序号

研究项

服务内容

备注

1

课题一 基于5G+的智慧黑灯风电场技术研究

1.1

黑灯风电场5G网络覆盖技术利用的充分研究

利用场站5G网络，结合IPV6技术，将5G网络价值利用最大化研究。

1.2

基于5G+视觉AI技术的的风机和集电线路自主巡视技术研究

研究全自动无人机机场技术，实现无人机及机场无需人工操作、全程无人值守。全自动无人机巡检技术的实现能够支持无人机的自主充电或换电和精准降落回收；能够感知气象条件，根据气象条件安全飞行，完成巡检任务，在紧急情况下能够降落到备降点，在解除隐患后能够自动归巢；通过无人机搭载的高清摄像头、‌红外热像仪等传感器，‌结合5G实时传输技术，‌对黑灯风电场进行全方位、‌无死角的监控和检测。

1.3

基于5G+定位技术的山区风电场高精度定位和巡检道路导航技术研究

利用5G网络的大带宽、‌低时延和多天线特性，利用GPS、‌北斗等卫星定位系统，‌结合UWB定位、‌WiFi定位、‌蓝牙定位等多种技术，‌实现场站内部人员和车辆的融合定位，‌实现对人员和车辆位置的实时监控和管理。再‌‌通过通感一体化技术，‌发送感知信号并接收回波信号，‌确定目标位置，‌提升安防效果。自主构建场站完整二维/三维融合GIS地图，建立风机、箱变、集电线、杆塔、分支箱以及升压站设备的完整编号和位置标记，按设备类型建立独立图层，‌实现巡检路线规划和巡检道路导航，提升山区复杂路况风机、箱变、集电线杆塔巡检工作效率。

1.4

5G+数字孪生技术的远程监控巡检风机技术研究

5G技术与数字孪生技术的结合，‌为黑灯风电场提供了实时数据采集、‌传输、‌分析和可视化监控的能力。‌通过5G网络的高速率、‌低时延特性，‌实现数字孪生模型与物理电站的同步仿真模拟。研究利用移动互联、三维GIS地图和数字孪生技术，通过构建风电场的虚拟模型，将物理设备、环境因素和运行状态实时连接，实现风电场站的万物全互联、状态全感知及业务和数据全穿透的孪生应用可视化。对接区域全场景辅控设备，在孪生场景中实现现场设备操作联动、火灾消防、门禁、环境监测、报警等相关信息可视化展示。实现VR巡检风机内部，以巡检人员视角进入数字孪生风机的内部空间，实时查看所见大部件的关键实时数据、报警信息和风机内部摄像头视频实时画面，并可快速切换到下一台风机。

2

课题二 基于视听AI的山区黑灯风电场技术研究

2.1

电力设备监测与数据共享的互联互通技术研究

研究通过引入先进的监测技术，如智能传感器和远程监控装置，实时监测电力设备的运行状态和性能，采用先进的通信技术确保设备之间的有效数据共享。这包括使用高效的网络协议和安全通信手段，以确保数据传输的可靠性和保密性。互联互通技术的研究还涉及到数据标准化，以便不同厂家和设备之间能够无缝地交换信息，需要考虑到电力设备的多样性，包括风电机组、变压器、开关设备等。同时，监测数据的实时性和准确性，以便及时发现潜在问题并采取相应的措施。根据业务场景需要，可以将设备运行数据按照多维度进行集成和展示，例如采用数据大屏的方式进行实时数据监控与展示。

2.2

基于多源异构数据的变电主设备早期预警与动态跟踪监控技术研究

研究融合来自不同源头的数据，包括但不限于传感器、监测装置和其他数据采集设备的信息，以实现对变电主设备的全面监测和管理，收集来自变电设备的多源数据，例如温度、湿度、振动等各种传感器数据，以及开关柜局放监测、铁芯夹件监测数据。然后，利用数据融合技术，将这些异构数据整合在一起，形成全面的设备状态信息。数据融合有助于更全面地了解设备运行状况，从而提前发现潜在的问题和隐患，更要求系统能够实时监测设备状态的变化，并随时更新预警信息。这涉及到高效的数据处理和实时通信技术的应用，以确保监测系统对设备状态的跟踪是准确而及时。针对山区多雨潮湿的特点，利用物联网环境监控技术，将场站空调、除湿机、线缆沟、分支箱监测数据接入集控中心，并实现远程环境监控确保空调和除湿机24小时工作，支持自动启动因失电或误操作停止工作的空调和除湿机，无法启动时自动告警。

