基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

基于无人机巡检的输电线路规避系统设计

针对无人机进行输电线路巡检时存在与线路发生碰撞的风险,影响无人机巡线系统及输电线路运行安全。基于毫米波雷达传感器,采用LTCC多层技术,设计了输电线路规避系统,通过采用恒虚警算法和多目标检测算法,设计了规避算法。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。     

基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体;结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子;实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法.     

基于卷积神经网络的输电杆塔缺陷智能识别系统研究与应用

针对当前电力系统输电线路的巡检现状,本文设计了一套贴合实际生产应用的输电缺陷智能识别系统,实现了数据快速分类、图像智能识别、识别结果人工审核、报告生成等功能,并且对两阶段的检测关键技术展开了研究。经过实践应用发现,该系统能够有效提高巡视数据分析效率,为输电线路实现智能化提供有效的支撑。     

输电线路无人机自主巡检方法研究与应用

为了解决输电线路无人机巡检作业易受恶劣天气影响、远距离遥控不及时、通信稳定性差等问题,提出了一种输电线路无人机自主巡检方法.首先,利用卡尔曼滤波算滤除原始线路中的轨迹噪点,采用垂距法对轨迹冗余点进行过滤,优化巡检航线;其次,提出基于巡检对象差异特性的动态优化定位方法提升无人机巡检质量.以某220 kV输电线路杆塔进行测试,测试结果表明,提出的方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了无人机自主巡检效率以及巡检精确度.     

基于超像素和深度神经网络的高压输电线路环境检测

高压输电线路通道环境对高压线路的安全性影响重大,以往都是采用人工对高压输电线路通道环境进行巡检,人工检测作业危险,效率低,难度大.因此,本文提出基于超像素和深度神经网络的航拍高压输电线路环境检测的方法.首先,采用无人机对高压输电线路通道环境航拍,将视频图像进行拼接,得到通道环境的整体图像,然后使用超像素分割算法实现图像的预分割, SURF描述子具有速度快、特性鲁棒性好,因此本文采用SURF描述子提取超像素特征向量,最后采用DNN模型对提取的超像素特征进行训练,对待检测的超像素块进行分类,从而达到检测的目的.通过本算法的应用,电力部门提高了无人机巡视特高压输电通道环境的巡检效率且验证了本算法的有效性.     

无人机电力线路安全巡检系统及关键技术

近年来架空输电线路架设规模日益扩大,由于其覆盖范围区域广、穿越区域地形复杂并且自然环境恶劣,采用人工定期巡检的方式越来越不能满足现代电力系统安全稳定运行的需要。无人机技术的发展为架空输电线路巡检工作提供了新的平台,借助无人直升机,通过遥感技术应用,采用多传感器集成的方法,可实现电力线路安全巡检工作的高效和全自动化开展。本文介绍了基于遥感技术的电力线路安全巡检系统的基本概念和组成部分,重点分析了主要的关键技术,包括无人机飞行姿态控制、多传感器间高精度时间同步、缺陷探测和智能诊断、机载传感器检校、无线通讯、地面数据处理等,将无人直升机用于电力线路巡检工作的技术要点进行了较为全面的阐述。     

Android平台下的无人机输电线路施工车辆巡检

无人机巡检成为输电线路巡检的重要方式.然而,目前的无人机巡检,由于受到前端设备性能的影响,大多基于后期的图像处理,无法达到实时检测的要求.针对无人机巡检中输电线路施工车辆的安全隐患,提出了一个基于Android平台,使用神经网络实时检测施工车辆的方法.通过收集无人机获取的输电线路施工车辆的数据,使用数据增广的方法,并将构建的SSD-MobileNet算法模型集成到Android平台,实现施工车辆的实时目标检测.     

