基于激光雷达点云高精度定位的光伏电厂智能化巡检

韩虎虎，胡 诚

（1.国电四子王旗光伏发电有限公司，内蒙古自治区 四子王旗 011800；2.北京数字绿土科技股份有限公司，北京 100085）

0 引言

随着光伏电站规模的增大，运行年限的增加，光伏组件的故障问题日益严重，光伏电站运维压力越来越大。目前，光伏电站运维主要依赖光伏逆变器的电压电流等电气特性，但是受限于逆变器、汇流箱的安装方式，电气运维只能精确到组串，难以精确到具体组件，并且受到天气影响较大，故障诊断精度不高。针对具体光伏组件的运维主要依赖人工巡检，而大型光伏电站分布环境复杂，覆盖面积巨大，受地形影响，呈现出杂乱性和分散性，采用人工巡检的方式十分费时费力。而诸如山地电站、水上电站等，更是给人工巡检带来极大的挑战。通过无人机进行巡检，受地形限制小，视野广，高效、灵活、安全，极大地方便光伏电站运维。

目前，中国乃至世界各地，诸多领域已显示出“无人机遥感+行业应用”的现象，无人机遥感在各行业领域的应用研究也正处于快速上升期[1]。在输电线路巡检场景，已成熟建立一套无人机三维激光雷达智能识别输电线路缺陷的研究方法[2]。在光伏巡检领域，基于激光雷达技术的无人机自动化巡检研究较少，本研究填补了该领域应用的空白。智能巡检无人机可以实现按照规定路线（航线）进行巡航和定点拍照的功能，现有的导航模式是基于光伏电厂的二维地图进行导航，会存在定位不准，导致拍摄照片的角度有偏差，获取的照片不能精确地判断设备状态。因此，需要考虑提高无人机自主控制飞行能力，结合机载激光雷达对飞行平台的稳定性及安全性的要求[3]，能够设定任务载荷自主采集，采用可见光和红外多种拍照模式提高巡检效果。

机载激光雷达系统是将激光雷达系统搭载至飞行平台，通过激光扫描获取地物空间信息，实现对地物高密度、高精度三维空间信息的快速提取。将无人机、直升机搭载激光雷达应用于光伏巡检是一种新兴且有效的技术手段，可直观展示和模拟光伏电厂的现场运行状态，对光伏面板与设备的相对位置进行精准的分析，为光伏电厂的安全运行提供有利保障。通过激光雷达系统获得的一系列数据称之为“点云”，点云是一组带有空间三维坐标信息的离散点。点云数据具有效率高、无线损、非接触等优势，弥补了传统人工地面巡检的缺陷，已成为输电线路智能化巡检研究的热点[4]。通过对点云进行分类和量测，可实现对光伏电厂的安全分析，查找故障点或安全隐患，基于点云数据可完成对光伏电厂周边地物的三维模型构建，并通过量测或状态模拟，实现对光伏电厂的建设设计提供依据。

本文通过采用激光雷达技术，采集立体三维点云数据，获取光伏电厂三维空间结构，构建立体巡检体系，实现基于高精度三维地图的准确、主动路线规划，利用多旋翼无人机基于RTK高精度定位。结合不同作业区域、不同户外条件、不同巡检模式，科学规划巡视路径、拍摄位置、角度和安全点，进而控制无人机实现复杂航迹自主控制飞行与数据采集，实现拍摄光伏面板等发电设备细节照片[5]，确保图像数据采集的有效性和完整性。巡检后，需对巡检采集到的大量光伏组件图像进行分类定位处理，涉及缺陷分类模型的搭建和组件缺陷图像标记。利用深度学习算法处理海量巡检照片，标记缺陷，输出巡检报告，从而做到巡检手段智能化、巡检标准规范化、业务管理闭环化，进一步提高光伏电厂的运维水平。

1 激光点云数据采集

采用无人机激光雷达扫描系统对光伏电站、附近输电线路、升压器等设备进行激光点云采集，通过点云解算软件解算航迹和点云，得到高精度三维点云模型。激光点云数据的处理内容包括点云分类、降噪滤波、提取目标物以及三维模型重建等。对光伏电厂中发电设备的提取是点云数据处理的关键环节，其基本流程如下：首先，将厂区地面及发电设备点云候选点从原始三维点云的海量数据中分离出来，在完成设备的分离之后，为有效降低产生的噪声，在精确提取发电设备之前还需要进行滤波处理；其次，通过分析地面位置与光伏电厂设备的特定性布局和三维结构来实现数据分类；最后一步是对光伏电厂设备汇流箱、逆变器、光伏板、变压器、输电线、直流柜等三维立体模型重建。由于激光雷达点云数据具有较高的空间精度，可作为无人机自主精细化巡检的基础地图。

2 基于激光点云数据的复杂航迹规划

采集光伏电厂内的高精度激光点云数据作为基础三维地图，为拍照点的生成、拍照参数的设置提供基础，具体研究要点包括：

1）设备部件点标定，将光伏电厂设备各部件定义为汇流箱、逆变器、光伏板、变压器、输电线、直流柜等类型，提取关键特征的空间参数，确定无人机精细化巡检时的拍照目标。研究无人机巡检光伏面板飞行高度和摄像头视角参数，考虑太阳电池板的成像分辨率和电池板的视场覆盖面积，提高巡检工作的效率和质量。

