基于人工智能的输电线路无人机巡检技术研究

摘要：输电线路是电力系统的重要组成部分，保障输电线路的安全畅通，是运维工作的重要任务。然而随着电网规模的不断扩大，极端气候频频发生，传统人工巡检的方法已无法满足新形势下输电线路的巡视需求，亟需引入新技术、新手段，守护输电线路安全。针对电网规模不断扩大，人力巡检工作无法满足电网巡检工作要求的情况，提出一种基于人工智能的输电线路无人机巡检技术。

关键词：人工智能；输电线路；无人机；巡检

引言

随着电力行业的迅猛发展，多种多样的输电线路被广泛地应用于城市、农村地区中，这些地区地貌具有复杂多变的特点，这无疑增加了输电线路巡检的复杂度。目前，传统输电线路巡检模式存在一定的局限性，无法满足输电线路巡检需求。无人机巡检技术可以解决以上问题，通过应用该技术，可以实现对输电线路故障的有效诊断和预测，降低输电线路故障风险，提高输电线路运行的安全性和可靠性。所以，为降低输电线路故障风险，提高输电线路运行性能，在输电线路巡检领域中，加强对无人机巡检技术的应用显得尤为重要。

1无人机在输电线路运行中的应用特点

在输电线路的运行中，使用无人机进行输电线路的运维和检修，能够显著降低人力成本和提高工作效率。传统的输电线路检修主要依赖人工操作，需要人员在高空作业，这不仅工作量大，效率低，而且还伴随着安全风险。而无人机可以通过配备专用扫描设备，进行输电线路的高效巡检与监测。无人机在作业时不需要人工逐一处理，通过拍摄和拼接图片即可轻松发现线路中的异常情况。在输电线路的检修过程中，无人机可以迅速检查故障区域，发现漏电或短路的问题，这种高效的检修方式，减少了人工操作的需要，降低了整个运维过程中的成本。

2输电线路巡检现状

2.1人工巡检

由于输电线路分布区域较广，所处地形地貌复杂多变，作业环境艰苦，作业量大。当输电线路位于高山、跨越江河、横穿沙漠时，人工巡检方式会面临巡检时间长、巡检效率低、巡检成本高、作业难度大、操作风险高等问题。由此可见，人工巡检方式过于落后，已无法满足现代化输电线路的巡检需求。

2.2机器人线路巡检

机器人线路巡检作为自动化线路巡检方式，主要适用于高压架空输电线路巡检工作。尽管机器人线路巡检方式具有较高的巡检精确度，但是，其仍存在线路巡检效率低、巡检距离短等问题，不利于进一步的推广和普及。

2.3载人直升机线路巡检

载人直升机巡检能够迅速覆盖大片区域，能够对输电线路进行全面、细致的检查。这种方式不仅大大提高了巡检效率，还有助于及时发现并处理线路中的潜在问题，如导线断股、绝缘子破损等。同时，载人直升机巡检还能在恶劣天气或复杂地形条件下进行作业，确保了巡检工作的连续性和准确性。然而，载人直升机巡检也存在一些局限性，如成本较高、对飞行员技术要求高等。因此，该巡检方式同样难以得到有效的推广和普及。

2.4无人机线路巡检

无人机巡检方式具有机体体积小、重量轻、易携带、操作便捷等特点，被广泛地应用于电力系统巡检中。无人机可采用无线遥控设备，对自身飞行状态进行智能化管控。在具体应用中，无人机可自由搭载各种小型设备，如信息传输设备、图像采集设备。通过利用以上小型设备，可向地面工作站发送和传输无人机所采集的巡检信息。与其他巡检方式相比，无人机巡检主要适用于地理环境恶劣的巡检任务。由于输电线路所处地理环境往往比较复杂、恶劣，为简化巡检人员的工作量，保证巡检人员作业过程的安全性，无人机巡检方式被广泛地应用于输电线路巡检领域，并取得了良好的应用效果。

