无人机智能巡检在风电光伏故障检测中的应用

中国电建集团江西省电力建设有限公司 张 龙

为保障人类社会的可持续性发展，新能源逐步取代传统化石能源是一个必然趋势。在新能源行业结构中，我国风电、光伏产业发展尤为迅速，截至2022年第一季度，全国风力发电装机容量约为3.4亿kW（同比增幅17.7%）、光伏发电装机容量约为3.2亿kW（同比增幅23.6%），排名均为世界首位。客观上，我国风电光伏产业的飞速发展与国家新能源政策引领密不可分，如国家能源局发布的《关于2021年风电、光伏发电开发建设有关事项的通知》中，明确了风力发电、光伏发电在实现“碳达峰”战略上的重要性，国务院印发的《2030年前碳达峰行动方案》也明确指出，风电光伏两种新能源产业是“节能降碳增效行动”的基础和保障。

1 无人机智能巡检概述

广义上来讲，无人机是一种航空设备，按其用构型划分种类丰富、形态各异，如旋翼无人机、固定翼无人机、扑翼无人机等。狭义上来讲，无人机是一种载具[1]，在风电光伏故障检测中的应用的类型主要是多旋翼无人机（如四旋翼、六旋翼无人机）。多旋翼无人机的优势在于，其能够在各种复杂的环境中实现高操控性，如在特定高度悬停、在不平整的地面垂直起降、能够低空低速飞行等。因此，要执行无人机智能巡检工作，一台功能效用符合需求的多旋翼无人机设备是不可或缺的，除此之外，还需要在无人机设备上搭载数据收集系统、红外识别系统、RTK（real-time kinematic）定位系统、动态图像识别系统、人工智能（AI自动化）系统等。在此基础上，无人机及所搭载的各种装备，与地面站（客户端+控制平台）建立起数据链，实现风电光伏故障检测数据的传输、存储、处理等（如图1所示）。

图1 无人机智能巡检系统示意图

其中，无人机智能巡检过程中数据收集工作，主要由高清红外摄像头完成，需要满足白昼、夜间不同亮度条件下的工作需求。RTK定位技术即“实时动态定位技术”，相比传统的GPS定位技术适应性更强、精准度更高，利用两个测量站载波相位观测的方法，为无人机实时提供三维定位，尤其在山地、丘陵等障碍要素较多的环境下，可以较好地解决信号干扰、噪声过大的问题[2]。动态图像识别系统用于处理故障信息，该系统内部包括了无线传输、动态图像处理、逐帧抽取、图像增强等模块，能够精准定位高速运转的风电机组叶片缺陷。人工智能系统包括飞行自动化、处理自动化、“AI云”等要素，其中人工智能算法是关键，可用于自动识别、提取关键检测点，如风叶、风筒、绝缘子等，按照预先场景设定，可自动分拣处裂纹、破损、无电等故障形式。

2 风电光伏故障检测的共同点与差异性

电力能源是现代文明的基石，在维系科技进步、促进经济增长、服务国计民生等各领域发挥着不可替代的作用。随着“绿色环保”“节能低碳”“生态保护”等概念兴起，传统电力生产方式逐步瓦解，新能源电力（风电、光电、水电等）生产因为具有可再生的优势，已然成为全球电力能源的发展潮流。我国风电光伏产业经历了系统性技术沉淀、激烈的市场竞争，从产业规模及产品性价比上分析，已然是处在全球领导者地位。但这种优势主要表现在技术、产能、价格等头部领域，在风电光伏故障检测方面仍然有较大的提升空间。通过详析分析风电与光伏设备故障检测的共同之处、差异之处，有利于更高效地运用无人机智能巡检技术。

