序號

研究項

服務內容

備注

1

課題一 基于5G+的智慧黑燈風電場技術研究

1.1

黑燈風電場5G網絡覆蓋技術利用的充分研究

利用場站5G網絡，結合IPV6技術，將5G網絡價值利用最大化研究。

1.2

基于5G+視覺AI技術的的風機和集電線路自主巡視技術研究

研究全自動無人機機場技術，實現無人機及機場無需人工操作、全程無人值守。全自動無人機巡檢技術的實現能夠支持無人機的自主充電或換電和精準降落回收；能夠感知氣象條件，根據氣象條件安全飛行，完成巡檢任務，在緊急情況下能夠降落到備降點，在解除隱患后能夠自動歸巢；通過無人機搭載的高清攝像頭、‌紅外熱像儀等傳感器，‌結合5G實時傳輸技術，‌對黑燈風電場進行全方位、‌無死角的監控和檢測。

1.3

基于5G+定位技術的山區風電場高精度定位和巡檢道路導航技術研究

利用5G網絡的大帶寬、‌低時延和多天線特性，利用GPS、‌北斗等衛星定位系統，‌結合UWB定位、‌WiFi定位、‌藍牙定位等多種技術，‌實現場站內部人員和車輛的融合定位，‌實現對人員和車輛位置的實時監控和管理。再‌‌通過通感一體化技術，‌發送感知信號并接收回波信號，‌確定目標位置，‌提升安防效果。自主構建場站完整二維/三維融合GIS地圖，建立風機、箱變、集電線、桿塔、分支箱以及升壓站設備的完整編號和位置標記，按設備類型建立獨立圖層，‌實現巡檢路線規劃和巡檢道路導航，提升山區復雜路況風機、箱變、集電線桿塔巡檢工作效率。

1.4

5G+數字孿生技術的遠程監控巡檢風機技術研究

5G技術與數字孿生技術的結合，‌為黑燈風電場提供了實時數據采集、‌傳輸、‌分析和可視化監控的能力。‌通過5G網絡的高速率、‌低時延特性，‌實現數字孿生模型與物理電站的同步仿真模擬。研究利用移動互聯、三維GIS地圖和數字孿生技術，通過構建風電場的虛擬模型，將物理設備、環境因素和運行狀態實時連接，實現風電場站的萬物全互聯、狀態全感知及業務和數據全穿透的孿生應用可視化。對接區域全場景輔控設備，在孿生場景中實現現場設備操作聯動、火災消防、門禁、環境監測、報警等相關信息可視化展示。實現VR巡檢風機內部，以巡檢人員視角進入數字孿生風機的內部空間，實時查看所見大部件的關鍵實時數據、報警信息和風機內部攝像頭視頻實時畫面，并可快速切換到下一臺風機。

2

課題二 基于視聽AI的山區黑燈風電場技術研究

2.1

電力設備監測與數據共享的互聯互通技術研究

研究通過引入先進的監測技術，如智能傳感器和遠程監控裝置，實時監測電力設備的運行狀態和性能，采用先進的通信技術確保設備之間的有效數據共享。這包括使用高效的網絡協議和安全通信手段，以確保數據傳輸的可靠性和保密性。互聯互通技術的研究還涉及到數據標準化，以便不同廠家和設備之間能夠無縫地交換信息，需要考慮到電力設備的多樣性，包括風電機組、變壓器、開關設備等。同時，監測數據的實時性和準確性，以便及時發現潛在問題并采取相應的措施。根據業務場景需要，可以將設備運行數據按照多維度進行集成和展示，例如采用數據大屏的方式進行實時數據監控與展示。

2.2

基于多源異構數據的變電主設備早期預警與動態跟蹤監控技術研究

研究融合來自不同源頭的數據，包括但不限于傳感器、監測裝置和其他數據采集設備的信息，以實現對變電主設備的全面監測和管理，收集來自變電設備的多源數據，例如溫度、濕度、振動等各種傳感器數據，以及開關柜局放監測、鐵芯夾件監測數據。然后，利用數據融合技術，將這些異構數據整合在一起，形成全面的設備狀態信息。數據融合有助于更全面地了解設備運行狀況，從而提前發現潛在的問題和隱患，更要求系統能夠實時監測設備狀態的變化，并隨時更新預警信息。這涉及到高效的數據處理和實時通信技術的應用，以確保監測系統對設備狀態的跟蹤是準確而及時。針對山區多雨潮濕的特點，利用物聯網環境監控技術，將場站空調、除濕機、線纜溝、分支箱監測數據接入集控中心，并實現遠程環境監控確保空調和除濕機24小時工作，支持自動啟動因失電或誤操作停止工作的空調和除濕機，無法啟動時自動告警。

