无人机电力巡检的必要性
随着经济发展和人们生活对电力需求的急增，高压输电线路渐伸到社会各角落，由此带来的高压巡线工作量迅速增大。电力需求来自社会生产生活，但电力生产集中于火电站 、水电站、风电场、太阳能发电厂等特定环境和地域。我国电力事业的发展，电网的数量不断增加，其覆盖范围也在持续扩大。需求分散与电力生产相对集中存在矛盾，这给输电网建设发展带来挑战。
规模大且分散的输电网，承担电力配送的重任。由于输电线路设备长期暴露在野外，受到持续的机械张力、雷击闪络、材料老化、覆冰及人为因素的影响，产生倒塔、断股、磨损、腐蚀、舞动等现象。这些现象若得不到及时处理，会严重影响电网的运行和电力供应。绝缘子还存在着由树木生长、雷击损伤而引起高压放油和绝缘劣化的情况，而这些情况也又会导致输电线路事故。此外，还必须及时处理如杆塔被偷盗这样的意外事件。
(, 下载次数: 165)
巡检是对相关电力设备进行检查，及时发现隐患，以便排除。变电站、输电站、杆塔、发电厂的输变电线网路等都需要日常巡检维护，特别是杆塔、线路、变电站等环境，设备数量和种类多，各设备环环相扣，加上线路长，一旦隐患未及时排除，轻则无法正常运行，重则影响周边大面积区域的正常生产生活，甚至造成人身伤害。高空作业，山地多、水网密、地形复杂多变的环境，需要数量庞大的人员来维护，也给人们生命安全和国家财产安全造成威胁。
传统的人工巡线方法不仅工作量大，流程复杂、严谨、费时费力且危险系数高，特别是对山区和跨越大江大河等不同地域、绵延于复杂地形上的输电线路巡检，以及在冰灾、水灾、地震、滑坡、夜晚期间的巡线检查，山川丘陵等给巡线带来困难，也消耗了大量人力。而对于某些特殊线路区域和巡检项目，人工巡线方法目前还难以完成。
此前主要靠人工完成的巡检，仍不时有因为巡检不到位引起的重大事故先生。究其原因，事故多是巡检相关人员疏忽大意或疲劳所致，即使巡检流程完善、严谨，仍避免不了人工带来的漏洞，甚至由于巡检环节较多，使得巡检人员将责任互相转嫁推诿，并且电力设备设施巡检故障类型多，某些故障人工巡检维护较为困难，甚至威胁工作人员人身安全。
输电线路大多位处人烟稀少的郊区，远离市中心，需要特巡特维线路占全部线路比重的20%，运检难度大、质量要求高等条件让愿意从事巡检工作的人越来越少。据数据显示，我国现有输电线路运检人员的年均增长率不足 3%，2019 年底缺员高达 34%，巡检专业人员数量少、人工效率低、危险系数高等问题日益突出。据不完全统计，2014-2018 年国内因架空线路巡检造成的人身伤亡事故 238 起，因输电线路故障造成经济损失高达数十亿元。针对输电专业人员数量与设备规模持续增长日益突出的矛盾，
为了降低电厂电站和电力线路的运维成本、提高电力设备设施的可利用率，探索能够取代人力、更为科学、合理的电力线路巡检方法势在必行。
(, 下载次数: 191)
传统的人工架线、巡线方式正渐过渡到挂线无人机、固定翼飞机巡线和直升机巡线。但或多或少有操作复杂 、准备周期长，无法精准悬停等缺点。各类无人机巡线方式是为了应对上述复杂情形下线路任务而生的。无人机作为一种新兴的技术，成功地给亟待寻求高效率、安全的巡检方式带来了曙光，已成为电力行业的重要巡检手段之一。区别于传统的输变配专业运维管理模式受环境影响大、劳动效率低的特点，无人机具有较强的抗干扰能力，和较高的效率。在崇山峻岭，严重改道，或空间复杂的环境中，均可展开作业。
电力巡检无人机，可执行精细化巡检任务，用可见光设备对线路设备本体和附属设施开展巡检；常规化巡检任务，用可见光设备对通道环境、杆塔、基础、绝缘子等；也可执行 特殊化巡检任务，用雷达、红外仪器。
