无人机技术在输电线路巡检工作中的应用及展望

传统的输电线路人工巡检受人员、地形和交通等因素限制,运用新技术、新手段在某些方面代替人工巡检,解放生产力迫在眉睫。输电线路无人机巡检技术在线路运检工作中的应用,从一定程度上解决了人工巡检存在的弊端。论文通过实例对比人工巡检与无人机巡检优缺点,阐述了无人机巡检存在的问题和经验,为无人机巡检输电线路发展提供参考,展望无人机智能电力巡检前景。     

多旋翼无人机在输电线路巡检中的应用局限及发展前景

随着电网规模的不断扩大,输电线路传统的人工巡检方式已无法适应新形势下的运行维护要求。以多旋翼无人机为载体,地面监控设备为支撑的输电线路巡检系统,正受到越来越广泛的关注。但目前多旋翼无人机尤其是输电用无人机还处于发展初期,无法适应当前繁重复杂的输电线路巡检要求。分析了输电线路巡检的特殊要求,总结了当前输电线路无人机巡检存在的诸多问题,最后从输电运检实际出发,针对未来多旋翼无人机的发展提出了一些建议。     

电力输电线路巡检中无人机的应用

近年来,人们对电力需求的不断增长,使电力基础设施建设规模不断扩大,输电线路也变得越来越错综复杂,这大大增加了电力巡检人员的工作强度。由于输电线路在外界中会受到许多因素的影响,致使其损伤不断累积,如果输电线路巡检工作不全面、不到位,则势必会造成输电线路发生故障,进而影响到电力的正常供应。无人机的出现,为电力输电线路的巡检工作带来了巨大的革新。本文主要对电力输电线路巡检中无人机的应用进行深入的研究。     

基于无人机的输电线路巡检技术研究

传统的输电线路人工巡检效率低、劳动强度大,而无人机软硬件技术的不断进步为电力巡线提供了一新的作业模式,基于无人机的输电线路巡检技术正逐步规范完善。研究了无人机电力巡检技术的相关理论,并结合工程进行了作业试验,验证了无人机巡检技术的可靠性及效率,最后对当前无人机巡检的不足进行了总结,并对未来发展进行了展望。     

基于无人机的输电线路典型设备图像信息采集方法研究

目前无人机巡检技术已在输电线路运行维护工作得到广泛应用。通过分析现有无人机巡检过程中输电线路设备图像采集的问题,结合输电线路典型缺陷,分析无人机巡检作业策略及规范化的巡检作业流程、照片命名方式,以虚拟现实技术为基础构建三维仿真场景,结合巡检过程中主要拍摄部位分析最佳姿态。通过在某省电力公司实际试点应用中证明,以标准化巡检作业流程、命名规范及角度等进行图像采集,能快速高效获取高质量图像信息,最后通过绝缘子提取算法,验证了图像采集方法的有效性,对于无人机巡检作业推广化应用奠定良好的基础。     

基于航拍影像的输电线路绝缘子识别及缺陷检测

定期对输电线路进行巡检是保证电网正常运行的必要条件。传统的人工巡检劳动强度大、效率低,在高压线路检查作业时存在危险,并且对荒山、峡谷等地的输电线路无能为力。运用直升机/无人机搭载高分相机对输电线路进行航空摄影,并对影像进行检测能有效提高检测效率、减少危险,并且可以对危险地区的输电线路进行检测。本文针对输电线路及其典型部件—绝缘子的缺陷检测中存在的不足,研究了基于航拍影像的输电线路和绝缘子的自动识别以及缺陷检测方法。     

复杂场景下输电线路无人机巡检方法

针对在复杂场景下人工定期电力线巡检作业方式费时费力的情况,人工巡检已经达不到安全、高效、稳定的要求。本文使用DY-115无人机和VSurs-Q多平台移动测量系统,采用基站后处理定位方式,对经过淮安市、连云港市的500kV伊上5251线路的部分输电线路进行巡检,成功获取了高精度的三维点云数据,并以此进行定位精度检查、正射影像制作、危险点和交叉跨越点检测以及输电线路提取,该方法可为电网自动化巡检提供依据。     

输电线路巡视中无人机的运用技术

本文对现阶段输电线路的巡视问题进行了分析,我们结合无人机的分类与运用特征,提出了无人机在输电线路巡视中应用的关键技术,主要为:一是无人机巡视技术会促进输电线路状态巡视的迅速发展,二是视屏传输在无人机巡视输电线路中的实现等。     

输电线路智能巡检系统

本文结合当前安徽省内500k V电压等级输电线路巡检工作的现实需要,介绍了基于计算机网络通讯技术开发的输电线路智能巡检系统的构成、工作原理、技术优势和特点。本系统软件能实现线路缺陷的网络闭环管理,并将国家电网公司标准化作业指导书融入其中,使输电线路巡检管理实时直观,达到线路巡检工作标准化、电子化、信息化、智能化和无纸化管理要求,本系统在输电线路巡检工作中的成功运用必将大大提高电网信息化管理的效率和质量,有效保障电网安全稳定运行,具有显著的社会、经济效益。     

基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法

绝缘子是输电线路的重要组成部分。为了实现输电线路巡检的智能化，对绝缘子区域的自动化识别是基础性工作之一。笔者提出了一种基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法，同时将DeepLab V3+的分割性能与现有的主流卷积神经网络U-Net、Residual U-Net、Dilated U-Net进行了比较。结果显示DeepLab V3+方法不但在DICE指标上得到了93.28%的分割精度，在IOU指标、敏感性和Jaccard定量分析中也都表现出最好的性能。实验证明该方法为自动化分割绝缘子区域，提高输电线路巡检的效率和准确性提供了一种潜在的工具。