风电场5G无人机巡检技术与路径优化设计

赵子丰

摘 要：考虑到无人机在风电场巡检中的应用优势及其巡检路径设计的必要性，提出了一种用于风电场巡检的5G无人机及其路径设计。无人机可利用无人机平台搭载测量型可见光相机、红外相机、三维激光雷达等任务设备对风机本体和集电线路进行飞行巡检。采用移动边缘计算（MEC）算法设计巡检方案，使无人机可以进行多架次的风电机组检测，采用2种传感数据卸载模式，在确保数据处理精度的同时，联合优化无人机巡检航迹与计算操作，缩短巡检时间。同时考虑到风力的影响，设计了一种低复杂度的小波变换例行巡视航迹和无人机调度方法，通过寻找最优卸货轨迹和计算卸货参数，得到最优巡检方案。

关键词：风电场；
无人机；
5G技术；
巡检路径

中图分类号：TM63

文献标志码：A

文章编号：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

我国风能资源极为丰富，仅陆地的可用风能储量就达到2.53亿kW。依据国家能源局统计数据表明，我国风电并网装机容量突破3亿kW，连续12年稳居全球第一［1］。叶片是风电机组中最关键的部件之一，风机对风能的利用能力与风叶的气动效率密切相关［2-3］。然而，在风机运行的过程中，叶片线速度极高，其表层易被风砂磨损，产生划痕、裂隙等，尤其是叶尖更容易出现前缘碎裂的情况［4］。陆地风电厂普遍建于高海拔地区，昼夜温差大，使得风叶材料性能变差，在应力作用下可能出现破损［5］。另外，长期工作的风叶表面会出现防护胶衣磨损的现象，胶衣脱落后可能出现砂眼，进一步产生通腔造成叶片积水。这些叶片缺陷会导致风叶阻力增大、发电效率下降、抗雷击性能变差，甚至可能出现叶片损毁事故，造成巨大安全隐患和经济损失［6］。因此，通过各种巡检手段，尽早发现和修复叶片缺陷，是保证风电厂稳定运行的重要工作。

传统的风电机组叶片检测方法主要是通过在风电机组上安装各种传感器来实现的，随着传感器寿命的缩短，传感器网络可能会出现检测错误或操作故障，难以识别。同时，海量传感器数据的出现也对监控网络与控制中心之间通信链路的可靠性提出了更高的要求［7］。最近，部署无人驾驶飞行器（UAV）自动检测风力机叶片已成為提高检测效率的一种前景良好的解决方案［8］。文献［9］考虑到风电场风机叶片人工检测工作量大以及检测效率低的问题，提出了一种基于无人机图像的缺陷自动化检测系统，有效提高了风机叶片的巡检效率。文献［10］提出了基于无人机机器视觉的风力机叶片损伤诊断方法，采用L-AlexNet深度学习框架，针对风力机叶片表面图像进行训练，其诊断平均准确率高达97.03%。文献［11］提出了一种用于智能电网风电场自动监测的EDGE智能无人机，通过控制涡轮的偏航角来优化汽轮机的发电、预测风速、风向等风向，在实际应用中取得了良好的效果。

综上，相关学者研究已经证明了无人机在风电场巡检中的应用价值，然而针对无人机巡检路径的研究，发现已有研究大多只考虑了任务完成时间、能耗或单次出动的能效，研究局限性较强。据此，探讨了用于风电场巡检的5G无人机及其路径设计，并将巡检路径设计目标定为最小化无人机在多架次中的总完成时间，在设计中充分考虑到了任务完成时间和每次出动的能量消耗之间的平衡，以优化巡检设计。

1 建设目标

本项目将综合国内无人机自主巡检、风电场AI智能巡检的理论研究成果和实践经验，结合无人机自主巡航相关作业流程的实际要求、作业习惯和专用器具等实际情况，针对风电场无人机自主巡航任务的具体需求进行定制开发。本项目将通过融合高清地形、高清影像以及叶片、风机、杆塔、线路等关键部位的激光点云数据，真实再现风机及风场供电环境三维运行场景，同时结合5G通信技术应用，建立三维可视化无人机风电场自动化巡检系统，实现无人机作业动态远程监控。

（1）实现风机检测及维护工作的信息化业务覆盖，实现业务流程化、管理工作的标准化;

（2）通过风电场无人机自动化巡检系统，将检测、数据处理、故障识别、故障跟踪等细分业务全覆盖，实现故障缺陷数据的全生命周期管理，实现运维监测到设备维护业务的信息流程化、管理模式的标准化。从而解决了传统模式数据管理凌乱，统计分析困难、工作量大、工作效率低下的问题;

（3）加强风机故障识别、故障管理工作效率，实现风机检测数据处理的可视化和智能化，为风机检修业务的深化应用提供支撑;

（4）通过风电场無人机自动化巡检系提供人工故障判别、机器自动判别，可视化故障统计分析等高级应用，为后续风机监测与设备检修维护的深化应用提供软件平台支持。例如检修业务需要通过风电场无人机自动化巡检系提供现场风机故障视频、需要提供现场缺陷描述、现场三维场景及地形、缺陷风机空间信息等，从而制定检修计划、检修工单；

（5）形成风机检测数据中心，为风电发电相关业务提供数据共享和服务支撑。通过风机监测数据管理系统的建设，形成风机检修数据中心，通过应用集成为公司其他相关业务系统提供数据共享和服务支撑。例如基建和规划业务需要通过风电场无人机自动化巡检系提供历年风机叶片故障统计、故障分类分布情况。通过将通过风电场无人机自动化巡检系与各类业务系统纵向、横向集成，实现公司各系统信息互补、业务协同，提升公司整体信息化应用水平。

