輸電線路無人機智能巡檢應用研究

溫新葉，楊忠偉，陳昌

（國網浙江省電力有限公司平陽縣供電公司，浙江 溫州 325401）

1 前言

隨著經濟的不斷發展，社會對于電能的需求不斷增加，輸電線路里程不斷增長，并且線路沿線地區建設不斷加快，施工機械等活動頻繁，輸電線路防外破保護點不斷增加，造成輸電運檢人員不足的問題日益凸顯，使無人機巡檢成為提升檢修效率的重要手段之一。根據國網公司公布的數據，無人機巡檢架空線路巡檢效率是傳統人工巡檢效率的8倍以上，在其他特定巡檢任務中，無人機巡檢效率也遠超傳統人工巡檢方式，在一定程度上緩解了巡檢工作壓力，但是由于小型多旋翼無人機巡檢過程中仍需要人工處理大量圖像數據，并且巡檢人員也需要具備較高的無人機操作水平和維護技能，專業化無人機巡檢人員的欠缺和智能化水平的不足嚴重制約無人機巡檢進一步的推廣應用。

本研究通過對電力巡檢無人機主要工作模式入手，對現階段無人機智能巡檢中所需的影像數據處理技術、自主巡航技術及續航等關鍵技術進行分析，探索可行的無人機智慧巡檢方案，為無人機智能巡檢的應用提供一些有益的參考。

2 無人機智能巡檢關鍵技術

無人機巡檢主要借助搭載可見光或紅外影像設備實現對目標線路的巡查工作，由于其具備較高的效率和較好的安全性，實現了在國網公司各單位的快速推廣應用。現階段，輸電線路巡檢無人機主要包括小型、中型多旋翼及固定翼無人機。巡檢方式主作業員人工操作無人機巡檢，這種巡檢方式所需數據處理方式主要通過現場人員辨別和后期圖像數據分析處理2種方式，雖然較傳統方式提升了巡檢效率，但是智能化程度不足使其仍不能滿足現階段電網巨大的巡檢需求。

隨著物聯網、5G、邊緣計算和云計算等技術不斷成熟和商業化運用的不斷完善，將會助推無人機巡檢模式向自主化智能巡檢轉變。

2.1 影像數據處理技術

現階段可見光影響處理技術是無人機電力巡檢目標檢測中最主要的研究方向，依托深度學習技術的深度應用，通過人工設計特征提取的機器學習圖像目標檢測方法或基于深度學習技術的特定的目標檢測算法，實現系統對無人機航拍圖像的電力設備缺陷進行自動識別，部分技術手段能夠達到90%左右的檢測準確率，但由于輸電線路電力部件型號多樣，不同種類設備外觀存在一定的差異，實現針對全部設備缺陷的準確識別還需要完善的電力巡檢影像樣本庫或在人工智能深度學習算法上進行進一步的創新突破。

除可見光影響處理技術外，紅外影像以及紫外檢測技術也是無人機巡檢中有一定的技術應用，但受限于較高的技術研發和成本投入，該類型的商業化應用存在一定的推廣瓶頸。

2.2 自主巡航技術

自主巡航技術是實現無人機自主巡航的核心技術，常規分為人工示教和建模與定位技術2種，示教航線學習技術主要是在巡檢過程中由巡檢人員設定精準位置和姿態信息，無人機在存儲相關信息后，無人機依照預先設定信息進行自主巡檢。但是由于該技術主要由北斗和GPS定位技術進行技術支撐，而民用無人機定位精度誤差在2～10m，電力巡檢過程中需要面對較為復雜且不斷變化的航道環境，同時根據電網巡檢工作規范，無人機需要與線路保持10m以上安全距離，因此現階段主流主要采用RTK（real-time kinematic）實時動態載波相位差分定位技術，即通過借助激光雷達掃描精度高、數據處理快速、數據采集多樣等優勢，獲得激光點云，并以此為基礎實現三維地圖的構建，并結合人工智能深度學習算法實現自主巡航。

隨著AI技術、邊緣計算、5G的快速發展，結合現有人工示教和高精度定位技術，借助高效率的智能識別無人機在實現自主巡航的同時還能夠根據設備結構及實際環境選擇適宜的拍攝距離和拍攝角度，實現無人機的“一鍵巡航”。

2.3 續航

現階段輸電線路巡航無人機主要以小型多旋翼機型為主，而小型無人機占主要部分，小型無人機續航時間基本在1h以內，需要頻繁更換電池，續航時間成為制約無人機自主續航的主要問題之一，現階段解決續航問題的2個主要方向是采用移動式和固定式機巢2種方式。

