陈绍南，陈千懿，肖静，欧阳健娜，李欣桐

（广西电网有限责任公司电力科学研究院，广西南宁 530023）

无人机巡检技术具有巡检效率高、巡检成本低等优势，被广泛应用于配网巡检领域。无人机在完成自动驾驶巡检工作时，对巡检区域的环境因素十分关注。电路的短路断路、超高树木、违章建筑等其他行为都会影响无人机自动驾驶巡检操作，影响噪声信号的获取，甚至对于巡检行为存在安全威胁[1-2]。无人机自动驾驶巡检技术作为我国实时研究的热点，传感器是巡检技术研究的核心内容，它能够联络并指挥无人机完成巡检工作，但对无公网覆盖区域的局域网信号获取存在一定影响，是无人机自动驾驶巡检技术待解决的问题。无公网覆盖区域因为地理位置和信号的影响，仍然采用人工巡检方式，在巡检过程中，由于人员行为的限制，存在巡检死角，导致巡检遗漏，严重影响配网安全[3-4]。

为此，该文通过构建无公网覆盖区域配网无人机自动驾驶感知模型代替信号源获取方式，进行配网无人机自动驾驶巡检操作，保证区域配网的安全运行。

1 无人机自动驾驶感知模型

该文从整体化、系统化角度出发，通过与无人机无线充电平台、缺陷识别大数据平台结合，实现无人机配网巡检中的智能控制与缺陷快速分析，大大提升用户对配网输电线路巡检效率，以及即时发现、定位、消除缺陷的能力。无人机智能作业流程如图1所示。

图1 无人机智能作业流程

根据图1 可知，作业管控平台作为核心控制平台，与缺陷智能分析子系统、监控中心、地面工作站以及自主巡检子系统相连接。各部分功能如下：

监控中心：能够实现作业实时监控、机巡成果展示。

作业管控平台：能够实现航线规划、任务管理、任务监控数据管理、缺陷管理以及巡检报告生成。

缺陷智能分析子系统：能够进行故障分析、设备缺陷分析以及安全隐患分析。

地面工作站：能够实现离线作业支撑、生成缺陷就地智能分析报告。

自主巡检子系统：能够实现任务下载、一键起飞作业以及断点续飞突发状况人工干预。

机载仪器：包括高清可见光相机、红外相机以及气体分析仪。

无公网覆盖区域内没有信号的交流，因此，需要在此区域内构建无人机自动驾驶感知模型代替信号的作用，完成无人机自动驾驶巡检操作[5-7]。两个器件的感知原理相同，都是通过光线之间的物理反应，形成特定的形体，完成信息感知。激光雷达可以传递出飞行器一定距离内的障碍物信息、配网站点信息和飞行状态信息，信息感知的过程是器件对脉冲波对应的回波进行放大分析，完成感知。传感器主要传递无人机捕获的图像信息，工作原理是通过向需要获取的物品发射激光，通过光束反射的投影，可以感知并获取站点的信息[7-8]。

具体无公网覆盖区域配网无人机自动驾驶感知模型的建立过程如下：

首先将激光雷达和传感器的感知等级进行同化，以传感器相对于无人机中心的位置O(x,y)为原点建立一个三维坐标系，部署传感器的感知属性，具体模型如下：

其中，向量C表示传感器感知无人机自动驾驶的主感方向；α表示传感器相对于水平的角度；β表示传感器水平旋转的极值角度；R和r表示传感器有效的最远感知距离和最近感知距离[9-10]。

其次，通过加权算法对传感器感知的图像模型进一步具体化，将无人机有效覆盖面积平均分成多个大小相同的格子，根据属性模型内的云数据量对照点进行布置，根据实际的无人机驾驶环境感知图像的插值半径[11-12]。

最后，将无人机自动驾驶感知信息进行加权归一化处理，构建一个完整的感知模型，模型表示如下：

其中，xa、ya分别表示水平坐标系中的横向与纵向坐标；Za表示感知对象中斜线的坡度；I表示感知对象中曲线上点的曲率；di表示无人机驾驶的切线转角；k表示无人机驾驶航线的弧长。

2 无人机自动驾驶巡检技术

2.1 无人机自动驾驶建模航线控制算法

配网无人机自动驾驶巡检技术的性能通过巡检有效覆盖面积进行验证，因此无人机自动驾驶的航线规划尤为重要，为了提高无人机自动驾驶巡检的工作效率，通过结合载波相位差分高精度定位技术完成无人机自动驾驶建模航线控制算法的分析[13-14]。无人机在自动驾驶过程中，不可预测的风力、其他无人机的干扰、通信信号中断、天气原因都可能导致无人机在巡检中出现偏差。一旦出现较小的偏差，就会导致巡检的轨迹出现变化，影响巡检的覆盖面积。因此，必须在无人机内置自动驾驶建模航线的控制算法，保证无人机巡检路线的规范性[15-16]。激光雷达扫描示意图如图2 所示。

图2 激光雷达扫描示意图

为了提高控制算法数据采集的准确度，首先设置无人机与配网线路之间的水平安全距离Ha和垂直安全距离Da，具体计算公式如下所示：

其中，Ha表示自动驾驶时车辆中心与无人机保持的水平距离长度，单位为m；L表示配网杆塔最长的横担长度，单位为m；n表示配网线路的安全距离，单位为m；Da表示无人机与水平地面之间的垂直安全距离，单位为m；H表示配网结构的高度，单位为m；θ表示自动驾驶无人机与配电网之间的射程角度，单位为rad。巡检路径如图3 所示。

