杨启帆，李志茹,马宏忠，辛俊韦

(国网甘肃省电力公司 电力科学研究院，甘肃 兰州 730070)

0 引 言

近年来，高压输电线路的运行管理模式趋向于标准化、精益化、智能化，传统巡线方式面临的困难是劳动强度大、工作条件艰苦、劳动效率低，遇到电网紧急故障和异常气候条件下，线路维护人员不具备良好的作业环境。无人机智能巡检系统应用于电力线路巡检，不受地形地貌限制，尤其适用于险峻山区、多河流地貌下的巡线工作，可对输电线路产生的故障进行实时在线定位和监控，地面控制人员可根据地面站回传实况及时发现排除线路缺陷及重大隐患，巡查效率得以大大提高，节省了大量人力、物力，提高了巡检人员工作安全系数[1]。

目前电力巡检已经开始使用无人机代替人工巡检，但是使用的无人机设备还需要人工使用遥控器来控制无人机的飞行路径，并且每个无人机设备可携带的电池容量有限，只能在有限的范围内飞行，如果人工操作不当，还可能发生无人机设备失控，电量耗尽等情况。

笔者针对目前无人机巡检效率低、续航短的现状，设计了一套软硬件综合系统平台，用于控制无人机巡检行为和对无人机巡检过程中的数据进行处理。利用该系统平台用户可以在任务区域就近部署蜂巢平台(无人机机场)和无人机，同时无人机可以以机场为中心自动规划飞行巡检路线，从而实现有效飞行，高效飞行，解放劳动力。

1 无人机蜂巢综合系统平台设计概述

1.1 无人机蜂巢平台

无人机蜂巢平台是协助无人机全流程作业的地面自动化设施，可以取代传统人工操作，极大提高无人机的全自动作业能力。

无人机蜂巢平台可以部署在特定区域。无人机存放于机场内，当有飞行需求时无人机自主从机场起飞，完成任务后无人机自动降落于机场内。在机场中，无人机可进行充电或制动更换电池，为下一次任务做好准备。有了机场的依托，无人机就可以在无人干预的情况下自行起飞和降落，更换电池，实现全自动化作业。

机场负责无人机的存储，更换电池以及地空通信。可以实现对无人机的自动回收、能源补给，方便无人机在无人值守的情况下自行完成日常巡检、三维测绘、精细化巡检等各项作业，是实现无人机全自动连续电力巡检作业运行的关键[2]。

无人机蜂巢整套系统是从无人机安装电池起飞到无人机自动回收降落的完整流程。图1是无人机蜂巢平台系统设计图示。图2是人机在蜂巢平台起降流程示意图。

图1 无人机蜂巢平台设计

具体无人机蜂巢平台设计流程如下：

(1) 当无人机任务执行结束，按给定的导航路线飞到无人机蜂巢平台上方时，平台舱门自动打开，无人机降落在蜂巢车内的停机坪上。

(2) 停机坪自动缓缓降落，蜂巢平台顶部舱门关闭。

(3) 蜂巢平台内部机械臂通过传动装置自动更换无人机电池，并进行数据交互

(4) 更换完新电池后，停机坪自动上升至安全位置，舱门打开。

(5) 停机坪继续上升至蜂巢车顶部位置。

(6) 无人机起飞，进行二次巡检，舱门关闭。

图2 无人机在蜂巢平台起降流程示意图

1.2 基于无人机的数据采集系统

通过无人机的携带可见光相机、红外相机、三维扫描设备以及喊话器、探照灯等，可以全天候快速采集巡检目标的图像数据，并将计算机视觉算法应用到对的目标识别中。

无人机携带巡检载荷，以无人机自动机场为中心，可以实现一定半径范围的区域巡检覆盖。巡检数据可以实时回传至数据中心，进行分析处理。图3为无人机数据采集现场与蜂巢平台图示。

图3 无人机数据采集现场与蜂巢平台图示

1.3 远程控制平台

控制平台是无人机自动机场以及无人机的管理平台，可以实现对无人机自动机场或无人机的远程控制，同时该平台也是数据智能运营平台。

该控制系统部署在客户本地或者云端，可随时登陆并控制设备。平台可针对不同应用场景制定巡飞任务，针对业务场景实现的不同飞行方式和采集方式，通过控制系统下达任务，调配指挥无人机、自动机场等，连续飞行作业，并获取实时视频数据。

2 无人机电力巡检技术路线

2.1 现状介绍

随着无人机在输电线路巡检应用逐渐普及，无人机在电网输电线路的巡检场景常常处于山高林远的偏远无信号区域，无法通过稳定的通信手段实现无人机数据与云端深度学习服务器相连，需要无人机本地边缘端具备相关人工智能算法能力，而边缘端的深度学习算法的压缩和优化，制约着无人机人工智能在输电巡检中的应用[3]。