3基于人工智能的输电线路无人机巡检技术研究

3.1航拍及公开数据集

3.1.1获取图像数据

在构建无人机巡检图像数据集的过程中，一方面，可以从网络公开数据集CPLID中，获取包括无人机拍摄普通绝缘子、普通防震锤等信息的图像以及包含缺陷绝缘子的图像；另一方面，可以利用TVSeg算法，将曲线绝缘子的图像从原始图像集合中分离出来，并利用仿射变换，将缺陷绝缘子图像与原始背景图像相融合，生成大量图像。同时，为获取更为贴合当地输电线路的输电线路故障图像，丰富数据集，工作人员可以在不同时段，利用无人机拍摄当地输电线路的故障图像，并且通过分析，可以发现输电线路中常见的故障包括鸟窝，包含绝缘子缺失这类故障在内的绝缘子故障。

3.1.2标注图像故障

标注图像中的故障点时，可以先对数据图像进行分析，并利用目标标注工具LabelImg对图像中待检测的目标进行标记。若没有待检测的故障，则不对其进行任何标注，若图像存在绝缘子缺失、鸟窝等故障，则利用矩形框对其加以标注，考虑到不同的标注目标在图像中的位置分布存在一定的差异，因此为提高标注工作的可靠性，工作人员可以将目标标注结果以.xml文件的形式输出。并且，文件中应包含检测目标类别、图像最大矩形左上角坐标点、右下角坐标点等信息。在完成标注工作后，工作人员可以参照标准格式，生成标注文件与图像数据集。

3.2巡检图像智能生成

3.2.1构建基于StyleGAN2的图像生成网络

为提高故障判别准确性，可以利用已收集到的图像数据，对无人机目标检测系统加以对抗网络训练。生成式对抗网络是一种利用无监督训练方法，开展复杂数据分布拟合工作，构建深度学习模型，为后续图像数据分析提供支持的训练模拟方法。在图像分析环节，人工智能技术可以辅助无人机巡检系统学习实测图像中的目标、环境，并进行智能建模工作，生成基于实际场景的多特征样本图像，扩充数据库，丰富待检测故障环境图像特征，为后续故障智能检测工作的开展，提供更多的输入数据。

3.2.2构建基于残差结构的图像判别网络

为判别输入图像的真实性，工作人员可以将残差结构引入无人机巡检网络体系中，在增加网络深度的基础上，缓解梯度消失的问题。在分析过程中，系统可以在卷积层与LeakyReLU激活函数层的共同作用下，提取输入判别网络的生成层图像或真实图像的模块，并使用残差块加深网络深度，然后将上一层网络提取到的特征信息传输至网络深层结构中。

3.3数据集图像增强法

第一，设定图像旋转角度与方向，对图像进行旋转或翻转处理，强化无人机处理不同角度输电线路故障的鲁棒性；第二，为图像增加高斯噪声、椒盐噪声，增强无人机故障检测工作中，成像探测器对噪声的鲁棒性；第三，为避免无人机巡检系统仅能分析位于图片中心的故障，可以对图像的中心加以移动；第四，为增强无人机巡检系统对不同大小图片的分析能力，在数据增强环节，可以设定图像的缩放系数与中心裁剪范围，改变图像大小。

3.4图像误差与实际误差的转化

为提高故障点位置分析工作的准确性，需要将像素误差转化为实际的误差，以便达到实时更新无人机目标点，降低后续故障运维检修工作难度的目的。由于无人机巡检系统检查的目标为输电线路，因此，在分析图像误差与实际误差的转换关系时，仅需要考虑水平位置的偏差，垂直方向的偏差不需要修正。

结束语

在输电线路使用时间不断延长、周边环境条件发生变化等因素的影响，输电线路的工作状态将发生变化，进而威胁电力运输工作的安全性。为实现输电线路运转状态的高效管控，供电公司在应用无人机巡检系统开展输电线路巡检工作时，可以将人工智能技术融入系统，提高无人机巡检系统的灵活性，丰富无人机的巡检功能，在提高巡检工作自动化水平的基础上，为输电线路故障的高效排除提供可靠的技术支持。

参考文献

[1]王梓耀，罗庆全，萧文聪，等.电网厂站接线图人工智能识别关键方法[J].电力系统自动化，2023，47（02）：115-124.

[2]杨晓东，严剑峰，刘佳霖.结合深度强化学习与人工经验的电网输电断面功率调整方法[J].电力系统自动化，2023，47（15）：133-141.

[3]吕奇峰，陈颖，肖谭南，等.基于图注意力网络的配电网超分辨率量测生成方法[J].电力系统自动化，2023，47（05）：26-34.