李桂超，吴晓洲，姚家伟，尧瑶

广东省风力发电有限公司，广东 广州，510620

0 引言

随着风电技术的与时并进，尤其是机组向大型化、高塔筒和长叶片等方向发展，风电行业逐渐步入成熟、稳定的工业化发展轨道。目前我国的风电场主要设立在山区和海上，其中山区风电场普遍地址偏远、交通不便、占地面积大、设备分散广，人工对风电场进行巡检极其不便，费时费力。如何降低风电场运营维护成本，提高风电场效益，是摆在风电行业面前的现实问题。

随着无人机技术的蓬勃发展，无人机巡检在诸多行业得到了广泛应用。韶关供电局率先使用无人机实现了韶关全境的电网自动巡检，相对于人工巡视效率提升了6～8倍以上。因此，本文提出建立无人机智能巡检平台，利用无人机巡检全面覆盖各类风电场全域及周边区界，保障各类环境下的巡检质量与效率，建设多位一体可视化[1-3]巡检管理体系，全面辐射日常所需的安全巡控、故障查处、缺陷处理等多个应用领域。引入无人机代替人工开展陆上与海上风电机组的维护，在降低人员安全和运维风险的同时，通过数据采集和远程监控实现风电场数字化和智能化运维。

1 行业现状

在风电场的设备管理中，风电机组的安全运行是设备管理中首要考虑的问题。由于风电机组地处野外，位置偏远、交通不便、占地面积大，且风电机组的主要设备均运行在几十米甚至上百米高的塔架上方，叶片往往长度较大，不能实现设备外观的实时检查，特别是对于存在地质隐患的区域，如泥石流、矿山开采、地震等自然灾害，现场无法实现事前预控[4-6]。

近年来，随着无人机技术和机器视觉识别技术的发展，“无人机”凭借其强大的机动性、监控范围广、效率高、经济实用高效等独特的优势[7]，逐渐被应用到各行业的巡检巡视，但是目前在我国少量的应用无人机进行陆地风电场巡检的案例还停留在临时的、零星的实验性阶段，无人机巡检过程也大多停留在人工遥控阶段，难以大规模实施和替代人工日常巡检，归结原因主要还是存在如下几点困难。

（1）地形环境对无人机的飞行不利。风电架设的山区地形起伏不平，对无人机的通信容易产生遮蔽效果，未经过航线合理规划的无人机容易发生坠机事故，因此飞行的可靠性和即时性是无人机在山区巡检受到的首要挑战。

（2）气象环境对无人机的飞行不利。山区气候多变，局部以及临时性的降温、降雨、突风都有可能引发飞行安全问题，尤其是风电场都假设在风区，对于突风、交变风的处理是飞行控制系统面临的重大挑战之一，在不利事件发生后飞机面临失控的可能下如何应对成为无人机执行任务的重大挑战。

（3）无人机手操巡检普及困难。无人机的飞行操作和维护保养需要复杂的专业技术支撑，因此现阶段市面上的无人机主要以人工操作为主，在面对特情发生时依靠飞行控制人员的经验判断进行处理，培养一名合格的无人机操作员最少需要1个月的专业培训和更多架次的实际操作才能完成，因此对于电力巡检人员来说，想要实现操作无人机巡检首先需要完成无人机技术知识培训，其次还需要常年的飞行经验积累 ，综合人力成本过高，以至于难以普及。

（4）叶片缺陷识别功能和效率有待提升。在机器视觉技术尚未普及之前，无人机通过航空摄影技术进行风电场巡检需要大量依赖人工肉眼识别，相较于传统人工巡视风电场有所进步，但整体效率仍旧偏低。在机器视觉技术向风电场巡检应用后，人们更加关注无人机可以自动识别的故障内容、缺陷识别速度、整体巡检效率，这也是“无人机+AI”时代风电场巡检应当重点攻克的难点之一。

纵然存在如上问题，但无人机在风电场的应用日趋广泛，目前已经存在一定运用基础。

当前无人机风电场普遍采用多旋翼无人机近距离观测风机，由于无人机续航时间较短，需要跟随巡检人员移动至风电场附近后起飞，通过无人机操作员手动设置航线并操作无人机接近风机，自叶片底端至顶端概况巡查，后对每个叶片进行近距离飞行拍摄，返回后对影像进行分析。当前无人机巡检方式如图1所示。

图1 当前无人机巡检方式

针对多个风电场多机组的情况，巡检方式只有巡检队伍的区别，管理流程和实现方式上并无太大差别。

而反观无人机应用程度较高的电网输电领域，已实现巡视区域三维建模前提下的无人全自主巡视[8-9]为主，未来的发展趋势将是无人机、无人机机场、无人机智能调度平台与无人机智能识别缺陷的巡视方案，因此无人机在风电场巡检应用仍有较大技术改进的空间。

