無人機輸電線路智能巡檢技術綜述

楊洋菠 趙陽

摘要：近年來，隨著經濟的快速發展，用電負荷不斷增加，電網規模日益擴大，系統的安全穩定運行顯得尤為重要。但目前輸電線路的檢測仍以人工為主，效率低，局限性大，人員安全隱患大，難以滿足輸電線路持續快速增長的需求。因此，智能巡檢是未來電網維護的發展方向和趨勢。

關鍵詞：無人機輸電線路;智能檢測技術;回顧分析研究

1無人機電源檢測的智能化要求

截至2017年底，中國輸電線路長度為68.8萬公里，每100公里有20家運營商使用無人機進行檢查，檢查時間達到160小時。架空線路檢查時，一般由專業人員收集一定部分的數據，然后通過人工查看檢查是否存在缺陷，然后進行標記和處理。所以，在進行檢查工作時，通常是每百公里產生80000多幅圖像，在以后的手冊中需要查看的數據大小是500GB，這種方式主要在于便攜式無人機（uav）設備在分辨率和屏幕上不夠，難以準確查看現場缺陷，此外，存儲空間和電池壽命也非常有限，因此很難保證檢測工作的開展。

2無人機智能巡檢輸電線路的現狀

無人機智能檢測技術是一種由飛行員遙控的無人機通過機載傳感設備對架空高壓輸電線路進行檢測和維修的技術。根據無人機結構的不同，無人機可分為無人直升機、多旋翼無人機、固定翼無人機和復合翼無人機。其中無人直升機體積大、控制困難、成本高，很少用于輸電線路巡檢。多旋翼無人機結構緊湊、靈活，可垂直起降、準確懸停。然而，它能承受較小的載荷，機動性和飛行高度較低，續航時間較短。固定翼無人機巡航速度快，續航時間長，但需要跑道起降，不能懸停;多旋翼與固定翼組合的復合翼無人機具有多旋翼與固定翼無人機的優點，但成本較高，尚未用于高壓輸電線路的檢測。

在輸電線路無人機檢測中，無人機是攜帶遙感設備監測輸電線路運行狀態的平臺。常用的遙感探測方法有可見光成像、紫外成像、紅外熱成像、激光雷達電能等，可見光遙感探測利用攝像機等可見光采集設備來檢測可見光傳輸線及其附屬動力設備的特性和性能變化，已廣泛應用于無人機對傳輸線的檢測。紫外遙感探測主要利用紫外遙感設備探測輸電線路和電力設備是否發生電暈放電或局部閃絡。由于成本高，紫外遙感探測在輸電線路無人機的檢測中還沒有得到廣泛應用。紅外遙感檢測主要利用紅外熱像儀等設備檢測電力設備在運行中是否存在過熱缺陷現象;激光雷達探測主要用于地理信息測繪和輸電線路定位導航。

在對輸電線路進行檢查的過程中，無人機將拍攝大量輸電線路及其附屬電力設備的照片和數據。由于這些圖片的智能處理還處于研究階段，后期還需要人工處理。此外，現有的輸電線路巡檢無人機無法完全自主巡檢，巡檢質量嚴重取決于無人機巡檢人員的專業水平。

3輸電線路無人機智能檢測技術的應用

3.1圖像數據處理

無人機檢測圖像數據主要來源于光學圖像數據和激光雷達點云數據。其中，激光雷達點云數據處理具有智能化程度高、自動化處理能力強、應用商業軟件和少量人工干預等特點。然而，光學圖像數據（包括可見光圖像和紅外圖像）的智能處理仍處于初步研究階段。目前，光學圖像數據的智能處理是輸電線路無人機檢測圖像處理領域的一個研究熱點方向。傳統的電力設備圖像數據處理方法是基于人工設計特征提取機器學習的圖像目標檢測方法。然而，該方法存在檢測對象單一的問題，存在漏檢或誤檢的風險。在輸電線路檢測中，常規缺陷有近900多種，電力設備種類繁多，設備形狀也有很大差異。基于上述傳統的圖像處理方法，只能檢測單個或少數電力設備，缺乏基本的通用性和高可靠性，實際工程應用價值較低。隨著計算機性能的不斷提高和智能算法的不斷發展，一些學者提出可以建立大數據集，并將深度學習算法引入到傳輸線無人機檢測圖像的數據處理中。根據現有研究，深度學習技術在這一領域具有更大的優勢和發展潛力。然而，目前難以建立一個相對完善的數據集，這制約了深學習技術在輸電線路無人機檢測圖像數據智能處理中的發展。未來，通過不同單位和公司的合作，可以建立完善的動力設備缺陷數據集，在無人機檢測圖像數據的

