国网山西省电力公司阳泉供电公司 山西
摘要：近年来，科学技术不断取得新的突破，无人机技术越来越成熟，在社会诸多领域获得广泛的应用。在电力企业中，利用无人机对输电线路的状态进行巡检已得到界内人士的认同，弥补了传统人工巡查方式工作量大、效率低等种种弊端。
关键词：无人机；输电线路；巡检作业；智能管理系统
1技术路线
在输电线路无人机智能巡检管理系统建立的时候，工作人员需要对相关的数据模型其内部共享资源，应借助小型化、模块式、可编辑的软件，并依托于J2EE技术，设计多层技术实施方案。而且，还需研发第三方软件供应商数据接口。使几种不同专业的软件可集成在一起，便于无人机电路巡检业务实现统一、规范的管理，具体该系统的技术结构如图1所示。
.png)
由图1可知：前置层内部设置了信息采集、控制、清洗、存储等功能。表现层包括了巡检管理系统中的管理工具，可以对C/S结构数据进行利用。应用服务层面向客户提供了一些服务功能，例如：可浏览图像、分别及识别富媒体、管理作业、电网拓扑与管等。应用逻辑层主要是面向系统研发/管理人员的系统工具，可管理系统客户的使用权限、识别飞行图像信息、统计分析空间数据、搭建通用业务的组件等。数据访问与数据库均属无人机智能巡检系统中的数据管理系统范畴，可实现对数据访问过程的控制管理及储存无人机智能巡检系统中数据。
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。
.png)
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系统框架设计
输电线路无人机巡检智能管理系统主要可分为3个部分，分别为业务架构、应用架构和数据架构。无人机巡检智能管理系统中的业务架构是指，对无人机飞行业务和数据成果的管理。其实现流程包含了飞行计划的制定，统计作业人员数据和进行飞行空域的申请。同时，制定飞行计划指标。完成飞行计划管理之后按照飞行作业执行飞行任务，通过格局现场的飞行轨迹对巡检数据进行实时上传。飞行任务完成之后，由管理系统的数据库对获得的巡检数据进行建模分析。同时经过专家诊断，完成模型的优化分析。并导出作业成果报告，进行飞行数据指标的对比。应用架构主要实现无人机巡检任务过程中的资源管理、数据管理、指标管理和系统管理等内容。其中，资源管理是对无人机台账的统计以及设备的保养、备品配件的管理和驾驶员的培训及考核管理。多维智能数据管理系统包括了电力设施典型缺陷的识别功能和多维传感数据的管理。其中，电力设施的典型缺陷识别包含了对基础数据库的接入、基于图像定位和图像模型算法的建立以及图像识别技术的匹配。多维传感数据管理用于实现对数据的分析与优化功能。作业指标管理实现对无人机巡检作业指标的制定和考核功能。系统管理包含了工作人员的权限和角色管理，以及系统组织的制定与规划。
4无人机巡检数据处理
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。无人机巡检数据处理的过程如下。在服务端系统开辟一块缓冲存储空间，方便班员将无人机巡检数据快速上传。服务端系统在空闲时间启动数据处理程序，分析每一张巡检图像文件；根据巡检图像的位置信息与输电设备的经纬度坐标进行智能匹配，并提炼出巡检时间、关联工单、无人机设备、巡检班组等信息，保存至数据库。将处理好的巡检图像文件从缓冲存储空间转移到持久化存储位置，同时将巡检图像文件的路径信息保存至数据库。
5无人机巡检数据采集
为了增强业务需求与无人机平台的融合，无人机厂家都提供了开放的SDK开发平台。比如通过开放SDK开发平台，允许用户根据自己的业务需求对无人机的相机、云台、飞控等功能进行修改和添加。输电线路无人机巡检作业管理系统通过开发集成无人机SDK开发平台的移动应用程序，可实时控制无人机的相机和云台，并可获取无人机图传系统传回的高清影像，实时下载回传的照片和视频。在巡检作业结束后，移动应用程序可一键自动将巡检数据上传至服务端系统，有效地提高了班员的工作效率。
6结束语
无人机输电线路的巡检作业是一个系统性、复杂性工程。需要对巡检中生成的海量视频数据及图像做出有效处理，基于J2EE技术研究了无人机输电线路巡检管理系统，通过深度学习算法，有效地处理无人机执行任务期间采集的图像数据。结合了无人机巡检平台本身的特点，对各种数据信息加以归纳、整理。相关工作人员需不断地积累经验，优化无人机智能巡检管理系统，为输电线路故障识别及检修提供更大的支持。
参考文献：
[1]郑仟，李宁.输电线路无人机巡检智能管理系统的研究与应用[J].电子设计工程，2019，27（9）：74-77+82.
[2]钱金菊，张睿卓，王柯，等.输电线路巡检可视化管理系统及其应用[J].广东电力，2018，31（3）：109-114.