2 无人机风电场巡检方案

根据无人机风电场巡检的实际困难，综合电网输电领域的无人机巡检技术基础，从多个角度对无人机风电场巡检方案进行技术升级和优化，充分利用现有技术基础与开发条件，实现无人机智能巡检技术在山区风电场的深化应用。

2.1 技术升级

（1）改变传统人工飞行操作为全自动飞行操作。针对无人机操作困难的问题，引入具备全自动飞行能力的多旋翼机巢，实现无人机自动储存、自动充/换电、远程通信、数据存储、智能分析等功能。依托于自动机巢的全自动化功能，无人机可以在无人干预的情况下在自动机巢上自行起飞和降落、更换电池，有效替代人工现场操作无人机，提高作业效率，彻底实现无人机的全自动作业。

无人机机巢巡检过程如图2所示。无人机完成航线飞行巡检任务后，拍摄的图片通过数据链回传至地面，用于后续故障分析。

图2 无人机机巢巡检过程

通过上述改造后，地面控制人员原则上无需直接对无人机实体进行操作和维护，通过地面控制系统的航线飞行策略即可实现完整飞行，由于无人机操作的自由度降低，安全性却大大提高，对于无人机操作人员的培训成本也降到了最低。

（2）建立分布式无人机管理系统。针对多个风电场的管理问题，为避免产生隔离性的多个巡检管理团队，因此引入分布式无人机管理系统对多个场地的无人机机巢进行统一管理。分布式的无人机机巢可辐射风电场全域与周边关联影响区域，相应的需要建立一体化的无人机及机巢调度管理方案。无人机的调度管理如图3所示。

图3 无人机调度管理

为了满足多无人机的分布式管理要求，建立无人机智能调度算法，满足无人机精细化巡检与日常巡检的需求。无人机调度将根据巡视任务进行下发与分解，一般从附近机巢调度适合任务的无人机机型进行编组配合，并配置任务方案；在特定情况或有特殊需求时，可自由设定巡检目标和搜索区域，无人机将第一时间起飞并达到指定位置，实时定点巡查或搜索。

（3）针对风电场应用开发数据智能分析识别系统。通过图像识别技术和图像控制算法，使得无人机能自动识别、提取、定位、跟踪目标，对风电场运维环境进行自动分析，及时发现运行安全隐患。对于无人机巡检数据采用边缘+云端结合的方式进行AI识别计算并自动识别对应的事件/隐患等，一般包括以下流程：

①智能识别；

②识别结果人工审核；

③缺陷报告一键生成；

④模型管理。

对于风电场的故障检测通过分析实时拍摄的视频，利用图像预处理及图像增强技术，逐帧抽取对比。针对风力发电机组发电过程中叶片主要易发生问题部分进行检测[10]，可识别包括涂层脱落、表面裂纹、雷击损伤、排水孔堵塞、螺栓断裂等常见问题。从而达到对风机进行定时维护、维修的目的，降低风机事故发生率、延长设备使用寿命。

2.2 技术优化

（1）无人机航路航迹生成方式优化。无人机航路的规划直接关系到无人机安全和巡检效果，绝大多数无人机故障都是由于航路规划不合理撞击障碍物或误闯危险区造成的，为了降低事故发生概率，需要对无人机航路航迹的生成方式进行约束。

目前无人机巡检航路航迹的生成主要包括如下三种方式。

①实时航线+手动操作。即无人机按照临时设置的安全航线进行飞行，在接近目标时，由飞行操作人员通过手动操作控制无人机实时移动。

②固定航线+手动操作。针对需要多次巡检的固定目标，由飞行操作人员通过手动操作完成整个飞行流程，事后根据飞行航迹设计飞行航线，并且在以后每次飞行时复飞这个固定的安全航线。如果航线中障碍物和目标观察对象没有发生改变，则不需要采用手动操作，反之需要引入少量的手动飞行。这类方法已经在电力、光伏巡检领域得到广泛应用。

③固定航线+自动航线。即针对需要多次复飞的航线进行固化，针对变化有迹可循的目标使用特殊的自动航线策略进行跟踪飞行，避免人工操作。

综上，结合风电场的巡检飞行规律，对机巢系统采用“固定航线+自动航线”的航路航迹生成方式，通过基于遥感摄影技术实现风电场内部与周边区域的目标批量三维模型，用于无人机巡检任务需要的自主规划巡视区域与航迹点。

①固定航线规划。固定航线规划功能基于风电场及周边环境模型和三维可视化场景，提供航线辅助设计工具，通过点选的方式设置无人机的固定巡视路线，航线设计过程中将自动考虑最小离地高度、障碍物避让距离等因素。

②自动航线规划。自动航线规划功能基于目标位置，利用风电场三维实景模型数据，自主规划飞行航线，实现相对于地面或海面安全海拔高度的一致飞行。无人机起飞后飞行至指定风机上方，结合叶片飞行算法，无人机飞到风机上方后，快速定位找到合适悬停位置，继而自动沿叶片飞行并拍摄。巡检飞行效果与质量保持准确一致。无人机自动巡视风电场如图4所示。