2.1 风电光伏故障检测的共同点

直观上看，风力发电设备与光伏发电设备所处的空间均为自然环境，在故障检测过程中，工作人员的场景切换较为频繁、物理距离的绝对值偏大，由此导致了如下共同问题。

一是单位时间内的工作量较大，平均检测效率较低。近年来，我国风电光伏产业规模不断扩大，总装机容量不断提升，这一现象对于故障检测提出了巨大挑战。以风电为例，为了更好地利用风力资源，主要建设在海上、草原、戈壁等地区，庞大的风电产面积本身就造成了故障检测压力，再加上复杂的地理、水文等环境因素，采取人工方式很难高效地进行检测工作。

二是人工故障检测方式面临难度高、质量差的问题。无论风电还是光伏，很多故障隐患并不明显，如多晶硅太阳能电池板出现裂纹、损伤，但很容易被植被、灰尘等覆盖住，又如风叶的涂层脱落、表面裂纹等，在高速运转的状态下并不容易察觉，必须停机后借助攀爬设备近距离观察。这无疑会导致风电光伏故障检测的复杂度提高，无法进行经常性的巡视[3]。同时，风电光伏的供电系统也较为复杂，即便人工检测的过程中，也需要用到大量设备，而自然环境下的温度、压力等变化，也会干扰到检测的精准度。

三是传统人工故障检测受到的限制条件过多，如后勤保障不到位、突发天气情况、数据记录误差等，这样就很难满足风电光伏故障检测的实时性。

2.2 风电光伏故障检测的差异性

一个风力发电机的构成包括地基、电网接口、梯子、风塔、风叶、测量装置、风向追踪装置等，从结构上来看，故障检测是基于主要“垂直方向”进行的（如图2所示）。一个光伏发电机组包括多个光伏组件（太阳能电池方阵），再经由充电控制器、逆变器、配电柜、电子限荷保护装置、防雷电隔离装置等，最终并入到电网。从结构上来看，故障检测是基于“水平方向”进行的（如图3所示）。很显然，风电与光伏故障检测方面，由于设备布局的不同，造成了巡检路线模式的差异。

图2 风力发电设备故障巡检路线（垂直）

图3 光伏发电设备故障巡检路线（水平）

3 无人机智能巡检在风电故障检测中的应用

3.1 无人机的机型及参数

作为风电故障检测装置的搭载设备，无人机要能够充分应对风电场的复杂环境，并对风叶干扰具有一定的修正能力。适用机型的整体要求如下：一是具备较长续航能力，由于风力发电机组间隔距离较大，需要无人机长时间滞空，因此续航能力必须有所保障，可选择油电混合动力机型。二是配备高精度相机，为了避免风叶与无人机碰撞，两者之间必须保持一定的安全距离，可搭载30倍光学变焦相机（包括红外功能），在20～30m左右的距离进行监控。三是无人机内置巡检路线规划功能，即再终端控制平台上，能够基于电子地图、定位系统等，同时安排多个检测目标，无人机能够做到自主规划最优路线。四是基于人工智能技术，自动识别各种故障及潜在隐患，尤其要确保部件细节的检测，如合模缝、扇叶形变、叶尖检测等，具体参数见表1。

表1 风电故障检测无人机参数

3.2 无人机智能巡检流程

无人机智能巡检应用在风电设备之前，需要先为人工智能系统提供足够的人工检验样本，简单地说，就是从已经存在各种类型故障的风机设备上，挑出具有代表性的，然后由无人机进行巡检并记录信息，通过这种深度学习的方式，可以避免后期人工分析的麻烦。以风叶为例，具体流程如图4所示。

图4 风叶故障检测识别模式

利用电子地图，标注一定区域内风电机组的位置，在执行智能巡检的过程中，由人工智能系统自动规划最优路线。需要注意的是，这一过程中风力发电机组并不需要停机，因此除了考虑外部环境的影响外，还要选择一个适当的时间点，确保风叶运转处在较容易识别的状态下，如10:00～14:00时间段内，外部光线的条件较为优越。整个巡检流程为：首先，确定初始化的风机位置信息，基于人工智能自动展开风机位置建模，并规划巡检路线。其次，根据反馈到客户端的图像数据，确定风机朝向。再次，进行定点图片的拍摄，主要滞空位置是风叶正向，下沉、上浮的区间为风叶最低点和最高点，并从最高点绕道风叶背面进行观测。最后，根据实现设计好的路线返航。

