无人机在输电线路巡检中的应用

无人机在输电线路巡检中的应用

王欢1,李正兴2,邢焕智3

1.身份证号码：371502199110022418

2.身份证号码：371524199010072416

3.身份证号码：371524199508031216

摘要：针对目前巡线方法存在的效率低、成本高以及直升机电力巡检技术烦琐和可操作性不强等问题，对无人机系统进行了详细的阐述，同时结合无人机在线路运维管理中的应用，详细介绍了无人机巡检的流程，并重点围绕输电线路巡检中路径规划、线路故障的探测及线路的评估预测进行探讨，分析得出以下结论：无人机巡检可有效提高输电线路巡视与检修效率，推动输电线路智慧运维的进程。

关键词：输电线路；无人机；巡检；智能识别；风险评估

引言

输电线路的运维质量直接关系到电网的安全稳定运行，要提高电力系统可靠性，减少线路事故的发生，就必须清楚掌握线路的运行状况，按期进行巡视与检测，及时发现线路缺陷和威胁线路安全的隐患。目前，输电运维工区多采用人工定期巡视的方法，频繁的巡视工作消耗了大量的人力、物力、财力。此外，由于输电线路距离长，天气、交通环境等因素严重影响巡检质量，因此，传统输电线路巡检方式已难以适应电网发展需要。

1输电线路无人机的巡检模式

无人机巡检模式是一个非常复杂的过程，由于无法准确地表达其数学模型，所以只可以用模糊的理论进行概要。但是模糊的理论可以不用建立精准有效的数学模型对其巡检模式的系统进行控制。双方各有优势和长处，模糊的理论可以用经验弥补精准度的不足，而有效的数学模型具有更多的可变性，更加灵活。建立神经网络系统是无人机巡检模式的关键，通过神经网络将传递的信息进行处理，推理然后将其精确表达出来。在这个模式当中，输入输出节点用来表达系统传递出来的信息，用隐藏节点进行表达系统中隶属函数。通过同时运营的能力从而提高巡检的有效性。与传统的以概率理论为基础的融合方法相比，基于模糊神经网络的多源数据融合算法不仅提高了普通人工神经网络处理精确信息的能力，而模糊网络也能处理不确定信息以及模糊信息，而且训练好的网络不需要其他先验信息，就能够融合多传感器信息，很大程度上提高了融合系统的融合能力和精确性。在模糊网络的巡检模式下，这个方法可以更加有效解决无人机巡检过程中数据传输和融合的许多问题。为提高综合的工作能力，建立了智能化管控中心，研发了人工巡检模式的终端，从而实现数据共享，建立了无人机与人工协同合作的智能工作模式。

2无人机输电线路巡检

无人机输电线路的巡检通常情况下是无人机搭载相机、激光雷达、红外设备等工具对输电线路进行巡检、数据采集。采集的原始数据通过通信设备传输至地面终端的工作站，内业数据处理人员利用专业的软件打开采集的数据，并对数据进行处理，分析得到输电线路中存在的缺陷隐患，然后根据制订的运维检修策略，安排运维人员进行排查消缺。无人机的巡检可以通过图像数据、点云数据、文本数据等对输电线路的断股、鸟窝、温度异常、绝缘子掉串、金具锈蚀、树障等进行监测分析。

2.1无人机巡检系统

无人机系统包含飞行平台、机载设备、通信设备、地面站。其中，飞行平台自身可搭载许多先进的数据获取仪器，还有自助预警设备和相关的辅助设备，其作用为保持飞行平台在空中稳定飞行。机载设备作为巡检工具搭载在飞行平台上，机载设备的参数根据实际需要设置。通信设备可将采集的数据传输至数据处理中心。地面站的主要作用是运维人员可以无线操控无人机，并提供位置信息。

