風(fēng)電場(chǎng)5G無(wú)人機巡檢技術(shù)與路徑優(yōu)化設計

趙子豐

摘 要：考慮到無(wú)人機在風(fēng)電場(chǎng)巡檢中的應用優(yōu)勢及其巡檢路徑設計的必要性，提出了一種用于風(fēng)電場(chǎng)巡檢的5G無(wú)人機及其路徑設計。無(wú)人機可利用無(wú)人機平臺搭載測量型可見(jiàn)光相機、紅外相機、三維激光雷達等任務(wù)設備對風(fēng)機本體和集電線(xiàn)路進(jìn)行飛行巡檢。采用移動(dòng)邊緣計算（MEC）算法設計巡檢方案，使無(wú)人機可以進(jìn)行多架次的風(fēng)電機組檢測，采用2種傳感數據卸載模式，在確保數據處理精度的同時(shí)，聯(lián)合優(yōu)化無(wú)人機巡檢航跡與計算操作，縮短巡檢時(shí)間。同時(shí)考慮到風(fēng)力的影響，設計了一種低復雜度的小波變換例行巡視航跡和無(wú)人機調度方法，通過(guò)尋找最優(yōu)卸貨軌跡和計算卸貨參數，得到最優(yōu)巡檢方案。

關(guān)鍵詞：風(fēng)電場(chǎng)；
無(wú)人機；
5G技術(shù)；
巡檢路徑

中圖分類(lèi)號：TM63

文獻標志碼：A

文章編號：1001-5922（2023）07-0184-05

5G unmanned aerial vehicle inspection technology and path optimization design for wind farms

ZHAO Zifeng

（Datang （Inner Mongolia） Energy Development

Co.，Ltd.，Mengdong Renewable Power Business Division

）

Abstract：Considering the application advantages of Unmanned Aerial Vehicle （UAV） in wind farm inspection and the necessity of patrol path design，a 5G UAV for wind farm inspection and its path design were proposed.The UAV can use the UAV platform with measuring visible light camera，infrared camera，three-dimensional lidar and other mission equipment to inspect the fan body and power collection line.The mobile edge computing （MEC） algorithm was used to design the inspection scheme，so that the UAV could carry out multi-sorties of wind turbine inspection.Two sensing data unloading modes were adopted to ensure the accuracy of data processing，and at the same time，the UAV patrol track and calculation operation were jointly optimized to shorten the inspection time.In addition，considering the influence of wind power，a low-complexity wavelet transform routine inspection track and UAV scheduling method was designed，and the optimal inspection scheme was obtained by finding the optimal unloading trajectory and calculating the unloading parameters.

Key words：wind farm;UAV;5G technology;inspection path

我國風(fēng)能資源極為豐富，僅陸地的可用風(fēng)能儲量就達到2.53億kW。依據國家能源局統計數據表明，我國風(fēng)電并網(wǎng)裝機容量突破3億kW，連續12年穩居全球第一［1］。葉片是風(fēng)電機組中最關(guān)鍵的部件之一，風(fēng)機對風(fēng)能的利用能力與風(fēng)葉的氣動(dòng)效率密切相關(guān)［2-3］。然而，在風(fēng)機運行的過(guò)程中，葉片線(xiàn)速度極高，其表層易被風(fēng)砂磨損，產(chǎn)生劃痕、裂隙等，尤其是葉尖更容易出現前緣碎裂的情況［4］。陸地風(fēng)電廠(chǎng)普遍建于高海拔地區，晝夜溫差大，使得風(fēng)葉材料性能變差，在應力作用下可能出現破損［5］。另外，長(cháng)期工作的風(fēng)葉表面會(huì )出現防護膠衣磨損的現象，膠衣脫落后可能出現砂眼，進(jìn)一步產(chǎn)生通腔造成葉片積水。這些葉片缺陷會(huì )導致風(fēng)葉阻力增大、發(fā)電效率下降、抗雷擊性能變差，甚至可能出現葉片損毀事故，造成巨大安全隱患和經(jīng)濟損失［6］。因此，通過(guò)各種巡檢手段，盡早發(fā)現和修復葉片缺陷，是保證風(fēng)電廠(chǎng)穩定運行的重要工作。

