基于無人機巡檢的光伏面板缺陷識別方法

韓虎虎，祁鑫，王鶴飛，李惠翔，齊吉祥

（國電四子王旗光伏發(fā)電有限公司安全生產(chǎn)部，內(nèi)蒙古烏蘭察布 011800）

在無人機巡檢過程中，為了保證所采集到的圖像的真實性，需要對輸電線路及桿塔結構進行近距離拍攝。由于輸電網(wǎng)絡環(huán)境中存在較強的電磁場作用，所以在傳輸過程中電信號并不能保持絕對穩(wěn)定的連接狀態(tài)。對于光伏型發(fā)電網(wǎng)絡而言，無人機巡檢線路的設置，需要同時考慮基站建設、雙向數(shù)據(jù)傳輸?shù)榷囗棏眯詥栴}[1]。一般情況下，地面基站輸出的電信號參量可在光伏面板中暫時寄存，當電量主機接收到動作指令或飛行控制信息時，這些已存儲的電信號會根據(jù)電感元件所處的實時位置進行傳輸，且由于面板結構體維穩(wěn)作用的存在，無人機巡檢項目同時具備抗干擾性強、傳輸速率快等多項應用優(yōu)勢。

光伏面板是實現(xiàn)由太陽能到電能轉化的應用型光伏發(fā)電組件，其質量水平的好壞直接影響電信號傳輸速率及用電行為安全。通常情況下，光伏面板表面的缺陷具有較強隱蔽性，在實際應用過程中，極易出現(xiàn)漏檢或錯檢現(xiàn)象，若不能及時發(fā)現(xiàn)并解決這些問題，不但會造成傳輸電能迭代步數(shù)的快速增大，也有可能引發(fā)一系列的電能過量損失行為。傳統(tǒng)YOLOv2 網(wǎng)絡型診斷模型為解決上述問題，對電信號特征進行實時提取，再借助組合核函數(shù)，完成對光伏面板缺陷問題的識別與處理[2]。然而此方法對于能量迭代步數(shù)上升行為的抑制能力有限，并不能較好地解決光伏發(fā)電過程中的交叉熵過量損失問題，為避免上述情況的發(fā)生，提出基于無人機巡檢的光伏面板缺陷識別方法。

1 光伏面板缺陷量提取

基于無人機巡檢的光伏面板缺陷量提取由適宜機型選擇、巡檢路徑規(guī)劃、維度災難系數(shù)計算三個處理環(huán)節(jié)組成，具體操作方法如下。

1.1 適宜機型選擇

適合執(zhí)行光伏面板缺陷識別任務的巡檢無人機主要包含固定翼無人機、多旋翼無人機兩種型號，其具體應用優(yōu)缺點如下。

1）固定翼無人機：該類型巡檢無人機的續(xù)航時間較長，在大電量荷載條件下，具有極快的飛行速度，能夠同時搭載多種巡檢設備。但由于整個飛行過程中，機體結構始終采取自主控制的應用形式，因此并不能懸停于某個固定的光伏面板結構上端[3-4]。該類型無人機設備只能以俯視角度拍攝電網(wǎng)視頻及圖像，且由于其飛行速度較快，拍攝點與光伏面板之間的物理距離相對較遠，所以最終采集到的視頻與圖像都只能反映出輸電線路及輸電桿塔的基本概況。

2）多旋翼無人機：該類型巡檢無人機在飛行過程中必須附帶陀螺增穩(wěn)儀結構，且在人工遙控作用的影響下，無人機可精準懸停于某個固定光伏面板結構上端，且機體靈活性較強，只能在小范圍電網(wǎng)巡檢區(qū)域中執(zhí)行高效率飛行任務[5-6]。但機體所能承載的重量值極小，因此只能以鋰電池作為唯一的動力支持，故而在實際飛行過程中，其續(xù)航時間相對較短。

1.2 巡檢路徑規(guī)劃

采用無人機進行光伏面板缺陷識別巡檢時，其規(guī)劃路徑受到無人機性能、巡檢任務等多項約束條件的共同影響[7-8]。R表示無人機巡檢區(qū)域的規(guī)劃半徑，在點電荷帶電量均值為qˉ、光伏輸電強度為g、電工強度為W的情況下，可將規(guī)劃半徑R定義為：