2.3

基于視覺AI技術的升壓站在線監測及自主巡視技術研究

研究基于機器視覺技術的升壓站設備的實時圖像識別和分析。通過攝像頭或其他視覺傳感器獲取設備的圖像信息，系統可以利用圖像處理和機器學習算法識別設備的狀態和可能的異常情況。這有助于及時發現潛在問題，如設備損壞、漏油、呼吸器破損等，從而提高升壓站的監測效率。通過在升壓站設備上安裝移動式機器視覺裝置，系統可以實現自主巡視功能，定期巡視設備并記錄圖像或視頻信息。這種自主巡視可以在無人值守的情況下進行，減輕人工巡檢的負擔，并提高監測的連續性和全面性。更要考慮機器視覺算法的優化和適應性，以適應不同升壓站設備的特征和工作環境。同時，保障數據的安全性和隱私性也是重要的研究方向，確保在線監測系統的可靠性和穩定性。研究AI視覺模型算法包括但不限于表計破損、絕緣子破損、滲痛油、呼吸器破損、箱門閉合異常、異物、蓋板破損或缺失、表計讀數異常、油位狀態、硅膠變色、壓板狀態；構建對升壓站一次設備臺區、配電室、SVG、繼保室、消防泵房、生活泵房等全部場區的的自動巡檢作業模式，全面實現巡檢工作智能化。

2.4

基于聽覺AI的變壓器聲紋識別監測和故障預警技術研究

通過使用音頻信號處理技術，提取變壓器運行時的聲紋特征。這些特征可以包括頻譜特征、時域特征和梅爾頻率倒譜系數（MFCC）等，能夠有效反映變壓器的工作狀態和潛在故障。構建聲紋識別模型，可能采用機器學習或深度學習的方法，如卷積神經網絡（CNN）、長短期記憶網絡（LSTM）等，來進行聲紋分類和狀態監測。收集大量變壓器在正常運行和故障狀態下的聲紋數據，構建標注良好的訓練和測試集，確保模型的泛化能力。實現對變壓器運行狀態的實時監測，通過比對當前聲紋與歷史聲紋數據，識別潛在故障，提供合理的預警。

3

課題三 適應運檢中心模式的區域運檢技術研究

3.1

AI智能診斷驅動設備故障主動預防支撐技術研究

以設備故障前提前保養換件為目標，利用智能倉儲、物聯網（IoT）、人工智能（AI）、大數據技術，通過運診檢維備一體化平臺自動發起單據，聯動新能源AI診斷中心和智能中心倉庫，變“事后被動處理”為“事前主動預防”，實現風機區和升壓站主設備健康監測、故障預警、備品備件預采、主動更換部件的設備故障主動預防管理。

3.2

升壓站屏柜讀數和狀態智能復核和告警技術研究

研究時序和智能數據對比復核及告警技術，利用巡檢機器人、AI視頻分析和數字孿生等技術，通過對升壓站變電設備和繼保室屏柜的紅外測溫、表計讀數、指示燈狀態、分合執行機構識別及異常狀態進行智能識別和報警，將巡檢結果和報警數據接入集控中心，與生產實時設備測點數據進行二次復核比較，通過屏柜監視系統進行復核結果和告警展示。研究利用數字孿生技術實現屏柜的三維虛擬現實展示，支持對屏柜狀態信息面板進行擴展，如自定義告警燈、自定義數顯等。研究通過組態方式實現智能復核可視化配置。

3.4

遠程人員設備環境監護和多級告警技術研究

將風機和升壓站消防接入集控告警中心；基于場站側AI雙光視頻分析，實時監測和上報森林火災、風機煙火、設備溫度異常、人員異常倒地、未戴安全帽、未穿工裝工作服，工作中抽煙等事件，接入集控告警中心；通過北斗和UWB融合定位技術，實時跟蹤人員位置、聯動視頻監控，告警接入集控告警中心；發現人員、設備和環境異常在場站中控室、運檢中心、集控中心三級同步告警，支持隨告警附上現場照片或視頻，支持依據告警等級選擇聲光語音告警。

4

專利、論文、計算機軟件著作權

投標人需根據本項目，與招標人聯合開發相關專利與科技論文：其中申請發明專利2項、發表核心期刊論文不少于3篇、計算機軟件著作權1項，且專利申請人、論文作者與軟件著作權申請人排名次序第一的為招標人相關人員。