無人機智能巡檢在風電光伏故障檢測中的應用

中國電建集團江西省電力建設有限公司 張 龍

為保障人類社會的可持續性發展，新能源逐步取代傳統化石能源是一個必然趨勢。在新能源行業結構中，我國風電、光伏產業發展尤為迅速，截至2022年第一季度，全國風力發電裝機容量約為3.4億kW（同比增幅17.7%）、光伏發電裝機容量約為3.2億kW（同比增幅23.6%），排名均為世界首位。客觀上，我國風電光伏產業的飛速發展與國家新能源政策引領密不可分，如國家能源局發布的《關于2021年風電、光伏發電開發建設有關事項的通知》中，明確了風力發電、光伏發電在實現“碳達峰”戰略上的重要性，國務院印發的《2030年前碳達峰行動方案》也明確指出，風電光伏兩種新能源產業是“節能降碳增效行動”的基礎和保障。

1 無人機智能巡檢概述

廣義上來講，無人機是一種航空設備，按其用構型劃分種類豐富、形態各異，如旋翼無人機、固定翼無人機、撲翼無人機等。狹義上來講，無人機是一種載具[1]，在風電光伏故障檢測中的應用的類型主要是多旋翼無人機（如四旋翼、六旋翼無人機）。多旋翼無人機的優勢在于，其能夠在各種復雜的環境中實現高操控性，如在特定高度懸停、在不平整的地面垂直起降、能夠低空低速飛行等。因此，要執行無人機智能巡檢工作，一臺功能效用符合需求的多旋翼無人機設備是不可或缺的，除此之外，還需要在無人機設備上搭載數據收集系統、紅外識別系統、RTK（real-time kinematic）定位系統、動態圖像識別系統、人工智能（AI自動化）系統等。在此基礎上，無人機及所搭載的各種裝備，與地面站（客戶端+控制平臺）建立起數據鏈，實現風電光伏故障檢測數據的傳輸、存儲、處理等（如圖1所示）。

圖1 無人機智能巡檢系統示意圖

其中，無人機智能巡檢過程中數據收集工作，主要由高清紅外攝像頭完成，需要滿足白晝、夜間不同亮度條件下的工作需求。RTK定位技術即“實時動態定位技術”，相比傳統的GPS定位技術適應性更強、精準度更高，利用兩個測量站載波相位觀測的方法，為無人機實時提供三維定位，尤其在山地、丘陵等障礙要素較多的環境下，可以較好地解決信號干擾、噪聲過大的問題[2]。動態圖像識別系統用于處理故障信息，該系統內部包括了無線傳輸、動態圖像處理、逐幀抽取、圖像增強等模塊，能夠精準定位高速運轉的風電機組葉片缺陷。人工智能系統包括飛行自動化、處理自動化、“AI云”等要素，其中人工智能算法是關鍵，可用于自動識別、提取關鍵檢測點，如風葉、風筒、絕緣子等，按照預先場景設定，可自動分揀處裂紋、破損、無電等故障形式。

2 風電光伏故障檢測的共同點與差異性

電力能源是現代文明的基石，在維系科技進步、促進經濟增長、服務國計民生等各領域發揮著不可替代的作用。隨著“綠色環保”“節能低碳”“生態保護”等概念興起，傳統電力生產方式逐步瓦解，新能源電力（風電、光電、水電等）生產因為具有可再生的優勢，已然成為全球電力能源的發展潮流。我國風電光伏產業經歷了系統性技術沉淀、激烈的市場競爭，從產業規模及產品性價比上分析，已然是處在全球領導者地位。但這種優勢主要表現在技術、產能、價格等頭部領域，在風電光伏故障檢測方面仍然有較大的提升空間。通過詳析分析風電與光伏設備故障檢測的共同之處、差異之處，有利于更高效地運用無人機智能巡檢技術。

