無人機智能巡檢在輸電線路中的應用與發展研究

(國網成都供電公司，四川 成都 610041)

0 引 言

隨著成都電網規模的不斷擴大，對線路的運行維護效率和安全水平提出了更高的要求。成都電網所轄約30%的輸電線路分布于丘陵、山區地帶，巡視環境較為惡劣，給線路的運行維護帶來了較大的困難。同時，輸電線路的運行維護人員日趨老齡化，難以適應輸電線路運行維護日益增長的安全需求，因此尋求新的線路運行維護模式并實現線路運行維護的智能化具有十分重要的意義[1-8]。

傳統人工巡視勞動強度高、作業安全風險大、缺陷識別率和精確率低下且易受天氣和地形等的影響，遠遠不能適應當今泛在電力物聯網建設的需求。無人機智能巡檢通過搭載物聯網裝置(包括激光雷達、攝像機、紅外測溫儀等)實現了對輸電線路運行狀態數據的高效收集，對缺陷的精準識別，有效地提高了線路的安全運行水平。相比傳統人工巡視，無人機智能巡檢效率提高了2.5倍，一定程度上緩解了線路運行維護人員不足的困境。隨著無人機新技術的不斷發展，無人機智能巡檢將逐步替代人工巡視成為線路運行維護的主要手段。

下面首先簡述了無人機在輸電運行檢修中的應用成果，然后分析了無人機智能巡檢發展中的各種制約因素，探討了實現無人機巡檢智能化的關鍵技術，為無人機巡檢在線路運行維護中的深化使用提供參考。

1 無人機在輸電線路巡檢中的應用

1.1 桿塔本體的精細化巡檢

通過無人機搭載高清攝像頭，對桿塔絕緣子串、連接金具、保護金具等重要部件進行拍照，以第一視角完成對桿塔本體的精細化巡檢。桿塔精細化巡檢主要包括人工純手動飛巡和無人機自主巡檢兩種方式。人工純手動飛巡效率比較低，具有一定安全風險，且對無人機巡檢作業人員(以下簡稱飛手)的飛行技能要求比較高，很難做到圖像拍攝的標準化、統一化。因此，純手動飛巡目前正逐漸被自主巡檢所替代[9]。

圖1 無人機自主精細化巡檢

無人機自主巡檢按照不同的技術路線分為人工示教航線規劃和激光三維建模航線規劃兩種。人工示教為通過手動飛行記錄航拍點，再通過深度學習算法優化拍照位置，形成平滑連接的飛行航線。激光三維建模航線規劃通過對輸電線路進行激光點云三維建模，規劃最精準、高效的巡檢路徑，自主完成桿塔巡檢。

在輸電線路的航跡規劃中，人工示教對飛手的技能要求更高，而激光三維建模的數據處理較為復雜。但是采用激光三維建模的方法，得到的線路信息更全面，且可進行不同拍照點和拍攝角度的調整以及航點的優化重組。兩種方法的優劣對比如表1所示。

表1 人工示教與激光三維建模航線規劃的對比

目前，人工示教和激光三維建模航線規劃得到的應用都比較多，總體經濟成本也相差不大，可以根據自身具備的條件及實際需求來選擇合適的航跡規劃方案。但從長遠看來，激光三維建模航線規劃的數據優勢會越來越突出。

1.2 通道樹障測距

目前，輸電線路通道樹障測距可采用激光掃描和可見光兩種方法。

激光掃描樹障測距是通過無人機搭載激光雷達對線路通道進行三維建模，并對電力導線和植被進行不同顏色的渲染，明確導線和線下樹木的絕對坐標，從而獲取線路和樹木之間的精確距離。

圖2 輸電線路通道激光三維建模

可見光樹障測距是采用RTK技術采集桿塔坐標，在保證地面分辨率和飛行安全的情況下，自主規劃巡檢航線對線路通道進行正射拍攝，通過空三加密解算等實現導線和地面植被相對位置的計算。

