随着全球对可再生能源需求的不断增长，风电作为一种清洁能源，其重要性日益凸显。然而，风电设备在运行过程中面临着叶片损伤、轴承故障、齿轮箱问题等多种故障风险。这些故障不仅影响发电效率，还可能导致设备停机，增加维修成本和损失发电量。因此，开发一套有效的预测预警运维系统对于保障风电设备的可靠运行至关重要。
海卓科技推出的AI助力风电预测预警运维系统HIZ-GE-FYJ，是一个集成性监测体系，旨在通过先进的技术手段，实现对风电设备的实时监测和故障预警，以提高风电设备的运行效率和可靠性。
HIZ-GE-FYJ系统由以下几个关键组成部分构成：
超声传感器：这些传感器安装在风机叶片周围，负责采集声纹信号，为后续的数据分析提供基础数据。
边缘计算终端：对采集到的声纹信号进行预处理和特征提取，为数据分析提供更精确的输入。
本地服务器和云服务：用于数据的存储和分析，确保数据处理的高效性和准确性。
网络交换机：负责数据传输，确保数据在各个组件间快速、准确地流动。
技术优势
系统采用小样本学习算法，具有以下技术优势：
不限语种的以音搜音算法：能够处理多种语言和声音信号，提高了系统的适用性和灵活性。
跨信道多目标音频清分系统：能够在不同的信道中清晰地区分和处理多个音频目标，增强了系统的稳定性和准确性。
开集小样本声纹检索算法：即使在样本量较小的情况下也能进行有效的声纹检索，提高了系统的效率。
产品功能：
1、实时监测与故障预警
能够对风力发电机组进行实时监测，无需停机。通过超声传感器采集声纹信号，对早期微小损伤敏感。系统自动研判故障，专家复核，当发现异常时及时发出告警，如异音回溯、异常告警等功能可在后台展示。
2、数据处理与分析
对采集到的声纹信号进行预处理（加重、分帧、加窗等）和特征提取（时频域、幅值、倒谱、波形、过零率、小波分析、峭度等），通过多维度分析将异常样本数据与现有已知故障特征对比，进行故障研判。
3、专家经验固化与系统成长
可以将运维人员的经验固化在系统中，随着不断学习新的样本数据，系统可不断成长，提高故障诊断的准确性。
