输电线路无人机巡检智能管理系统的研究与应用

输电线路无人机巡检智能管理系统的研究与应用

张梦雯

国网宝鸡供电公司，陕西省 宝鸡市 721004

摘要：近几年，我国电力企业发展迅速，输电线路为我国发展做出了很大贡献。随着无人机技术的不断成熟，无人机在电力行业中的应用越来越广泛。国家电网和南方电网也相继发文大力发展无人机巡线业务，促进输电线路由传统人工巡检模式向人机协同巡检模式转变。因此，有效提升输电线路无人机巡检作业管理的规范化和智能化，是无人机技术深化应用亟须解决的关键问题。

关键词：输电线路；无人机巡检；智能管理系统；研究；应用

引言

我国通航领域政策逐步放开，无人机技术也得到了快速发展，在远程遥控、续航时间、飞行品质等方面都有了明显的突破。另一方面，高分辨率可见光照相机（摄像机）、高精度红外热像仪、三维激光雷达扫描设备等检测装备技术的成熟应用，使无人机在电力作业中具有良好的发展前景。

1输电线路无人机巡检智能管理具体的技术线路

在实际构建输电线路无人机巡检智能管理系统之前,无人机巡检工作人员首先要对相关的信息数据进行详细分析,在无人机巡检内部建立信息资源共享平台;其次,要充运用一些小规模、模块式以及可以编辑的软件再次对其进行调整,以J2EE技术为依据,结合水输电线路无人机巡检状况设分析,合理设计多种不同模式的技术实施方案;最后,技术人员要充分发挥自身工作职能,积极研第三方软件,使其与供应商数据进行连接。

无人机巡检管理系统在构建过程中,要从几方面的内容出发[1]:(1)在前置层中增信息数据采集、控制、清洗以及储存信息数据等功能。(2)在表面层中既可以不断丰富具体的管理工具,也可以对整体结构的信息数据进行整理和利用。(3)在应用服务层在面对客户的过程中,要为客户提供多种不同的服务。(4)在应用逻辑层面向智能管理等系统工具时,对客户使用的具体权限进行曲廀管理,还可以准确识别无人机飞行动图像和信息等。(5)而数据访问与信息数据库在一定意义上都属于智能化信息数据管理的实际内容,在无人机开展巡检工作期间,对相应的信息进行管控和储存。

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。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。

（1）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输电线路无人机巡检智能管理系统的具体框架

实际上,输电线路无人机巡检智能管理系统被具体分为业务框架、应用框架和数据框架三分部内容。其中业务框架主要是针对无人机飞行的业务、数据成果进行全面管理。在这一框架中会涉及到三方面的流程:(1)结合无人机巡检管理目标,制定针对性的飞行计划。(2)根据无人机巡检管理内容,明确实际统计操作人员的数量。(3)合理申请无人机飞行区域,准确设定飞行指标。

在按照飞行管理要求完成管理任务时,要集中注意力执行飞行任务,严格按照飞行轨道执行每一项工作,及时上传每一项信息;在完成飞行任务时,充分运用管理数据库中的信息,构建相应的模型,在经过专业人员专业分析确认之后,才可以开展模型处理工作,从而整理出最真实有效的信息数据,将其与实际飞行指标进行对比。通过这样的方式来完成无人机巡检智能管理系统框架设计工作,能够将输电线路无人机巡检过程中的信息资源、指标内容以及整体系统机进行规范化管理,这是优化无人机巡检系统的重要途径。

4无人机巡检智能管理数据库的设计

无人机巡检的原始图像文件是典型的非结构化数据，给后续应用带来很大的困难。输电线路无人机巡检作业管理系统采用数据库和文件系统结合的方式，将巡检图像文件的隐性信息加工处理为显性的结构化数据，为后续的检索、统计与分析等应用奠定坚实的基础通过对无人机巡检智能应用管理系统的整体特征进行详细分析,将具体的数据类型化分为:非机构化数据、事务数据和基础数据这第三种类型。

(1)非机构化数据是指:具体的法律政策、巡视视频以及无人机飞行方案等内容。(2)事务数据是指:无人机在控制禁止飞行的区域、定位信息等内容。(3)基础数据是指:无人机基本的台账信息。具体包括:驾驶员、设备台账以及供应商等内容。

此外,无人机巡检智能系统中也蕴含着多种多样的信息数据,比方其中最为主要的有地理信息、飞行任务以及巡检图像内容方面的数据。在无人机实际巡检过程中,可以对其巡检的线路进行实时监管,这样不仅能够保证无人机巡检过程中的安全性与有效性,也能确保数据结果的真实性。

5无人机巡检智能管理系统功能的实现

在无人机巡检智能管理系统功能的实现过程中,将无人机整体巡检线路涉及到的多种不同环节都具体的呈现出来。在构建无人机巡检智能管理系统过程中,以无人机具体的飞行计划为依据展开具体分析,通过这样的方式来进一步证实,围绕J2EE技术管理系统功能实现的全过程。无人机飞行计划管理具体是指对无人机飞行技术进行全面维护与管理,其中可以以月计划、季度计划和年计划的方式来具体展现。在制定飞行计划掐期间,要紧紧围绕输电线路无人机巡检的具体任务进行分析,结合无人机禁止飞行区域的相关信息进行总结,这样在不仅能够提升无人机巡检智能化管理的可行性,也能保证无人机巡检计划顺利实行。在认真浏览完飞行管理的界面之后,得出几点内容:

(1)无人机在设置无人机飞行计划方案的过程中,可以按照界面中的具体提示按下相应的按钮,通过使用记录控制器来完成数据的抽调和利用工作,这样就是完成查询无人机飞行计划的整体流程。(2)要及时向数据库发出相应的请求,充分运用系智能管理系统中的线路查询管理器,结合无人机巡检目标,围绕无人机设定正确的飞形行线路,及时更新数据信息,保证信息数据的真实性。无人机飞行计划中准确的记录了巡检杆塔的数量、上传信息数据的次数等内容。

6结语

为了对无人机巡检过程中产生的海量图像和视频数据进行处理，本文利用J2EE技术体系对输电线路无人机智能管理系统进行了研究。通过Faster-Rcnn的深度学习算法，对无人机采集到的数据图像进行了处理与分析。并依据无人机巡检平台的数据特性，对数据进行了归类。同时，系统集成了无人机巡检工作的整个作业流程，实现了对无人机巡检作业的智能化调度。本文的研究内容对于实现无人机巡检系统的智能管理具有重要意义。

参考文献

[1]梁华贵,孙建明,朱先启,等.基于无人机的输电线路运维检修一体化装置的研究与应用[J].电工技术,2019(18):34-36.

[2]郑天茹,顾灏,娄婷婷,等.无人机搭载毫米波雷达巡检输电线路走廊的装置研究[J].山东电力技术,2019(8):40-42.

[3]鲁轩,郗来迎,赵赫男,等.基于无人机和图像缺陷识别算法的输电线路巡检系统研究[J].电子设计工程,2019(12):147-151+157.