基于航拍图像的无人机光伏组件巡检策略研究及运用

详细介绍光伏组件无人机巡检策略,在松湖渔光互补光伏电站进行了自动巡检及可见光和热斑图像自动识别测试,实现了无人机搭载可见光、红外设备自动飞行作业和光伏组件缺陷自动识别,提高了巡检效率和缺陷发现率,保障光伏电站安全可靠运行。     

基于深度学习和无人机图像的架空线路缺陷巡检综述

架空输电线路巡检是电网运维工作的一项重要内容,运维人员利用无人机进行线路巡视检测已成为电力巡检工作中的重要手段。本研究首先概述了无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构;其次,分析了当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术;然后,综述了基于深度学习的无人机图像缺陷检测典型方法以及评价指标,并对比总结了各种方法的优缺点;随后,讨论了无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷检测效果,指出了图像检测指标和类别定义在电力巡检专业化领域中的不足;最后,探讨了基于深度学习的无人机图像缺陷巡检任务的未来发展方向。     

无人机电力巡检系统中的测温分析方法

随着大数据、云计算、5G技术的发展成熟,电力供电系统除了对输配网系统有着明确的可靠性要求外,也对电力巡检系统提出了更高的自动化和智能化要求.利用无人机进行输电线路巡检具有安全性高、工作效率高和精准拍照、分析等优点,在电力巡检领域应用越来越广泛.文章提出了一种无人机电力巡检系统中的测温分析方法,对无人机拍摄回传的可见光图和原始红外图像进行分析,利用反射率和相机校准参数对温度信息进行校准.结果表明,该方法可以得到更加接近真实值的温度信息,提高无人机电力巡检中故障检测的准确率和效率.     

输电线路无人机巡检图像自动命名关键技术研究

针对海量的输电线路无人机巡检图像，传统的人工命名耗费了大量的人力，且存在命名错误等一些问题，严重影响无人机发挥巡检效能，因此提出输电线路自动命名技术。该技术基于输电线路高精度激光点云，提取零部件关键位置坐标，基于无人机RTK定位技术，提取巡检图像坐标，运用以上两种坐标，完成了基于空间距离的图像自动命名方法研究，并基于python研发了自动命名软件，在没有人员干预的条件下，快速、准确、自动地完成输电线路无人机巡检图像命名。在佛山地区应用实践中，该软件每年完成22万张输电线路无人机巡检图像的自动命名，节约了大量的人力，提高了无人机巡检时效性。     

特高压变压器视频监控智能巡检系统研究与应用

分析了传统视频监控技术在应用中的局限性,提出一种基于高清网络摄像机的视频监控智能巡检系统,讨论了该系统的组成、网络结构、点位选取等内容;通过该系统在某特高压变压器巡检上的应用,将系统在可见光巡视、套管红外测温、现场表计读数等方面的巡检结果与人工巡检进行比对,验证了该系统的准确性和实效性,保障了变电运维人员巡检过程中的人身安全,提高了设备巡视质量。     

基于Faster RCNN变电设备红外图像缺陷识别方法

变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生。传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法。首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别。使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90. 61%,缺陷识别准确率达到81. 33%,实验结果表明本文方法的有效性和准确性。     

基于深度学习的电网巡检图像缺陷检测与识别

无人机巡检已成为保证电网稳定运行的重要手段。针对巡检图像的自动化判读,提出基于深度学习的电网多部件缺陷检测与识别方法。将小样本缺陷检测问题分解为目标检测和分类两步。针对多目标部件的检测,提出基于最小凸集的损失函数以及预测框选择方法,两者结合YOLOv3框架可以实现多种部件的精准定位。之后,单类分类器在高维特征空间中进行小样本学习,判断目标部件是否故障。测试图像来自220 kV安徽宣枣4883线的巡检图像。实验结果表明,该方法对常见的电网故障识别率高于96%,漏报率低于2%,表明该方法能有效地进行电网的多部件缺陷检测与识别。未来结合边缘计算加速处理,可以实现无人机的在轨巡检。     

变电站设备巡检机器人的研制

介绍了一种基于移动机器人的变电站设备巡检系统。该系统能够以自主或遥控的方式,在无人值守或少人值守的变电站对室外高压设备进行巡检,及时发现电力设备的热缺陷、异物悬挂等设备异常现象。文中介绍了变电站设备巡检机器人系统的总体结构,以及在该机器人移动平台上搭载的变电站设备检测系统,并给出了基于可见光电荷耦合器件（CCD）摄像机、远程红外热成像摄像机和高性能定向传声器（MIC）等传感器的变电站设备的图像巡检、设备仪表的自动识别、一次设备的红外检测以及移动物体侦测等功能模块的实现。现场工业运行表明,该机器人系统的非接触式移动检测与变电站综合自动化的接触式监控结合,可以真正形成全监控方式,大大提高变电站设备运行的安全可靠性。     