图4 无人机自动巡视风电场

（2）建立可视化无人机巡视管理平台。为了更加直观地表达无人机采集的监控信息，分析成果与规划数据，将电场运行状态和运维业务流程通过地图、模型、图片、视频等方式进行实时展示，建立可视化无人机巡视管理平台。

无人机二三维可视化巡视管理平台以多源异构数据管理为核心、三维可视化应用为特点，对影像、地形、数字线划图、三维建模数据、倾斜摄影模型、传感器数据、视频数据等各类基础数据提供入库管理，开发电厂日常巡视所需的运维场景，并基于该场景模式为用户提供一体化融合信息展示和业务应用等服务，实现风电场区全要素数字化和虚拟化、全状态实时化和可视化、运维管理与协同化与智能化，通过实现动态决策来满足快速响应和智能操控的需求。做到以下几点。

①二三维环境融合可视化。提供风电场及周边环境的二三维展示，通过二维地图展示风电场区内外信息，在三维高清地图的基础上支持三维模型的可视化展示，同时以图表形式展示各类事件。

②巡检调度管理可视化。无人机搭载高清数字化摄像头，对风电设备进行巡检将源源不断的视频信息发送给监控指挥中心，指挥中心能直观并且迅捷地对该设备的运行状况有一个很清晰的了解，并且可以通过调用AI识别模块快速进行判断。

通过在无人机上搭载警示灯和自动广播装置，对违规行为进行远程飞行喊话，警示违规人员遵守安全规范，减少事故发生概率的目的。

③气象环境信息可视化。通过接口接入电力业务系统提供的气象数据信息，在二维地图上通过不同的图标和图斑颜色、三维地图上通过粒子效果模拟气象特效。具体包括晴天、阴天、多云、大雾（轻雾、大雾、浓雾）、结冰、下雪（积雪）、降雨（小雨、中雨、大雨、暴雨）、冻雨、雷电等天气现象。

④预警/告警事件可视化。通过接口衔接各类数据监控系统、无人机识别事件与数据智能分析平台，结合预先设定的限值，出现数据越限、数据异常、数据采集网络异常时，主动推送告警至系统（界面弹窗）提醒相关人员进行处理。告警中心提供对实时/历史告警数据查询、告警确认/处理。当数据监测值达到阈值或触发告警时，系统自动显示告警并高亮标注告警设备的空间位置，支持声音告警等功能，实现及时提醒用户处置告警情况，减少不可预知事故发生的目的。

2.3 总体方案

基于上述智能巡检技术升级和改进，获得无人机在山区风电场的应用方案如下。

基于风电场实地环境勘察获取的实景三维数据，建设多级航路网、无人机全自动机场等基础设施，组建无人机监控网络，在此之上建立智能风电场无人机运维管理软件平台。

风电场无人机巡检方案如图5所示。整个运行过程中，调度平台将获取全局的无人机与机巢运行状态，根据任务需要实现动态的无人机实时调度。平台根据航路网与无人机机场网络来为无人机规划巡视路径。无人机的飞行控制、任务规划、各要素的二三维显示在软件平台，同时对无人机采集的数据进行智能监测与分析，提供实时预警或专题分析报告。无人机巡检任务结束后，自行返回机巢充电结束任务。

图5 风电场无人机巡检方案

各型号无人机为巡检任务的具体实施单元，可以搭载不同功能负载实现视频采集、语音交互、照明、消防等功能。由于无人机续航能力短，设计模块化的无人机巢为无人机提供投送、回收、充/换电等后勤保障。多个无人机巢可以组网，实现巡视区域的无人机全域覆盖。监控中心提供多个操作台，对无人机进行远程操控，基于无人机采集的多源信息和AI算法来指导巡检业务。巡检信息和无人机信息以及风电场运维态势在监控中心操作台上都可视化。

3 结语

本文通过对无人机在山区风电场应用现状的总结，剖析了无人机尚未在山区风电场实现规模应用的问题根源，发现山区起伏不平的地形和无人机本身技术复杂是导致无人机应用难以普及的重要原因，针对剖析结论提出了一系列技术升级和优化方案，主要包括引入无人机机库系统、自动航线策略和风电场缺陷的图像识别技术以大幅降低无人机操作难度，简化作业流程。为了更好地对任务进行管理，提出需要开发具备无人机分布式机巢管理能力的无人机运维管理平台，从而形成针对山区风电场的无人机智能巡检技术应用总体方案，对于山区风电场无人机巡检应用起到了抛砖引玉的作用。针对分布式无人机机库自动运行过程中可能产生的缺陷故障模型和妥善处理措施，在目前有待进一步研究和细化。