图3 巡检路径

根据巡检路径，同时附属一个控制指令，一旦无人机在行驶过程中出现偏差，立即作出调整，保证无人机自动驾驶巡检的安全，控制算法的计算公式如下所示：

其中，i表示无人机的循环巡检飞行次数；其他未知数的意义同上。

2.2 无人机自动驾驶精细化巡检航线控制算法

定义无人机自动驾驶巡检的各个信息点关联计算公式如下所示：

其中，l1、l2分别表示在磁场干扰下，保持无人机操控系统正常工作条件下至线路两侧边导线的最小安全距离，单位为m；l3、l4分别表示在电场干扰下，保持无人机操控系统正常工作条件下至线路两侧边导线的最小安全距离，单位为m；x1表示允许风速条件下瞬时导致无人机偏离航点的最大距离，单位为m；x2表示规划航点与无人机GPS 定位仪数据实际位置的距离误差，单位为m；v表示无人机巡检的飞行速度，单位为m/s；t表示无线通信系统最长延时，单位为s；a1表示多旋翼无人机轴距与半螺旋桨长度之和，单位为m。

通过以上公式即可计算出需要巡检配网的精细化巡检路径，上传到无人机自动驾驶指挥中心，完成巡检路线的规划。

3 实验研究

为了检验以上技术的效果是否满足配网无人机自动驾驶巡检领域的工作规范，进行了对比实验。

测试采用基于GPS 技术的无公网覆盖区域配网无人机自动驾驶巡检技术（对应无人机2 号）和基于系统指挥的无公网覆盖区域配网无人机自动驾驶巡检技术（对应无人机3 号），共同辅助完成对比实验的测试，保证实验结果的科学性和可行性。根据该文巡检技术设计的理念，对比实验测试仿真环境是长春市宽城区无公网覆盖的某一区域，规定无人机自动驾驶巡检的高度为30 m，巡检面积为100 000 m2，建立无人机自动驾驶的飞行约束根据实际的地理位置确定，在实验进行前，工作人员准备好测试需要用到的计算机、数据测试仪器、应急仪器等，避免影响实验的进度。

实验测试时首先将3 种配网无人机自动驾驶巡检技术分别录入统一型号的计算机内，并将3 台计算机连接3 个同一型号的无人机，无人机放在实验场地的起始位置，同一时间触发3 种技术，开始实验测试，在此过程中计算机全程实时记录每个无人机的巡检状态以及飞行数据，一旦测试出现任何意外，立刻切断电源，停止测试，保证人员在测试期间的安全。当3 种巡检技术全部向计算机发送相关巡检数据后，结束测试，整理场地和实验器材，工作人员整理计算机记录的数据，得出相关实验测试结论，进行实验数据的分析。巡检面积实验结果如表1 所示。

表1 巡检面积实验结果

按照以上设定的对比实验测试流程，将测试得到的数据进行分析，整理得到的测试结论如下：

1）该文设计的配网无人机自动驾驶巡检技术有效的巡检覆盖面积为100 000 m2，采用基于GPS 技术的无公网覆盖区域配网无人机自动驾驶巡检技术有效的巡检面积为98 000 m2，采用基于系统指挥的无公网覆盖区域配网无人机自动驾驶巡检技术的有效巡检面积为97 387 m2；

2）综合分析3 台无人机的整个飞行数据，可以知道无人机1 号的飞行收敛高度平均值为29.98 m，无人机2 号的飞行收敛高度平均值为29 m，无人机3号的飞行收敛高度平均值为26 m；

3）无人机2 号最先完成整个无公网覆盖区域的配网巡检，无人机3 号则是完成巡检任务最长的机器；

4）无人机1 号在完成巡检任务后，向计算机系统提交了4 个无公网覆盖区域配网的安全隐患，无人机2 号提交了4 个安全隐患，无人机3 号提交了2个安全隐患，实验后经过排查，该测试区域内配网存在4 个安全隐患。

通过对比实验测试的结论1）、2）、4），可以得出基于系统指挥的无公网覆盖区域配网无人机自动驾驶巡检技术不是最佳的巡检技术。衡量配网无人机自动驾驶巡检技术所附属无人机的巡检有效面积、巡检收敛高度以及巡检数据的准确度可以得出实验测试结论，该文设计的无公网覆盖区域配网无人机自动驾驶巡检技术是最佳的巡检技术，巡检的效率高、覆盖面积广、具有较高的收敛稳定性。

4 结束语

该文借助巡检路径控制算法和无人机自动驾驶巡检的感知模型完成无公网覆盖区域配网无人机自动驾驶巡检，将无公网覆盖区域配网巡检操作由人工化更新为智能化，提高区域配网的巡检效果，以便持续维护区域配网的运行安全。在此基础上，可以进一步分析无人机的飞行角度和飞行环境之间的内在关系，使无人机在任何环境下的自动驾驶巡检达到更好的效果，提高配网无人机巡检的稳定性和覆盖范围。