基于差分定位的輸電線路無人機(jī)自主巡檢異常情況研究

吳宇鑫，金 哲，孔 韜*，李小來，王偉東，徐森熙，程俊翔

（1.國網(wǎng)湖北省電力有限公司超高壓公司，湖北 武漢 430050；2.三峽大學(xué)電氣與新能源學(xué)院，湖北 宜昌 443002）

0 引言

近年來，超、特高壓輸電線路規(guī)模大幅增加，這對輸電線路的運維水平和巡檢效率提出了更高的要求［1-11］。截止2021年12月，國網(wǎng)湖北省電力有限公司超高壓公司宜昌運維分部負(fù)責(zé)運行維護(hù)超、特高壓輸電線路25 條，長度1 726.12 km，桿塔3 682 基，絕大多數(shù)的輸電線路位于群山峻嶺之中，運維難度較大，隨著無人機(jī)巡檢技術(shù)的應(yīng)用［12-15］，輸電運維人員可以在電腦端快速、準(zhǔn)確地發(fā)現(xiàn)線路中的隱患缺陷，使得輸電線路運維效率有了質(zhì)的提升，無人機(jī)巡檢技術(shù)成為了輸電線路智能巡檢技術(shù)發(fā)展的重要方向。

Gupta L［16］等學(xué)者通過研究認(rèn)為，受地面、操控人員視角差異影響，人為操控精確定位相當(dāng)困難，不僅降低工作效率，而且可能因定位不良影響航拍和狀態(tài)診斷的有效性［17-18］，有必要開展無人機(jī)自主巡檢解決這些問題，但并沒有論證，無人機(jī)自主巡檢可能引起的其他異常情況；國內(nèi)毛遠(yuǎn)軍［19-20］等學(xué)者分析了自主巡檢、作業(yè)安全管控、缺陷識別技術(shù)和巡檢數(shù)據(jù)應(yīng)用、輔助檢修作業(yè)等關(guān)鍵技術(shù)應(yīng)用現(xiàn)狀，并在結(jié)論中指出了該技術(shù)的不足，但未對不足情況指出解決方案。

目前，在高精度RTK 差分定位技術(shù)支持下，通過無人機(jī)搭載激光雷達(dá)設(shè)備［21-30］建立三維點云模型，在三維模型上繪制航線軌跡，進(jìn)行自主巡檢時，將無人機(jī)記錄的航線軌跡中航拍軌跡點精確的經(jīng)緯度、海拔高度和攝像頭俯仰角度等信息提取出來，即可據(jù)此進(jìn)行無人機(jī)自主巡檢，自主巡檢設(shè)備組成和信號傳輸情況如圖1所示，從而拍攝高分辨率圖像。

2019 年8 月-2019 年12 月，國網(wǎng)湖北省電力有限公司檢修公司宜昌運維分部對所轄的適航區(qū)全部3 078基桿塔開展了4 942次無人機(jī)自主巡檢工作，如圖2所示，通過大數(shù)據(jù)分析發(fā)現(xiàn)，其異常率高于現(xiàn)場要求5%，無人機(jī)自主巡檢異常，不僅會影響正常的作業(yè)流程，獲取不到桿塔部件的照片資料，增加人員重復(fù)作業(yè)工作量，而且嚴(yán)重時會導(dǎo)致無人機(jī)偏航、撞擊、墜機(jī)。針對此問題，本文詳細(xì)分析了無人機(jī)自主巡檢工作異常的原因，針對其中的主要原因進(jìn)行了詳細(xì)分析，根據(jù)分析的結(jié)果制定了改進(jìn)對策，并使用改進(jìn)后的方法進(jìn)行試驗，驗證該方法的可行性。

圖2 輸電線路自主巡檢異常情況調(diào)查圖Fig.2 Diagram of abnormity investigation on autonomous inspection of transmission line