相比传统的人工巡检方式，无人机电力巡检具有更快速、更便捷、更安全的优点。一是提高效率和准确性，缺陷发现率高。传统电力巡检方式通常依赖于人工巡检和车辆巡检，这种方式不仅耗时较长，而且受地形、天气等因素影响较大。纯靠人力检测本身就是一个巨大隐患，巡检员很难一处不落的发现所有隐患，而在电网的运行中，任何微小的安全问题都有可能造成事故，导致大面积的供电瘫痪，造成巨大的经济损失；相比之下，无人机电力巡检则具有更高的效率和准确性。无人机可搭载多种传感器和高清摄像头，对输电线路进行全方位、高清晰度的拍摄。通过图像识别和数据处理技术，可对线路缺陷进行自动检测和分类，有效提高巡检的准确性和可靠性。同时，无人机电力巡检能够大幅缩短巡检周期，提高电网运行效率。根据资料统计，无人机巡检效率是人工巡检的８～１０倍（考虑到无人机可在高空带电下完成作业，无需拉网断电后巡检，则较人工巡线效率高40倍）。
(, 下载次数: 159)
二是避免安全事故，确保人员安全。电网设施通常位于偏远地区，环境复杂、危险因素较多。传统巡检方式需要人工攀爬电线杆或塔架，不仅工作量大、效率低，而且存在一定的安全风险。相比之下，无人机电力巡检则更加安全可靠。无人机进行电力巡检时，工作人员可在远程控制无人机，避免与高压线路的直接接触，有效降低安全风险。此外，无人机可适应各种恶劣环境，如高山、荒漠、沼泽等，为电网设施的全面覆盖提供了可能性，进一步保障了电网的安全运行。三是推动智能电网建设。智能电网是未来电网的发展方向，而无人机电力巡检在推动智能电网建设方面具有重要作用。首先，无人机可搭载多种传感器，实时监测电网运行状态，为调度决策提供有力支持。例如，在电网建设过程中，无人机可以协助规划线路路径，提高选线准确性和效率；在防灾减灾方面，无人机可对受灾地区进行快速、准确的评估，为救援和恢复工作提供有力支持。
总之，无人机电力巡检具有高效率、高精度、高安全性等诸多优势，为电力行业带来了革命性的变革。
(, 下载次数: 144)
无人机电力巡检的技术可行性
归纳来看，电力巡检无人机大体有如下关键技术
1环境智能感知技术
实现无人机对环境的感知是智能化、自主化巡检的前提，要求无人机能实现全天候巡检情况下对周边环境的感知。
即时定位与构建技术（SLAM）是搭载环境感知传感器等的运动主体，在未知环境或已知地图中利用传感器对环境的观测信息创建地图或增量式更新优化地图。在SLAM算法中，要通过在已创建的未知环境地图中进行定位，而未知环境精确地图的建立依赖于无人机定位算法的准确性，定位与地图密切相关、相互依赖。按主要的传感器类型，SLAM技术可分为视觉和激光两类，其中，激光雷达处理速度快，数据精度高，可高效响应动态环境下场景变化，主流厂家采用激光SLAM，获取现场激光点云地图，并利用帧间匹配、回环检测等手段，扫描周围环境信息形成激光点云数据，以第一帧数据为基础，依据后一帧点云数据叠加到前面帧点云数据 的原则，进而形成全局地图。
激光SLAM框架一般分为前端扫描匹配、后端优化、闭环检测、地图构建四个模块。前端是是核心步骤。内容是已知前一帧设备无人机位姿，利用相邻帧间关系估计当前帧的位姿；前端能给出短时间内站点无人机位姿和站点地图，但由于不可避免的误差累积，后端是在长时间增量式扫描匹配后优化里程计及地图信息；闭环负责通过检测闭环而减少站点全局地图的漂移现象，以生成全局一致性地图；地图构建则负责生成和维护站点全局地图。