在巡檢過程中，規(guī)定vmax代表無人機最大航速，假設一條航跡中共包含m個巡檢節(jié)點，在滿足上述物理量條件的情況下，整條巡檢航跡的總航程p需滿足：

式中，e表示起始巡檢節(jié)點系數(shù)，Ie表示無人機起始巡檢節(jié)點坐標，Im表示無人機巡檢的終點坐標。

無人機巡檢路徑規(guī)劃就是在電網(wǎng)空間中尋找符合光伏面板缺陷識別條件的飛行路徑，可以借助一系列節(jié)點確定最終的巡檢路徑長度，且任意兩個相鄰節(jié)點之間只能依靠線段進行連接。

1.3 維度災難系數(shù)

針對維度災難無人機巡檢任務的最主要表現(xiàn)缺點，在光伏面板缺陷識別過程中，若不能準確計算維度災難系數(shù)值，不但會增大光伏面板的缺陷表現(xiàn)強度，也有可能導致錯誤識別行為的出現(xiàn)。實際上，隨著巡檢路徑規(guī)劃特征的逐漸明朗，維度災難系數(shù)指標會呈現(xiàn)明顯的階段性分布態(tài)勢，一般來說，上一階段的最大計算數(shù)值可直接作為下一階段的最小參考值結果[9-10]。規(guī)定x1,x2,…,xn分別代表n個不同的無人機巡檢任務定義項，在階段性極大值為εmax、極小值為εmin的情況下，可將維度災難系數(shù)定義為：

其中，表示n個無人機巡檢任務定義項的物理均值。若將維度災難系數(shù)看作一項定值參考條件，則可認為無人機飛行器的巡檢路徑越長，光伏面板缺陷識別結果也就越接近真實表現(xiàn)情況。

2 光伏面板的缺陷識別

2.1 紋理特征

運用無人機巡檢方法識別光伏面板缺陷，應以電量感應圖像的紋理特征定義作為起始處理環(huán)節(jié)。在光伏發(fā)電網(wǎng)絡中，選取面板結構的原始灰度圖像，使用數(shù)字化定義的方式，標定圖像中具有紋理特征的像素對集合。若巡檢區(qū)域的覆蓋范圍相對較為廣泛，則具備紋理特征的像素對集合數(shù)量也相對較多，反之則相對較少[11-12]。隨著光伏發(fā)電量的不斷增大，因電量傳輸而產(chǎn)生的信號迭代步數(shù)值會對紋理特征定義結果產(chǎn)生直接影響，大體上滿足電信號傳輸量越大，電量迭代步數(shù)值就越大，此時紋理特征的像素對數(shù)量水平也相對更高。設l1、l2代表光伏面板原始灰度圖像中的兩個像素參量，β表示光伏電量的數(shù)字化定義系數(shù)，聯(lián)立式（3），可將光伏面板缺陷識別的紋理特征定義條件表示為：

通過無人機巡檢方式所獲得的光伏面板原始灰度圖像基本都具有一定強度的色域缺陷，因此為保證最終缺陷識別結果的有效性，在實施應用指令之前，必須對電量信號的紋理特征進行準確計算。

2.2 顏色特征

通常情況下，光伏面板缺陷樣本均值是電信號數(shù)據(jù)集的零維表達形式，然而由于無人機巡檢思想的存在，所有電信號樣本在零維空間中都會被壓縮成相對扁平的存在形式，此時根據(jù)單純的紋理特征已經(jīng)不能得到絕對準確的缺陷識別結果，因此應在掌握電信號傳輸差異的同時，對面板結構原始灰度圖像的顏色特征參量進行準確計算[13-14]。圖1 反映了光伏面板缺陷圖像中的顏色特征分布情況。

圖1 光伏面板缺陷圖像的顏色特征分布

設c0代表光伏面板缺陷節(jié)點的初始顏色定義系數(shù)，cn代表光伏面板缺陷節(jié)點的最終顏色定義系數(shù)，Bmin代表最小的缺陷識別量，Bmax代表最大的缺陷識別量，k0、kn分別代表兩個不同的電信號傳輸差異系數(shù)，在上述物理量的支持下，聯(lián)立式（4），可將光伏面板缺陷識別的顏色特征定義條件表示為：

2.3 識別核函數(shù)構造

識別核函數(shù)具有較強的全局性，在實施光伏面板缺陷識別時，為保證所有電量節(jié)點都能得到相同程度的調(diào)度，應在保證無人機航行巡檢精度的基礎上，應盡可能多地將缺陷節(jié)點放置在同一條直線上，從而實現(xiàn)對后續(xù)識別指令執(zhí)行強度的有效控制[15-16]。設S代表光伏面板中的電信號調(diào)度系數(shù)，a表示缺陷識別指令的全局化系數(shù)，f表示系數(shù)值為a時的電量識別精度值，聯(lián)立上述物理量，可將基于無人機巡檢的初級識別函數(shù)表示為：