3.3 无人机智能巡检路径

对于一般风电场的故障检测而言，无人机智能巡检路径的设计不是一蹴而就的，需要在实践过程中不断调整算法，如基于遗传算法、退火算法、蚁群算法等规划无人机智能巡检路径，最后对比单次巡检的实践与故障检测效果。比较有效的巡检路线规划方式，首先可以利用聚类系数调整无标度网络，获得较为完整的风电设备节点图，再将平均风力、海拔、湿度等平均值代入到数学模型中，如风口位置应该放在节点网络的哪一个位置最为优越，可以基于蚁群算法达到最佳收敛速度效果；对于较为复杂的风电场，首先可以执行个体交叉，再执行个体变异，由此模拟出退货状态函数产生的新个体。在此基础上，执行个体模拟退火操作，判断抽样的稳定性，如果这种算法下的路径较为稳定，则可以进行个体复制，输出当前最优的个体。

4 无人机智能巡检在光伏故障检测中的应用

4.1 无人机的机型及参数

由于光伏发电设备的垂直高度较低，对于无人机的飞行高度没有太大要求，因此常规的多旋翼无人机都能很好地满足要求。应用于光伏故障检测的无人机设备需要满足以下的条件[4]：一是在光伏电场执行智能巡检任务时，能够自动避让障碍物。二是在起飞、返航、落地等过程中，对于地面环境的要求较小。三是由于光伏发电设备以水平方向、大面积化铺开，因此也需要无人机具有出色的续航能力。四是在巡检过程中可以自动拍照、存储、传输数据。五是为了便于在大空间内定位无人机，自身要搭载较高精度的定位系统；具体参数见表2。

表2 光伏故障检测无人机参数

4.2 无人机智能巡检流程

针对光伏故障检测，同样需要人工检测确立故障样本，然后由无人机进行智能巡检，以提高故障检测识别度，整个流程与风叶故障检测识别模式类似。但区别之处在于，无人机智能巡检光伏电场的过程中，是基于一定区域进行的，这就需要考虑每个区域的光伏组件数量与如何分布。如太阳能电池板以“n×n”的方式分布，为了快速进行遍历，比较适合采用螺旋形（由外向内）的巡检流程，这样可以节省大量的飞行时间。如果太阳能电池板以“m×n”的方式分布，需要考虑平面坐标系内X轴、Y轴的长度比，在单位长度内的节点数量相同，如果X轴远超过Y轴的长度（反之亦然），则比较适合采取“蛇形路线”，如果X轴与Y轴的长度接近1:1，则比较适合采用“往复路线”。

4.3 无人机智能巡检路径

首先，在电子地图上圈定光伏电场的范围，按照太阳能电池板的排列紧密程度，大致划分出若干个区域。其次，在起飞之后获取某一个区域的视频、图片数据，判断该组数据中是否存在光伏组串。再次，如果存在光伏组串的问题，需要重新计算巡检列数、重新设计转弯策略，然后直线起飞重新开始新一轮的检测。最后，直到全部规避数据中的光伏组串问题，确定最优化的巡检路径。

5 结语

综上所述，我国风电光伏发展已经突破了主要的技术壁垒与产能局限，且具有较强的市场、法律、政策等风险抵御能力，而影响风电产业、光伏产业稳定的主要因素集中于运维领域。因为风力发电、光伏发电的核心元件（如风叶、叶轮鼓、太阳能电池板、并网逆变器）长期暴露在自然环境状态下，随着作业周期的延长出现故障、损伤的概率随之增加。因此，如何高效率、高质量地实现风电光伏故障检测，是确保我国新能源产业平稳发展的关键所在。