機(jī)巡時(shí)代

長(zhǎng)久以來(lái)，我國(guó)電網(wǎng)龐大的輸電線(xiàn)路網(wǎng)絡(luò)巡檢工作主要依賴(lài)人工巡視方式進(jìn)行。巡檢成果的時(shí)效性、安全性、準(zhǔn)確性是人巡時(shí)代長(zhǎng)期困擾電網(wǎng)運(yùn)維部門(mén)的難題。近些年，無(wú)人機(jī)作為一種高科技的巡檢利器在電網(wǎng)行業(yè)中得到迅速推廣與應(yīng)用。飛控手通過(guò)操作無(wú)人機(jī)沿線(xiàn)路飛行，并同步拍照或者激光掃描，結(jié)合智能AI數(shù)據(jù)處理軟件，可以快速、準(zhǔn)確地發(fā)掘線(xiàn)路中的隱患缺陷。隨著全國(guó)電網(wǎng)行業(yè)無(wú)人機(jī)數(shù)量、飛手?jǐn)?shù)量及技能水平的不斷提升，我們可以認(rèn)為，電網(wǎng)巡檢的機(jī)巡時(shí)代已全面到來(lái)。

智巡時(shí)代

無(wú)人機(jī)的使用幫助巡檢班組人員提高了巡檢效率，但是新的工作方式也帶來(lái)了新的挑戰(zhàn)。無(wú)人機(jī)巡檢需要對(duì)無(wú)人機(jī)長(zhǎng)時(shí)間的飛行控制操作，這對(duì)于基層班組人員的無(wú)人機(jī)操作技能要求可不低。“炸機(jī)”、“撞塔”等事故的發(fā)生也隨著機(jī)巡業(yè)務(wù)的擴(kuò)大而與日俱增。在安全飛行的前提下，同一條線(xiàn)路在高手和新手飛過(guò)以后也可能產(chǎn)生迥異的巡視結(jié)論。行業(yè)迫切需要更加智能、更加安全、更加可控的巡檢作業(yè)方式。降低無(wú)人機(jī)操作門(mén)檻，降低人員經(jīng)驗(yàn)對(duì)于巡檢工作的影響，進(jìn)一步提升機(jī)巡作業(yè)效率，必將成為業(yè)界追隨的技術(shù)趨勢(shì)?！盁o(wú)人機(jī)全自主飛行”、“網(wǎng)絡(luò)化起降機(jī)場(chǎng)”、“機(jī)器學(xué)習(xí)”、“邊緣計(jì)算硬件”等新一代技術(shù)的攻克，將翻開(kāi)電網(wǎng)巡檢的下一篇章：智巡時(shí)代（見(jiàn)圖1）。

?

圖1?電網(wǎng)巡檢發(fā)展階段

2018年10月11日，在山東聊城“聊長(zhǎng)III線(xiàn)“現(xiàn)場(chǎng)，山東電力機(jī)巡作業(yè)中心人員順利完成了國(guó)家電網(wǎng)首次全自主精細(xì)化巡檢作業(yè)（見(jiàn)圖2）。在無(wú)飛手操控的模式下，無(wú)人機(jī)載僅僅10分鐘內(nèi)完成2基雙回桿塔的精細(xì)化巡檢，同時(shí)完成了桿塔關(guān)鍵部位的拍照，拍攝角度、距離控制基本合理，清晰度滿(mǎn)足分析要求?！斑@個(gè)速度比最優(yōu)秀的飛手還快一倍，巡檢效率是平時(shí)人工操控?zé)o人機(jī)的2倍”，現(xiàn)場(chǎng)人員稱(chēng)贊道。

圖2 ?無(wú)人機(jī)自動(dòng)化巡檢作業(yè)現(xiàn)場(chǎng)

?

?無(wú)人機(jī)自主巡檢三步走?

?