2路径最优规划技术 。指通过环境感知，智能规划一条从起点到目标点 的路径，尽量确保该路径最短最合理。对于巡检无人机人路径规划，其关键问题有：一是全局路径规划问题。已知全局环境信息，如何通过合理的路线设置，规划可飞行范围，规避静态障碍物。二是最短路径搜索问题。针对已规划的路径，如何求解地图中两点问最短距离。前者最直接最可行是人工路径设置，就是结合实际环境，人为进行路线设计，充分考虑静态障碍物的分布范围，设置巡检无人机的可飞行区域。此法适于有较明显的无人机飞行航路的地图环境，且人工设置航路需要借助可视化工具。除了人工设置的话，自由空间法用结构空间的方法对周围环境 进行建模，并将巡检无人机视为一个质点，保证其在建模环境中避开障碍物从起始点向目标点移动。同时，基于人工智能的研究，多种智能路径规划法如蚁群算法、遗传算法、神经网络算法、模糊控制算法等。
关于最短路径搜索，根据先验地图环境 模型和全局路径信息寻找 从起点至目标点的最优算法。传统的路径规划算法是根据无人机巡检任务和巡检环境的不同，将相关环境信息提前载入算法内。A＊算法是常用的一种使用代价函数描述地图上两点间路径通过代价，递归搜索通过代价最小的路径方法。DIJKSTRA算法是图论中求取最短路径的算法，主要寻找一点至其余各点的最短路径。FLOYD算法是动态规划算法，可解决有向图中任意两点的最短路径问题。
全局路径规划，算法具体形式包括：确定起点的最短路径问题，即确定终点的最短路径问题；确定起点终点的最短路径问题即全局最短路径问题，算法有DIJKSTAR算法、A＊算法。
由于在无人机巡检路径规划时，传统的路径规划算法很难解决高维空间、非线性及离散连续变量混合等问题，因此智能优化路径规划算法应运而生。目前，应用较广泛的智能优化路径规划算法有遗传算法、粒子群算法等。
(, 下载次数: 170)
3图像自主采集技术。在巡检中，最要的就是采集设备仪表的图像。在读取现场仪表示数的过程中，存在较大难度。大部分现场仪表由于成本和历史原因，都是选择现场指示仪表，不具有智能仪表的远传功能，只能是巡检无人机通过计算机视觉方法云读取示数。这些示数 有的是数字，有的是指针，且每个站的工况不同，用的仪表种类不同。还存在室外不同光照、无人机不同拍摄角度、不同程度的遮挡和模糊等情况，这些都给无人机实现仪表检测和示数识别功能带来了极大难度。
无人机定位导航精度和云台控制精度都存在一定误差，在无人机执行巡检任务中，可见光相机调取相机参数、获取设备图像时，会出现设备未在视场中心、甚至偏离视场，导致获取设备图像失败，由于出现了一种基于设备模板库的视觉伺服控制技术。依据无人机云台预置位，驱使云台转动，调节相机焦距和倍率，形成自动巡检模式下大视场 的设备小图，比对模板库中的设备小图，提取目标图像位置的像素差、计算视场中的水平与垂直角度偏差，控制云台转动，使目标向视场中心偏移，校正因导航和云台控制误差产生的目标点偏离。此校正过程虽然可纠偏，但增加了巡检时间，降低了巡检效率。如何快速地伺服校正成为当前无人机技术提升的重点。
对于仪表检测，级联检测器是使用范围最广、最经典的物体检测器之一。选择性搜索的策略是为图像中多物体检测计算出很多的候选区域，这是后续基于深度学习检测方法的基础。
巡检中最重要工作就是采集设备仪表信息。无人机通过定位导航算法到达指定点位后，需要在图像中检测是否有对应的目标设备仪表。若未检测到，则调整无人机姿态，重新获取图像，直到检测到对应的目标设备仪表。否则 经多次调整仍未检测到设备仪表，当作异常情况处理，通过网络传回控制室，由人工接管。如输入图片中已经检测到对应的目标设备仪表，则将检测到的位置输入后续的识别算法，提取其刻度区域和指针区域，最后通过识别模块识别出仪表的指针示数和数字示数。