1 常見的無人機(jī)自主巡檢異常情況

本文對宜昌運維分部2019年8月-2019年12月的4 942次無人機(jī)自主巡檢工作的異常情況進(jìn)行分析，經(jīng)分析發(fā)現(xiàn)，照片命名錯誤、撞擊障礙物、照片獲取異常是無人機(jī)自主巡檢的主要異常情況，本文對此進(jìn)行針對性分析。

無人機(jī)在自主巡檢或姿態(tài)飛行過程中，撞擊障礙物，導(dǎo)致無人機(jī)損壞，造成該事故主要有以下原因：一是由于三維點云精度低等原因造成繪制航線時未掃描出障礙物，導(dǎo)致無人機(jī)在正常飛行的情況下，撞擊障礙物；二是由于在建立三維點云模型時，所設(shè)置的天線偏差過大，三維模型坐標(biāo)不準(zhǔn)確，使得航線軌跡坐標(biāo)錯誤；三是受拍照角度錯誤、拍照環(huán)境逆光等因素影響，無人機(jī)自主巡檢拍攝照片無法清楚地展示部件點情況，導(dǎo)致工作人員無法準(zhǔn)確掌握線路運行情況；四是重命名步驟多，導(dǎo)致資料員工作量過大，易造成重命名錯誤的情況，導(dǎo)致無法分辨桿塔塔號及部件點位置。下面，對這些情況逐一進(jìn)行以下分析。

1.1 激光點云密度

激光雷達(dá)設(shè)備用于對桿塔點云數(shù)據(jù)的采集，采集設(shè)備示意圖如圖3 所示，對2019 年8 月-2019 年12 月使用不同采集精度的激光雷達(dá)設(shè)備進(jìn)行無人機(jī)自主巡檢的作業(yè)次數(shù)和異常次數(shù)進(jìn)行了統(tǒng)計，如圖4所示。

圖3 激光雷達(dá)采集設(shè)備Fig.3 Lidar acquisition equipment

由圖4 可知，異常率最大為采集精度15 mm 的6.33%，最小為50 mm 的5.98%，兩者相差0.35%，雖然異常率相差不大，但仍有所區(qū)別，在大量應(yīng)用后，對降低無人機(jī)自主巡檢異常率仍有較大幫助。

圖4 不同采集精度激光雷達(dá)設(shè)備進(jìn)行500 kV山地自主巡檢異常情況Fig.4 Anomalies of autonomous patrol inspection on mountainous 500 kV line by different-acquisition-accuracy lidar equipment

1.2 航線繪制偏差

實際手動繪制航線時，一般借助電腦端軟件進(jìn)行繪制，一般情況下航點偏移距離與實際航點偏移距離的比約為1∶500。選擇500 kV葛安一、二回200基位于山地的桿塔，在不同繪制偏差下進(jìn)行無人機(jī)自主巡檢作業(yè)試驗。然后，對不同繪制偏差下無人機(jī)自主巡檢異常情況進(jìn)行了統(tǒng)計，如圖5所示。

圖5 繪制偏差情況統(tǒng)計圖Fig.5 Statistical diagram of route-mapping deviation

由圖5 可知，繪制偏差最大異常率為4 mm～5 mm的10.5%，最小為0 mm～1 mm 和1 mm～2 mm 的2.0%，兩者相差8.5%。

1.3 天線設(shè)置

選取中海達(dá)RTK 設(shè)備獲取定位點的GPS 坐標(biāo)，測量示意圖如圖6所示。

圖6 偏差位置獲取示意圖Fig.6 Schematic diagram of deviation position acquisition

選取500 kV 盤宜一、二回位于山地200 基桿塔進(jìn)行自主巡檢試驗，統(tǒng)計在不同天線設(shè)置偏差下自主巡檢異常次數(shù)，如圖7所示。