傳統的風(fēng)電機組葉片檢測方法主要是通過(guò)在風(fēng)電機組上安裝各種傳感器來(lái)實(shí)現的，隨著(zhù)傳感器壽命的縮短，傳感器網(wǎng)絡(luò )可能會(huì )出現檢測錯誤或操作故障，難以識別。同時(shí)，海量傳感器數據的出現也對監控網(wǎng)絡(luò )與控制中心之間通信鏈路的可靠性提出了更高的要求［7］。最近，部署無(wú)人駕駛飛行器（UAV）自動(dòng)檢測風(fēng)力機葉片已成為提高檢測效率的一種前景良好的解決方案［8］。文獻［9］考慮到風(fēng)電場(chǎng)風(fēng)機葉片人工檢測工作量大以及檢測效率低的問(wèn)題，提出了一種基于無(wú)人機圖像的缺陷自動(dòng)化檢測系統，有效提高了風(fēng)機葉片的巡檢效率。文獻［10］提出了基于無(wú)人機機器視覺(jué)的風(fēng)力機葉片損傷診斷方法，采用L-AlexNet深度學(xué)習框架，針對風(fēng)力機葉片表面圖像進(jìn)行訓練，其診斷平均準確率高達97.03%。文獻［11］提出了一種用于智能電網(wǎng)風(fēng)電場(chǎng)自動(dòng)監測的EDGE智能無(wú)人機，通過(guò)控制渦輪的偏航角來(lái)優(yōu)化汽輪機的發(fā)電、預測風(fēng)速、風(fēng)向等風(fēng)向，在實(shí)際應用中取得了良好的效果。

綜上，相關(guān)學(xué)者研究已經(jīng)證明了無(wú)人機在風(fēng)電場(chǎng)巡檢中的應用價(jià)值，然而針對無(wú)人機巡檢路徑的研究，發(fā)現已有研究大多只考慮了任務(wù)完成時(shí)間、能耗或單次出動(dòng)的能效，研究局限性較強。據此，探討了用于風(fēng)電場(chǎng)巡檢的5G無(wú)人機及其路徑設計，并將巡檢路徑設計目標定為最小化無(wú)人機在多架次中的總完成時(shí)間，在設計中充分考慮到了任務(wù)完成時(shí)間和每次出動(dòng)的能量消耗之間的平衡，以?xún)?yōu)化巡檢設計。

1 建設目標

本項目將綜合國內無(wú)人機自主巡檢、風(fēng)電場(chǎng)AI智能巡檢的理論研究成果和實(shí)踐經(jīng)驗，結合無(wú)人機自主巡航相關(guān)作業(yè)流程的實(shí)際要求、作業(yè)習慣和專(zhuān)用器具等實(shí)際情況，針對風(fēng)電場(chǎng)無(wú)人機自主巡航任務(wù)的具體需求進(jìn)行定制開(kāi)發(fā)。本項目將通過(guò)融合高清地形、高清影像以及葉片、風(fēng)機、桿塔、線(xiàn)路等關(guān)鍵部位的激光點(diǎn)云數據，真實(shí)再現風(fēng)機及風(fēng)場(chǎng)供電環(huán)境三維運行場(chǎng)景，同時(shí)結合5G通信技術(shù)應用，建立三維可視化無(wú)人機風(fēng)電場(chǎng)自動(dòng)化巡檢系統，實(shí)現無(wú)人機作業(yè)動(dòng)態(tài)遠程監控。

（1）實(shí)現風(fēng)機檢測及維護工作的信息化業(yè)務(wù)覆蓋，實(shí)現業(yè)務(wù)流程化、管理工作的標準化;

（2）通過(guò)風(fēng)電場(chǎng)無(wú)人機自動(dòng)化巡檢系統，將檢測、數據處理、故障識別、故障跟蹤等細分業(yè)務(wù)全覆蓋，實(shí)現故障缺陷數據的全生命周期管理，實(shí)現運維監測到設備維護業(yè)務(wù)的信息流程化、管理模式的標準化。從而解決了傳統模式數據管理凌亂，統計分析困難、工作量大、工作效率低下的問(wèn)題;