(, 下载次数: 163)
4声音识别技术。无人机普遍搭载拾音器，能对设备声音进行采集。基于声音信号的设备检测方法，可让巡检无人机代表人工“听”设备状态，实现设备异常自动检测及环境噪声分析。但完全的声音识别还存在困难。一是声音采集困难，环境中往往集中在大量设备，各设备声音、环境声音交叉干扰，难以区分。二是没有声音识别标准，设备声音识别没有规范标准，对采集到的声音提取特征值后，无法从声音样本来判断设备是否存在异常。
将声音看作类似于波的载体，波纹上携带信息，声音识别是将输入的一段时间上携带信息的序列化数据，以一种人类能获取重要信息方式输出的技术。
声音数据的预处理是信号处理和特征提取部分。在建立声学模型前，要通过预处理技术对实验数据进行消除噪声和信道增强处理，将音频信号通过处理从时域转化到频域，这样声学模型可从处理后的信号中获取 较有效的特征向量，再将获取的特征向量来转换为声学模型得分，将其与语言模型中得到的语言模型评分相匹配，最后通过解码搜索模块来综合这两种得分，且选择其中得分最高的词序列作为最优的识别结构，以上是声音识别的原理。
声音数据处理由特征提取、声学模型、语言模型、字典库与解码这四个过程组成。为高效地提取样本信号特征，需对样本声音信号进行滤波、降噪等预处理工作，将目标信号从原始声音信号中分离出来；特征提取是将声音信号从时域转换为频域，为声学模型提供相关特征向量；声学模型是用声学特性计算出特征向量在声学特征上的相对评分，最后提供字典库，对得到的词组序列做解码处理，并获得相对应的文本信息。
(, 下载次数: 166)
5红外测温技术。巡检一般是目测、声测设备的运行情况，其中以目测为主。后来使用红外测温装置检测热缺陷的方式，检测设备安全。无人机搭载红外热成像仪，可实现对设备红外测温。代替人工原有的手持红外热成像仪检测设备热点，及用远程监控法代替人工现场观测，降低劳动强度，保障人员安全。
红外图像温度识别技术目前较成熟，根据物体的红外辐射度判断其温度高低，设备分为制冷焦平面热成像仪和非制冷焦平面热成像仪。
依据热辐射热量实现设备的温度检测，继而保障设备在正常的工作温度范围内。实现机制为，先由传感器单元收集设备在红外测温辐射过程中产生的热量，其次将采集的辐射热量经红外探测设备与信号处理单元，传递为信号数据进行传递，之后经过显示单元显示信号数据，设备运维工作根据温度信号信息，判断设备是否处于正常工作的范围内。同时红外测温数据显示能达成站点设备实时检测的目的，以准确把控故障位置。
(, 下载次数: 174)
6局部放电检测技术。主要是对绝缘介质间放电情况的检测。方法有光学检测法，超声波检测法、暂态地电波检测法、超高频法。
光学检测法是利用光电倍增器，检测放电中产生的光信号，是检测技术中灵敏度最高的方法，但由于玻璃和SF6等物质对光子信号吸收能力强，无法透过开关柜对局部放电情况 进行检测，这就决定了此方法只能采取离线检测法，无法实现在线监测。
超声波检测法。局部放电激发的超声信号带宽较宽，可在电力柜外用声发射传感器检测到。由于超声波检测法是非侵入式，所以它对设备内部局部放电产生的电磁场没有影响、受设备外的噪声影响较小。但由于声信号在通过绝缘子和SF6时会产生一定衰减，导致部分情况下的局部放电无法被准确检测。
