朱琳
国网智能科技股份有限公司
摘要：现如今，是我国迅猛发展的新时期，变电站巡检机器人已在国内变电站推广应用，利用携带的红外、可见光传感器实现设备温度自动测量、设备状态自动识别，自动代替人工完成变电站设备的巡检任务，可根据设备综合状态综合诊断设备故障。经过多年的机器人巡检技术和巡检模式研究，“机器人巡检+数据后台分析”模式已经成为变电站智能运维的重要趋势。
关键词：变电站巡检机器人;目标检测
引言
伴随经济发展和人民生活水平的提高，社会用电量不断提升，对电网运行稳定性提出更高挑战，变电、输电、配电等电力系统各环节的巡检需求进一步提高。目前电力公司仍主要采用传统的人工巡检方式，即利用看、听、闻等感知手段，对电力设备运行状态进行查验和记录，此种方式存在着人力成本高、巡检手段单一、巡检数据主观性强、受天气影响大、数据管理分散等问题，逐渐无法满足准确、实时、高频率的电力设备巡检需求。
1电力巡检机器人巡检的研究
变电系统设备运行是否可靠和电力系统的稳定性有很大关系，再加上变电系统设备总类多种多样，给变电站巡视人员工作的开展带来一定压力。巡视人员的业务水平、责任意识和精神状态等的差别都可以会给电力系统造成重大的经济损失。根据中国电力科学院近两年电网运行统计报告分析，每一年因为变电设备漏检、误检造成的损失大约20亿人民币，甚至远超这个数据。从最新的《中国新能源发电分析报告》来看，电力系统在当前的发展中，风力发电、光伏发电的成本得到下降，文章对新能源发电的发展方式进行预测，同时还分析了未来五年之后，全球风电新增装机将会保持不断增长的趋势。国家电网发展势头良好，同时人们也对电网的发展投入了十倍的信心，让电力系统朝着清洁、智能、自动化方向发展。巡检机器人方案的提出在2003年，最早通过日本研究人员提出，完成方案研究、模拟试验后推广到市场中去。2005年，美国人A.irk研制出轨道式变电站巡检机器人，同时投入到美国西部使用，实现了对变电站电气设备的红外测温。随后人们研究了机器人巡检的关键技术，同时预测指出在机器人身上使用仿人立体视觉技术，这一步研究的提出促使了巡检技术朝着智能监控的方向发展。我国在2007年才逐渐开始对巡检机器人的研究，人们提出了机器人巡检结构之后，提出了车体运动学建模、避障算法，这些技术加速了机器人巡检代替人工巡检。机器人能够具备人工的机动性，同样还满足了社会发展下无人值守电站的愿望。尤其是在新时期，机器人巡检朝着更广阔的空间发展。巡检机器人在电力发展当中的运用，实现对电力输电线路及其附属ADSS光缆、OPGW光缆进行自动巡视、无需人员攀爬铁塔或线路，具有进行快速故障定位及隐患排查功能，减低巡检人员工作强度、减少人员登塔次数，保证巡视质量，降低人员风险。
2面向巡检机器人的电力设备状态检测算法研究
2.1小型YOLOv3模型
小型YOLOv3模型(TinyYOLOv3，T－YOLOv3)是YOLOv3模型的简化，保留了原始模型两个独立预测分支，该网络模型主要是由卷积层和池化层构成，结构更简单，但精度有所下降。T－YOLOv3模型引入了多尺度特征提取模块，输出2个尺度的特征图来保证对不同大小目标的检测性能。虽然这种模型结构可以减少卷积特征层的参数，提高模型运算速度，但在环境复杂的变电站场景下，这种网络结构容易造成浅层卷积特征图信息丢失，并且对小目标及局部特征的目标输出不敏感，很容易对远处的小目标设备或存在遮挡的设备造成漏检和误检，影响了目标的召回。
2.2定位导航
