A novel fire detection and suppression system for the surveillance of a wind turbine nacelle

Abstract

This paper proposes a novel fire detection and suppression system (FDSS) for detecting and extinguishing a fire accident occurred in a nacelle of a wind turbine. The FDSS comprises not only three novel sensors of an infrared camera, an optical camera, and a 3D LiDAR, but also a fire extinguishing system onto a pan and tilt control system. The FDSS features three characteristics. First, a novel ensemble learning network simultaneously classify and detect fire/smoke regions by fusing classification neural network, object detection neural network, and cumulative alarm. This novel architecture significantly increases fire detection accuracy and decreases false alarm rate. Second, multimodal information exactly localizes overheat and fire/smoke regions, enabling that the FDSS automatically aims and extinguishes a fire accident by controlling the pan and tilt system. Third, the graph-based neural network accurately classifies a fired component in a nacelle with point cloud data from 3D LiDAR. This novel neural network for object classification provides sufficient localization information for a fire accident. Field and virtual experiments in a fire test room and virtual nacelle environments demonstrate the effectiveness of the FDSS. Quantitative comparison of three deep learning networks also confirms that three neural networks outperform other state-of-the art deep learning networks. Consequently, the FDSS provides a cost-effective and autonomous surveillance solution to secure the safe operation of a wind turbine with advanced technologies in the fourth industrial revolution.|본 논문에서는 풍력터빈 나셀 내에서 발생하는 화재 사고를 감지하고 소화하는 새로운 화재 감지 및 소화 시스템(FDSS)을 제안한다. FDSS는 열화상 카메라, 광학 카메라, 3D LiDAR라는 세 가지 센서와 소화 시스템을 탑재할 수 있는 팬/틸트 제어 시스템으로 구축되어 있다. FDSS는 세 가지 특징을 가지고 있다. 첫째, 제안하는 앙상블 학습 네트워크는 분류 신경망, 객체 검출 신경망, 누적 경보를 융합하여 화재/연기 영역을 동시에 분류하고 탐지한다. 제안하는 네트워크는 화재 탐지 정확도를 크게 향상시키고 오검출율을 감소시킨다. 둘째, 다중 모달 정보를 사용하여 과열 및 화재 영역을 정확하게 파악하고 팬/틸트 시스템을 제어하여 화재원으로 조준 및 소화할 수 있게 한다. 셋째, 그래프 기반 신경망은 3D LiDAR의 포인트 클라우드 데이터를 사용하여 화재가 발생한 풍력터빈 나셀 내의 기계 및 전기적 구성 시스템을 정확하게 분류한다. 제안하는 객체 분류 신경망은 화재 사고가 발생한 시스템에 대한 충분한 Localization 정보를 제공함을 유의한다. 본 연구는 화재 시험실의 현장 실험과 가상 나셀 환경에서의 가상 실험으로 FDSS의 효과를 입증하였다. 또한, 세 가지 심층 신경망의 정량적 비교는 기존의 다른 최첨단 심층 신경망보다 우수한 성능을 보여준다. 따라서 FDSS는 제4차 산업시대의 고급 기술로 풍력터빈의 안전 운영을 보장하기 위한 경제적이고 자율적인 감시 솔루션을 제공한다.