近日，国能吉林新能源发展有限公司发布《基于声纹与振动识别的风机叶片及变桨减速机智能监测预警系统研究项目公开招标公告》。
项目背景：破解传统风电运维痛点
公告指出，当前风电行业对叶片及变桨减速机的健康状况评估仍面临显著挑战，传统检测方式主要依赖无人机巡检、吊篮作业和人工内窥，不仅检测周期长、运维成本高，更核心的短板是缺乏实时监测能力。风机叶片长期承受气动载荷、紫外线辐射及剧烈温差作用，其产生的裂纹、脱粘等损伤难以及时发现；同时随着全球风电装机规模持续扩大，设备故障发生率呈上升趋势。
本项目旨在针对性解决上述行业痛点，通过研发集成声纹与振动识别技术的智能监测装置和软件系统，实现对风机叶片及变桨减速机关键部件的实时精准感知与故障预警，最终提升风电场运行的安全性和经济性。
招标范围：四大核心研究方向
本次招标项目划分为一个标段，核心研究内容涵盖技术攻关、硬件研发、平台搭建与试点应用全链条：
声纹信号降噪及关键特征提取技术研究：针对风电机组运行中转速、风力、天气等多因素导致的复杂噪声环境，研究自适应滤波、小波变换和盲源分离等技术，实现环境噪声与设备特征声纹的有效分离；结合风机叶片、变桨减速机的内在声学机理，设计多域特征技术路线，提出基于宽带能量域时空谱的声纹特征提取方法，显著提升故障特征的区分性和辨识度。
声纹与振动融合的故障识别模型研究：攻关基于自监督学习的模型声纹特征编码技术，从大量未标注的声纹数据中提取高判别性特征；融合声纹与振动信号，构建高效可靠的故障识别模型，通过模型微调与优化，实现对叶片内部裂纹的高灵敏度检测。
复杂环境下的声纹采集及边缘计算终端研发：针对风电场风大、干扰严重、高温潮湿等恶劣气候特点，研制高可靠性声纹采集装置；同时开发高性能边缘计算终端，集成嵌入式声信号处理与智能诊断算法，研究轻量化模型部署及低功耗设计，实现数据的边缘端实时分析与故障识别。
监测预警平台研发与试点应用：基于智能感知层、数据模型层、应用服务层的多层体系架构，搭建风机状态监测预警平台，实现全天候、全方位实时数据分析、故障预警及可视化呈现；选取通榆新茂风电场10台风机开展试点应用，并根据现场试运行情况进行优化调整。
明确量化目标与成果要求
公告设定了严格的技术指标、应用效果及知识产权成果要求：
技术性能指标：故障识别算法准确率≥95%，单样本模型识别时间小于2秒；声纹采集装置麦克风灵敏度不低于-36dBFS且必须内置防雷模块；边缘计算终端需实现叶片缺陷与变桨减速机异常故障的实时分析与预警。
应用效果目标：实现监测系统与风电场运维平台的无缝融合，提前预警叶片早期裂纹、疲劳劣化等结构性风险，以及变桨减速机齿轮磨损、润滑失效、轴承损坏等故障，降低因相关问题导致的非计划停运比例≥10%。
知识产权与成果：项目需申请国家发明专利2项（取得受理通知书）、软件著作权2项；发表或录用科技核心期刊论文1篇；提交技术报告4份；开发完整的风机状态监测软件系统1套；同时需完成国内先进及以上水平的成果认定工作，并取得1项符合要求的科技奖励证书。
投标人资格要求
本次招标对投标人资质提出明确要求：
投标人须为依法注册的独立法人或其他组织，提供有效的证明文件及安全生产许可证；
2021年5月至投标截止日期间（以合同签订时间为准），须至少具有2份风机叶片监测系统建设或改造合同业绩，并提供包含买卖双方盖章页、签订时间及关键信息的合同扫描件；
拟任安全生产管理人员须持有有效的安全生产考核合格证（C类）；
本项目不接受联合体投标。
上一篇：无