应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统设计

野外电力线路易发生损坏,且时变特性干扰较大,检测准确度较低,因此,设计应用机器人轨迹跟踪技术的电力线路无人机智能化巡检系统。该系统通过数据采集模块和飞行状态检测模块,分别进行电力线路图像数据获取与飞行状态监测,飞行控制模块接收图像与状态数据,并在轨迹跟踪控制子模块中使用自适应鲁棒滑模控制算法,实现无人机的轨迹跟踪,同时,该模块经无线数据传输模块将数据传输至地面站,在巡检数据智能分析管理模块中,地面站根据数据信息,完成电力线路故障识别,进而实现电力线路无人机智能化巡检。实验结果表明,该系统具有良好的轨迹跟踪效果,且巡检准确率较高,满足多种天气作业需求。     

海量数据流环境下自动化巡检平台开发与实现

自动化巡检平台是智能处理数据的崭新手段,当代信息社会不断产生大量数据流,为提升数据巡检性能,开发一种海量数据流环境下自动化巡检平台。数据采集层核心是Flume NG技术,包括Source、Channel、Sink组件,完成数据采集与传输;数据挖掘层利用数据挖掘过程模型、代码生成引擎、数据挖掘组件模型以及MapReduce执行框架等技术挖掘海量数据,获取自动化巡检结果;巡检结果在功能展示层通过B/S系统展现。仿真实验结果显示:海量数据环境下,平台查全率与查准率始终高于95%,巡检结果与实际情况一致,是一种可靠的海量数据自动化巡检平台。     

电力网络机巡智能调度编排系统设计

目前，大多数国家电网公司仍采用“人巡+机巡”协调定期检查的方式对输电线路进行维护。定期检验计划由人工安排，耗费大量人力物力。为了解决上述问题，提出电力网络机巡智能调度编排系统设计，考虑到各城市年检的个性化需求，将年检计划的调度问题转化为NP问题，采用禁忌搜索算法结合遗传算法实现年检计划的智能调度。通过仿真实验验证了算法的可行性，证明了禁忌搜索算法与遗传算法的结合可以有效提高机器巡更网格的效率。     

基于车辆与步行轨迹数据挖掘的输电线路巡视路径规划研究

为解决近年来输电线路规模日益扩大,巡视人员扩充不足导致的人均线路维护量过高、巡视质量下降、巡视路径规划欠佳、出行车辆安排不够合理等问题,确保电网安全稳定运行。本文基于PMS2.0系统中的杆塔台账数据、国网统一车辆管理平台中的车行轨迹数据、PDA移动手持终端记录的巡视人员步行轨迹数据等,结合导航电子地图（离线版）,挖掘出各数据之间存在的关联性、耦合性,深入分析人员的巡视习惯,建立了最优规划路径计算模型,实现了对目标杆塔自动导航寻路功能,并通过现场验证,提高了线路巡视效率;在此基础上,将班组所辖线路进行网格划分,优化了周期巡视计划和特殊区域巡视计划。研究结果可为提高线路巡视计划灵活性、规划合理巡视路径、安排出行车辆提供强有力的决策依据。     

基于Faster R-CNN的输电线路缺陷识别模型研究

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。     

智慧巡湖系统在湖泊管理中的探索应用

针对湖泊人工巡查方面存在的巡查效率低下、管理不全面、分工不到位、问题追踪更新不及时等问题,提出利用无人机智慧巡检方式,通过无人机沿湖泊岸线航拍提取大量图像,利用 SIFT 算法完成图像无缝拼接,提取图像主要目标区域,并利用 SIFT 特征完成目标图像与原始图像的比对,从而识别湖泊岸线变化情况。 该方法应用在石臼湖固城湖湖泊巡查中,无人机初次飞行时提取湖泊网格地理数据及建筑物构筑物的信息作为原始数据,完成 2 期巡检,覆盖范围和识别精度较人工巡查有很大提高。在实际应用中发现在水生物识别的细节和巡查频次上还有待提高,目前作为湖泊辅助性巡查上优势明显,作为一种独立的巡查方式及在智能分析决策上值得进一步探讨。     

面向斜拉桥索塔巡检的旋翼UAV避障航迹规划

针对斜拉桥索塔巡检的旋翼UAV避障航迹规划问题,提出了一种面向斜拉桥索塔巡检的旋翼UAV避障航迹规划方法。该方法以巡检过程中旋翼UAV的能量消耗为航迹优劣评价指标,利用基于信息熵理论改进后的遗传算法获取能量消耗最少航迹,并提出双圆弧避障策略对航迹上存在斜拉索障碍的局部区域进行航迹重新规划,使之能有效地避让斜拉索障碍,保障旋翼UAV的飞行安全。以咸阳渭城桥索塔的外观巡检为例进行仿真验证,仿真结果表明,所提方法规划的航迹有效地降低了巡检旋翼UAV的能量消耗,确保了巡检旋翼UAV的飞行安全,能够较好地适用于斜拉桥索塔外观巡检。     

基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取、安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。