那么如此智能的無(wú)人機(jī)巡檢作業(yè)，是如何實(shí)現(xiàn)的呢？簡(jiǎn)單來(lái)說(shuō)，只需要三步。

第一步，建立厘米級(jí)精度的三維點(diǎn)云地圖（見(jiàn)圖3）。即通過(guò)激光雷達(dá)獲取線(xiàn)路走廊內(nèi)的高精度三維點(diǎn)云作為基礎(chǔ)三維地圖，隨后使用AI算法自動(dòng)識(shí)別提取關(guān)鍵特征（桿塔、導(dǎo)線(xiàn)、絕緣子等）的空間參數(shù)，最后自動(dòng)關(guān)聯(lián)電網(wǎng)資產(chǎn)數(shù)據(jù)庫(kù)中的臺(tái)賬記錄；

?

?

▲??圖3?基于三維激光點(diǎn)云的厘米級(jí)三維地圖

?

第二步，基于三維地圖進(jìn)行復(fù)雜航跡規(guī)劃。借助深度學(xué)習(xí)算法幫助實(shí)現(xiàn)桿塔本體精細(xì)化巡檢的拍照點(diǎn)自動(dòng)化精準(zhǔn)選定，形成平滑連接各拍照點(diǎn)的飛行航跡，并上傳至無(wú)人機(jī)飛控系統(tǒng)中（見(jiàn)圖4）。

?

▲?圖4 ?無(wú)人機(jī)自主飛行復(fù)雜航跡規(guī)劃

（圖片來(lái)源：廣東機(jī)巡 ）

第三步，無(wú)人機(jī)依據(jù)規(guī)劃的飛行航跡，在RTK厘米級(jí)精度定位信號(hào)下進(jìn)行復(fù)雜業(yè)務(wù)自主飛行，并借助激光雷達(dá)進(jìn)行自主導(dǎo)航避障。

?

電網(wǎng)無(wú)人機(jī)自動(dòng)化巡檢充分運(yùn)用了激光雷達(dá)（LiDAR）技術(shù)、實(shí)時(shí)動(dòng)態(tài)高精度定位（RTK）技術(shù)、深度學(xué)習(xí)算法，不再依賴(lài)飛行人員的無(wú)人機(jī)操控技術(shù)和經(jīng)驗(yàn)，而是完全自主飛行實(shí)現(xiàn)電網(wǎng)的精細(xì)化巡檢。?其中運(yùn)用了LiDAR、?RTK、深度學(xué)習(xí)等一系列黑科技，那么這些黑科技到底是什么呢?

? ???LiDAR? ??

?

LiDAR是Light Detection And Ranging的英文縮寫(xiě)，即激光探測(cè)與測(cè)量，俗稱(chēng)激光雷達(dá)。其工作原理是通過(guò)激光器發(fā)射一連串離散的激光脈沖打在物體上，并反射回來(lái)被接收器接收，這樣就可以準(zhǔn)確地計(jì)算出激光脈沖往返一次的傳播時(shí)間。其中激光脈沖的傳播速度是光速，激光器與物體點(diǎn)的距離可以由激光脈沖的傳播時(shí)間與光速相乘得到，從而可以計(jì)算出每一個(gè)物體激光腳點(diǎn)的三維坐標(biāo)。當(dāng)然機(jī)載激光掃描還要考慮飛機(jī)的航高、GPS坐標(biāo)位置以及慣性測(cè)量裝置IMU的姿態(tài)數(shù)據(jù)（俯仰角度φ、側(cè)滾角度ω、航偏角度κ）等參數(shù)，以此來(lái)解算物體上激光腳點(diǎn)的精準(zhǔn)坐標(biāo)。

?

機(jī)載LiDAR可快速獲取輸電線(xiàn)路通道的高精度三維點(diǎn)云數(shù)據(jù)，由于LiDAR具有穿透植被的特性，可幫助實(shí)現(xiàn)對(duì)通道內(nèi)樹(shù)木、地形以及桿塔、導(dǎo)線(xiàn)等的精確建模，這種高精度三維點(diǎn)云數(shù)據(jù)為無(wú)人機(jī)自動(dòng)化巡檢提供了精確的飛行導(dǎo)航三維地圖。

?