由圖7可知，自主巡檢異常率最大為5 cm-6 cm的6.5%，最小為0 cm-1cm 和1 cm-2 cm 的1.5%，兩者相差5.0%。

圖7 不同天線設(shè)置偏差下的500 kV山地自主巡檢異常次數(shù)統(tǒng)計圖Fig.7 Statistics of abnormal times of autonomous inspection on mountainous 500 kV line under different antenna setting deviation

1.4 照片命名

無人機(jī)存儲的照片資料需要對逐條線路、逐基桿塔進(jìn)行區(qū)分，并對部件點逐一進(jìn)行重命名。如果重命名步驟多，導(dǎo)致資料員工作量過大，易造成重命名錯誤的情況，導(dǎo)致無法分辨桿塔塔號及部件點位置。

無人機(jī)存儲的照片資料需要對逐條線路、逐基桿塔進(jìn)行區(qū)分，并對部件點逐一進(jìn)行重命名。操作步驟數(shù)計算公式如下：

重命名步驟數(shù)≈線路數(shù)+桿塔數(shù)+照片數(shù)

2019 年8 月-2019 年12 月500 kV 盤宜一、二回線路山地?zé)o人機(jī)自主巡檢的桿塔數(shù)量及獲取的照片數(shù)量，如表1所示。

表1 2019年500 kV盤宜一、二回山地自主巡檢桿塔數(shù)量、照片數(shù)量及操作步驟數(shù)Table 1 Number of towers,photos and operation steps of autonomous inspection on 500 kV Pan-Yi primary and secondary line in the mountainous area in 2019

由本章節(jié)分析可知，航線繪制偏差值、天線設(shè)置偏差值和照片命名步驟數(shù)，均是造成無人機(jī)自主巡檢異常率高的主要原因，現(xiàn)針對這3條原因進(jìn)行分析。

2 航線繪制偏差解決方案及效果

2.1 分析航線文件描述

使用Notepad++軟件對航線文件進(jìn)行分析，分析出航線文件組成，并繪制了示意圖，如圖8所示。經(jīng)過試驗與分析，發(fā)現(xiàn)航線文件字段的描述與無人機(jī)動作之間的關(guān)聯(lián)，在進(jìn)行同一類型桿塔自主巡檢時由于所需拍照的航跡點是相同的，僅是不同航跡點坐標(biāo)、云臺偏航角和俯仰角。

圖8 航線文件組成示意圖Fig.8 Schematic diagram of route document composition

2.2 分析航線繪制規(guī)則

航點坐標(biāo)通過部件點坐標(biāo)和偏移向量獲得，云臺方向向量由拍照點航點和部件點航點決定，偏航角和俯仰角由航向和云臺方向向量計算獲得，如圖9所示。

圖9 偏航角和俯仰角示意圖Fig.9 Schematic diagram of yaw angle and pitch angle

固定航點的飛行順序，將航點按照既定的順序排列好，配置拍照點的參數(shù)。編制公式通過部件點的坐標(biāo)自動計算出航點的坐標(biāo)，按照三角函數(shù)公式計算出拍照點的偏航角和俯仰角，將航點坐標(biāo)、拍照點坐標(biāo)和拍照點參數(shù)按照航線文件格式匯總就生成了一個新的航線文件，將編輯好的航線進(jìn)行試驗發(fā)現(xiàn)，不符合安全距離的航點數(shù)占比依舊很高，不符合作業(yè)要求，必須選擇專業(yè)航線編輯軟件進(jìn)行航線編輯工作。

2.3 確定航線編輯軟件

作業(yè)人員可以將預(yù)先編輯好的航線文件通過數(shù)據(jù)傳輸發(fā)送到無人機(jī)端進(jìn)行執(zhí)行。按照自主巡檢的作業(yè)需求，對常用的航線編輯軟件大疆DJI Pilot、大疆智圖、數(shù)字綠土Lipoweline進(jìn)行選擇確定。

由表2可知，數(shù)字綠土Lipoweline軟件具有模板航線生成和航線批量檢查功能，選擇Lipoweline 軟件進(jìn)行航線的編輯和檢查工作。

表2 常用航線編輯軟件的選擇確定Table 2 Selection and determination of common route editing software