2.2 模型压缩与模型优化

随着输电线路无人机设备数量的快速增长、作业规模的逐年扩大[4]，对网络延迟、抖动、数据安全等提出了更高的要求，传统云计算在以上方面表现乏力，于是边缘计算应运而生，边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。最终采用基于能量效率、稀疏化、腐蚀卷积等多种模型裁剪压缩的优化算法，实现原来仅能部署于大型高计算能力服务器的模型可移植应用部署于低功耗低计算能力的边缘计算模块之中。

设备整体在保持小体积长续航实用化的基础上，集成了边缘智能算法、边缘计算平台、高清视频推流模组、自组网通信模块、电源管理系统、高清电容触摸屏等多种功能模块，整机设备在行业内率先实现了无人机线路巡检边缘智能实时诊断的研究及应用[5]。

为训练设备嵌入的边缘智能算法模型，深度学习算法模型采用了基于学术界最新的YOLO-V4-Tiny[6](YOLOv4[7]网络的轻量版)算法的改进模型，并且根据输电线路无人机智能巡检的场景需求进行了算法模型的裁剪、注意力优化、算法架构优化等方式，使其具备了无人机线路巡检过程中的“实时”智能缺陷诊断的功能，利用图像融合、特征金字塔、多尺度检测、注意力模型与目标识别相融合等增强模型适用性方法，提升深度学习识别目标模型对缺陷目标识别的准确率和检测速率。采用基于FPGA架构的最新的边缘智能计算平台，部署优化后智能实时诊断模型可以实现每秒20帧以上的视频流分析诊断速率。

3 无人机蜂巢平台应用

3.1 输电线路巡查

图4是无人机在输电线路巡查的现场应用场景，在输电线路巡检作业中，无人机蜂巢平台携带无人机设备，具有超强的续航能力，利用自动避障算法可实现自主飞行拍摄；其次该平台结合边缘计算技术和目标检测算法自主检测出电塔中需要进行精细检视相关区域，如绝缘子、杆塔顶部等等。根据图像控制算法控制无人机云台将机载高清相机对准上述区域，自动调整焦距放大该区域，同时始终锁定目标处于画幅中央，然后使用深度学习神经网络算法对该区域经行缺陷检测，以此进行详细巡视和有针对性的诊断故障[8]，达到实时检测的效果，极大的提高了工作效率。

图4 无人机在输电线路巡查的应用

图5为无人机三维航线和拍摄模式规划现场应用场景，基于三维地图进行复杂航迹规划，无人机飞控还可以借助深度学习算法帮助实现杆塔本体精细化巡检的拍照点自动化精准选定，形成平滑连接各拍照点的飞行航迹；根据杆塔关键特征(杆塔、导线、绝缘子等)的空间参数，推算并规划好每个拍照点无人机位置、朝向、相机云台角度，并上传至无人机飞控系统中。

图5 无人机三维航线和拍摄模式规划

3.2 变电站巡检

全系统可以满足变电站高、中、低层巡视点多且密集的飞行需求，覆盖了户外设备例行巡视范围和常规人工巡视盲点，高层点位包括设备支架、避雷针、母线及附属设备、线夹、绝缘子；中层点位包括设备顶部、支柱瓷瓶、本体外观点；低层点位包括表计、开关分合指示。

4 结 语

智能电网是电力行业发展的必然趋势，随着人工智能、物联网、大数据、云计算、移动通讯等新一代技术信息的不断迭代演进、融合创新，将为电力行业智能化发展提供强大驱动，重塑电力巡检新的产业时代。

通过面向无人机电力巡检全业务流程，从飞行平台智能化、巡检智能化、数据应用智能化等方面的研发实践，阐述了新一代信息技术在无人机电力巡检中的应用，展望了电力巡检的智能化趋势。未来将攻克一系列无人机智能巡检相关技术瓶颈，通过部署网络化移动，利用5G网联无人机，超远程低时延控制无人机或多机协同开展全天候、全自主、无人智能化巡检，并同步开展缺陷的智能分析。通过全局一体化管控平台，实现无人机的集中管控、数据的统一管理、深度挖掘、智能分析和综合应用，对输电、变电、配电线路运行状态开展多维度智能分析和预警。同时，推进业务规范化、管控信息化、作业智能化、管理精益化。改变传统的运维方式，提高作业安全、巡检效率和作业质量，持续提升输电智能化运检水平和输电专业精益化管理水平，开创输电运检新局面。