预测性维护

1.智能识别

人工智能识别直观显示故障部位和类型，减少人工干预成本，提高机组运维效率。

2.在线管理

实时在线健康状态管理，做到预知性维修、视情维护，避免过剩维修，防控机组出现重大故障。

3.提高利用

提高发电量，提高设备利用率。

4.优化管理

优化管理备品备件，减小库存成本、提高效率。

5.实时性

掌握整个风电场的各机组主要部件运行状态监测，实现故障趋势总体评估。

6.准确性

人工智能深度学习、多模态特征融合的精确监测等先进算法，对运行安全提供准确判断。

7.大数据

测点的时序数据、机组故障报警历史数据与机组信息管理结合，便于企业管理和资源统一调度。

8.预知性

采用深度回归预测分析给出机组状态趋势判断，并开展一些系列问题处置预警。