無人機在輸電線路巡檢中的應用

趙同慶

（鞍鋼集團本鋼板材股份有限公司能源管控中心，遼寧 本溪 117000）

1 輸電線路巡視內容闡述

巡檢任務是對線路本身、輔助設施、電力設施以及設施所處環境進行檢查，清楚掌握檢查范圍內傳輸線的具體操作，并發現和檢查任何可能導致故障的原因，在傳輸線運行期間確保線路的穩定運行。目前，傳輸線的檢查主要包括故障檢查、正常檢查以及特殊檢查。傳統模式下無論進行哪種檢查，都是采用人工地面檢查方式，只有在突發特殊情況時才會進行燈塔巡視，這種巡檢模式的應用無法發揮出最佳的巡檢作用和效果[1]。傳統人工檢查方法的工作效率較低，電力公司很難及時準確地確定傳輸線具體的運行狀況和條件，這不利于線路保護，不僅造成人力資源的浪費，而且影響輸電線路的安全穩定運行。

2 輸電線路巡檢現狀

目前，常用的輸電線路巡檢方法主要有人工巡檢、機器人巡檢、直升機巡檢以及無人機巡檢。其中，人工巡檢只適合小規模、小范圍的輸電線路巡檢。針對大面積、大范圍且復雜的山區和水域等輸電線路的巡檢，利用人工巡檢需要耗費大量人力、物力，同時存在巡檢盲區。直升機巡檢效率高，但是需要投入大量的資金，同時直升機技術比較復雜，推廣使用存在困難。機器人巡檢距離短、效率低，同時只限于桿塔之間。而無人機飛機體積小、成本低、使用方便，加上技術比較簡單成熟，而且能夠克服直升機巡檢、機器人巡檢以及人工巡檢的缺點，在電力巡檢中逐漸被認可[2]。無人機是利用無線電遙控設備和自備程序控制裝置操縱的不載人飛行器，可以搭載各種監測設備，如紅外設備、激光雷達以及圖像采集設備等。借助無人機上的監測設備，運維人員可以方便地進行人工無法實現、危險且重復性的輸電線路運維工作。

3 無人機輸電線路巡檢

3.1 無人機巡檢過程

輸電線路的巡檢包括多項工作，為了使輸電線路的巡檢更加規范，同時提高巡檢效率，需要在巡檢前根據規范、實際項目的需要以及現場實際情況等制訂巡檢流程。無人機巡檢作業流程如圖1所示。

圖1 無人機巡檢作業流程

（1）制定巡檢策略。輸電線路的運維管理單位根據管轄區域內輸電線路上一年的巡檢結果和上級單位的任務安排綜合制訂符合單位需求的運檢策略，并細化到每季度的巡檢策略。

（2）制訂巡檢計劃。根據運維策略，結合線路巡檢的情況（缺陷、隱患）制訂合理的巡檢計劃。

（3）巡檢前期準備。根據之前人工巡檢踏勘的線路地形地貌和周圍的環境，準備線路、桿塔的臺賬信息，以備后續使用。

（4）現場線路巡檢、數據處理分析。現場線路巡檢主要包括無人機飛行前的準備和線路巡檢。無人機飛行前需要對無人機進行檢查、試飛，并確定飛行路線。線路巡檢是無人機搭載機載設備，按照設定的飛行路線對線路重要部位進行數據采集。數據處理分析主要是對采集的數據進行存儲、預處理以及分析。

（5）線路巡檢結果分析。根據線路巡檢結果，對存在缺陷或隱患的線路重要部位進行現場排查，并進行消缺處理，對于存在隱患的部分進行線路狀態評價[3-6]。

3.2 輸電線路智能巡檢系統的設計要求

傳統檢驗方法是檢驗人員攜帶紙質檢驗工作簿，對設備進行檢驗后人工書寫檢驗結果，巡檢結束將巡檢記錄冊匯總到電網中心備案，并根據故障記錄采取必要的維修措施，這種使用紙質標準檢驗工作表的檢驗方法成本較高且攜帶不便，同時容易出現遺漏等人為錯誤，不適合信息統計分析和檢驗。利用無人機實現輸電線路智能巡檢可以對各種輸入信息進行整合處理，包括無人機姿態、飛行環境以及指揮信息等。通過地面控制命令的集成，無人機可以自主飛行并收集有關輸電線路的信息，完成對輸電線路的智能巡檢。無人機在輸電線路智能巡檢過程中，既要實現起降、定軌導航等基本功能，又要實現定點數據采集和自動避障，在保障飛行安全的同時，實現智能巡檢[7-10]。

