-
摘要:目的 针对海上风电场维检困难，提出了海上风电场智能维检平台。方法 通过应用智能巡视（升压站巡检机器人、无人机巡视）、自动化智能检修（风电机组螺栓紧固机器人、风电机组防腐喷涂机器人、检修决策）、作业监管（智能门禁、可视化头盔）、智能化维检排程以及全面培训服务等技术，打造无死角的海上风电场智能维检平台。结果 本系统解决了海上风电场维检资源紧缺、海上风电维检技术落后、海上风电场的可进入性差、海上风电维检成本高昂、海上风电维检行业缺乏标准规范、专业人员缺失等相关维检痛点。以海上升压站主变和风电机组防腐喷涂为例，分析了海上升压站机器人的智能巡视和检修决策表，以及风电机组防腐除锈机器人的具体方案。结论 系统提高了海上风力场的维检智能化水平，减低了维检成本，做到了降本增效，有望在工程中应用推广。Abstract:Objective In order to solve the problem of difficult operation and maintenance of offshore wind farms, the intelligent maintenance and repair platform is proposed.Method The platform was created by applying intelligent inspection (pressure station patrol robot, drone patrol), automatic intelligent maintenance (wind bolt fastening robot, wind turbine anti-corrosion spraying robot, maintenance decision-making), operation supervision (intelligent access control, visual helmet), intelligent operation and maintenance scheduling and training services.Result The problem can be solved with the shortage of offshore wind farm operation and maintenance resources, backward offshore wind power operation and maintenance technology, poor accessibility of offshore wind farms, high cost of offshore wind power operation and maintenance, lack of standards and specifications in the offshore wind power operation and maintenance industry, lack of professionals and other related operation and maintenance pain points. Taking the inspection of the main transformer at the offshore station and the anti-corrosion coating of wind turbines as examples, the two aspects are analyzed , including the intelligent inspection and maintenance decision table of the offshore station robot, as well as the specific scheme analysis of the anti-corrosion and rust removal robot for wind turbines.Conclusion Therefore, it can improve the intelligent level of operation and maintenance of offshore wind farms, reduce operation and maintenance costs, reduce costs and increases efficiency, and is expected to be applied and promoted in engineering.
-
![]()
图 1 海上风电智能维检平台的数据流程图
Figure 1. The data flow chart of offshore wind power intelligent maintenance inspection platform
