電力巡檢機器人在高原環境下的應用研究

王永亮，張軍，洛桑珠巴，鐘定江，李猛

（1.天津職業技術師范大學，天津 300222；2.西藏職業技術學院，西藏 拉薩 850000）

0 引言

針對高原的惡劣環境，人工巡檢不僅容易造成人員受傷，還會帶來一些觀察不仔細的隱患問題，電力巡檢機器人的使用能夠在一定工作范圍內代替人工巡檢，解放人力資源，提升巡檢安全性，提高巡檢作業自動化與智能化程度，但目前管理還存在不少問題，首先高原環境復雜多變，又因為電力線路和各個設備長期在外界惡劣環境下進行機械載荷使命，甚至多數線路設備存在電力負荷現象，給電力巡檢過程帶來了較大安全隱患，針對以上問題，提出一種順應時代的產物——電力巡檢機器人[1]。

本電力巡檢機器人針對高原地區的惡劣環境下的電力設備的巡檢問題所研發，該電力巡檢機器人分為以下幾個單元：圖像檢測識別單元、自動避障單元、數據監測單元、數據傳輸存儲單元等主要部分，實現機器人完成線路、變電站等場所的自動巡檢，真正實現無人值守的重要設備。

1 系統總體設計

電力巡檢機器人巡檢系統是集多學科于一體的科技碩果，涉及傳統的較為完善的機械、電工電子、通信、自動化、傳感器等技術外，還加入了深度學習神經網絡來提高系統辨識故障的能力[2-3]。該電力巡檢機器人系統主要由圖像檢測識別單元、自動避障單元、數據監測單元、數據傳輸存儲單元構成，其系統總體設計如圖1所示：

圖1 系統總體設計框圖

1.1 圖像檢測系統的設計

圖像檢測系統是基于pytorch框架構建的深度學習神經網絡，采用類似于YOLOv3的神經網絡模型來動態采集圖像信息，隨時提取圖像的特征，判斷電力系統是否出現故障信息，采用此技術，電力巡檢機器人可以對儀表盤、指示信號燈、明火和煙霧等故障直接預警，同時視頻還會傳輸到阿里云平臺進行備份，可供巡查人員隨時調取，也可直接進行實時的視頻跟隨，與機器人同步進行視頻遠程檢測[4]。與早期的巡檢機器人相比，此電力巡檢機器人的優勢在于增加了卷積神經網絡的圖像檢測功能，卷積神經網絡在視覺目標檢測領域被廣泛應用，卷積神經網絡能自動獲取圖像中的特征信息，將不同的故障信息進行特征信息學習，并不斷優化自身的辨識準確率，有效的檢測到變電站的故障信息。卷積神經網絡的神經網絡結構由以下4部分組成。每個部分的具體作用說明如下。

卷積層（Convolution Layer）是CNN的核心部分，大部分CNN都包含了多層卷積層。卷積層中的卷積核起到特征提取器的作用，類似于傳統人工設計的特征提取器，卷積核也是通過多次掃描輸入的圖像數據提取數據中的特征。

激活層主要由激活函數構成，卷積操作對圖像中的每一個像素點使用卷積核進行計算，卷積的操作過程是線性的。但是很多圖像分類的等問題，并不是線性可分的問題，因此需要加入非線性激活函數來增加模型的非線性表示能力。常見的激活函數有，Sigmoid，ReLu，tanh等。

池化層（pooling）針對不同的需求有不同的池化函數，如最大池化（max pooling），選擇池化范圍內的最大值對圖像進行下采樣。這在圖像分類識別領域是很有用的。

全連接網絡，網絡中含有輸入層（input layer）、隱藏層（hidden layer）和輸出層（output layer）[5]。它在CNN中的位置一般在卷積層后，起到分類器的作用。圖像經過卷積層提取特征后，將圖像映射到特征空間中，全連接層則將特征空間中圖像映射到樣本標記空間中。

本文將卷積神經網絡模型嵌入到電力巡檢機器人中，大大提高了電力巡檢機器人的故障檢測效率，增強了機器人的可靠性，實用性。

1.2 自動避障系統的設計

電力巡檢機器人采用激光雷達傳感器對高原環境下的變電站進行動態構建地圖，采用機器人操作系統（ROS），對機器人的路徑規劃做出點到點巡航，采用最簡單的A星算法進行路徑規劃，當檢測到故障時，電力巡檢機器人會將故障位置信息及機器人所在位置傳輸給工作人員，此外，電力巡檢機器人還采用自主充電的設計，當機器人的電量消耗到充電閾值，機器人啟動充電程序，自主尋找到充電樁進行充電，達到智能巡檢的目的[6]。

1.3 數據監測系統的設計

數據監測系統融合通信技術和多傳感器融合技術，采用zigbee多節點進行組網，將多個變電站從節點的傳感器數據都傳輸到電力巡檢機器人上的主節點上進行數據匯總，運行參數及周圍環境參數檢測并集中處理，最終傳輸給電腦端進行處理，構建預測模型。

1.4 數據傳輸存儲系統的設計

電力巡檢機器人將傳感器采集的信號上傳到阿里云平臺上，阿里云平臺將信息打包備份，同時同步到工作人員的監控界面，可供工作人員隨時查看變電站的運行信息，在5G技術的支持下圖像信息的傳輸存儲也可實時完成[7]。

2 系統硬件設計

2.1 控制模塊

電力巡檢機器人系統采用的是機器人操作系統對機器人進行控制，該系統相對于其他處理器處理速度很快，對用戶開發機器人功能簡單易操作，具有豐富的模塊化資源，在系統外還添加了人工智能圖像識別板卡，通信接口、傳感器接口等，能很好地滿足電力巡檢機器人的性能需求。

2.2 傳感器模塊

每一個變電站的從節點處都采用功率傳感器，電壓、電流傳感器對電力系統進行檢測，同時還采用光照強度、火焰、溫濕度傳感器等進行周圍環境的檢測，最后傳給主節點進行數據融合，再傳給云平臺及工作人員的監控端。

2.3 無線通信主控

電力巡檢機器人的主節點與變電站的從節點之間利用zigbee來進行數據的傳輸，電力巡檢機器人與云平臺及PC端利用ESP8266 WiFi模塊完成數據信息的接收和發送，通過內部局域網的采集和外部通信網的傳輸，使各個傳感器采集的信息和故障信息很精準的傳輸到云平臺和監控端，實現了精準監控的效果[8]。如圖2所示，變電站巡檢系統原理框圖。

圖2 光伏變電站巡檢系統原理框圖

圖2 Labview上位機

3 系統軟件設計

整個系統軟件采用NI LabVIEW進行開發，開發GUI界面，數據傳輸協議為TCP/IP。所設計的監控軟件主要包括視頻監控界面、電站傳感器數據監控界面、報警數據監控界面、巡檢車運動控制界面、地圖數據界面等。整個監控系統集成后使后臺監控操作人員的操作極大簡化，同時減少了變電站安全事故發生的機率。因此，電力巡檢機器人系統滿足全天候、全方位實時監控的功能定位。

4 結語

本項目研究提出的電力巡檢機器人在高原環境下的應用，采用視覺深度學習的方式能夠更精細化的檢測故障，并融合了地圖構建自主路徑規劃的方式進行點對點的巡查，真正實現了機器人自主行走，巡檢車搭載的高清攝像頭和傳感器可以及時有效的發現變電站的微小變化和突發故障，從而有效解決了在惡劣的高原環境下全天候巡檢變電站的難題，這也必將是未來變電站無人值守形式的發展方向。