（3）加強風(fēng)機故障識別、故障管理工作效率，實(shí)現風(fēng)機檢測數據處理的可視化和智能化，為風(fēng)機檢修業(yè)務(wù)的深化應用提供支撐;

（4）通過(guò)風(fēng)電場(chǎng)無(wú)人機自動(dòng)化巡檢系提供人工故障判別、機器自動(dòng)判別，可視化故障統計分析等高級應用，為后續風(fēng)機監測與設備檢修維護的深化應用提供軟件平臺支持。例如檢修業(yè)務(wù)需要通過(guò)風(fēng)電場(chǎng)無(wú)人機自動(dòng)化巡檢系提供現場(chǎng)風(fēng)機故障視頻、需要提供現場(chǎng)缺陷描述、現場(chǎng)三維場(chǎng)景及地形、缺陷風(fēng)機空間信息等，從而制定檢修計劃、檢修工單；

（5）形成風(fēng)機檢測數據中心，為風(fēng)電發(fā)電相關(guān)業(yè)務(wù)提供數據共享和服務(wù)支撐。通過(guò)風(fēng)機監測數據管理系統的建設，形成風(fēng)機檢修數據中心，通過(guò)應用集成為公司其他相關(guān)業(yè)務(wù)系統提供數據共享和服務(wù)支撐。例如基建和規劃業(yè)務(wù)需要通過(guò)風(fēng)電場(chǎng)無(wú)人機自動(dòng)化巡檢系提供歷年風(fēng)機葉片故障統計、故障分類(lèi)分布情況。通過(guò)將通過(guò)風(fēng)電場(chǎng)無(wú)人機自動(dòng)化巡檢系與各類(lèi)業(yè)務(wù)系統縱向、橫向集成，實(shí)現公司各系統信息互補、業(yè)務(wù)協(xié)同，提升公司整體信息化應用水平。

2 風(fēng)電場(chǎng)5G無(wú)人機巡檢技術(shù)

2.1 無(wú)人機巡檢技術(shù)

基于5G+無(wú)人機技術(shù)的風(fēng)機葉片、塔筒與風(fēng)場(chǎng)集電線(xiàn)路自主巡檢與AI智能識別定位技術(shù)，是指利用無(wú)人機平臺搭載測量型可見(jiàn)光相機、紅外相機、三維激光雷達等任務(wù)設備對風(fēng)機本體和集電線(xiàn)路進(jìn)行飛行巡檢，無(wú)人機起飛后自動(dòng)計算風(fēng)電機組的朝向和塔筒高度，并通過(guò)北斗/GPS雙重定位，自動(dòng)尋找風(fēng)電機組輪轂導流罩的中心點(diǎn)。起始點(diǎn)確認后，無(wú)人機按照規劃的路徑進(jìn)行葉片圖像自動(dòng)采集。無(wú)人機能夠實(shí)現自主飛行，自主獲取巡檢數據，并通過(guò)5G專(zhuān)網(wǎng)將巡檢數據傳回云平臺。云平臺則是通過(guò)基于神經(jīng)網(wǎng)絡(luò )AI機器學(xué)習技術(shù)的缺陷自動(dòng)檢測后，按照巡檢作業(yè)要求進(jìn)行數據處理、分析，形成巡檢報告。

這種巡檢方式以無(wú)人機裝備本身的控制程序為主，輔以無(wú)線(xiàn)遙控，高效采集用于隱患和故障檢測的無(wú)人機數據。結合人工智能與大數據分析技術(shù)可以對無(wú)人機獲取的巡檢數據進(jìn)行機器學(xué)習輔助診斷，對設備隱患進(jìn)行量化分析和測量，最終生成指導運維人員工作的巡檢報告，并通過(guò)可視化運維數據管理風(fēng)機葉片和集電線(xiàn)路完整生命周期內的故障和隱患信息。