表 1 痛点-措施对应表
Table 1 The pain points and corresponding measures
序号 痛点 措施 1 维检资源紧缺 通过智能巡视代替人工日常巡视，通过智能检修提升检修效率，从而节省维检资源。 2 维检技术落后 通过海上升压站机器人实现海上升压站每层平台的设备进行全面巡视，结合人工智能算法对图像进行识别分析，全面代替人工日常巡视，提高海上风电维检技术。 3 可进入性差 （1）通过智能检修的智能决策，实现智能检修决策，减少故障处理时间，减少海上风电作业窗口时间；（2）通过风电机组防腐除锈机器人、风电机组螺栓紧固机器人等智能检修工具，可有效提升检修效率，解决当前防腐除锈难、螺栓紧固工作量大的痛点，减少海上风电作业窗口时间。 4 维检成本高昂 综合考虑海上升压站巡视机器人、无人机等智能巡视手段，风电机组螺栓紧固机器人、风电机组防腐除锈机器人等智能检修手段，专业的检修决策，作业监管和培训服务后，实现船、人、机器人等全方位的维检排程，从而节省维检成本。 5 缺乏标准
规范通过作业监管，有效实现维检行业的标准化操作。
（1）提升操作准确率和安全性，实现现场操作无人化，操作时间减少60%；（2）提高作业风险管控能力与安全水平，节省工时60%。6 专业人员
缺失建立员工能力矩阵库、故障案例平台、考核评估系统等，实现检修方案模拟，减少安全隐患，提升检修方案的直观性、准确性和实操性，提升维检人员的综合水平。 
下载: 导出CSV
表 2 应用功能表
Table 2 The application function table
序号 模块 功能 说明 1 设备管理 设备管理 实现风电场设备以及备品备件的管理。 2 智能巡视 海上升压站机器人智能巡视 （1）实现同一层平台的全部房间的巡视，可自动连锁并打开同一层平台的相关房间门禁，能实现0.6 m高度的爬坡；（2）利用高清视频、红外热成像等方式对站内设备进行全面巡视，结合人工智能算法对图像进行识别分析。 3 智能检修 风电机组防腐除锈机器人 需求1：在塔筒外表面较为平整时，可稳定吸附于塔筒表面，在遇到颗粒，凹坑等不平整表面时，可自行进行调整，使得机器人使用中，无论吸附环境是否复杂，均能稳定的吸附于塔筒外表面。
需求2：考虑在风机基础平台处的移动和防腐喷涂，尤其是焊接处。同时，也能清理海洋生物附着物（附着物约2～4 cm）。最终，也可实现爬梯顶处横杆及固定爬梯连接法兰的防腐喷涂情况。风电机组螺栓紧固机器人 需求1：利用智能螺旋紧固工器具，可数字化调整扭矩，适应不同螺丝尺寸与扭矩需求范围。
需求2：实时监测螺栓轴向紧固应力，进行健康监测评估、预警。4 维检排程 检修决策 实现设备的智能检修决策。 维检排程 进行维护人员、备品备件、海上升压站巡视机器人、无人机、智能检修工具等维护资源的分配。 远程申请 移动APP可实现工作票的申请和审核以及风机平台上锁具及报警装置的布防撤防。 5 作业监管 无关人员驱离 风机上设置微波人体感应警示及高音喇叭装置，若非工作人员登上风机平台，该装置将自动报警并对人员进行驱离。 智能门禁 对各风机平台塔筒门进行闭锁。实现手机蓝牙控制开锁、远程开锁，配置应急开锁锁芯，可机械钥匙开锁。 人脸识别摄像头与可视化头盔 通过在塔筒门的人脸识别摄像头，实现安防；配置可视化头盔，为管理人员及专家进行远程指导和监督。 6 培训服务 员工能力矩阵库 评估风电场维检人员的操作能力。 故障案例平台 建设完善相关故障案例进行学习。 考核评估系统 进行学习效果考核。
下载: 导出CSV
表 3 主要性能指标表
Table 3 The key performance indicator
序号 性能指标项 指标 1 系统的处理速度 每日更新信息的及时获取、处理、入库与发布 2 系统具备高可靠性和稳定性 保证7×24 h不间断稳定运行 具备在99.95%的连续无故障运行能力 3 数据响应时间 用户向平台的提交数据响应时间 < 2 s 用户从平台查询获取数据响应时间≤2 s 4 用户并发数 支持 1000 名用户的并发访问能力
下载: 导出CSV
表 4 维检效益分析表
Table 4 The benefit analysis of offshore wind power intelligent maintenance and repair platform
序号 功能 对象 成效 1 设备
管理海上风电场 （1）目前常规维检，无此相关软件成本。但每周需耗费1人2 d整理相关设备管理信息，按日人工成本为500元估算，在设备管理方面，年人工成本为4.8万元；（2）此设备管理的软件费用，约30万，预计6.25 a可收回相关成本。 2 智能