无人机在架空输电线路巡检中的自动补光系统应用研究

结合华中电网某地区架空输电线路无人机可视化巡检工作的实际应用情况，详细分析了无人机在架空输电线路可视化巡检中的作业流程、巡检内容以及巡检技术要求，并针对在清晨、傍晚、阴霾等环境光线较暗情况下，无人机难以快速、精准、高效地开展架空输电线路可视化巡检、缺陷识别等难题，以图腾柱开关控制电路为核心，研究了一种可用于无人机在架空输电线路可视化巡检中的自动补光系统，该系统主要包括环境光线亮度实时检测模块、高低电平逆转模块、图腾柱开关控制电路、稳压模块、LED补光模块，并以多旋翼无人机搭载可见光巡检设备为测试平台，现场实践论证了该自动补光系统的可行性和高效性。     

基于IMU-GNSS-VO的输电线无人机巡检定位和目标跟踪自适应方法

无人机巡检在220 kV输电线的日常巡检工作中占据越来越多的比重，然而无人机巡检存在定位不准、巡检目标识别与跟踪困难等系列问题。为此，基于惯性测量单元(inertial measurement unit, IMU)、全球导航卫星系统(global navigation satellite systems, GNSS)、视觉测程(visual odometry, VO)等多路传感器融合信息，提出了一种无人机输电线巡检定位与目标跟踪自适应方法。为解决GNSS信号中断以及视觉传感器在复杂场景中缺乏足够特征点导致的自主定位困难问题，提出一种基于联邦卡尔曼滤波的鲁棒自适应定位算法，该算法确保了无人机自主导航和定位的准确性；同时，为了实现输电线目标自动识别和跟踪，提出一种变化场景最佳阈值选择算法，实现预测性和连续的参数选择，以提高输电线跟踪的准确性。最后，以唐山某典型案例为试点，验证了方法的有效性，并进一步全面优化输电线路无人机巡检工作流程，为后续输电线巡检的智能巡检多维应用奠定较好的基础。     

配网架空输电线路无人机综合巡检技术

为满足配电网架空线路巡检应用需求,提出了基于小型无人直升机平台的配网架空线路综合巡检技术。提出无人机综合巡检平台的构建方法,研究确定无人机搭载的可见光、红外、紫外及超声波传感器、特高频传感器等综合巡检模块的配置要求。测试结果表明,无人机巡检系统的适应环境温度为-20~45 ℃,最高海拔高度为2 000 m,抗风能力为7 m/s;悬停控制精度的垂直方向为±0.5 m、水平方向为±1.0 m,能精确定点近距离巡检杆塔。对于可见光传感器,有效像素数为1 200万,具备变焦和自动对焦功能;对于红外传感器,有效像素数为30万,具备自动对焦功能。提出的小型无人直升机综合巡检技术可应用在配网架空线路巡视和检测,以提升配网线路巡检的自动化和智能化水平。     

智能变电站巡检机器人研制及应用

介绍了一种基于移动机器人的设备巡检系统在智能变电站的应用情况。该系统携带可见光摄像机、红外热像仪、拾音器等传感器,基于磁轨迹实现最优路径规划和双向行走,以自主或遥控方式对站内一次设备进行巡检,及时发现设备热缺陷和外观异常;通过图像处理和模式识别,判别出开关和刀闸的分合状态,并在遥控或顺序控制操作时,与智能变电站顺控系统...     

电力无人机实现40min巡查5km输电线路

2012—07—26,由山东电力科学院研制的ZN-2无人直升机与地面站测控储运车实时合作,对220kV寿海线进行智能巡检,标志着山东电力在全国率先将无人机巡检纳入线路巡检常态化应用。无人机智能飞行巡检不仅速度快、质量高,还可以在空中变换位置及悬停。提供不同角度的图像、视频等数据资料,弥补人工巡线的不足。并且,根据不同需求可以搭载可见光或红外线、紫外线检测设备,进行多种故障巡检。     

基于北斗高精度位置服务的无人机变电站自主巡检应用的研究

利用北斗高精度定位技术,无人机自主飞行技术,无人机通讯技术构建了无人机在变电站等狭小空间内的巡检体系。该体系包括无人机巡检路径标准规划与采集验证、基于高精度位置服务的无人机自主飞行控制系统、无人机与应用平台通信控制、无人机巡检成果识别与管理。设计了基于高精度定位技术的无人机变电站自主巡检整体架构、无人机自主巡检安全策略和自主巡检事务处理机制、无人机视频位置实时回传系统,研发了无人机变电站自主巡检系统。经过实地测试,在北斗高精度定位服务的辅助下,无人机自主巡检重复飞行在拍照点的悬停精度平均可以达到5 cm(E-W)、6 cm(N-S)、7 cm(H),姿态朝向角平均为56″,说明在该系统的保障下,无人机可以在变电站等狭小区域内安全有效地进行巡检作业。     