2.4 測試“模板繪制”及“批量檢查”功能

繪制500 kV 清葛線001 號桿塔航線，并保存為模板航線，然后利用模板航線生成同一類塔型的目標(biāo)桿塔024號的航線，如圖10所示。

圖10 目標(biāo)桿塔航線Fig.10 Target tower route

對生成的目標(biāo)桿塔航線進(jìn)行安全檢查，如圖11所示，發(fā)現(xiàn)8號航點距離桿塔位置僅2.17 m，小于設(shè)置的安全距離2.5 m，需對航點進(jìn)行修改。經(jīng)修改后的航線如圖不再提示安全距離不足。

圖11 航線安全檢查提示及經(jīng)修改后的航線Fig.11 Soute safety inspection tips and modified routes

2.5 效果檢查

借助航線繪制軟件Lipowerline 統(tǒng)計2020 年8 月-2020年12月500 kV輸電線路繪制的航線最大偏差，如表3 所示。由表3 可知，經(jīng)改進(jìn)后，航線繪制偏差＜2.0 mm，由表3 數(shù)據(jù)可知，航線偏差值控制在該區(qū)間段時，無人機(jī)自主巡檢異常率較低。

表3 對策一效果檢查統(tǒng)計表Table 3 Statistical table of effect inspection of Countermeasure I

3 開發(fā)自動重命名功能及效果

3.1 確定總體思路

照片的整理歸檔首先要將不同線路名稱的照片區(qū)分開，然后將同一條線路不同桿塔的照片進(jìn)行區(qū)分，而后將同一基桿塔不同部件的照片進(jìn)行區(qū)分，最后將照片的名稱按照統(tǒng)一的格式進(jìn)行命名。

3.2 制定照片與部件點匹配方法。

照片的特征值包含在屬性信息中，照片屬性信息中包含照片GPS坐標(biāo)，繪制部件點與照片匹配示意圖，如圖12所示。

圖12 部件點與照片匹配示意圖Fig.12 Schematic diagram of matching component points with photos

3.3 設(shè)計功能模塊

根據(jù)照片與部件點匹配方法，設(shè)計功能模塊。

1）提取照片GPS坐標(biāo)值

根據(jù)照片屬性信息中包含的GPS 坐標(biāo)，提取照片的GPS坐標(biāo)值，如圖13所示。

2）建立特征值與名稱匹配規(guī)則

GPS 坐標(biāo)變換為平面坐標(biāo)示意圖，讀取無人機(jī)航線中的拍照點所拍部件點名稱與坐標(biāo)o1［x1，y1，z1］。設(shè)定拍照點閾值δ（一般為1 m）。依據(jù)坐標(biāo)變換獲取照片坐標(biāo)o2［x2，y2，z2］。將部件點坐標(biāo)與照片坐標(biāo)進(jìn)行計算空間距離。

若p≤δ，則匹配；若p>δ，則放棄。利用逐步比較的算法實現(xiàn)照片坐標(biāo)值與部件點坐標(biāo)值一一比較。

3）照片自動命名

分析公司照片命名規(guī)則，根據(jù)線路名稱、桿塔號進(jìn)行區(qū)分，對每張照片根據(jù)部件點名稱進(jìn)行重新命名。

3.4 測試自動重命名功能

對500 kV盤宜一回150號至169號的桿塔照片進(jìn)行自動命名試驗，照片自動重命名功能界面，如圖14所示。

圖14 自動重命名功能界面Fig.14 Interface of automatic renaming function

試驗時手動輸入相應(yīng)參數(shù)，設(shè)置好文件夾路徑。 試驗結(jié)果如圖15所示。

圖15 已重命名的盤宜一回169號部件點照片F(xiàn)ig.15 Point images of renamed No.169 part on Pan-Yi primary circuit