暂态地电波检测法。高压电气设备在局部放电时，局部电场的击穿短路导致两端导体内一部分电荷被释放出来，在导体上以电磁波形式传播，形成电流，聚集在外壳屏蔽的内表面，并在屏蔽不连续处形成暂态电压脉冲信号。再将暂态电压磁冲信号经过电容藕合出来，通过降噪放大检测出来，这方法检测频带可达1至25MHZ,并具备较高的检测灵敏度。
超高频法检测法。检测局部放电产生的超高频为300MHZ至3GZ，噪声干扰的频率在500MHZ以下，因此超高频法的抗干扰能力很强。但由于超高频信号距离局部放电源越远，衰减越大，要求传感器离局部放电源较近，不适于开关柜的局部放电检测。
基于丰富的电力高压柜放电检测经验，采用超声波，地电波的检测方式，通过两种方法的互补和对比，拓宽了检测频带，提高了检测灵敏度，并结合时间纬度上的趋势分析，实现设备局部放电的精确监测。
(, 下载次数: 188)
无人机电力巡检之技术展望
电力相关单位顺应能源革命与数字革命融合发展趋势，积极推进无人机技术在电力行业的应用。2013年国家电网有限公司(以下简称“国家电网”)和中国南方电网有限责任公司(以下简称“南网公司”)便开始了输电线路的巡检试点工作，并于2015年推出了《架空输电线路无人机巡检作业技术导则》等电力行业标准，全面推广无人机线路巡检。2021年9月国家电网无人机自主巡检规模化应用上线投入运行，并构建了缺陷识别样本库，目前已经实现了输电线路和杆塔的高效巡检，对典型缺陷的发现率达到了80%，实现了“机巡为主+人巡为辅”的协同巡检目标。为了提高变电站的运检质效，各电力公司也在积极开展变电站无人机巡检试点工作。
客观地讲，随着无人机在电力巡检中推广应用，无人机巡检仍有一些不足和问题也逐渐暴露，现阶段亟待解决的问题。
如果在标准和技术规范缺失、在关键技术进一步提纯与进步、在无人机抗电磁干扰等方面进一步提升，电力巡检无人机必将迎来无比美好灿烂的明天。
(, 下载次数: 160)
具体说，就是在充分论证无人机安全性、适用性的基础上，制定变电站无人机巡检系统技术规范，针对不同电压等级、电流等级的变电设备(有功/无功)，不同的应用场景(室内/室外)，不同的巡检需求(设备巡视、安保巡视、特殊巡视，可见光、红外光、紫外光等)，推荐不同的无人机作业机型和匹配的巡检模式、巡检路径和巡检系统。制定变电站无人机智能巡检施工建造/改造技术方案，降低新建变电站无人机巡检难度，通过适应性布置和设备选型，提高巡检安全性和效率，针对不适合开展无人机巡检作业的变电站，开展适应性改造。
无人机缺陷识别技术上尚需深入研究。隐患缺陷的发现是无人机巡检的主要目的，但电力设备设施的故障类型多、表现形式复杂（如输电方面，杆塔类缺陷如筑鸟巢、挂异物、铁锈、零部件丢失或松动；绝缘子缺陷如闪络、破损、自爆、雷击、闪路、瓷绝缘子零值等；导线类缺陷如导地线断股、散股、悬挂异物、锈蚀、交叉跨越、间距不足；接地类装置缺陷如断裂、腐蚀、接地电阻破坏、接地面积不够；金具类缺陷如耐张跳线线夹发热、螺栓平帽、缺螺帽、间隔棒跑位、金具磨损、缺螺钉、缺少螺片、金具锈蚀；附属设施类如杆塔歪斜、杆塔牌等生锈、缺失、标识褪色、防鸟设施损失、未安装到位）等。目前无人机巡检自动识别隐患的准确性有提升空间，缺陷发现率达不到预期，仍需人工研判。为提高隐患缺陷识别的自动化水平，一方面要提高巡视数据和结果的标准和质量，更重要的是海量缺陷样本库的构建和隐患缺陷识别算法的开发，大力推进基于图像识别的隐患缺陷判断和基于人工神经网络等算法的缺陷智能诊断，借助于AI技术的快速发展和大数据算力的提升，实现电力无人机巡检的智能化已成为现实的可能。
相信这一天很快就会到来！