移動式機巢屬于較為成熟的無人機載具平臺，根據特定的巡檢任務設定相應飛行軌跡，無人機根據任務設定，按照既定路線完成線路巡檢任務，任務完成后自動返回至移動式機巢，在機巢進行充電或人工換電，并將數據通過移動載具進行初步處理后傳輸至巡檢監控平臺。這種巡檢方式在一定程度上解決了無人機續航問題，并且由于載具平臺具備一定的通信中繼、邊緣計算等功能，實現了無人機半自動蛙跳式巡檢。

固定式機巢一般安裝于供電所或固定線路塔桿，根據巡檢任務無人機自動起飛，在完成巡檢任務后自動降落至機巢中進行充電，同時通過機巢進行初始數據處理并將數據上傳至巡檢監控平臺，該模式最大限度地實現了無人機自主智能巡航，但是受限于供電所間距過大以及塔桿承重和塔桿機巢充能問題，該種無人機自主巡航模式還需要進一步解決無人機塔桿機巢的充能及安裝成本等問題，雖然一些研究試圖通過光伏、風能以及微波供能與激光供能的方式解決這一問題，但是光伏和風能存在一定的不穩定性，而現階段微波供能與激光供能效率較低，尚無法充分解決現有問題。

除以上3項關鍵技術之外，物聯網、AI技術、人工智能、5G、邊緣計算、云計算等相關技術也是無人機智慧巡航中的重要技術組成，多項技術的充分發展和綜合運用才能夠有效支撐真正意義上的無人機智能自主巡航，進一步提升輸電線路巡檢工作效率。

3 無人機智能自主巡檢方案設計

結合現有無人機巡檢技術，依托現有電網巡檢管控平臺，針對城市環境與山地丘陵環境，利用移動式與固定式無人機機巢部署優勢，本文提出2種無人機智慧巡檢方案，可根據實際環境進行單獨或混合式部署。

3.1 移動式機巢無人機智能巡檢方案

針對城市環境與地勢平坦區域，可充分借助移動式無人機機巢機動性進行輸電線路巡檢。根據現有塔桿及輸電線路前端邊緣計算采集裝備信息反饋，經過輸電綜合監控平臺進行多源信息數據的融合分析下達巡檢指令，巡檢班組根據常規性巡檢任務與特定風險排查巡檢任務進行路線規劃實施輸電線路巡檢。巡檢班組人員駕駛移動式無人機機巢機到達指定位置開展巡檢工作，無人機按照指令開展巡檢工作，并將巡檢圖像數據實時傳輸至車載服務器，經過邊緣計算快速對數據進行初始處理，快速將巡檢初始結果上傳至巡檢管控平臺端，供平臺對巡檢數據的快速分析，基于平臺分析結果將消缺信息通過移動作業APP下發，開展消缺作業，作業人員完成消缺作業后將信息通過作業APP回傳至巡檢平臺，完成無人機巡檢—故障、隱患信息確認—消缺作業的工作閉環。

圖1 移動式機巢無人機智能巡檢方案

3.2 固定式機巢無人機智能巡檢方案

結合地區山地、丘陵等地勢復雜等移動式機巢無法有效部署的區域，根據區域特征可合理布置固定式機巢，提升地勢復雜區域的輸電線路巡檢效率。

根據區域供電所或塔桿分布，合理布局固定式機巢，通過固定式機巢作為信息傳遞及初始處置中介，在為無人機提供充電支持的同時對無人機運行狀態進行實時監控。巡檢監控平臺通過對回傳數據處理分析實現對輸電線路情況的動態感知，實現故障隱患的及時消除。

圖2 固定式機巢無人機智能巡檢方案

4 結語

隨著不斷增長的輸電線路帶來的巡檢壓力，電網通過使用無人機巡檢的方式大幅提升了巡檢工作效率，有效減輕了巡檢人員戶外作業工作壓力，但是也給電力企業帶來了全新的挑戰，一方面是無人機巡檢過程中海量數據處理難題，另一方面是面對基層結構化缺員、員工老齡化現實困境，仍需要培養相當數量的無人機飛手，并且無人機的續航也是困擾無人機巡檢效率進一步提升的瓶頸。面對上述困境仍需要電力企業進一步加大技術投入，推動人工智能等先進技術手段在該領域的深化應用，助推無人機智能自主巡檢最終實現。

本文結合無人機巡檢現有技術研究以及電力企業巡檢工作實際情況，針對不同地域情況，結合現有可行無人機巡檢技術，通過整合巡檢監控平臺及作業APP，提出了移動式機巢與固定式機巢相結合的無人機智能巡檢方案。未來隨著無人機續航以及人工智能等相關技術的不斷突破，無人機智慧自主巡檢必將能夠滿足電網精細化、智能化、高精度等使用要求。