圖3 輸電線路可見光樹障測距

目前，激光樹障測距測量精度高，高程誤差僅為±10 cm，且后續數據處理速度快，但經濟成本較高，在經濟欠發達的地區推廣較難。可見光樹障測距成本低廉，但數據處理耗時多，且測量精度較低，不利于樹障隱患的及時發現和管控。兩種方法的對比情況如表2所示。

表2 激光與可見光樹障測距的對比

隨著無人機技術的不斷發展和市場的推廣，激光樹障測距的優勢會越來越突出，將得到電力公司等越來越多的青睞。

1.3 輸電線路應急搶險

采用無人機新技術，能夠及時深入一線災害現場，為快速搶險提供第一手資料，提高線路應急搶險的效率。如某供電公司110 kV線路桿塔所在區域發生山體滑坡，人員無法到達現場，使用無人機現場飛巡及時發現了桿塔基礎邊緣5 m處，有一條長幾十米、深6～7 m左右的壕溝，如圖4所示。這為搶險方案的制定提供了有力的數據支撐。

圖4 110 kV某線路區域發生山體滑坡

此外，采用無人機搭載照明等裝置可為線路搶修提供應急照明。如無人機對220 kV某線夜間更換架空地線進行持續3 h的搶修照明，如圖5所示，有效地保證了施工的安全進行。

圖5 220 kV某線路夜間更換架空地線

隨著無人機技術的不斷發展與日趨成熟，其應用將越來越廣泛，無人機智能巡檢模式將逐步取代傳統的人工運檢模式。

2 無人機巡檢發展中的制約因素

1)飛巡空域限制條件多

一是空域管制嚴格，申請流程復雜且周期長；二是空域管制機構多且多重管制區域劃分不明確；三是部分適航區軍事活動頻繁；四是空域管制機構人員少且通訊占線率高。應優化空域申請的管理流程，提高飛巡空域的申請效率。

2)無人機續航能力低

目前，純電動無人機續航時間一般在30 min左右，不能滿足連續大檔距的輸電線路巡檢作業要求。對于油電混合的無人機，續航能力可達到2 h左右，但由于油電混合無人機體積較大，不方便單人作業且有發生爆炸的危險，故目前的推廣使用受到較大的約束。

3)無人機圖傳距離短

現市場上比較成熟的大疆系列無人機圖像傳輸距離理想狀態下一般在3～7 km，但在城區及近郊等地方，由于受到信號干擾以及建筑物的影響，只能保持2 km左右的圖像傳輸。對于無人機桿塔巡檢，當線下樹木植被較高時，將進一步影響圖像傳輸效果，導致圖像傳輸距離不到1 km，嚴重制約了無人機巡檢的質量。

4)自主巡檢RTK通訊鏈路信號差

無人機桿塔精細化自主巡檢需要較強的RTK網絡信號，但由于輸電線路所處地區比較偏遠，網絡信號一般比較弱，很難滿足自主巡檢的要求，嚴重阻礙了無人機自主巡檢的進程。

5)手動無人機電力巡檢效果欠佳

電力巡檢因其具有高電壓的風險，需要專業的電力培訓和無人機飛巡實踐才可實現輸電線路通道和桿塔本體的精準飛巡，采集到滿足生產需求的圖像數據。但由于受到輸電線路運維人員年齡結構偏大、學習新技術能力較差等的制約，目前輸電線路的人工飛巡技能一直處于較低的行業水平。

6)數據存儲容量嚴重不足

通過統計某電力公司一運維班組3個小組6名運維人員年度桿塔精細化巡檢和通道巡視的影像數據量大小發現，每個班組需要存儲的數據達到84 TB(其中通道巡視視頻所需容量為2 GB/檔×40檔/(組×天)×3組×20天/月×12月≈60 TB，桿塔精細化巡檢照片大小為0.2 GB/基×1100基≈0.2 TB，年度A、B類樹竹隱患通道掃描數據量為180檔×5 GB/(次×檔)×2次/月×12月≈24 TB)。同時，為了保證數據的安全可靠以及后續的數據挖掘，對部分數據需要備份操作，故目前數據的存儲容量基本不能支撐無人機巡檢大規模的發展。可考慮配置大容量分布式陣列存儲器解決以上問題。