2.1 風電光伏故障檢測的共同點

直觀上看，風力發電設備與光伏發電設備所處的空間均為自然環境，在故障檢測過程中，工作人員的場景切換較為頻繁、物理距離的絕對值偏大，由此導致了如下共同問題。

一是單位時間內的工作量較大，平均檢測效率較低。近年來，我國風電光伏產業規模不斷擴大，總裝機容量不斷提升，這一現象對于故障檢測提出了巨大挑戰。以風電為例，為了更好地利用風力資源，主要建設在海上、草原、戈壁等地區，龐大的風電產面積本身就造成了故障檢測壓力，再加上復雜的地理、水文等環境因素，采取人工方式很難高效地進行檢測工作。

二是人工故障檢測方式面臨難度高、質量差的問題。無論風電還是光伏，很多故障隱患并不明顯，如多晶硅太陽能電池板出現裂紋、損傷，但很容易被植被、灰塵等覆蓋住，又如風葉的涂層脫落、表面裂紋等，在高速運轉的狀態下并不容易察覺，必須停機后借助攀爬設備近距離觀察。這無疑會導致風電光伏故障檢測的復雜度提高，無法進行經常性的巡視[3]。同時，風電光伏的供電系統也較為復雜，即便人工檢測的過程中，也需要用到大量設備，而自然環境下的溫度、壓力等變化，也會干擾到檢測的精準度。

三是傳統人工故障檢測受到的限制條件過多，如后勤保障不到位、突發天氣情況、數據記錄誤差等，這樣就很難滿足風電光伏故障檢測的實時性。

2.2 風電光伏故障檢測的差異性

一個風力發電機的構成包括地基、電網接口、梯子、風塔、風葉、測量裝置、風向追蹤裝置等，從結構上來看，故障檢測是基于主要“垂直方向”進行的（如圖2所示）。一個光伏發電機組包括多個光伏組件（太陽能電池方陣），再經由充電控制器、逆變器、配電柜、電子限荷保護裝置、防雷電隔離裝置等，最終并入到電網。從結構上來看，故障檢測是基于“水平方向”進行的（如圖3所示）。很顯然，風電與光伏故障檢測方面，由于設備布局的不同，造成了巡檢路線模式的差異。

圖2 風力發電設備故障巡檢路線（垂直）

圖3 光伏發電設備故障巡檢路線（水平）

3 無人機智能巡檢在風電故障檢測中的應用

3.1 無人機的機型及參數

作為風電故障檢測裝置的搭載設備，無人機要能夠充分應對風電場的復雜環境，并對風葉干擾具有一定的修正能力。適用機型的整體要求如下：一是具備較長續航能力，由于風力發電機組間隔距離較大，需要無人機長時間滯空，因此續航能力必須有所保障，可選擇油電混合動力機型。二是配備高精度相機，為了避免風葉與無人機碰撞，兩者之間必須保持一定的安全距離，可搭載30倍光學變焦相機（包括紅外功能），在20～30m左右的距離進行監控。三是無人機內置巡檢路線規劃功能，即再終端控制平臺上，能夠基于電子地圖、定位系統等，同時安排多個檢測目標，無人機能夠做到自主規劃最優路線。四是基于人工智能技術，自動識別各種故障及潛在隱患，尤其要確保部件細節的檢測，如合模縫、扇葉形變、葉尖檢測等，具體參數見表1。

表1 風電故障檢測無人機參數

3.2 無人機智能巡檢流程

無人機智能巡檢應用在風電設備之前，需要先為人工智能系統提供足夠的人工檢驗樣本，簡單地說，就是從已經存在各種類型故障的風機設備上，挑出具有代表性的，然后由無人機進行巡檢并記錄信息，通過這種深度學習的方式，可以避免后期人工分析的麻煩。以風葉為例，具體流程如圖4所示。

圖4 風葉故障檢測識別模式

利用電子地圖，標注一定區域內風電機組的位置，在執行智能巡檢的過程中，由人工智能系統自動規劃最優路線。需要注意的是，這一過程中風力發電機組并不需要停機，因此除了考慮外部環境的影響外，還要選擇一個適當的時間點，確保風葉運轉處在較容易識別的狀態下，如10:00～14:00時間段內，外部光線的條件較為優越。整個巡檢流程為：首先，確定初始化的風機位置信息，基于人工智能自動展開風機位置建模，并規劃巡檢路線。其次，根據反饋到客戶端的圖像數據，確定風機朝向。再次，進行定點圖片的拍攝，主要滯空位置是風葉正向，下沉、上浮的區間為風葉最低點和最高點，并從最高點繞道風葉背面進行觀測。最后，根據實現設計好的路線返航。

