关于风电场无人机智能巡检系统的应用

邢 涛 赵建芳 姜廷刚 王宇昊

华电山东新能源有限公司 山东 济南 250013

1 前言

为了提高发电效率，风力发电机组的尺寸越来越大，且结构复杂、故障点多[2]。所以一旦出现故障问题，处理不及时，所造成的后果也往往是更加严重。因此电站运维团队需要定期对风力发电机进行巡检，保证风力发电机组的可靠运行，提高设备可利用率。但风电场大多地处偏远地区，风机排布分散，人工巡检这种模式不仅存在安全性差、工作量大、效率低等问题，而且受观测角度影响，不能全面及时地发现问题。另一方面，风电系统24小时运作，特别是有些风电场的发电高峰反而是在夜间，往往需要更多的人力配给，来实现24小时持续性的管理维护和应急响应能力。随着5G、大数据、物联网等数字化工业技术手段，风电产业也迎来了转型与变革，智能化、数字化风电运维，无人值守少人值班，是风电的未来。

本文分析了当前风电场巡检技术现状，介绍了无人机自动化巡检和人工智能数据分析相结合的解决方案和落地应用，对于长时间的保障风机安全、稳定、低成本的运行，具有极其重要的价值。

2 风电场巡检技术

传统的风电场巡检方式是运维人员通过望远镜远距离观测或绳索垂降人工近距离检测，以及在风机附近仔细聆听叶片是否有刺耳的异常噪音，凭借经验判断。望远镜观测无法近距离对风机叶片表面进行仔细的故障排查，很难达到较高水平的巡检效果。绳索垂降方法工作效率低，工作人员工作强度高，工作危险系数较高[3]。

无人机可以从空中视野，快速高效地巡查和拍照，通过搭载高清RGB相机、红外相机等载荷，可对特定目标多维度、快速、立体化、精准地完成巡检工作。由于无人机的独特优势，部分风电单位已经开始采购应用[4]。首先，风机和线路巡检需要无人机飞至检查点附近进行观测，对无人机操控技术要求较高，尤其在风电场这种复杂的环境中，很容易因为人为失误而导致坠机等安全事故，甚至损伤地面设备和人员。其次，单一的无人机硬件采购，无法做到与信息化系统对接，随之带来业务流程脱节、数据无法归档等问题。与此同时，通用的巡检模式是由运维人员对图像数据进行人工甄别，工作量大且效率低下[5]。因此，亟需一套智能无人机+数据管理平台的系统，解决无人机分级管理、任务派发、巡检取证、数据管理、使用监督、缺陷识别等问题，充分发挥无人机巡检的优势。

3 智能巡检无人机

多旋翼无人机由于具备悬停和低速飞行能力，并且操控简易,维修方便,经济性好，是风电厂日常巡检的理想工具[6]。本方案从抗风能力、起飞重量、续航时间、成像稳定性、操控难度等因素综合考虑，以大疆经纬系列M300 RTK飞行平台为载体，搭载H20T双光相机进行无人机风电场巡检应用研究。

无人机技术不仅可以用于风机叶片巡检，在集电杆塔、送出线路的巡检也可以应用。本方案针对风电场中风机巡检、线路杆塔巡检两个场景开发了两套独立的自动化航线规划算法。操作人员只需将无人机放到合适的起飞场地，就可以让无人机自主起飞并完成全部的巡检过程，期间巡检数据会通过4G/5G网络自动上传至云平台进行AI智能识别，云平台上可以看到无人机实时轨迹和巡检画面，实现了无人机巡检和数据传输的全自动化。

3.1 无人机风机自动化巡检

巡检对象：风力发电机3支叶片的六个表面、塔筒及吊舱的外部缺陷。

巡检内容：整机表面是否有裂纹、腐蚀、剥落、雷击损。

巡检过程：(1)控制风机停机，顺桨并将叶轮锁死。(2)无人机起飞后，飞至风机上方，根据风机吊舱上的特征点自动计算出风机朝向，调整飞机航向与风机朝向呈180°。自动飞至风机前方80米距离处悬停，以轮毂中心为特征点自动调整飞机高度和方位，使其与之对中。同样在计算机视觉的辅助下计算叶片旋转角，顺时针方向以垂直向上为旋转角0°，叶片一位于0°至120°之间，依次编号叶片二和叶片三。飞机会根据叶片旋转角计算相机俯仰角，自动切换上/下云台。(3)无人机基于以上参数自动生成航线，并开始风机巡检作业。第一个航点位于叶片一和叶片二夹角中线延长线上点1(至轮毂距离>叶片长度)，在此处对叶片一分5段(从叶尖至叶根)进行拍照，完成叶片一迎风面的采集，接着在同一位置完成叶片二背风面采集。之后无人机将飞行至点2位置，完成叶片二迎风面和叶片三背风面采集。无人机自动重复以上过程完成3支叶片的全部表面采集过程。(4)叶片采集结束后将飞行到风机正上方，对吊舱上表面进行垂直拍照。飞至吊舱后方对后表面进行水平拍照。接着飞机垂直降低高度，对塔筒背面分5段进行悬停拍照。飞机绕至风机一侧，由下向上对塔筒侧面分5段拍照，在上方对吊舱侧面进行拍照。从风机上方绕至另一侧，由上向下进行采集，完成吊舱和塔筒另一侧拍照。飞机回到风机前方，完成塔筒前侧的采集。

