查看原文
其他

“基建狂魔”的下一步征程在哪里?

段超 高工移动机器人 2023-06-29

加入高工移动机器人专业行业群,加微信:13692257554出示名片,仅限机器人及智能制造产业链相关企业。


撰文 | 段超



在过去“五年计划”的持续推动下,中国的基础设施建设实现了一波突飞猛进的发展。

 

国家统计局数据显示,截止2020年底,我国高速铁路营运总里程达到3.8万公里,占全球高铁里程超过2/3;

 

高速公路里程超过15.5万公里,居世界第一;

 

发电总量超过7.77万亿千瓦时,居世界第一;


……

 

但随之而来就是,就是这些基础设施的后续维护问题。很多人觉得检查维护,就是走走看看,小事一桩,但现实上运维工作背后充满了的艰辛与风险。

 


数字化运维成行业大趋势

 


当你看到工人冒着尘肺病等职业病风险,顶着巨大的扬尘给公交车电控箱除尘;海关运检人员穿着防护服一点点检测危化车间,却每年都有人受到伤害;火电厂机组维护人员在四十度高温和机组巨大的噪声中检测仪表和跑冒滴漏;矿石冶炼厂机组人员蹲在锅炉边检测锅炉状态,随时都在担心水管爆裂……


 

你就会知道,智能运维将会在未来爆发出一个多么大的市场。

 

基建狂魔中国不断在过去的几十年基础建设投入巨大,到最近的几年,供需侧发生了巨大变化,运维的需求日益旺盛。但人工运维,劳民伤财,而且效果并不理想。

 

这个过程,机器人开始介入运维智能化建设并逐渐得到业主的认可。其思考逻辑和制造业并不相同,制造业在于ROI,运维更多在于保障稳定、可靠和连续。说的简单一点,就是制造业关注能否实现机器换人,智能运维的出发点在于如何提升运行流程的稳定和可靠性,减少故障和意外发生率。

 

举个例子,在变电环境下的高压开关柜操作场景,由于是6Kv的高压电,稍稍发生意外,工人被电弧沾上就是一场重大事故,已经成为行业挥之不去的痛点、难点、泪点。

 

而一个发电机组停机,造成的损失是按千万元级别的,所以保证其稳定运行,靠加人工是不行的,其路径还是要有更多的智能化和数字化手段。

 


蓝海:发电端的巡检机器人

 


在所有的运维场景中,电力巡检是发展最早、也是最为成熟的细分领域。但实质上,我们目前所了解到的电力巡检机器人,主要出现在变电与配电环节。


 

在变电站这种室外场景,针对不同高度和位置的表计读数、开关位置、设备温度等状态均需进行定期检查,而变电站数量多、人员日益减少、工作日益增加,运维效率低导致保电压力骤增;地下管廊具有巡检路程长、隧道封闭性强、通讯不便、有害气体存在、环境恶劣等问题,对巡检人员的人身安全会存在一定的威胁;配网设备日常人工巡检过程中,关于表计读数、开关位置、设备温度、柜体局部放电等状态检测的工作繁重枯燥。这些都是电力巡检机器人未来大有可为之处。

 

但有一块更细分的市场则是大家都没有关注到的,那就是发电环节。据不完全统计,目前我国拥有将近3800座火电厂,而智能化运维在这些火电厂的渗透率还不足1%,因而近年来各大电厂都开始提倡建设智慧电厂。

 

当前大型火电厂占地面积在0.5-1平方公里,发电环节多而长,从输煤廊道到主厂区、锅炉、配电间、化水间、升压站、冷却塔,各环节都需配置对应功能机器人,则全厂需要至少20台电力机器人,则有将近80000台的体量,赤裸裸的蓝海市场,但是为什么还是很少会有企业选择去触碰这块蛋糕呢?

 

有人说是因为,电力属于垄断行业,外人要做进产业链,除非你是手眼通天的“关系户”。但要知道,不同于输电、变电等环节,发电端的主要客户群体并不是国网和南网两大巨头,而是以国能、华能、国电投、大唐、华电为首的五大能源集团和一些地方性能源集团,市场化竞争更为充分,更为看重解决方案为厂里带来的提质增效。

 


发电端的数字化改造困境

 


那为什么发电端的数字化改造会滞后于电网建设?优艾智合机器人给出的答案是难度太大,门槛较高。


 

首先是发电厂的环境要远远恶劣于变电站,不管是脱硫、脱硝还是产生的废水、废气、废渣、粉尘、噪声,都会对人体产生一定量的危害,时不时的还会发生跑冒滴漏现象,现场管道和路面状况更为复杂,在这种环境下,要想使用机器人,对机器人的防护等级和适应性是有更严格要求的。

 

此外还有各类传感器的配置要求,机器人姿态的调整,更加复杂的算法算力支撑等等,都是决定机器人本体能否完成巡检工作的考量点。

 

其次则是发电端的流程复杂,前文中也讲到了在变电、配电环节的一些痛点,但是相比于发电环节,变电和配电环节的流程显得非常标准。一个近万平方米的发电厂主厂区,每个机器人需要检测超过1000个点位,识别内容繁多且要求高,这对于机器的地图构建、流程规划都提出了严苛的要求。

 

最后,则是对机器人的系统要求。


 