第5代移動(dòng)通信（5G通信）技術(shù)的日益成熟，因具有高寬帶、低時(shí)延、低功耗等優(yōu)勢，收到各行各業(yè)青睞，也將廣泛的與物聯(lián)網(wǎng)技術(shù)進(jìn)行深度融合［12-13］。5G無(wú)人機的使用不僅使風(fēng)電場(chǎng)風(fēng)機及集電線(xiàn)路巡檢速度的大幅度提升，還有效解決了自然條件的局限問(wèn)題，實(shí)現了不同任務(wù)、不同組合的優(yōu)化運行的不同操作機制，優(yōu)化了5G無(wú)人機在風(fēng)電場(chǎng)巡檢方面的應用效果。無(wú)人機巡線(xiàn)提高了風(fēng)電場(chǎng)維護和檢修的速度和效率，使許多工作能在完全帶電的環(huán)境下迅速完成，確保了用電安全。5G技術(shù)有很多的優(yōu)勢，包括通信速度快、通信靈活、智能性能高、兼容性好，最重要的是費用較低，且提供增值服務(wù)。此外，它能夠快速地提供大量的信息，能夠不受距離限制、流暢地傳輸視頻。

2.2 無(wú)人機巡檢模型

無(wú)人機的任務(wù)是探測風(fēng)電場(chǎng)中的N個(gè)風(fēng)力發(fā)電機（WTs）。由于電池容量有限，無(wú)人機需要K架次才能完成對風(fēng)電場(chǎng)的探測。N架無(wú)人機和K架次的集合表示為N=［1，2，…，N］和K=［1，2…，K］。每一次飛行包括飛行、探測、卸載和裝填過(guò)程，離開(kāi)TS后，無(wú)人機按預定航線(xiàn)飛往WTs。當到達風(fēng)力發(fā)電機（WT）時(shí)，無(wú)人機開(kāi)始WT檢測過(guò)程。通過(guò)高清攝像機拍攝圖像或視頻，無(wú)人機可以獲得WT部件，特別是葉片的表面狀況。無(wú)人機檢測后，需要通過(guò)無(wú)人機本地計算或計算卸載的方式對傳感數據進(jìn)行處理。根據卸載能耗，無(wú)人機可以選擇通過(guò)5G專(zhuān)網(wǎng)將數據卸載到云平臺，考慮到數據的時(shí)效性，所有數據均需要在下一次神經(jīng)網(wǎng)絡(luò )AI機器學(xué)習技術(shù)的缺陷自動(dòng)檢測之前處理完成。在處理好收集到的傳感數據以后，無(wú)人機將飛行到下一個(gè)WT，并開(kāi)始檢測過(guò)程。當這次飛行中的所有WTs都被檢測到后，無(wú)人機返回系統中心進(jìn)行充電。充電后，無(wú)人機將開(kāi)始檢測下一架次，并完成例行檢查，直到檢測到風(fēng)電場(chǎng)中的所有WTs。

為了獲得檢測軌跡，還需要確定第一個(gè)檢測WT和最后一個(gè)檢測WT，通過(guò)減去最后一個(gè)WT到第一個(gè)WT的能量消耗，加上系統中心到第一個(gè)WT和最后一個(gè)WT到系統中心的能量消耗，可以得到不同WT組合下的能量消耗。然后，通過(guò)比較不同WT組合的能量消耗，可以確定第一個(gè)和最后一個(gè)WT。對于給定的每次探測軌跡，隨著(zhù)每日風(fēng)力的變化，不同的無(wú)人機調度也會(huì )影響飛行能耗。一般來(lái)說(shuō)，風(fēng)的變化有一定的規律性，即早晚風(fēng)強，中午風(fēng)弱。通過(guò)將風(fēng)速與每架次的能耗進(jìn)行匹配，例如在風(fēng)速較高的時(shí)刻調度較低的飛行能耗組，可以實(shí)現無(wú)人機調度。在WT分組過(guò)程中，外部架次可以選擇最合適的組合，而內部架次可能有一些相對較遠的WTs，即次優(yōu)選擇。因此，在此過(guò)程中將重新安排交叉組，然后從現有組中分離出具有交叉的WTs，并將它們重新排列到交叉組中。當所有組之間沒(méi)有交叉時(shí)，進(jìn)一步采用分裂和重新排列的方法來(lái)優(yōu)化更高風(fēng)速時(shí)刻的組。