2.2避障导航技术

无人机在进行远程自主巡检的过程中，巡检过程中使用的高压输电线所操控的无人机传感器会受到自身巡检参照特征以及其巡检位置所处地理因素的制约，环境中所捕获到的困难，以及飞行路程中得到的障碍物信息还有飞行过程中所遇到的不可抗力使无人机陷入危险紧急的状态中。每一个无人机的传感器都可以获取到路途障碍，以及一些可避免危险的信息，但是所获取到的不是全部，不够完善。通过传感器收集的这些信息由于当它的外部环境受到一些因素的影响时，无人机影像不能精准的获取到目标的地理位置，或者换句话来说，只能得到目标的一些单一的信息，无法精准的获取到目标物所处环境的状态。但是当无人机可以运行多个传感器在自主巡检的过程中所捕获的环境因素还有目标物的导航信息进行结合，然后把每一个传感器在无人机飞行的过程中所收集到外在因素的变动进行收集，从巡检的过程当中所收集到的信息中提取出最有意义的一部分，将相关信息传导至信息感知系统，通过神经网络等系统决策，综合判断无人机姿态、环境等信息，再做出决策，将操作指令传导至控制系统，对危险信息做出对应动作，这样就可以充分的发挥多传感器的作用避免危险情况的发生。现在研发出了机巢模式。机巢和无人机可以一起建立无人值守的工作模式，将智能化发挥得更加全面，机巢是一种为无人机巡检的过程中可以实现无人监管的完整智能化设备，该设备可以对无人机进行远程监控，对数据进行实时传播，虽是可以无人监管，但是要想实现，要在使用前严格检查无人机的状态，并为开展无人坚守模式提前做好准备﹐这也是为无人机去提供完善的安全保障，是实现这项模式不可或缺的一部分。

2.3线路故障的探测

输电线路故障的探测根据故障的类型主要分为3个方面：（1）根据无人机搭载的摄像头对线路周围进行拍照，运维人员根据照片判断分析故障类型及故障的严重程度。人工逐个进行分辨存在效率低、人为干扰过多等缺点，因此需采用智能深度学习的方法对输电线路图片进行批量识别，目前广泛使用深度学习方法识别故障，对故障进行分类。使用较为广泛的主要是基于RetinaNet模型的深度学习方法，此方法选取以分类损失函数为核心特征的金字塔网络为骨干网络用于图像目标的自动检测。相比传统的一阶目标检测和二阶目标检测模型，此方法在精度和准确度上都较高。（2）无人机搭载红外线和紫外线监测设备，利用红外线独有的优势监测输电线路的温度异常，确定线路的故障点位置；利用紫外线监测输电线路放电后产生的信号，以此检测线路放电缺陷点故障。（3）无人机搭载激光雷达设备对输电线路进行数据采集，根据测区已有的控制点进行数据计算，求得点云数据的坐标点位置。对点云数据进行预处理，进行点云数据分类，形成彩色点云，分类分别为高植被、低植被、电力线、杆塔、地面等多类。根据已有的点云数据量测树木、建筑物至输电线路的距离，并依据电网树障判断标准分类出输电线路的危险点。同时，可以根据点云数据模拟出大风、高温、覆冰情况下的输电线路，为树障砍伐、输电线路改造提供依据，从而为电力线路的检修运维和建设工作提供方便。

结语

无人机因其轻量便捷、成本低的优势，在输电线路巡检中发挥着越来越大的作用，有着广阔的发展前景。无人机搭载机载设备进行巡检很大程度上节约了人力、物力，同时可以应用于人工无法进行巡检的线路以及危险线路，避免了线路巡检的盲点，为线路的运维管理提供了强有力的辅助工具，推动了输电线路运维的智能化进程。无人机搭载设备监测的多源海量数据为输电线路的智能分析提供了数据支撑，促进了深度学习、人工智能方法在输电线路运维中的应用。

参考文献

[1]彭向阳，刘正军，麦晓明，等.无人机电力线路安全巡检系统及关键技术[J].遥感信息，2015，30（1）：51-57.

[2]李建峰，段宇涵，王仓继，等.无人机在输电线路巡检中的应用[J].电网与清洁能源，2017，33（8）：62-65.

[3]郑健.输电线路智能巡检系统的设计与实践[D].南昌大学,2020.