国网安徽省电力公司六安供电公司 安徽 六安 237000
摘要：当前，电力的电路巡检工作还是人工巡检，但是我国有着960万平方公里的土地，环境复杂，人工巡检不能跟上时代的发展，无人机巡检应运而生，并在输电线路巡检过程中起到了重要的作用。基于此，本文将对输电线路无人机巡检智能管理系统的研究与应用作具体阐述，希望给行业内人士以借鉴和启发。
关键词：输电线路；无人机巡检；智能管理系统；研究；应用
引言
随着我国电网技术的发展，电网运检主要有3个方面的问题：运检人员的配置难以跟上电网规模的增长、外界环境等因素长期影响电网的安全、需要新的运检模式适应电网的发展及体质的变革。从电网发展以来，电网维护检修人员不断克服难关、与时俱进，修改、优化管理方案，完善、革新技术水平，提高运检效率和经济效益。以相对稳定的人员数量，在电网快速发展情况下，确保电网的安全运行。随着用电需求的增加，电网设备规模也在快速增长。在电网设备安装使用的环境越发复杂的趋势下，运检人员难以在恶劣环境中进行电网维护、检修的情况下，积极探索智能运检技术且提高技术水平，是保障电网安全运行的关键。由于输电线路会跨越高速铁路、高速公路及重要线路，故电网安全与公共安全有着不可分割的关系。在诸多长距离输电通道的沿途，会受到自然灾害和外力的破坏，如雷电、覆冰、狂风、火山、泥石流等，可见影响电网安全的因素普遍存在。传统运检模式存在的问题主要有：相关信息的获取方式较为传统、来源单一；以停电检修、离线测试为主的方式感知设备的状态；没有高效利用在线监测、带电检测、无人机等先进技术及多方位的数据信息。因此，为了适应电网运检“精益化”的发展需求，响应国家“互联网+”的号召，发展智能运检，提高运检效率，增加经济效益，具有极为积极的作用。
1智能运检的理念及特征
智能运检以“大云物移”作为支撑，以保障电网设备安全运行、提高运检效率、效益为目标。“大云物移”包含4个方面——大数据、云计算、物联网、移动互联。大数据（BigData），指的是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据能够实现跨越专业、跨越类型的数据关联分析，改变传统的离线、单一、独占数据进行统计分析的方式，通过在线、多样化、共享数据进行预测分析，发现潜在价值。云计算（CloudComputing），通过网络将具有大量计算的程序进行拆分，得到无数个较小的子程序。再由多服务器组成的系统，通过搜索、计算及分析之后，回传处理的数据。该技术能够改变传统的分析、独占信息化资源，通过集约化实现信息化资源共享。同时改变服务器扩容复杂的情景，通过动态调配、按需分配来提高资源利用率。物联网（InternetofThings），是新一代信息技术的重要组成部分，是一种将用户端扩展到物品与物品间进行信息交换与通信的一种网络概念。物联网改变传统静态分析、离线数据、人工录入的方式，通过实时动态和自动采集，实现人、设备、数据实时双向互联，提高设备全方位、全生命周期的管理水平。移动互联（MobileInternet）指互联网的技术、平台、商业模式和应用与移动通信技术相结合并实践的活动总称。该技术通过移动终端，使用移动无线通信获取业务和服务，从而实现生产作业和客户服务随时、随地使用信息系统，提高人与电网双向互动水平。
期刊文章分类查询,尽在期刊图书馆
2设备缺陷识别算法