3.3 無人機智能巡檢路徑

對于一般風電場的故障檢測而言，無人機智能巡檢路徑的設計不是一蹴而就的，需要在實踐過程中不斷調整算法，如基于遺傳算法、退火算法、蟻群算法等規劃無人機智能巡檢路徑，最后對比單次巡檢的實踐與故障檢測效果。比較有效的巡檢路線規劃方式，首先可以利用聚類系數調整無標度網絡，獲得較為完整的風電設備節點圖，再將平均風力、海拔、濕度等平均值代入到數學模型中，如風口位置應該放在節點網絡的哪一個位置最為優越，可以基于蟻群算法達到最佳收斂速度效果；對于較為復雜的風電場，首先可以執行個體交叉，再執行個體變異，由此模擬出退貨狀態函數產生的新個體。在此基礎上，執行個體模擬退火操作，判斷抽樣的穩定性，如果這種算法下的路徑較為穩定，則可以進行個體復制，輸出當前最優的個體。

4 無人機智能巡檢在光伏故障檢測中的應用

4.1 無人機的機型及參數

由于光伏發電設備的垂直高度較低，對于無人機的飛行高度沒有太大要求，因此常規的多旋翼無人機都能很好地滿足要求。應用于光伏故障檢測的無人機設備需要滿足以下的條件[4]：一是在光伏電場執行智能巡檢任務時，能夠自動避讓障礙物。二是在起飛、返航、落地等過程中，對于地面環境的要求較小。三是由于光伏發電設備以水平方向、大面積化鋪開，因此也需要無人機具有出色的續航能力。四是在巡檢過程中可以自動拍照、存儲、傳輸數據。五是為了便于在大空間內定位無人機，自身要搭載較高精度的定位系統；具體參數見表2。

表2 光伏故障檢測無人機參數

4.2 無人機智能巡檢流程

針對光伏故障檢測，同樣需要人工檢測確立故障樣本，然后由無人機進行智能巡檢，以提高故障檢測識別度，整個流程與風葉故障檢測識別模式類似。但區別之處在于，無人機智能巡檢光伏電場的過程中，是基于一定區域進行的，這就需要考慮每個區域的光伏組件數量與如何分布。如太陽能電池板以“n×n”的方式分布，為了快速進行遍歷，比較適合采用螺旋形（由外向內）的巡檢流程，這樣可以節省大量的飛行時間。如果太陽能電池板以“m×n”的方式分布，需要考慮平面坐標系內X軸、Y軸的長度比，在單位長度內的節點數量相同，如果X軸遠超過Y軸的長度（反之亦然），則比較適合采取“蛇形路線”，如果X軸與Y軸的長度接近1:1，則比較適合采用“往復路線”。

4.3 無人機智能巡檢路徑

首先，在電子地圖上圈定光伏電場的范圍，按照太陽能電池板的排列緊密程度，大致劃分出若干個區域。其次，在起飛之后獲取某一個區域的視頻、圖片數據，判斷該組數據中是否存在光伏組串。再次，如果存在光伏組串的問題，需要重新計算巡檢列數、重新設計轉彎策略，然后直線起飛重新開始新一輪的檢測。最后，直到全部規避數據中的光伏組串問題，確定最優化的巡檢路徑。

5 結語

綜上所述，我國風電光伏發展已經突破了主要的技術壁壘與產能局限，且具有較強的市場、法律、政策等風險抵御能力，而影響風電產業、光伏產業穩定的主要因素集中于運維領域。因為風力發電、光伏發電的核心元件（如風葉、葉輪鼓、太陽能電池板、并網逆變器）長期暴露在自然環境狀態下，隨著作業周期的延長出現故障、損傷的概率隨之增加。因此，如何高效率、高質量地實現風電光伏故障檢測，是確保我國新能源產業平穩發展的關鍵所在。