無(wú)人機(jī)全自主飛行的航線(xiàn)就是利用激光LiDAR采集的輸電線(xiàn)路高精度三維點(diǎn)云數(shù)據(jù)來(lái)規(guī)劃設(shè)計(jì)的，其輸出高精度WGS-84系統(tǒng)地理坐標(biāo)的航線(xiàn)以供多旋翼無(wú)人機(jī)進(jìn)行自主導(dǎo)航飛行作業(yè)。

?

? ???RTK? ???

?

RTK全稱(chēng)Real-time kinematic，即實(shí)時(shí)動(dòng)態(tài)載波相位差分定位技術(shù)，是GPS差分技術(shù)的一種應(yīng)用。高精度的RTK定位技術(shù)是基于載波相位觀(guān)測(cè)值的實(shí)時(shí)動(dòng)態(tài)定位技術(shù)，它能夠?qū)崟r(shí)地提供測(cè)站點(diǎn)在指定坐標(biāo)系中的三維定位結(jié)果，?并達(dá)到厘米級(jí)精度。在RTK作業(yè)模式下，基準(zhǔn)站通過(guò)數(shù)據(jù)鏈將其觀(guān)測(cè)值和測(cè)站坐標(biāo)信息一起傳送給流動(dòng)站。流動(dòng)站不僅通過(guò)數(shù)據(jù)鏈接收來(lái)自基準(zhǔn)站的數(shù)據(jù)，還要采集GPS觀(guān)測(cè)數(shù)據(jù)，并在系統(tǒng)內(nèi)組成差分觀(guān)測(cè)值進(jìn)行實(shí)時(shí)處理，同時(shí)給出厘米級(jí)定位結(jié)果，歷時(shí)不到一秒鐘。RTK說(shuō)通俗點(diǎn)就是高速、厘米級(jí)精度的GPS系統(tǒng)。

?

由于流動(dòng)站和基準(zhǔn)站間的距離限制，常規(guī)RTK已無(wú)法滿(mǎn)足定位精度需要，故出現(xiàn)了網(wǎng)絡(luò)RTK，其利用多個(gè)基準(zhǔn)站構(gòu)成一個(gè)基準(zhǔn)站網(wǎng)來(lái)獲取高精度的定位結(jié)果。無(wú)人機(jī)自動(dòng)化巡檢就是通過(guò)網(wǎng)絡(luò)RTK實(shí)現(xiàn)無(wú)人機(jī)的高精度定位導(dǎo)航，最終實(shí)現(xiàn)無(wú)人機(jī)在輸電線(xiàn)路上精確按照規(guī)劃路徑進(jìn)行桿塔本體的精細(xì)化巡視（見(jiàn)圖5）。

?

?

圖5 ?RTK原理示意圖

（圖片來(lái)源：BENEFITS OF RTK，?David Atkinson，2017）

?

?深度學(xué)習(xí)?

?

深度學(xué)習(xí)（Deep Learning）是機(jī)器學(xué)習(xí)的分支，是一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的算法。通過(guò)基于大數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)，使其神經(jīng)網(wǎng)絡(luò)具有許多“深度”層，從而使創(chuàng)建的模型可對(duì)輸入數(shù)據(jù)進(jìn)行精確預(yù)測(cè)。深度學(xué)習(xí)的好處是用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取高效算法來(lái)替代手工獲取特征（見(jiàn)圖6）。

?

在無(wú)人機(jī)自主巡檢技術(shù)中，深度學(xué)習(xí)被兩次應(yīng)用其中。第一次是在基于激光LiDAR點(diǎn)云的航線(xiàn)自主規(guī)劃中，深度學(xué)習(xí)算法幫助實(shí)現(xiàn)桿塔本體精細(xì)化巡檢的拍照點(diǎn)自動(dòng)化精準(zhǔn)選定；第二次是在采集桿塔本體部件照片及通道走廊的照片數(shù)據(jù)庫(kù)中，通過(guò)深度學(xué)習(xí)算法訓(xùn)練的模型，可精確識(shí)別存在缺陷隱患的照片及缺陷位置。

?

圖?6?深度學(xué)習(xí)中的“神經(jīng)網(wǎng)絡(luò)”

（圖片來(lái)源：Deep learning hunts for signals among the noise，Chris Edwards，2017）