2.3

基于视觉AI技术的升压站在线监测及自主巡视技术研究

研究基于机器视觉技术的升压站设备的实时图像识别和分析。通过摄像头或其他视觉传感器获取设备的图像信息，系统可以利用图像处理和机器学习算法识别设备的状态和可能的异常情况。这有助于及时发现潜在问题，如设备损坏、漏油、呼吸器破损等，从而提高升压站的监测效率。通过在升压站设备上安装移动式机器视觉装置，系统可以实现自主巡视功能，定期巡视设备并记录图像或视频信息。这种自主巡视可以在无人值守的情况下进行，减轻人工巡检的负担，并提高监测的连续性和全面性。更要考虑机器视觉算法的优化和适应性，以适应不同升压站设备的特征和工作环境。同时，保障数据的安全性和隐私性也是重要的研究方向，确保在线监测系统的可靠性和稳定性。研究AI视觉模型算法包括但不限于表计破损、绝缘子破损、渗痛油、呼吸器破损、箱门闭合异常、异物、盖板破损或缺失、表计读数异常、油位状态、硅胶变色、压板状态；构建对升压站一次设备台区、配电室、SVG、继保室、消防泵房、生活泵房等全部场区的的自动巡检作业模式，全面实现巡检工作智能化。

2.4

基于听觉AI的变压器声纹识别监测和故障预警技术研究

通过使用音频信号处理技术，提取变压器运行时的声纹特征。这些特征可以包括频谱特征、时域特征和梅尔频率倒谱系数（MFCC）等，能够有效反映变压器的工作状态和潜在故障。构建声纹识别模型，可能采用机器学习或深度学习的方法，如卷积神经网络（CNN）、长短期记忆网络（LSTM）等，来进行声纹分类和状态监测。收集大量变压器在正常运行和故障状态下的声纹数据，构建标注良好的训练和测试集，确保模型的泛化能力。实现对变压器运行状态的实时监测，通过比对当前声纹与历史声纹数据，识别潜在故障，提供合理的预警。

3

课题三 适应运检中心模式的区域运检技术研究

3.1

AI智能诊断驱动设备故障主动预防支撑技术研究

以设备故障前提前保养换件为目标，利用智能仓储、物联网（IoT）、人工智能（AI）、大数据技术，通过运诊检维备一体化平台自动发起单据，联动新能源AI诊断中心和智能中心仓库，变“事后被动处理”为“事前主动预防”，实现风机区和升压站主设备健康监测、故障预警、备品备件预采、主动更换部件的设备故障主动预防管理。

3.2

升压站屏柜读数和状态智能复核和告警技术研究

研究时序和智能数据对比复核及告警技术，利用巡检机器人、AI视频分析和数字孪生等技术，通过对升压站变电设备和继保室屏柜的红外测温、表计读数、指示灯状态、分合执行机构识别及异常状态进行智能识别和报警，将巡检结果和报警数据接入集控中心，与生产实时设备测点数据进行二次复核比较，通过屏柜监视系统进行复核结果和告警展示。研究利用数字孪生技术实现屏柜的三维虚拟现实展示，支持对屏柜状态信息面板进行扩展，如自定义告警灯、自定义数显等。研究通过组态方式实现智能复核可视化配置。

3.4

远程人员设备环境监护和多级告警技术研究

将风机和升压站消防接入集控告警中心；基于场站侧AI双光视频分析，实时监测和上报森林火灾、风机烟火、设备温度异常、人员异常倒地、未戴安全帽、未穿工装工作服，工作中抽烟等事件，接入集控告警中心；通过北斗和UWB融合定位技术，实时跟踪人员位置、联动视频监控，告警接入集控告警中心；发现人员、设备和环境异常在场站中控室、运检中心、集控中心三级同步告警，支持随告警附上现场照片或视频，支持依据告警等级选择声光语音告警。

4

专利、论文、计算机软件著作权

投标人需根据本项目，与招标人联合开发相关专利与科技论文：其中申请发明专利2项、发表核心期刊论文不少于3篇、计算机软件著作权1项，且专利申请人、论文作者与软件著作权申请人排名次序第一的为招标人相关人员。