ИКТИБ ЮФУ  ·  Кафедра САПР им. В. М. Курейчика  ·  2024—2025

SkyGen

Программно-аппаратный комплекс прогнозного обслуживания ветрогенераторных установок

БПЛА собирают данные по адаптивным маршрутам. Компьютерное зрение выявляет и классифицирует дефекты. Модели деградации строят прогноз отказов и формируют приоритетные чек-листы вмешательства.

60 ветропарков в РФ
15 ГВт цель к 2030
5 модулей системы
125 дней разработки
DEF:0.91 SCANNING Y:196 BASE
// 01   Масштаб задачи
70%

потерь производительности
при предотвратимых отказах

Ветрогенераторные установки работают в труднодоступных условиях под переменными климатическими нагрузками. Лопастные системы, редукторные механизмы и узлы позиционирования деградируют постепенно — традиционное плановое обслуживание не успевает за этой динамикой.

Регламентная стратегия фиксирует состояние постфактум. Нарушение работоспособности одного узла влечёт остановку всего энергоблока и существенные потери в выработке.
Мачта (башня)
Трещины · отслоение покрытия · коррозия несущих конструкций
Лопасти
Трещины · сколы · деформация · обледенение · следы разрядов молнии · скопление воды
Гондола
Следы молнии · трещины · коробление · коррозия · растрескивание покрытия
Ступица
Перекос · неплотное соединение · деформация крепёжных узлов
// 02   Что даёт система

Измеримые показатели

Данные основаны на сравнительном анализе ручных и беспилотных инспекций ВЭУ, проведённом в рамках проекта.

10–20%
повышение точности элементов цифровой модели ВЭУ по сравнению с традиционными методами
Точность цифровой модели
30–40%
рост производительности обработки данных инспекции по сравнению с ручным методом
Производительность обработки
60–70%
повышение точности диагностики ветротурбин по результатам испытаний системы
По результатам испытаний
60
ветропарков в России — прямая целевая аудитория системы
Данные рынка ВЭС РФ, 2023
// 03   Рынок

Российский рынок ветроэнергетики

В 2023 году в России работало около 60 ветропарков суммарной мощностью 2,36 ГВт. К 2030 году запланирован рост до 15 ГВт — увеличение объёма инфраструктуры, требующей диагностики и обслуживания, в 6,3 раза.

TAM
6,34 млрд ₽
Вся энергоинфраструктура
SAM
60 млн ₽
60 ветропарков РФ
SOM
18 млн ₽
Достижимая доля на старте

Рынок сервисного обслуживания ВЭС в России находится в фазе формирования. Запрос на автоматизированные решения будет нарастать по мере роста числа установок и ужесточения требований к надёжности сетей распределённой генерации.

Ветропарк — обзор с БПЛА
// 03.5   Эффективность

SkyGen vs. традиционное обслуживание

Замена ручных инспекций автономными беспилотными маршрутами и прогнозными алгоритмами меняет экономику всего жизненного цикла ВЭС-инфраструктуры.

Традиционное обслуживание
ПериодичностьПлановые выезды, 1–2 раза в год
Время на установкуМногочасовой выезд персонала
Маршрут обходаРучное планирование (A*)
Точность детекцииВизуальный контроль оператора
Прогноз отказовОтсутствует
Реакция на дефектПостфактум, после поломки
SkyGen
ПериодичностьАвтономные маршруты БПЛА по расписанию
Время на установку~15 мин / турбину (данные отрасли)
Маршрут обходаACO — на 8% короче, −18% энергии
Точность детекцииF1 = 0.38, CV + ML (+46% к YOLOv3)
Прогноз отказовGRU · BNN по временным рядам
Реакция на дефектПревентивно, до отказа узла
// 04   Архитектура

Пять функциональных контуров

Каждый модуль — изолированная вычислительная единица с формализованным интерфейсом входа и выхода. Архитектура допускает независимое масштабирование и переобучение любого компонента без остановки остальных.

01
Маршрутизация БПЛА
ACO / GA / Hybrid
30 дней
Метаэвристический алгоритм муравьиной колонии строит адаптивный маршрут с учётом приоритетности зон, погодных ограничений и ресурса аккумуляторов.
02
Предобработка данных
CLAHE · STN · SLIC
25 дней
Нормализация и семантическая сегментация видеопотоков с БПЛА. Устранение артефактов движения. Выход — аннотированный корпус в формате COCO.
03
Детекция дефектов
YOLOv8 · ResNet50
20 дней
Одностадийная локализация и классификация повреждений: эрозия, трещины, отслоение, загрязнение. Уточнение контуров через Mask R-CNN.
04
Прогноз отказов
GRU · DeepSurv · BNN
30 дней
Оценка остаточного ресурса по временным рядам. Вероятностный горизонт отказа с интервалами уверенности через байесовские нейросети.
05
Интеграция
Docker · gRPC · UE5
20 дней
Контейнерная сборка всех модулей. Симуляция маршрутов и прогнозов в Unreal Engine 5. Хранилище: PostgreSQL + PostGIS.
// 05   Технологический стек

Инструменты и алгоритмы

Детекция объектов
YOLOv8Mask R-CNN ResNet50EfficientNet-B4
Прогнозирование
GRU BNNDeepSurv
Маршрутизация
ACOGenetic Algorithm ACO + GA Hybrid
Предобработка
CLAHEMedian Filtering STNOptical Flow SLICCOCO Pascal VOC
Инфраструктура
Docker ComposegRPC PostgreSQLPostGIS
Платформы
Unreal Engine 5 PythonBlender DJI MATRICE 300DJI Zenmuse P1
// 06   Команда

Состав проектной группы

Студенты первого курса ИКТИБ ЮФУ, кафедра САПР им. В. М. Курейчика. Каждый участник отвечает за отдельный технический блок системы.

// 07   Приложение

Получить приложение

Дистрибутив программного комплекса SkyGen доступен для скачивания по паролю. Включает модуль маршрутизации БПЛА, детектор дефектов и систему прогнозирования отказов.

Исходный код и сопроводительная документация находятся в открытом репозитории проекта на Codeberg.

Codeberg: user00101 / Grant-temp
Загрузка...
Пароль доступа к приложению