巡视海上升压站 （1）目前常规维检，无此相关智能巡视成本。但每月需耗费4人2 d巡视海上升压站（每月巡视2次，每次1 d），按日人工成本为500元及1次出海用船成本为5万元估算，年巡视成本为64.8万元；（2）巡视机器人的成本约为200万元，预计3.10 a可收回相关成本。若考虑提前发现巡视问题，避免风电场停运，会产生更大的效益。 3 智能
检修风电机组 （1）目前常规维检，无此相关智能检修工具，需由人工实现检修。每台风电机组防腐除锈、螺栓紧固的费用，每年分别需要花费6万元、5万元；（2）风电机组防腐除锈机器人、螺栓紧固机器人的成本分别约为80万元、60万元，预计约13.3 a、12 a可回收成本；（3）智能决策（费用约200万元），建立故障判断库、故障决策库、故障案例库，减少故障处理时间。每年预计节省40 h，每年可增加创收 1000 万元的发电量效益。4 维检
排程风电机组 （1）目前常规维检，无此相关运排排程软件成本；（2）通过此维检排程（费用约100万元），每年预计节省维检排程时间20 h，每年可增加创收500万元的发电量效益。 5 作业
监管海上风电场 （1）目前常规维检，无此相关作业监管软件成本；（2）通过作业监管（费用约100万元），提升操作准确率和安全性，实现现场操作无人化，操作时间减少60%。提高作业风险管控能力与安全水平，节省工时60%。每年预计可节省20万元左右的人工费用。若考虑安全效益，可产生更大的效益。 6 培训
服务海上风电场 （1）目前常规维检，无此相关培训服务软件成本；（2）通过培训服务（费用约100万元），提升检修方案的直观性、准确性和实操性，提升维检人员的综合水平。
下载: 导出CSV
表 5 海上升压站机器人的智能巡视和检修决策表（以海上升压站主变为例）
Table 5 The intelligent inspection and maintenance decision table for robots in offshore booster stations ( taking the main transformer of offshore booster stations as an example )
巡视
项目智能巡视 智能巡视效果 检修决策 常规巡视效果
（以巡视图片为主）温度 本体温度计完好、无破损，表盘内无潮气冷凝；检查变器上层油温数值；强迫油循环风冷变压器的最高上层油温不得超过85 ℃；温升限值：45 ℃。 通过红外测温，若油温经常超过85 ℃，且最高油温达到95 ℃，油箱红外测温异常，则启动检修决策分析。 若温度异常，且油色谱正常：
检修时间：立即；
检修类别：不停电检修；
检修内容：监视油位、油温，进行红外检测，并采取降低变压器负荷措施。
油位、
油色油位计无破损和渗漏油。 通过图像识别，若油位计破损且有渗漏油，并发现影响查看油位的油垢；同时，储油柜上标有油位监视线达到报警值，则启动检修决策分析。 若油位模糊，油位指示不清：
检修时间：立即；
检修类别：局部检修；
检修内容；更换油位计，查绝缘油受潮情况。
渗漏油 检查变压器各部位
无渗漏油。通过图像识别，若变压器的油泵、各阀门、隔膜式储油柜等有渗漏油，则启动检修决策分析。 若有轻微渗油，未形成油滴：
检修时间：尽快；
检修类别：局部检修；
检修内容：监测渗油缺陷发展趋势，停电时对渗漏油部位进行处理。
运行中的声音 变压器运行声音正常。 通过拾音器分析，若有放电声音、异常振动等现象、变压器运行为不均匀的嗡嗡声音，则启动检修决策分析。 若噪声、振动异常，绝缘油色谱正常：
检修时间：立即；
检修类别：不停电检修；
检修内容：加强油色谱跟踪，如发现油色谱变为异常，则应进行进一步诊断分析。
压力释放装置 压力释放阀无喷油痕迹。 通过图像识别，若压力释放器有油迹，压力释放阀指示杆突出，有喷油痕迹，则启动检修决策分析。 若运行中发生喷油：
检修时间：立即；
检修类别：局部检修；
检修内容：检查本体呼吸系统是否堵塞、压力释放阀是否存在密封不良缺陷等问题，并进行处理。
下载: 导出CSV
-
[1] 国家能源局. 电力设备预防性试验规程: DL/T 596-2021 [S]. 北京: 中国电力出版社, 2021. National Energy Administration. Preventive test code for electric power equipment: DL/T 596-2021 [S]. Beijing: China electric power press, 2021.
[2] 国家能源局. 变电站机器人巡检系统通用技术条件: DL/T 1610-2016 [S]. 北京: 中国电力出版社, 2016. National Energy Administration. General technical specification for the robot inspection system in substation: DL/T 1610-2016 [S]. Beijing: China electric power press, 2016.
