众所周知，我们今天的社会是建立在以石油能源为基础的经济结构上，石油既是燃料又是化工原料，这使其成为全球最重要大宗的商品，没有之一。

就在3月9日布伦特原油和WTI原油价格暴跌30%，到了32.14美元/1桶，在这背后是沙特和俄罗斯的经济博弈。想要“做大事”的沙特王储希望和俄罗斯一起减少产量来提升油价从而获得金钱支持，而俄罗斯的立场就是要让油价既可以支持产业转型，又不激发新能源革命的加速，故俄方并不想配合沙特减产。这就迫使沙特就想通过死就一起死的方式来逼迫俄罗斯重回谈判桌。既然不想减产，那就只能增产。在沙特宣布继续增产后，俄罗斯也表示会继续跟进增产。以至3月9日，受疫情和油价的双重影响，道琼斯跌了2013点，触发熔断，我们都成了历史的见证人，特朗普更是"喜提大炮一门"。

那么问题来了，石油这种旧有的且注定被取代的能源，为何各国不积极研发、采用新能源进行替代，反而任由石油一次又一次的爆发“危机”？

新能源发展看似红红火火但限制颇多

光伏发电虽然优势明显，能量转换过程简单，发电装置简单。但是由于地球具有昼夜和季节之分，光伏发电无法进行连续性工作，受地域和气候影响大，占地面积较大，光伏发电装置所用的晶体硅电池的制造过程高污染、高能耗，反而会对环境造成影响。

而风力发电目前装机范围较广，也是我国风能发电更为普及，相关技术日趋成熟，发电成本低，投资规模和装机规模相对灵活，但是风电机组维修费用高，尤其是风电的不稳定性，是制约风电发展的关键因素，这会负载和电网带来一定的冲击，并且维修难题首当其冲。

仅以2019年国内发生的风电事故为例，其中大致可分为运输事故、非规范操作事故与倒塔事故。这还仅为重大事故，例如风电机组宕机之类仅造成生产损失的事故不见通报，其次数更是难记其数。

计算机听觉打破空间限制
偏僻将不成维检难题

由于风电机组设备受工作原理限制，设备往往具有安装高度高，投放位置偏僻等特点。而大部分风电机组设备故障通常是由风电机组设备中风轮内部螺栓脱离造成，如果风车机组一旦发生故障，通常需要在较长的周期才能发现，大大增加了设备的安全隐患和故障检修难度。同时，如果设备故障得不到及时的处置，也带来不可估量的损失。

基于以上应用需求，北京快鱼电子股份公司与三一重能有限公司于2018年4月份强强联合，就风电机组设备故障由其风轮内部螺栓脱离造成等问题，展开了基于计算机听觉技术与实现风电机组部件运行状态实时在线远程监测技术的联合研究，最终通过采用深度算法模型、声景仿真模型、事件监测与决策管理平台等方式解决这一大难题。

（一）深度算法模型模块

深度算法模型数据库，主要是通过对风电机组针对风叶片、传动链等关键部件的运行状态数据进行实时采集，并通过深度学习算法模型，实现数据采集、数据预处理、音频流分割、声源分离、特征提取、分类等判断、去燥处理等操作，为风电机组的故障分析与故障事件精准判断提供技术解决手段。深度算法模型框架图，如图1所示：

图1：深度算法模型框架图

（二）声景仿真模型模块

声景仿真模型模块，主要是通过静态纬度（机械运作）、动态维度（环境噪声）等多个维度建立声景仿真模型数据库，并对收集的风电机组运行状态信息采用多维度计量方法进行声景仿真模型运算，并根据不同维度计算结果实现风电机组故障预警。声景仿真模型数据库处理流程图，如图2所示：

图2：声景仿真模型数据库处理流程图

（三）事件监测与决策管理平台

事件监测与决策管理平台，主要是将系统汇总收集来的音频信息，通过预警评估规则定义的运算，计算出风电机组故障监测的分类信息，并对不同分类故障事件进行结果评估并发出预警信息。事件监测与决策设计框架图，如图3所示：

图3：事件监测与决策设计框架图

在本项目具体部署方案中，我们根据风电机组故障点所处的不同位置，部署具备网络传输功能的音频感知传感器，并通过对设备正常运行状态与非正常状态进行深度学习对比，最终得出故障监测数据。在具体应用中建议初期布置2-4只网络音频感知传感器，便于前期的原始场景下数据采样，为后端平台分析提供多维度声音数据。具体部署架构图，如图4所示：

图4：具体部署架构图

结  语

无论是从经济结构还是环境保护的角度来说，新能源的落地应用刻不容缓，如今美国道琼斯的熔断更是摆在面前的教训，以石油能源为基础的经济结构的改变是必然的。

而新的事物在推行中总会碰到无数的问题，谁来解决这些问题、如何解决这些问题则往往会成为难题。所幸当下快鱼电子、三一重能站了出来，将压在风能发电头上的“三座大山”移走了一座，也期望在不久的将来，能有更多的科研人与企业站出来，为世界的发展做出贡献。