王永亮，张军，洛桑珠巴，钟定江，李猛

（1.天津职业技术师范大学，天津 300222；2.西藏职业技术学院，西藏 拉萨 850000）

0 引言

针对高原的恶劣环境，人工巡检不仅容易造成人员受伤，还会带来一些观察不仔细的隐患问题，电力巡检机器人的使用能够在一定工作范围内代替人工巡检，解放人力资源，提升巡检安全性，提高巡检作业自动化与智能化程度，但目前管理还存在不少问题，首先高原环境复杂多变，又因为电力线路和各个设备长期在外界恶劣环境下进行机械载荷使命，甚至多数线路设备存在电力负荷现象，给电力巡检过程带来了较大安全隐患，针对以上问题，提出一种顺应时代的产物——电力巡检机器人[1]。

本电力巡检机器人针对高原地区的恶劣环境下的电力设备的巡检问题所研发，该电力巡检机器人分为以下几个单元：图像检测识别单元、自动避障单元、数据监测单元、数据传输存储单元等主要部分，实现机器人完成线路、变电站等场所的自动巡检，真正实现无人值守的重要设备。

1 系统总体设计

电力巡检机器人巡检系统是集多学科于一体的科技硕果，涉及传统的较为完善的机械、电工电子、通信、自动化、传感器等技术外，还加入了深度学习神经网络来提高系统辨识故障的能力[2-3]。该电力巡检机器人系统主要由图像检测识别单元、自动避障单元、数据监测单元、数据传输存储单元构成，其系统总体设计如图1所示：

图1 系统总体设计框图

1.1 图像检测系统的设计

图像检测系统是基于pytorch框架构建的深度学习神经网络，采用类似于YOLOv3的神经网络模型来动态采集图像信息，随时提取图像的特征，判断电力系统是否出现故障信息，采用此技术，电力巡检机器人可以对仪表盘、指示信号灯、明火和烟雾等故障直接预警，同时视频还会传输到阿里云平台进行备份，可供巡查人员随时调取，也可直接进行实时的视频跟随，与机器人同步进行视频远程检测[4]。与早期的巡检机器人相比，此电力巡检机器人的优势在于增加了卷积神经网络的图像检测功能，卷积神经网络在视觉目标检测领域被广泛应用，卷积神经网络能自动获取图像中的特征信息，将不同的故障信息进行特征信息学习，并不断优化自身的辨识准确率，有效的检测到变电站的故障信息。卷积神经网络的神经网络结构由以下4部分组成。每个部分的具体作用说明如下。

卷积层（Convolution Layer）是CNN的核心部分，大部分CNN都包含了多层卷积层。卷积层中的卷积核起到特征提取器的作用，类似于传统人工设计的特征提取器，卷积核也是通过多次扫描输入的图像数据提取数据中的特征。

激活层主要由激活函数构成，卷积操作对图像中的每一个像素点使用卷积核进行计算，卷积的操作过程是线性的。但是很多图像分类的等问题，并不是线性可分的问题，因此需要加入非线性激活函数来增加模型的非线性表示能力。常见的激活函数有，Sigmoid，ReLu，tanh等。

池化层（pooling）针对不同的需求有不同的池化函数，如最大池化（max pooling），选择池化范围内的最大值对图像进行下采样。这在图像分类识别领域是很有用的。

全连接网络，网络中含有输入层（input layer）、隐藏层（hidden layer）和输出层（output layer）[5]。它在CNN中的位置一般在卷积层后，起到分类器的作用。图像经过卷积层提取特征后，将图像映射到特征空间中，全连接层则将特征空间中图像映射到样本标记空间中。

本文将卷积神经网络模型嵌入到电力巡检机器人中，大大提高了电力巡检机器人的故障检测效率，增强了机器人的可靠性，实用性。

1.2 自动避障系统的设计

电力巡检机器人采用激光雷达传感器对高原环境下的变电站进行动态构建地图，采用机器人操作系统（ROS），对机器人的路径规划做出点到点巡航，采用最简单的A星算法进行路径规划，当检测到故障时，电力巡检机器人会将故障位置信息及机器人所在位置传输给工作人员，此外，电力巡检机器人还采用自主充电的设计，当机器人的电量消耗到充电阈值，机器人启动充电程序，自主寻找到充电桩进行充电，达到智能巡检的目的[6]。

1.3 数据监测系统的设计

数据监测系统融合通信技术和多传感器融合技术，采用zigbee多节点进行组网，将多个变电站从节点的传感器数据都传输到电力巡检机器人上的主节点上进行数据汇总，运行参数及周围环境参数检测并集中处理，最终传输给电脑端进行处理，构建预测模型。

1.4 数据传输存储系统的设计

电力巡检机器人将传感器采集的信号上传到阿里云平台上，阿里云平台将信息打包备份，同时同步到工作人员的监控界面，可供工作人员随时查看变电站的运行信息，在5G技术的支持下图像信息的传输存储也可实时完成[7]。

2 系统硬件设计

2.1 控制模块

电力巡检机器人系统采用的是机器人操作系统对机器人进行控制，该系统相对于其他处理器处理速度很快，对用户开发机器人功能简单易操作，具有丰富的模块化资源，在系统外还添加了人工智能图像识别板卡，通信接口、传感器接口等，能很好地满足电力巡检机器人的性能需求。

2.2 传感器模块

每一个变电站的从节点处都采用功率传感器，电压、电流传感器对电力系统进行检测，同时还采用光照强度、火焰、温湿度传感器等进行周围环境的检测，最后传给主节点进行数据融合，再传给云平台及工作人员的监控端。

2.3 无线通信主控

电力巡检机器人的主节点与变电站的从节点之间利用zigbee来进行数据的传输，电力巡检机器人与云平台及PC端利用ESP8266 WiFi模块完成数据信息的接收和发送，通过内部局域网的采集和外部通信网的传输，使各个传感器采集的信息和故障信息很精准的传输到云平台和监控端，实现了精准监控的效果[8]。如图2所示，变电站巡检系统原理框图。

图2 光伏变电站巡检系统原理框图

图2 Labview上位机

3 系统软件设计

整个系统软件采用NI LabVIEW进行开发，开发GUI界面，数据传输协议为TCP/IP。所设计的监控软件主要包括视频监控界面、电站传感器数据监控界面、报警数据监控界面、巡检车运动控制界面、地图数据界面等。整个监控系统集成后使后台监控操作人员的操作极大简化，同时减少了变电站安全事故发生的机率。因此，电力巡检机器人系统满足全天候、全方位实时监控的功能定位。

4 结语

本项目研究提出的电力巡检机器人在高原环境下的应用，采用视觉深度学习的方式能够更精细化的检测故障，并融合了地图构建自主路径规划的方式进行点对点的巡查，真正实现了机器人自主行走，巡检车搭载的高清摄像头和传感器可以及时有效的发现变电站的微小变化和突发故障，从而有效解决了在恶劣的高原环境下全天候巡检变电站的难题，这也必将是未来变电站无人值守形式的发展方向。