[3] 国家能源局. 风电场无人机巡检作业技术规范: NB/T 10594-2021 [S]. 北京: 中国电力出版社, 2021. National Energy Administration. Specification of unmanned aerial vehicle inspection for wind farm: NB/T 10594-2021 [S]. Beijing: China electric power press, 2021.
[4] 国家能源局. 油浸式变压器(电抗器)状态检修导则: DL/T 1684-2017 [S]. 北京: 中国电力出版社, 2017. National Energy Administration. Guide for condition based maintenance strategy of oil-immersed power transformers (reactors): DL/T 1684-2017 [S]. Beijing: China electric power press, 2017.
[5] 国家能源局. 油浸式变压器(电抗器)状态评价导则: DL/T 1685-2017 [S]. 北京: 中国电力出版社, 2017. National Energy Administration. Guide for condition evaluation of oil-immersed power transformers (reactors): DL/T 1685-2017 [S]. Beijing: China electric power press, 2017.
[6] 潍坊供电公司. 变电设备标准化巡视作业指导书 [M]. 北京: 中国电力出版社, 2012. State Grid Shandong Weifang Power Supply Company. Substation equipment standardization inspection operation guide [M]. Beijing: China electric power press, 2012.
[7] 徐进, 孙静, 牛倩. 基于主动预防策略的风电场智能运维管理解决方案 [J]. 水力发电, 2020, 46(3): 104-107. DOI: 10.3969/j.issn.0559-9342.2020.03.023. XU J, SUN J, NIU Q. Solution on intelligent operation and maintenance of wind farm based on active prevention strategy [J]. Water power, 2020, 46(3): 104-107. DOI: 10.3969/j.issn.0559-9342.2020.03.023.
[8] 杨源, 汪少勇, 谭江平, 等. 海上风电场智慧运维管理系统 [J]. 南方能源建设, 2021, 8(1): 74-79. DOI: 10.16516/j.gedi.issn2095-8676.2021.01.011. YANG Y, WANG S Y, TAN J P, et al. The intelligent operation and maintenance management system for offshore wind farms [J]. Southern energy construction, 2021, 8(1): 74-79. DOI: 10.16516/j.gedi.issn2095-8676.2021.01.011.
[9] 刘昊. 变电检修中心管理平台的设计与实现 [D]. 济南: 山东大学, 2015. LIU H. The design and implementation of substation maintenance center management platform [D]. Ji'nan: Shandong University, 2015.
[10] 宋明阳, 瞿晟珉, 秦少茜,等. 基于故障风险水平的海上风电场机会维护策略 [J]. 电力工程技术, 2023, 42(9): 117-129. DOI: 10.12158/j.2096-3203.2023.06.013. SONG M Y, QU S M, QIN S X, et al. Offshore wind farm opportunity maintenance strategy based on failure risk level [J]. Electric power engineering technology, 2023, 42(9): 117-129. DOI: 10.12158/j.2096-3203.2023.06.013.
[11] 辛治铖, 汪隆君, 刘沈全. 基于迁移学习的海上风电机组轴承早期故障预警策略 [J]. 可再生能源, 2024, 42(7): 915-922. DOI: 10.13941/j.cnki.21-1469/tk.2024.07.012. XIN Z C, Wang L J, LIU S Q. Early fault warning strategy for offshore wind turbine bearings based on transfer learning [J]. Renewable energy resources, 2024, 42(7): 915-922. DOI: 10.13941/j.cnki.21-1469/tk.2024.07.012.
[12] 王昊, 刘璐洁, 陈龙, 等. 考虑故障关联不确定性的海上风电机组预防性维护策略优化方法 [J]. 上海电力大学学报, 2024, 40(4): 331-339. WANG H, LIU L J, CHEN L, et al. Preventive maintenance decision-making for offshore wind turbine considering failure correlation uncertainty [J]. Journal of Shanghai University of Electric Power, 2024, 40(4): 331-339.
[13] 郭微. 变电运维集中管控平台的设计与实现 [D]. 北京: 华北电力大学(北京), 2017. GUO W. Substation operations concentrated control platform's design and implementation [D]. Beijing: North China Electric Power University (Beijing), 2017.