随着机器人应用的深入,其场景在不断地深入扩展,功能会随着场景需求的变化和客户业务场景的变化而不断适应。从输煤廊道-机组-配电房-升压站等一系列巡检与操作运行场景的不断扩展过程中,我们也能看到所谓“功能线条”的不断延伸,逐渐绘制成一个“业务管理面”的形成。

 

机器人厂家需要在熟悉环境、业务流程的基础上实现整个软件系统的规划。



优艾智合打造智慧电厂全场景解决方案

 


作为一家从出生就带有智能运维基因的机器人公司,优艾智合从用户侧的功能需求进行深入理解。基于其Corgi、Kitt-X和Trans三款移动底盘,优艾智合打造了输煤廊道巡检、主厂区巡检、园区巡检、配电间操作机器人,满足全场景下的无人化需求。机器人的移动性能给传感器带来了无限的工作空间,更能代替原来人的工作流程,其柔性是远胜于Iot方案的。

 

▋ 高压开关柜操作机器人

 

2019年,优艾智合机器人在深入能源行业的时候,获得了这个场景需求。在6KV高压开关室,其倒闸操作主要由人工完成,存在较大的风险性,且巡检工作也是由人工完成。


 

为了进一步确保人员安全,减轻巡检工作压力,提供电厂管理的数字化水平,并及时发现问题,配电间智能操作机器人系统可从根本上确保人员安全,降低运行人员劳动强度,降低事故发生率。系统以移动操作机器人的自主定位与导航技术、智能识别与自主操作技术、深度学习与理解等技术手段,辅助人工巡检,完成高压开关室的无人化巡检与关键工位操作。

 

▋ 机组巡检机器人

 

在火力发电厂主厂房的智能机器人巡检方案,基本代替了原来人力巡检模式,机器人采用仿生设计,具备高清摄像头、红外摄像头、声纹传感器、气体传感器、对讲机等各种传感设备,配合特定的深度识别算法和高精度自主导航算法,使得巡检工作的准确性、巡检频率和效率都获得了大幅提升。


在这种场景中,机器人往往还和Iot融合形成立体巡检方案,给到全厂完善的数字化巡检与跑冒滴漏识别等全方位风险排查与预警,实现安全与效率双提升。

 

▋ 变电站巡检机器人

 

变电站巡检机器人能够以全自主、本地或远方遥控模式代替或辅助人工进行巡检,巡检内容包括设备温度、仪表等,具有检测方式多样化、智能化、巡检工作标准化、客观性强等特点。同时,系统集巡视内容、时间、路线、报表管理与一体,实现了巡检全过程自动管理,并能够提供数据分析与决策支持。


机器人的红外检测功能能够对变压器、互感器等设备本体以及各开关触头、母线连接头等的温度进行实时采集和监控,并采用温升分析、同类或三相设备温升对比、历史趋势分析等手段,对设备温度数据进行智能分析和诊断,实现对设备故障的判别和自动报警。

 

▋ 廊道巡检机器人

 

其实廊道场景也是电力行业十分常见的场景,如输煤廊道、地下管廊、管带输送线等。以输煤廊道为例,机器人替代巡检人员运行于高粉尘、高噪声且路线复杂的输煤廊道上,减少巡检次数与工作负荷,提高人员安全性,实现对廊道环境、输煤设备、燃料状况的全面实时监控。


基于场景认知并与燃料部门的学习探讨,该款廊道巡检机器人可实现长距离、高质量巡检,轻松通行转运站,实现机器人一轨巡检到底,打造高性价比的机器人解决方案。

 

值得一提的是,优艾智合机器人尝试从产品的功能模块在设计源头解耦,保证了新产品迭代的速度。好的模块化能力,造就了优艾智合可以用14天的时间,从产品定义-设计-生产-发货走完全流程,打造出新产品。

 

优艾智合CEO张朝辉表示:“当前机器人帮助产业实现数字化转型尚处于早期阶段,在机器人功能解决方案定义的过程中,会存在因为客户认知差异造成的产品定义的差异性。在早期阶段的行业都有一个非常相似的难点,就是客户的话语权非常重,以至于任何一家产品型公司都会‘水土不服’。因此,快速帮助客户验证需求,快速论证其可规模化落地就是一个核心问题了。”

 

目前为止,优艾智合在智慧电厂方面已经服务了包括华能集团、国家能源、大唐集团、浙能、陕能投等众多能源企业,服务版图已覆盖国内23个省(直辖市、自治区),产品出口日本、韩国、新加坡、西班牙、德国、意大利等30多个国家,在电厂垂直领域积累了丰富的智慧巡检运维经验。

 

“过去的四年时间,我们交付超过100个项目,0项目烂尾,这也是我们对行业的尊重和对自身价值的坚守,目前我们在能源、仓储、公共交通、轨道交通等领域均有所落地与推广。运维数字化的大趋势已来,我们期待和上下游合作伙伴、行业专家共同探讨行业未来。开创人和机器人的新生态。”张朝辉讲到。


 

● 一周大事件 | MiR2021年Q1同比销售业绩提升55%;海康机器人将推进物流机器人国家标准制定● 数字富士康加速构建生态合作圈● “未来3年将会是AMR厂商关键的‘卡位期’”● 集成商汇城市沙龙系列活动首站:5月14日,佛山起航!
  


“阅读原文”免费订阅GGII市场研究月报

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存