图一 风机叶片巡检示意图

图二 风机吊舱和塔筒巡检示意图

(5)降落：作业结束后，无人机将自动返回起飞点自主降落。

3.2 集电杆塔和送出线路通道巡检 对集电杆塔和送出线路通道的巡检采用航点学习+航点复飞的方式实现自动化。航点学习过程中，飞机会记录下每一个航点的位置，并在拍照时同步记录飞机位置和摄像头角度并生成新的航点。记录下来的航线将保存在本地或云端。执行航点复飞时，可以从本地和云端加载航线，无人机可全自动飞行完成航线任务，无需人工操作。

根据杆塔安装位置，在其正上方一定距离设定航点，沿线路通道进行自动飞行。飞机搭载红外和可见光双光摄相机，用红外热成像自动判别异常发热点并用可见光检测细节，飞行过程中采用录像方式保存巡飞视频，也可直接推流到远程大屏中实时查看。在特定位置设置无人机起、降点，供无人机单次飞行开始及自动降落用。

4 人工智能缺陷分析识别

无人机自动巡检能够快速地进行故障检测和故障信息确认，可以很好地完成风机表面损伤地记录，然而对缺陷地检测仍然主要依靠人工才能完成，这并没有满足巡检的真正要求。为了进一步提高检测效率，本方案应用了AI图像识别技术，能够更精准地进行缺陷初筛、更快速地分类识别，自动生成分析报告，从而实现风电场快速高效的巡检。

在现场采集到的视频或照片，经过后续的分析处理，可形成数据库，进行识别模型训练。

缺陷识别内容

(1)叶片缺陷识别：对于每张叶片图片通过模型识别得到该图片中是否含有缺陷。对于没有缺陷的图片,直接过滤掉；对于有故障的图片,进行类别和严重程度的评定[8]。用户可以通过账号登录平台，查看叶片照片并进行缺陷查看、缺陷测量、报告导出等操作。

(2)集电线塔鸟窝缺陷识别：根据集电线塔安装位置，设定特定的至少两处拍摄备选航点，无人机将根据巡查时的具体时间，判定背光拍照点，自动飞行和拍照。图片将回传至平台中由AI算法自动判读是否有鸟窝缺陷。

5 巡检数据可视化展示

利用倾斜摄影技术和三维建模软件对风电场的地形地貌进行了三维数字化建模，从而判断风电场场地的变化，如地质变化、风塔地基沉降、塔筒歪斜等。另外，通过将风机三维模型、无人机模型、无人机巡检航线与现场的同步设置，可以在平台上直观地看到风机朝向、停转角度、无人机巡检航线和巡检进度等实况。结合无人机第一视角现场直播画面，可以在指挥中心完全还原作业现场，便于统一指挥和决策。

6 结语

通过现场试验，风电场的无人机自动巡检是可以实现的，能做到全方位无死角、省时省力省钱地完成风机、杆塔、线路等部件的巡检任务。本方案的创新点有以下几项：(1)更安全：传统的无人机需要距离1米左右，才能进行全面检测[7]。本方案通过使用30倍光学变焦云台相机，可以与风机保持20-30米的安全距离对风电场的相关部件进行巡查，避免了飞机近距离飞行可能带来的问题。无人机具有自动避障和全向感知功能，可以360°测距、显示和报警，避免突然出现的障碍物造成的碰撞事故。(2)更高效：无人机所带成像设备虽然能在俯仰及水平方向调节，但调节范围有限。为了覆盖全部巡查点，需要飞机调整位置和航向来获得合适拍摄角度。本方案使用上下双云台相机，无人机在同一位置可以从更多角度观测，极大降低了航点数量和航线长度，提高了巡检速度。(3)更智能：无人机风机自动巡检的难点之一是风机高度、朝向和叶片旋转角度的判断。本方案首次实现了，仅采用视觉手段对风机基本参数的精准设置。另一方面，在缺陷识别中将计算机视觉和图像识别相结合，从而实现了巡检和缺陷识别的全自动化。

综上所述，本文中的无人机智能巡查系统以创新驱动发展，以更精确、更安全、更高水平的自动化、信息化、智能化，提高人员与设备的安全性，助力智慧风场的建设管理。