[14] 张本. 基于云平台的风电机组智能运维系统设计与实现 [D]. 北京: 北京邮电大学, 2021. DOI: 10.26969/d.cnki.gbydu.2021.002717. ZHANG B. Intelligent maintenance system design of wind turbine based on cloud platform [D]. Beijing: Beijing University of Posts and Telecommunications, 2021. DOI: 10.26969/d.cnki.gbydu.2021.002717.
[15] 王玉红. 变电站智能运检管控系统的研究与实现 [D]. 合肥: 合肥工业大学, 2020. WANG Y H. Research and implementation of intelligent management and control system for operation and inspection of substation [D]. Hefei: Hefei University of Technology, 2020.
[16] 胡皓翔. 智能运维技术在220 kV环澳站的应用研究 [D]. 广州: 华南理工大学, 2021. DOI: 10.27151/d.cnki.ghnlu.2021.003516. HU H X. Application of intelligent operations in 220 kV Huanao substation [D]. Guangzhou: South China University of Technology, 2021. DOI: 10.27151/d.cnki.ghnlu.2021.003516.
[17] 张志宏, 施永吉, 黄建平, 等. 深远海域风电场智慧运维管理系统的探索与研究 [J]. 太阳能, 2018(6): 49-53, 25. DOI: 10.3969/j.issn.1003-0417.2018.06.011. ZHANG Z H, SHI Y J, HUANG J P, et al. Exploration and research on the intelligent operation and maintenance management system of deep sea wind farm [J]. Solar energy, 2018(6): 49-53, 25. DOI: 10.3969/j.issn.1003-0417.2018.06.011.
[18] 邓清闯, 费怀胜, 李朝锋. 风电场智能运维管控系统方案设计 [J]. 机械与电子, 2019, 37(1): 71-74, 80. DOI: 10.3969/j.issn.1001-2257.2019.01.015. DENG Q C, FEI H S, LI C F. Design of intelligent operation and maintenance control system for wind farms [J]. Machinery & electronics, 2019, 37(1): 71-74, 80. DOI: 10.3969/j.issn.1001-2257.2019.01.015.
[19] 周登科, 程龙, 张亚平, 等. 海上升压站机器人智能巡检系统应用分析 [J]. 南方能源建设, 2025, 12(1): 116-126. DOI: 10.16516/j.ceec.2024-088. ZHOU D K, CHENG L, ZHANG Y P, et al. Application analysis of intelligent robot inspection system at offshore step-up substation [J]. Southern energy construction, 2025, 12(1): 116-126. DOI: 10.16516/j.ceec.2024-088.
[20] 王博妮, 王锋, 葛行成, 等. 海上风电气象服务关键技术及应用分析 [J]. 南方能源建设, 2025, 12(1): 65-74. DOI: 10.16516/j.ceec.2024-126. WANG B N, WANG F, GE H C, et al. Analysis of key technologies and applications of meteorological service for offshore wind power [J]. Southern energy construction, 2025, 12(1): 65-74. DOI: 10.16516/j.ceec.2024-126.
[21] 李铜林,曾甫龙. 基于 5G 技术的海上风电通信系统研究 [J]. 南方能源建设, 2024, 11(2): 51-58. DOI: 10.16516/j.ceec.2024.2.05. LI T L, ZENG F L. Research on offshore wind power communication system based on 5G technology [J]. Southern energy construction, 2024, 11(2): 51-58. DOI: 10.16516/j.ceec.2024.2.05.
[22] 葛志超,谷艺林, 黄山, 等. 基于人工智能技术的变电站联合巡检系统应用研究 [J]. 电力大数据, 2023, 26(11): 89-96. DOI: 10.19317/j.cnki.1008-083x.2023.11.010. GE Z C, GU Y L, HUANG S, et al. Application research of substation joint inspection system based on AI technology [J]. Power systems and big data, 2023, 26(11): 89-96. DOI: 10.19317/j.cnki.1008-083x.2023.11.010.