为了对无人机巡检业务数据进行综合管理，并对输电线路故障缺陷进行识别。本文采用了基于深度卷积神经网络的图像识别算法，对输电线路故障进行识别。同时对计算结果进行分析，用于指导电力系统检修工作。输电线路典型设备缺陷识别技术采用了Faster-Rcnn算法，其基本思路是利用无人机巡检技术获得的照片和视频数据中对电气设备进行标注，然后与数据库中的典型设备缺陷数据进行对比。进而识别出现场设备的缺陷，算法流程如图2所示。无人机巡检系统典型设备缺陷识别的算法流程如下：1）样本制作首先对获得的图像数据进行设备特征标注。然后从中随机抽取总数的90%作为深度学习算法的训练数据集，剩余图片作为测试数据集。2）模型训练利用Faster-Rcnn对样本数据进行训练，并使用随机梯度法对Faster-Rcnn算法参数进行实时更新。当数据满足识别误差要求时，停止训练。3）模型测试使用测试数据集对步骤2）得到的深度学习数据模型进行测试，并根据测试结果判断模型是否需要修正。4）目标样本制作针对电力系统中设备的典型缺陷特征制作检测目标分类器样本，并利用Faster-Rcnn算法对分类器样本进行测试。检测算法能否满足缺陷识别的要求，从而对样本进行修改。5）模型应用利用上述步骤训练得到的基于深度神经网络的Faster-Rcnn模型对无人机巡检得到的照片数据进行设备缺陷故障识别，并对故障进行分类标注。6）参数更新在原有图像识别模型的基础上，抽取新采集到的数据图像重新制作Faster-Rcnn识别样本，从而实现对模型的不断优化，提高模型的识别效率。
3数据库设计
依据无人机立体智能巡检应用平台的数据特性，将数据划分为基础数据、事务数据、非机构化数据等类型。并与其他系统进行集成数据交互，保障数据的实时性、唯一性、准确性。其中，基础数据主要包含基本台账信息。其包括无人机台账信息、备品备件信息、驾驶员信息、供应商信息、设备台账信息等；事务数据主要包括禁飞区数据、空域申请记录数据、飞行计划数据、飞行申请数据、定位数据、维修保养数据等；非结构化数据主要包含无人机政策法规、规范方案、日常规范文档、驾驶证照片、无人机照片、巡检照片、巡检视频、导入模板等。系统数据是无人机巡检系统运行和服务的数据基础，由一系列的结构化数据和非结构化数据组成；无人机巡检系统数据主要由电网资源数据、地理信息数据、计划任务数据、飞行监控数据、巡检照片数据、巡检视频数据等多种数据构成。电网资源数据主要是通过与生产管理系统集成而获取的。其为无人机巡检系统的主体基础数据，是飞行任务的主体数据。主要记录电网设备资源台账数据。地理信息数据主要是通过与地理信息系统集成而获取的。其为无人机巡检系统主体基础数据的补充，是空域申请及飞行监控的参照数据。主要记录电网资源的地理信息数据及地图数据。计划任务数据是无人机巡检系统中开展计划制定分解以及任务安排执行产生的生产应用数据。其主要是实现无人机巡检任务从计划到执行的管理，保证飞行有计划、有执行。飞行监控数据是无人机巡检系统中监控飞行任务执行过程的数据。其主要是实现无人机巡线任务在线监控，保证飞行作业安全、合规。巡检照片数据及巡检视频数据是无人机巡检系统中管理的无人机输电线路巡检任务对应的飞行成果数据。主要实现巡检成果数据的逻辑管理，并为后续缺陷分析提供基础数据。
结语
通过研究和应用，可初步实现无人机立体巡检、数据采集、数据分析、预测预警等功能，从而提高了工作效率、降低运检成本，更好的保障了电网安全稳定运行，并缓解了相关部门任务繁重的状况。
参考文献
[1]漆翔宇，漆铭钧，雷红才.电网设备状态检修发展形势及展望[J].湖南电力，2018（3）:1-3.
[2]戴庆华，晏治喜，漆铭钧，等.电网智能运检管控中心创建及应用[J].电力设备管理，2018:39-41.
论文作者:鲍远春
论文发表刊物:《中国电业》2019年第09期
论文发表时间:2019/9/5
标签：数据论文; 无人机论文; 电网论文; 设备论文; 算法论文; 缺陷论文; 线路论文; 《中国电业》2019年第09期论文;