2）无人机巡检作业流程，根据拍照点顺序、作业规范、风险预判及无人机性能，生成满足要求的精细化巡检航线。

3）根据全光伏厂区巡检、精细化巡检、红外巡检、紫外巡检、激光雷达巡检等多种作业模式下的航线半自动化生成及检校，实现长航时精细化自主巡检。光伏电站的巡检路线通常为“S”型和“Z”型，但是实际情况需要根据电站的具体特点分析，依据阵列及地形分布特点有针对性地规划实施。

4）根据光伏面板特点，建立各厂区光伏面板的航线模型标准库，通过模板文件对同一类型光伏面板进行复制生成、检测并存储，再进行人工微调，实现全光伏厂区巡检目标快速设定，无人机自主飞行，提高无人机自主巡检航线规划效率。

3 多旋翼无人机巡检飞行

针对光伏厂区巡检面积大、巡检时间长，选用长航时多旋翼无人机系统（纯电动类和油电混合类），综合考虑机身体积、主体材料、挂载性能、电池容量、发动机性能、动力源输出的稳定性、避障功能、RTK高精度定位，以及超视距通讯距离等多种要素，通过无人机智能飞行终端执行基于激光点云数据自动规划的自主精细化巡检复杂航线，实现各种模式下的精细化巡检作业（可见光、红外、紫外），面向光伏电厂野外区域自然气象灾害事件后的灾后特巡、灾情普查和灾害应急响应。

图1 无人机巡检航线规划Fig.1 UAV Inspection route planning

图2 无人机智能飞行终端Fig.2 UAV Intelligent flight terminal

4 无人机智能飞行终端

无人机智能飞行终端能适配纯电动长航时多旋翼无人机和轻便型多旋翼无人机，不同机型，同平台操作，方便用户使用，解决系统杂而乱现象。光伏电厂在应用无人机开展巡检工作时，为确保无人机能够顺利完成相关的巡检任务，要求无人机具备完善的功能和优良的性能。光伏电厂与一般的电厂相比，具有一定的特殊性，不同规模的光伏电厂对无人机的功能有着不同的要求。用于光伏电厂巡检工作中的无人机应当具备如下基本功能：实现无人机超视距自主飞行，实现云端任务同步与管理，航线下载执行，具备自检、自主飞行、自动躲避障碍物、自行返航、断点续航、定点悬停、航迹规划、遥控与通信等功能。

5 巡检图像归档与智能识别

依靠提取无人机拍摄图像的精确位置点，依次归类至光伏厂区各类设备及编号，飞行数据统一自动命名并存储，实现图片自动重命名，提高内业数据处理效率。将巡检获取的全部照片导入智能识别软件，进行热斑智能识别，并生成报告，报告包含有：飞行数据统计记录，热斑对应的红外图像、可见光图像，热斑对应的经纬度、逻辑位置编号，以及热斑故障类型。

为实现对于光伏组件故障智能检测，项目提出了一种基于深度学习的无人机采集红外光伏图像故障检测方法。通过无人机携带红外相机对光伏电站进行巡检，然后使用深度学习模型，对红外图像进行热斑、二极管和异物遮挡等故障进行识别。针对无人机采集的红外光伏图像建立数据集，并通过基于Yolov3一阶段的目标检测算法对组串和组件进行目标检测和故障分类，提升分割效果，优化运行效率，实现对红外光伏目标的高效识别和提取。基于不同背景条件进行模型的智能识别和故障诊断训练，对算法进行筛选改进，最终提升模型的精度、效率和鲁棒性。

图3 巡检图像重命名规范Fig.3 Inspection image renaming specification

将系统智能识别的热斑在三维电子地图中进行全局定位，基于机器学习算法建立缺陷识别数据库，针对单个光伏板建立热斑故障数据库，通过不同颜色区分组串离线、杂草遮挡、鸟粪遮挡、二极管损坏、面板破损等不同故障类型，并生成报告，报告包含有：飞行数据统计记录，热斑对应的红外图像、可见光图像，热斑对应的经纬度、逻辑位置编号，以及热斑故障类型。组串识别率100%，正常组件、热斑故障、遮挡和二极管识别率高于95%。不同期同一部件点图像对比查看，适配现场实际作业的各种需求，以及不同期历史数据同一部件点图像自动搜索查看，提高工作效率。

图4 缺陷识别Fig.4 Defect identification

图5 缺陷识别定位Fig.5 Defect identification and positioning

6 结语

本文选取3km2的示范厂区，通过采用激光雷达技术，采集立体三维点云数据，获取光伏电厂三维空间结构，构建立体巡检体系，推算高精导航数据，结合不同作业区域、不同户外条件、不同巡检模式，科学规划巡视路径、拍摄位置、角度和安全点，进而控制无人机飞行及数据采集，提高巡检拍照效率效果，进行缺陷图像人工智能识别，并生成巡检报告，提高缺陷识别效率。

本文研究建立光伏电厂无人机巡检标准化作业流程，保证无人机巡检工作的规范化和安全性，形成无人机自主巡检相关作业流程，全面替代传统人工巡检方式。采用基于激光雷达点云高精度定位技术，利用无人机携红外与可见光相机对光伏电站进行巡检，可以提高巡检效率，提高安全性，降低运维成本，极大地减轻电站运维压力，对保障光伏电站稳定运行具有重要的意义，可进一步推广与应用。