3.5 照片自動重命名效果檢查

對2020年8月-2020年12月自主巡檢獲得的照片資料進(jìn)行了重命名試驗，對作業(yè)次數(shù)和總步驟數(shù)進(jìn)行了統(tǒng)計，如表4所示。照片自動重命名實施之后，每基桿塔重命名步驟數(shù)＜3次，由表4數(shù)據(jù)可知，重命名步驟數(shù)控制在該區(qū)間段時，無人機(jī)自主巡檢異常率較低。

表4 照片自動重命名效果檢查表Table 4 Effect checklist of image automatic renaming

4 “固定式”基站架設(shè)方法及效果

4.1 制定“固定式”基站架設(shè)方案

確定“固定式”基站架設(shè)總體思路，總體思路包括，分析GNSS 基站架設(shè)規(guī)則，記錄滿足作業(yè)條件的基準(zhǔn)點，對設(shè)備裝置進(jìn)行選型，編制操作手冊等。

選取尺寸和高度合適的三腳架作為天線的固定基座，選取尺寸和硬度合適的塑料箱作為基站設(shè)備的保護(hù)箱?！肮潭ㄊ健被景惭b方案，如圖16所示，基站架設(shè)在基礎(chǔ)穩(wěn)定、視野開闊、遠(yuǎn)離干擾源的地點。

圖16 “固定式”基站安裝方案Fig.16 Installation scheme of"fixed"base station

4.3 實施“固定式”基站安裝方案

1）確定安裝流程

僅首次安裝需尋找基準(zhǔn)點，及測量坐標(biāo)，安裝流程如圖17所示。

圖17 “固定式”基站安裝流程圖Fig.17 Installation flow chart of"fixed"base station

2）實施安裝方案

進(jìn)行“固定式”基站安裝，如圖18所示。

圖18 “固定式”基站安裝Fig.18 Installation of"fixed"base station

3）編制操作手冊

編寫操作手冊，對基準(zhǔn)點選取、基站架設(shè)和參數(shù)設(shè)置等進(jìn)行說明。包括：①基準(zhǔn)點選?。虎诨炯茉O(shè)；③參數(shù)設(shè)置。

4.4 效果檢查

2020 年5 月分5 批次進(jìn)行試驗，每批進(jìn)行10 次基站架設(shè)，借助中海達(dá)RTK 設(shè)備測量并求取天線偏差值，如表5所示。

表5 效果檢查統(tǒng)計表Table 5 Effect check statistics

由表5可知，應(yīng)用這種方法，天線設(shè)置偏差＜3 mm，由表5數(shù)據(jù)可知，天線設(shè)置偏差控制在該區(qū)間段時，無人機(jī)自主巡檢異常率較低。

2020 年，國網(wǎng)湖北省電力有限公司檢修公司宜昌運維分部應(yīng)用改進(jìn)后的方法，對所轄輸電線路開展自主巡檢工作，分別對2020 年8 月-2020 年12 月無人機(jī)自主巡檢異常次數(shù)進(jìn)行了調(diào)查，調(diào)查結(jié)果如表6 所示。

表6 活動實施后自主巡檢異常次情況調(diào)查表Table 6 Questionnaire on abnormity times of self-inspection after the implementation of the activity

5 結(jié)語

2020年8月-2020 年12月的自主巡檢異常率均低于要求值5.0%。使用改進(jìn)后的方法，山地?zé)o人機(jī)自主巡檢異常率由之前的6.23%降至3.88%，取得了不錯的效果。目前，本方法在湖北省500 kV 輸電線路應(yīng)用后，山地地形下輸電桿塔無人機(jī)自主巡檢異常次數(shù)顯著減少，自主巡檢作業(yè)安全性得到提升。由于無人機(jī)出現(xiàn)異常頻次降低，節(jié)省了需處理異常的時間，單位時間內(nèi)可以完成更多桿塔的自主巡檢作業(yè)，提高了巡檢效率。