输电线路如何智能巡检？试试边缘计算技术

一、电力巡检，是他，还是它？

我们每时每刻都离不开电，从生活中的家庭用电，到工业里的电气设备，都离不开“电”的支持，如何保障电力系统的安全供应，实际上是一件非常紧要而不简单的事。

我国的电力建设正在飞速发展，目前我国的电网规模已居世界首位。架空输电线路巡检是保证电网安全运行的关键技术手段，传统的巡检主要依赖人工，巡检劳动强度大，巡检质量会受到作业人员主观因素影响，在恶劣环境下巡检范围受到很大限制。随着特高压输电系统的快速建设，特高压线路杆塔呼高一般超过50米，使用望远镜的人工巡检已很难准确观察和识别设备缺陷。

图1 输电线路人工巡检困难重重

二、传统模式亟需智能

无人机的出现为解决传统巡检模式遇到的问题提供了有效途径。飞控手操作搭载可见光、红外和激光雷达等设备的无人机进行日常巡检工作，可大幅降低作业人员的工作强度，提高巡检范围和效率。目前无人机已成为架空输电线路巡检的重要技术手段和发展方向。但是现有电力巡检无人机的工作模式仍然以人工操作巡检为主，无人机能代替巡检人员到达偏远、危险的位置，但巡检过程还是依赖巡检人员的主观判断，仅实现远程‘看得见’，但‘看得懂’还依赖人工。所以让无人机既看得见，又看得懂就成为智能巡检发展的方向。

图2 无人机巡检模式

人工智能的迅速发展为提升无人机的智能性提供了解决方案，不过在嵌入式设备中实现人工智能仍然比较困难。基于人工智能、深度学习的图像识别、数据分析往往需要巨大的计算资源做支撑，嵌入式设备计算能力有限，这就需要简化算法，简化网络模型，实现初步的智能识别，甚至需要云-边协同的方式。

三、轻量化识别算法，它也能思考

为了将先进的深度学习技术应用于全自主无人机巡检之中，就需要解决四个问题，核心是设计机载高效轻量级的目标识别算法和本地端高精度目标及其故障识别算法。

图3 无人机智能巡检的四个难点

针对上述问题，沈阳自动化所边缘计算课题组正在构建全自主无人机巡检系统。无人机基于预设的巡检路径在GPS导航下进行日常巡检，机载图像识别算法完成简单目标识别。当出现障碍物时，无人机根据识别结果进行路径规划，完成避障飞行；仅当出现疑似缺陷目标时，无人机将图像回传至本地服务器，完成目标和缺陷的精细识别。这一架构仅将疑似缺陷目标图像回传，降低了实时图传功耗，提升了续航时间。

图4 云-边新型智能自主巡检框架

在基于无人机的输电线路巡检过程中，绝缘子串等目标具有较大的长宽比。目前经典的基于深度学习的目标定位和识别方法通过对标注框按特定的长宽比和尺度进行分类来获得识别结果。对于大宽高比旋转目标的识别，需要沿着特定的参考方向旋转标注框来完成目标识别。为了提高检测精度，需要增加参考方向的个数，这将大大增加模型的计算量，使其不适用于无人机巡逻等资源受限的前端设备。因此，如何确定参考方向的个数，以及如何减少多向检测带来的高计算量成为核心问题。

为了克服这一问题，研究人员分析了目标极大长宽比对检测精度和计算量的影响，建立了参考方向个数与目标长宽比之间的定量关系。在此基础上，提出了一种基于云边缘协同的绝缘子串缺陷智能识别方法。首先，提出了一种超轻量化的方向估计方法，该方法是基于观察到大纵横比目标的形状可以用椭圆来近似。

图5 大长宽比目标夹角对识别的影响

其次，提出了一种轻量级、可靠的绝缘子串缺陷识别方法，该方法采用像素级高精度分割方法获得绝缘子串的边界，通过边界的峰谷点分布来识别缺陷。由于避免了沿所有可能方向的目标检测，该算法在不损失识别精度的前提下，计算量可减少90%以上。

图6 复杂背景下的绝缘子串位置估计方法

该方法利用超大长宽比目标区域可以用椭圆近似的特征，通过迭代获取一个像素密度高、覆盖范围大、并且长短轴比率大的类椭圆区域，从而获得可能目标位置和方向的估计。之后，利用像素级高精度分割算法获取绝缘子串边界，并通过检测峰点和谷点的分布来检测绝缘子片是否存在缺失现象。基于云边融合的思想，在提出算法中，前端算法的计算量降低了90%以上，同时受目标角度变化的影响极小。该成果发表于国际期刊 IEEE Internet of Things Journal，并申请了系列专利。

五、边缘计算+人工智能=边缘智能

物联网和边缘计算技术的应用，使电力系统的智能化和自动化进入了一个新的阶段。数据从各个采集终端并行处理和分析，智能设备和智能电网的终端用户可以通过网络的边缘实现为智能电网部署边缘计算模型，提供海量数据的分布式信息计算服务和快速反应。

图7 沈阳自动化所智能电网实验室

沈阳自动化所边缘计算课题组长期专注于电力、油田、矿山等系统的数据分析，承担了国家重点研发计划等一系列重要项目，相关研究成果多次发表于国际学术期刊Applied Energy(2017, 2018), IEEE Transactions on Industrial Informatics(2018), IEEE Sensors Journal(2019), IEEE Internet of Things Journal(2020)，申请了一系列专利，多次获得辽宁省自然科学学术成果奖，并被Worldpump等国际知名媒体所关注。

随着移动计算和物联网的普及，数以十亿计的移动和物联网设备连接到互联网，在网络边缘产生海量字节的数据。边缘智能将人工智能的前沿推进到网络边缘以充分释放边缘大数据的潜力，相信未来的一天，智能物联会充斥在我们生活的方方面面，而边缘计算就是实现智慧未来的“最后一公里”。

来源：中国科学院沈阳自动化研究所