4 結語(yǔ)

研究提出了一種用于風(fēng)電場(chǎng)巡檢的5G無(wú)人機及其路徑設計，該系統借助服務(wù)器和衛星對無(wú)人機進(jìn)行檢測和傳感數據處理。為了保證處理后的傳感數據的有效性，最大限度地縮短風(fēng)電場(chǎng)的檢測完成時(shí)間，對UAV軌跡和計算卸載進(jìn)行了聯(lián)合優(yōu)化，特別考慮了風(fēng)對軌跡規劃的影響?？紤]到探測軌跡規劃和計算過(guò)程優(yōu)化的時(shí)間尺度不同，提出了2種優(yōu)化方法，并將探測軌跡規劃問(wèn)題分解為飛行速度和運動(dòng)方向，并分別求解，從而得到最優(yōu)巡檢路徑。

【參考文獻】

［1］ 汪楊凱，曾宏宇，趙然，等.基于航線(xiàn)

自主規劃的變電站無(wú)人機巡檢［J］.粘接，2021.48（12）：173-177.

［2］ 朱瑞，黃輝秀，于永峰，等.基于阻尼影響的風(fēng)電葉片疲勞測試加載位置優(yōu)化［J］.復合材料科學(xué)與工程，2020（8）：5-7.

［3］ 張明明，廖猜猜，張磊，等.復雜地形條件下大型風(fēng)電葉片先進(jìn)設計技術(shù)研究［J］.中國科學(xué)：技術(shù)科學(xué)，2020，50（10）：13-15.

［4］ 張則榮，韓桐桐，李影.基于應變模態(tài)的風(fēng)機葉片損傷診斷研究［J］.可再生能源，2021，39（3）：6-8.

［5］ 陳飛.南方區域高海拔山地風(fēng)電場(chǎng)戶(hù)外設備凝露r成因及防范［J］.廣西電業(yè)，2018（5）：3-9.

［6］ 康爽，陳長(cháng)征，周勃，等.基于溫度閾值風(fēng)電葉片缺陷識別的紅外檢測研究［J］.太陽(yáng)能學(xué)報，2020，41（8）：5-9.

［7］ 鄔春明，楊繼紅.基于ZigBee的風(fēng)電機組振動(dòng)故障監測系統設計［J］.電子器件，2017，40（3）：6-10.

［8］ LONG W，ZHANG Z .Automatic detection of wind turbine blade surface cracks based on UAV-taken Images［J］.IEEE Transactions on Industrial Electronics，2017，64（9）：7293-7303.

［9］ 趙春溢，郭洪濤，郭濤，等.一種風(fēng)機葉片圖像采集及缺陷檢測系統［J］.紅外技術(shù)，2020，42（12）：8-12.

［10］ 趙肖懿，董朝軼，周鵬，等.基于無(wú)人機機器視覺(jué)的風(fēng)力機葉片損傷診斷研究［J］.太陽(yáng)能學(xué)報，2021，42（7）：8-11.

［11］ CHUNG H M，MAHARJAN S，ZHANG Y，et al.Edge Intelligence Empowered UAVs for Automated Wind Farm Monitoring in Smart Grids［J］.IEEE，2020，（9）：1162-1168.

［12］ 黃彥欽，余浩，尹鈞毅，等.電力物聯(lián)網(wǎng)數據傳輸方案：現狀與基于5G技術(shù)的展望［J］.電工技術(shù)學(xué)報，2021，36（17）：13-16.

［13］ 袁楓.5G移動(dòng)通信在電力通信中的運用與關(guān)鍵技術(shù)探究［J］.變壓器，2020，57（4）：1-5.

［14］ ZHANG S，ZHANG H，DI B，et al.Cellular Cooperative Unmanned Aerial Vehicle Networks With Sense-and-Send Protocol［J］.IEEE Internet of Things Journal，2018，PP（99）：1-4.

［15］ ZENG Y，XU J，ZHANG R .Energy Minimization for Wireless Communication with Rotary-Wing UAV［J］.IEEE Transactions on Wireless Communications，2018，18（4）：2329-2345.