3.3 線路故障的探測

根據無人機搭載的攝像頭對線路周圍進行拍照，運維人員根據照片判斷分析故障類型和故障的嚴重程度。由于人工逐個分辨存在效率低、人為干擾過多等缺點，因此采用智能深度學習方法對輸電線路圖片進行批量識別，并對故障進行分類。目前使用較為廣泛的主要是基于RetinaNet模型的深度學習方法，此方法選取以分類損失函數為核心特征的金字塔網絡作為骨干網絡進行圖像目標的自動檢測。相比傳統的一階目標檢測和二階目標檢測模型，此方法在精度和準確度上都較高。

無人機搭載紅外線和紫外線監測設備，利用紅外線獨有的優勢監測輸電線路的溫度異常，確定線路的故障點位置。此外，利用紫外線監測輸電線路放電后產生的信號，以此檢測線路放電缺陷點故障。

無人機搭載激光雷達設備對輸電線路進行數據采集，根據測區已有的控制點進行數據計算，求得點云數據的坐標點位置。對點云數據進行預處理和分類，形成彩色點云，分為高植被、低植被、電力線、桿塔以及地面等多個類別。

3.4 自主檢查技術

現有的技術路徑主要有建模與定位技術、示教航線學習兩種，其中建模與定位技術通過三維點云軌跡規劃實現無人機自主巡檢，而示教航線學習是由熟悉輸電線路的巡檢員控制無人機對輸電線路進行巡檢。在巡檢過程中，無人機會記錄準確航點位置信息，并將其存儲在任務列表中。當下一次執行巡檢時，無人機將根據存儲的信息自動完成巡檢任務。點云采集可以通過激光雷達掃描或斜射實現，激光雷達掃描技術具有精度高、全天候、數據處理速度快以及采集方式多樣等優點。通過激光雷達掃描獲取高精度激光點云，構建三維地圖模型，提取關鍵特征空間參數。基于三維地圖模型的深度學習算法用于路線規劃，可以自動選擇正確的航點進行復雜檢查。根據規劃軌跡，無人機可根據實時動態（Real-Time Kinematic，RTK）定位技術實現自主巡檢。

3.5 輸電線路的評估預測

根據巡檢數據分析結果，由于線路的隱患目標點會對輸電線路的運行狀態造成安全風險，因此需要對巡檢后的線路進行風險評估預測，主要涉及設備的健康度、交叉跨越類型以及微氣象因子等。設備健康度直接引用設備狀態評價結果（巡檢數據分析結果），分為正常、注意、異常以及嚴重4種狀態；微氣象因子包括氣溫、降水量、風速、相對濕度以及大氣壓強等。根據設備健康度和交叉跨越重要性，確定風險評估管控級別為Ⅰ級、Ⅱ級、Ⅲ級以及Ⅳ級，根據不同的管控級別制訂不同的管控措施，可以有力保障輸電線路安全穩定運行。缺陷隱患整治應做到及時發現、準確定級、立即消缺以及閉環管控，原則上應在規定時限內完成整治處理或采取必要的措施將隱患影響盡可能降至最低。風險評估流程如圖2所示。

圖2 風險評估流程

4 實驗與分析

輸電線路缺陷無人機圖像識別技術的應用則是在圖像識別和智能巡檢分析的視角下對智能巡檢平臺進行綜合控制，從而滿足輸電線路缺陷分析與處理的需求。無人機圖像識別技術在實際應用中，可以對輸電線路缺陷圖像進行快速識別。

為檢驗技術應用的水平，采用1 000張無人機航拍圖像進行識別處理分析，其中包含20類輸電物體或輸電設備的圖像，每個物體有25張有缺陷和25張無缺陷的圖像。在實驗過程中，識別輸電線路缺陷設備、缺陷類型以及缺陷位置等內容。

利用Faster-RCNN的多目標物體識別算法可以對輸電線路的不同設備進行分類識別與處理，而且具有識別精度高、效率高的特征。一張2 400萬像素的高清圖片可以通過NVIDIA TITAN X實現快速處理，處理時間約為0.4 s。利用ImageNet完成不同物體的分類識別，在現有的實驗條件下對輸電線路的識別與處理精度為83%。為了實現缺陷定位，還可以采用深度殘差神經網絡的方式對絕緣子破裂、銷釘缺失等問題進行識別，其識別精度為75%。通過深度卷積神經網絡算法的應用，可以提高無人機圖像識別效率和精度，減少人工識別輸電線路缺陷圖像的工作量，進一步提高輸電線路的巡視效率和質量。

5 結 論

無人機憑借其輕量便捷、成本低的優勢，在輸電線路巡檢中發揮著越來越大的作用，有著廣闊的發展前景。無人機搭載機載設備進行巡檢節約了大量的人力、物力，同時可以應用于人工無法巡檢的線路和危險線路，為線路的運維管理提供了強有力的輔助，推動了輸電線路運維的智能化發展。利用無人機搭載設備監測獲取多源海量數據，為輸電線路的智能分析提供數據支持，促進了深度學習、人工智能等方法在輸電線路運維中的應用。