一种基于可见光巡检图像的杂草智能识别方法

目前电力巡检主要是采用无人机巡检的方式,针对无人机巡检获取的图像识别过程中,电力设备旁的杂草可能会造成安全隐患,需要对图像中的杂草进行识别。针对电力巡检的场景,提出了一种基于可见光巡检图像的杂草智能识别方法,以可见光巡检图像中杂草的特征为基础,结合卷积神经网络方法,解决可见光巡检图像中电力设备附近的杂草识别问题。通过对图像进行样本数据增广和预处理,接着引入区域生成网络,再对图像提取固定个数候选框的图像特征,和改进的图像分类网络连接在一起,得到最终的卷积神经网络模型。实验表明其准确率可以达到97.98%,检测一幅600×600大小图像需要花费的平均时间约为0.256 s,在保证了准确率的同时达到了高效识别的要求。     

基于深度学习的输电线路螺栓检测技术

输电线路螺栓缺陷检测对电力系统安全可靠运行具有重要意义,但螺栓在巡检图像中具有特征不明显、尺寸小的特点,这给螺栓检测研究带来了一定挑战。随着直升机、无人机巡检技术和边缘计算的发展,传统巡检图像处理方法已满足不了实时检测的需求。针对上述问题,提出一种基于深度学习的输电线路螺栓检测系统。采用分级检测原则,首先利用SSD(single shot mutibox detector)算法定位存在缺陷螺栓的连接部位并切割出连接部位,增大螺栓在巡检图像中的占比,其次利用数据增强扩充数据集,最后利用YOLOv3算法检测缺陷螺栓。最终将边缘计算装置搭载在直升机、无人机上,实现输电线路螺栓缺陷实时检测。为验证该系统的鲁棒性,对不同光照强度下的巡检图像进行仿真。实验结果表明,该方法能够有效、精确地实现巡检图像中螺栓缺陷的实时检测。     

基于无人机多传感器数据采集的电力线路安全巡检及智能诊断

为满足电力线路应急处置和安全巡检业务的高效、自动化处理需求,设计研发了一套无人直升机多传感器电力线路安全巡检系统。首先,通过高精度同步授时与标定,统一机载紫外、红外、可见光以及激光传感器的时间、空间基准。其次,无人机通过机载多传感器同步采集输电线路的高精度3维激光点云、高分辨率航空影像、红外视频、紫外视频,进行多源数据的独立与融合处理,完成对线路通道的安全距离检测、线路设备异常发热及异常放电检测,实现对输电线路不同缺陷和隐患的智能诊断。最后输出标准诊断报表,以供现场勘察确认。为验证无人机多传感器巡检系统的功能,开展了实际带电运行线路巡检试验。巡检结果表明,无人机巡检系统对线路缺陷与隐患的检测结果与人工现场勘察结果一致。该系统能发现输电线路多种运行缺陷和安全隐患,为运行单位提供相应的检修维护决策依据,还能提供缺陷或隐患位置的可视化场景信息,方便人工辅助诊断和排查,提高输电线路巡检效率。     

固定翼无人机巡检输电线路探讨

随着电网的日益扩大,巡线的工作量也日益加大,固定翼无人机作为无人机的一种,可以被应用在输电线路巡检中,以提高巡线的效率。基于固定翼无人机平台在输电线路巡检系统中的应用进行探讨,包括对于固定翼无人机巡线系统设计思路、固定翼无人机巡线系统组成、各分系统功能以及关键技术问题等的研究。主要的巡检方式包括可见光巡检、红外光巡检、紫外巡检和三维激光扫描巡检。巡检对象包括线路走廊、导线、塔身、金具等。巡检内容包括线路走廊异常、设备热缺陷、电晕放电等。     

面向架空输电线路的挂载无人机电力巡检技术研究综述

无人机是巡检作业最理想的搭载工具,通过无人机挂载光学相机、红外成像、激光雷达等载荷装置对导线、绝缘子、金具等输电设备进行巡检工作已成为架空输电线路不可或缺的日常运维手段。该文首先介绍挂载无人机巡检技术的应用现状,系统论述挂载无人机巡检作业的工作模式;然后从无人机续航时间、无人机巡检作业安全距离和无人机电磁干扰防护等方面对挂载无人机电力巡检的关键技术进行重点综述;最后对挂载无人机巡检技术的发展趋势进行讨论,旨在为无人机电力巡检技术的研究提供方向。     

基于云雾边异构协同的无人机智慧巡检系统

针对现有输电线路无人机巡检系统数据处理平台计算能力较低、整合程度不高的问题,提出一种基于云雾边异构协同计算的新型无人机巡检系统。详细介绍系统架构、网络架构以及作业流程,同时将先进人工智能技术与无人机巡检具体功能有机融合,以航迹自主规划、多机多任务协同以及缺陷智能识别3种主要功能为例,给出基于人工智能技术的无人机巡检整体解决方案,全面提高无人机智能化水平与自主运行能力,提升输电线路巡检效率与质量,降低运维成本。