7)人工缺陷隱患判別工作量大

按照國網運行維護管理規定，對上述班組采集的圖片數量估計，年度精細化巡檢圖片數據量為1100基×30張/基≈3.3萬張，通道巡視視頻為60 TB。同時，通道A、B類樹障測距數據處理時間需約360 h(180檔×1 h/檔×12=2160 h)，給人工缺陷隱患的判別帶來巨大的工作量。

3 無人機智能巡檢的未來發展關鍵技術

隨著泛在物聯網建設的不斷推進，無人機在輸電線路巡檢中的應用將得到越來越多的重視。無人機巡檢將逐漸替代單一傳統人工巡視，解放人員勞動力，降低線路運行維護成本，實現線路本體運行狀態的精準把控，提高線路抗風險水平[10-12]。

無人機巡檢提高了線路運行維護的效率，但仍存在續航能力不足、圖像缺陷識別差異性大等明顯不足，未來將主要從以下幾方面實現輸電線路運行維護的自主化、智能化。

3.1 “巢-巢”巡檢新模式

對于線路距離較短、供電密度較大的區域，選擇有條件的變電站部署無人機機巢(如圖6所示)。結合激光導航、視覺識別、RTK精確定位等技術，實現無人機巡檢過程中的精準降落、自主更換電池、快速充放電等操作。通過遠程指令實現“巢-巢”之間的接力續航和無人機的自主巡檢，從而解決了無人機續航能力低的問題，并保證了重要負荷地區輸電線路的高可靠性運行維護。

對于分布比較偏遠、距離較長的線路，部署無人機機巢將需要巨大的經濟成本和維護費用，故主要采用人工操控無人機配置移動充電車輛(如圖7所示)進行桿塔本體精細化巡檢，并結合固定翼無人機進行遠距離通道巡視。

3.2 “5G+”通信實現低延遲自主巡檢

目前，無人機自主巡檢主要依賴于4G網絡信號，控制信號存在200 ms左右的延遲，不利于無人機的精準懸停和對桿塔本體部件位置的精準拍攝，同時易造成無人機在飛行中出現碰撞等事故。因此利用5G通信技術低延遲、高效的優勢，將更加有利于無人機自主巡檢影像數據的精準采集以及巡檢過程的安全可靠，解決了自主巡檢中RTK通訊鏈路信號差的問題。

圖6 無人機機巢

圖7 移動充電車輛

3.3 超短波遠程高清圖傳技術

為了保證無人機巡檢圖像傳輸的效率，無人機通常采用壓縮算法對圖像進行壓縮，因此無法保證圖像的清晰度。同時，目前無人機的圖傳距離尚不能滿足遠距離自主巡檢的需求，且容易受到周圍無線電信號的干擾，故選擇合適的圖像傳輸技術對于缺陷的及時發現具有十分重要的意義。超短波通信因其傳輸性能好、頻帶較寬等優點，目前正逐漸應用于無人機的遠距離高清圖傳。

3.4 圖像缺陷的全過程實時智能識別

大量的機巡作業使得采集到的線路影像數據呈幾何級增長，給人眼對圖像缺陷的識別帶來巨大的工作量，很難保證缺陷的精準識別和缺陷識別的實時性。在條件合適的變電站、供電所、機巢等部署邊緣計算處理器，將傳輸至此的機巡作業圖像數據進行AI識別預處理，篩選大類明顯缺陷并將統計信息發送至后臺數據處理中心，同時將其他圖像數據進行流式計算，采用更精確的人工智能算法實現對細小缺陷的精準識別，保證缺陷識別的實時性和可靠性。

4 結 語

現階段無人機巡檢仍然主要依賴于搭載攝像機、紅外測溫掛件等對線路進行狀態監測，雖然智能化水平不足，但仍然具有廣闊的應用前景。隨著無人機機巢技術、圖像智能識別技術、超短波通信技術、邊緣計算等的快速發展，將逐步實現輸電線路的無人機全線自主巡檢、圖像的實時傳輸、缺陷的智能識別、缺陷的實時上報等全天候、全天時、全自動的線路運行維護，進一步提高線路運維效率和質量，增強線路智能化運行維護水平。