設光伏電感強度為f，在光伏電信號輸出量為ω的情況下，可將次級識別函數(shù)表示為：

取t作為光伏電信號的折中傳輸點，規(guī)定最大電量缺陷強度值為β，此時聯(lián)立式（5）、式（7），可將基于無人機巡檢的光伏面板缺陷識別核函數(shù)表示為：

式中，φ1、φ2分別代表兩個不同的光伏面板缺陷節(jié)點識別系數(shù)。

至此，實現(xiàn)對各項指標參量的計算與處理，在開闊空間中圈定無人機飛行器的實時巡檢范圍，完成光伏面板缺陷識別方法的設計。

3 實例分析

在光伏發(fā)電網(wǎng)絡中，以圖2 所示光伏面板結構作為實驗對象，面板缺陷問題的存在，極易導致輸電網(wǎng)絡內(nèi)能量迭代步數(shù)的持續(xù)增大，從而促進交叉熵的不斷損失。當?shù)綌?shù)的增加速度過快時，交叉熵會出現(xiàn)明顯的過量損失行為，從而對輸電網(wǎng)絡內(nèi)的能量運輸有效性造成嚴重影響。

圖2 光伏面板結構示意圖

圖3 記錄了應用YOLOv2 網(wǎng)絡型診斷模型、無人機巡檢識別方法后，輸電網(wǎng)絡內(nèi)能量迭代步數(shù)的實際數(shù)值變化情況。

圖3 能量迭代步數(shù)

分析圖3 可知，隨著輸電能耗量的增大，能量迭代步數(shù)一直呈現(xiàn)不斷上升的數(shù)值變化趨勢。在整個實驗過程中，YOLOv2 網(wǎng)絡型診斷模型對應的迭代步數(shù)均值水平相對較高，當能耗量達到2 700 kW·h 時，其最大迭代步數(shù)值達到了279 步；而無人機巡檢識別方法對應的迭代步數(shù)均值水平相對較低，當能耗量達到2 700 kW·h 時，其最大迭代步數(shù)值只能達到267 步，低于YOLOv2 網(wǎng)絡型診斷模型能量迭代步數(shù)的最大值。

表1 反映了在圖3 所示迭代步數(shù)情況下，應用YOLOv2 網(wǎng)絡型診斷模型、無人機巡檢識別方法后，電能交叉熵損失量的數(shù)值變化情況。

表1 電能交叉熵損失量

分析表1 可知，YOLOv2 網(wǎng)絡型診斷模型、無人機巡檢識別方法的電能交叉熵損失量在實驗前期的變化形式基本保持一致，但前者的平均數(shù)值水平略高于后者，當?shù)綌?shù)值超過250 步后，YOLOv2 網(wǎng)絡型診斷模型、無人機巡檢識別方法的交叉熵損失量數(shù)值均出現(xiàn)了較為明顯的上升狀態(tài)，但前者的上升幅度明顯高于后者。

綜上可知，在存在光伏面板缺陷的情況下，應用無人機巡檢識別方法，既能避免輸電網(wǎng)絡內(nèi)能量迭代步數(shù)的快速上升，也可以實現(xiàn)對電能交叉熵損失量數(shù)值的有效控制，與YOLOv2 網(wǎng)絡型診斷模型相比，能夠較好解決光伏發(fā)電過程中的電能過量損失問題。

4 結束語

隨著無人機巡檢機制的應用，新型光伏面板缺陷識別方法在YOLOv2 網(wǎng)絡型診斷模型的基礎上，對電信號傳輸圖像的紋理特征與顏色特征進行準確定義，再借助識別核函數(shù)，對已制定無人機巡檢路徑的實用性進行排查。從實用性角度來看，應用新型識別方法后，隨著輸電能耗量的增大，能量迭代步數(shù)雖然保持著一貫的上升變化趨勢，但其實際上升幅度卻出現(xiàn)了一定程度的縮小，在電信號傳輸過程中，交叉熵的實時損失量也得到了有效控制，在光伏發(fā)電過程中，較好解決了因迭代步數(shù)快速增加而引發(fā)的交叉熵損失過量問題。