智能處理中充分發揮深度學習技術的優勢。

3.2無人機自主巡航

無人機自主巡航是輸電線路無人機智能檢測技術的核心部分。其巡航區主要分為塔區和近塔區。目前，輸電線路無人機的檢測還不具備自主或自動檢測的能力。通常的方法是預先手動設置運行軌跡，然后基于GPS按照預定軌跡飛行。該方法具有明顯的缺點：（1）不能適應檢測目標或周圍環境隨時間的變化，容易發生安全事故。例如，當樹木生長在靠近電線的地方時，無人駕駛飛機更有可能撞上它們。（2）該方法對無人機定位精度要求較高。然而，普通民用無人機的GPS誤差可能高達10米。雖然載波相位差技術可以克服這一問題，但該技術需要建立更多的基站來覆蓋相對較寬的輸電線路，因此將該技術應用于輸電線路無人機自主巡航的成本過高，不符合工程實際。目前，機器視覺技術是解決上述問題的一種潛在方法，已成為該領域的研究熱點。此外，采用GPS和機器視覺輔助技術的組合導航系統是輸電線路無人機智能檢測的未來發展趨勢。

3.3無人機續航能力

無人機續航能力不足是輸電線路智能檢測技術中的另一個關鍵問題，嚴重制約了輸電線路檢測的效率。目前，無人機的飛行時間通常在30分鐘左右。為了解決無人機的續航問題，一些地區已經開始采用搭建無人機巢穴的方法。無人機巢穴主要由一個由檢查車改裝而成的移動巢穴和一個固定在塔頂的固定巢穴組成。其中，移動巢穴可以在一定程度上提高無人機檢測的耐久性，但不適應無人機自主巡航的發展趨勢，且人工和維護成本較高。固定巢穴只需少量人工干預，更符合無人機自主檢測的要求，具有良好的應用前景。然而，如何將固定巢穴技術集成到輸電線路無人機智能檢測技術中，還存在許多技術難點需要克服。另外，無人機動態充電是一種較為理想的解決方案。通常，這種方法可以直接提高無人機的續航能力，但還有一些關鍵技術問題需要解決。例如，如何在能源供應端獲取能源，如何確保能源供應的穩定性，以及如何避免能源供應的其他風險。利用傳輸線電磁場對無人機進行動態充電也是一個潛在的解決方案，但仍處于探索階段。

3.4無人機檢查方法和規定

目前，輸電線路無人機的檢測工作還處于試驗階段，相關方法和技術還不成熟，整個檢測過程還沒有形成統一的行業標準。根據傳統的檢查方法和現有的檢查經驗，輸電線路無人機的檢查工作可分為三個部分：線路本體、輔助設施、通道和電源保護區。無人機檢查作業涉及人員配置、作業前準備、無人機準備、巡線、圖像和視頻傳輸、圖像處理等多個步驟。

4結論

輸電線路無人機（uav）檢測技術正逐步向智能化方向發展，具有進一步研究價值的內容有：構建智能三維檢測系統，集成直升機、旋翼機、固定翼飛機等進行輸電線路雷達掃描，測溫、夜間巡視、防止外力等多種檢測工作，建立線路數字通道，實現數據自動分析;建立無人機自動駕駛系統，通過提前規劃航路或利用無人機航路記憶功能，實現無人機自動巡更，使巡更簡單、安全、高效;實現無人機檢測中缺陷的自動識別技術。通過圖像識別技術，實現無人機頭部缺陷的自動識別和圖像的自動分類命名;無人機巡更視頻圖像后處理技術，結合桿塔坐標，完成了桿塔在圖像中的快速定位，開發了圖像與二維坐標地圖的融合技術。

參考文獻：

[1]李堅，李超，吐拉·麥麥提.無人機電力巡檢技術的探討[J].科技創新導報，2017，14（31）：6+8.

[2]周宗國，周海，胡彬，楊時寬.無人機在電力線路巡檢中的應用及前景[J].科學技術創新，2018（23）：164-165.