目前移动巡检机器人采用的定位导航技术主要有磁导航技术、轨道导航技术、惯性导航技术、GPS导航技术、以及SLAM导航技术。磁导航技术需在路面铺设导航磁轨道，利用机器人搭载的磁导航传感器感应轨道位置，实现机器人沿轨道的自主行走。磁导航技术由于需要铺设磁轨道，前期基建工序复杂、建设成本较高;且由于磁轨道暴露在路面，受曝晒、雨淋等影响，易产生损坏、脱落、失磁等问题，通常1～2年即需对部分轨道进行更换，维护复杂、维护成本高。轨道导航技术及利用预先吊装或预埋的轨道，结合磁钢片/二维码等特征标识点，实现机器人的沿轨道行走和定点检测;此种方法定位精度相对较高，适用于室内环境巡检机器人的导航。对于变电站等室外场景而言，由于面积大、环境复杂，轨道无法吊装等问题，轨道导航方式不适用。惯性导航利用机器人搭载的IMU等惯性测量装置，根据测量加速度、角速度等数据，获取机器人的位姿和速度信息，从而实现对机器人的定位导航;此种方法由于测量装置本身测量误差以及打滑、颠簸等外界因素，导致每次测量均会存在一定的定位误差，机器人行走一段距离后会产生较大的累计误差，从而使得导航偏移。
2.3机器人驱动器
电力机房机器人系统硬件区域的驱动器的工作任务是为系统提供动力，使机器人进行运动和停止操作，防止机器人出现摔倒等事故。驱动器的工作电压为24V，额定功率为200W，为了使机器人的运行行为具有消音功能，驱动器的空载转速为3500RPM，负载转速为3000PPM，当工作电流大于0.8时，驱动器工作，当小于0.8毫安时，机器人处于自动停止的状态。驱动器还对巡检机器人的每个行为进行监督，根据机器人行为标准，设定驱动器的极限驱动力矩为0.64N。硬件区域的各个设备之间都具有关联性，通过引脚相互连接，为了提高驱动器的灵敏性，设计了控制信号引脚接口、电机引脚接口、霍尔信号引脚接口。
2.4局放检测
局部放电检测主要是对高压开关柜的绝缘介质间电气放电情况的检测。主要的局放检测方法有光学检测法、超声波检测法、暂态地电波检测法、特高频法、光学检测法。利用光电倍增器，检测放电过程中产生的光信号，是检测技术中灵敏度最高的方法。但由于玻璃和SF6气体等物质对光子信号吸收能力很强，无法透过开关柜对局部放电情况进行检测。这就决定了这种方法只能采用离线检测方式，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的，所以它对设备内部局放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时会产生一定的衰减，导致有部分情况下的局部放电无法准确检测。
结语
针对变电站巡检机器人设备状态检测技术前端化部署需求，从成本及算力方面考虑，选择海思Hi3559A芯片作为算法开发的嵌入式平台，以YOLOv3算法训练模型作为基础模型进行模型轻量化设计。研究了基于模型剪枝及小型模型设计的轻量化技术，针对不同的模型轻量化算法，提出了改进的T－YOLOv3模型，增强模型上下层的语义信息特征提取能力。设计了基于通道卷积与层剪枝的模型压缩算法，在精度保持的前提下，进一步压缩模型的体积。最终将最优的轻量化模型在机器人平台上进行部署，实现设备状态检测技术在变电站巡检机器人中的前置化。实验结果及现场实际应用表明，前端化的网络模型大大减少了算法耗时，检测精度得到有效保持，满足了变电站设备状态巡检的需求。
参考文献
[1]钱平,张永,徐街明.智能电网巡检机器人终端视觉巡检技术研究[J].现代电子技术,2018,18.
[2]陆巍.电力巡检机器人在智能配电站室内创新性应用分析[J].科学与信息化,2018,30.
[3]李振宇,郭锐,等.基于计算机视觉的架空输电线路机器人巡检技术综述[J].中国电力,2018,11.