眾所周知，我們今天的社會是建立在以石油能源為基礎的經濟結構上，石油既是燃料又是化工原料，這使其成為全球最重要大宗的商品，沒有之一。
就在3月9日布倫特原油和WTI原油價格暴跌30%，到了32.14美元/1桶，在這背后是沙特和俄羅斯的經濟博弈。想要“做大事”的沙特王儲希望和俄羅斯一起減少產量來提升油價從而獲得金錢支持，而俄羅斯的立場就是要讓油價既可以支持產業轉型，又不激發新能源革命的加速，故俄方并不想配合沙特減產。這就迫使沙特就想通過死就一起死的方式來逼迫俄羅斯重回談判桌。既然不想減產，那就只能增產。在沙特宣布繼續增產后，俄羅斯也表示會繼續跟進增產。以至3月9日，受疫情和油價的雙重影響，道瓊斯跌了2013點，觸發熔斷，我們都成了歷史的見證人，特朗普更是"喜提大炮一門"。
那么問題來了，石油這種舊有的且注定被取代的能源，為何各國不積極研發、采用新能源進行替代，反而任由石油一次又一次的爆發“危機”？
新能源發展看似紅紅火火但限制頗多
光伏發電雖然優勢明顯，能量轉換過程簡單，發電裝置簡單。但是由于地球具有晝夜和季節之分，光伏發電無法進行連續性工作，受地域和氣候影響大，占地面積較大，光伏發電裝置所用的晶體硅電池的制造過程高污染、高能耗，反而會對環境造成影響。
而風力發電目前裝機范圍較廣，也是我國風能發電更為普及，相關技術日趨成熟，發電成本低，投資規模和裝機規模相對靈活，但是風電機組維修費用高，尤其是風電的不穩定性，是制約風電發展的關鍵因素，這會負載和電網帶來一定的沖擊，并且維修難題首當其沖。
僅以2019年國內發生的風電事故為例，其中大致可分為運輸事故、非規范操作事故與倒塔事故。這還僅為重大事故，例如風電機組宕機之類僅造成生產損失的事故不見通報，其次數更是難記其數。
計算機聽覺打破空間限制
偏僻將不成維檢難題
由于風電機組設備受工作原理限制，設備往往具有安裝高度高，投放位置偏僻等特點。而大部分風電機組設備故障通常是由風電機組設備中風輪內部螺栓脫離造成，如果風車機組一旦發生故障，通常需要在較長的周期才能發現，大大增加了設備的安全隱患和故障檢修難度。同時，如果設備故障得不到及時的處置，也帶來不可估量的損失。
基于以上應用需求，北京快魚電子股份公司與三一重能有限公司于2018年4月份強強聯合，就風電機組設備故障由其風輪內部螺栓脫離造成等問題，展開了基于計算機聽覺技術與實現風電機組部件運行狀態實時在線遠程監測技術的聯合研究，最終通過采用深度算法模型、聲景仿真模型、事件監測與決策管理平臺等方式解決這一大難題。
（一）深度算法模型模塊
深度算法模型數據庫，主要是通過對風電機組針對風葉片、傳動鏈等關鍵部件的運行狀態數據進行實時采集，并通過深度學習算法模型，實現數據采集、數據預處理、音頻流分割、聲源分離、特征提取、分類等判斷、去燥處理等操作，為風電機組的故障分析與故障事件精準判斷提供技術解決手段。深度算法模型框架圖，如圖1所示：
圖1：深度算法模型框架圖
（二）聲景仿真模型模塊
聲景仿真模型模塊，主要是通過靜態緯度（機械運作）、動態維度（環境噪聲）等多個維度建立聲景仿真模型數據庫，并對收集的風電機組運行狀態信息采用多維度計量方法進行聲景仿真模型運算，并根據不同維度計算結果實現風電機組故障預警。聲景仿真模型數據庫處理流程圖，如圖2所示：
圖2：聲景仿真模型數據庫處理流程圖
（三）事件監測與決策管理平臺
事件監測與決策管理平臺，主要是將系統匯總收集來的音頻信息，通過預警評估規則定義的運算，計算出風電機組故障監測的分類信息，并對不同分類故障事件進行結果評估并發出預警信息。事件監測與決策設計框架圖，如圖3所示：
圖3：事件監測與決策設計框架圖
在本項目具體部署方案中，我們根據風電機組故障點所處的不同位置，部署具備網絡傳輸功能的音頻感知傳感器，并通過對設備正常運行狀態與非正常狀態進行深度學習對比，最終得出故障監測數據。在具體應用中建議初期布置2-4只網絡音頻感知傳感器，便于前期的原始場景下數據采樣，為后端平臺分析提供多維度聲音數據。具體部署架構圖，如圖4所示：
圖4：具體部署架構圖
結 語
無論是從經濟結構還是環境保護的角度來說，新能源的落地應用刻不容緩，如今美國道瓊斯的熔斷更是擺在面前的教訓，以石油能源為基礎的經濟結構的改變是必然的。
而新的事物在推行中總會碰到無數的問題，誰來解決這些問題、如何解決這些問題則往往會成為難題。所幸當下快魚電子、三一重能站了出來，將壓在風能發電頭上的“三座大山”移走了一座，也期望在不久的將來，能有更多的科研人與企業站出來，為世界的發展做出貢獻。