2 风电场5G无人机巡检技术

2.1 无人机巡检技术

基于5G+无人机技术的风机叶片、塔筒与风场集电线路自主巡检与AI智能识别定位技术，是指利用无人机平台搭载测量型可见光相机、红外相机、三维激光雷达等任务设备对风机本体和集电线路进行飞行巡检，无人机起飞后自动计算风电机组的朝向和塔筒高度，并通过北斗/GPS双重定位，自动寻找风电机组轮毂导流罩的中心点。起始点确认后，无人机按照规划的路径进行叶片图像自动采集。无人机能够实现自主飞行，自主获取巡检数据，并通过5G专网将巡检数据传回云平台。云平台则是通过基于神经网络AI机器学习技术的缺陷自动检测后，按照巡检作业要求进行数据处理、分析，形成巡检报告。

这种巡检方式以无人机装备本身的控制程序为主，辅以无线遥控，高效采集用于隐患和故障检测的无人机数据。结合人工智能与大数据分析技术可以对无人机获取的巡检数据进行机器学习辅助诊断，对设备隐患进行量化分析和测量，最终生成指导运维人员工作的巡检报告，并通过可视化运维数据管理风机叶片和集电线路完整生命周期内的故障和隐患信息。

第5代移动通信（5G通信）技术的日益成熟，因具有高宽带、低时延、低功耗等优势，收到各行各业青睐，也将广泛的与物联网技术进行深度融合［12-13］。5G无人机的使用不仅使风电场风机及集电线路巡检速度的大幅度提升，还有效解决了自然条件的局限问题，实现了不同任务、不同组合的优化运行的不同操作机制，优化了5G无人机在风电场巡检方面的应用效果。无人机巡线提高了风电场维护和检修的速度和效率，使许多工作能在完全带电的环境下迅速完成，确保了用电安全。5G技术有很多的优势，包括通信速度快、通信灵活、智能性能高、兼容性好，最重要的是费用较低，且提供增值服务。此外，它能够快速地提供大量的信息，能够不受距离限制、流畅地传输视频。

2.2 无人机巡检模型

无人机的任务是探测风电场中的N个风力发电机（WTs）。由于电池容量有限，无人机需要K架次才能完成对风电场的探测。N架无人机和K架次的集合表示为N=［1，2，…，N］和K=［1，2…，K］。每一次飞行包括飞行、探测、卸载和装填过程，离开TS后，无人机按预定航线飞往WTs。当到达风力发电机（WT）时，无人机开始WT检测过程。通过高清摄像机拍摄图像或视频，无人机可以获得WT部件，特别是叶片的表面状况。无人机检测后，需要通过无人机本地计算或计算卸载的方式对传感数据进行处理。根据卸载能耗，无人机可以选择通过5G专网将数据卸载到云平台，考虑到数据的时效性，所有数据均需要在下一次神经网络AI机器学习技术的缺陷自动检测之前处理完成。在处理好收集到的传感数据以后，无人机将飞行到下一个WT，并开始检测过程。当这次飞行中的所有WTs都被检测到后，无人机返回系统中心进行充电。充电后，无人机将开始检测下一架次，并完成例行检查，直到检测到风电场中的所有WTs。

为了获得检测轨迹，还需要确定第一个检测WT和最后一个检测WT，通过减去最后一个WT到第一个WT的能量消耗，加上系统中心到第一个WT和最后一个WT到系统中心的能量消耗，可以得到不同WT组合下的能量消耗。然后，通过比较不同WT组合的能量消耗，可以确定第一个和最后一个WT。对于给定的每次探测轨迹，随着每日风力的变化，不同的无人机调度也会影响飞行能耗。一般来说，风的变化有一定的规律性，即早晚风强，中午风弱。通过将风速与每架次的能耗进行匹配，例如在风速较高的时刻调度较低的飞行能耗组，可以实现无人机调度。在WT分组过程中，外部架次可以选择最合适的组合，而内部架次可能有一些相对较远的WTs，即次优选择。因此，在此过程中将重新安排交叉组，然后从现有组中分离出具有交叉的WTs，并将它们重新排列到交叉组中。当所有组之间没有交叉时，进一步采用分裂和重新排列的方法来优化更高风速时刻的组。

4 结语

研究提出了一种用于风电场巡检的5G无人机及其路径设计，该系统借助服务器和卫星对无人机进行检测和传感数据处理。为了保证处理后的传感数据的有效性，最大限度地缩短风电场的检测完成时间，对UAV轨迹和计算卸载进行了联合优化，特别考虑了风对轨迹规划的影响。考虑到探测轨迹规划和计算过程优化的時间尺度不同，提出了2种优化方法，并将探测轨迹规划问题分解为飞行速度和运动方向，并分别求解，从而得到最优巡检路径。

【参考文献】

［1］ 汪杨凯，曾宏宇，赵然，等.基于航线

自主规划的变电站无人机巡检［J］.粘接，2021.48（12）：173-177.

［2］ 朱瑞，黄辉秀，于永峰，等.基于阻尼影响的风电叶片疲劳测试加载位置优化［J］.复合材料科学与工程，2020（8）：5-7.

［3］ 张明明，廖猜猜，张磊，等.复杂地形条件下大型风电叶片先进设计技术研究［J］.中国科学：技术科学，2020，50（10）：13-15.

［4］ 张则荣，韩桐桐，李影.基于应变模态的风机叶片损伤诊断研究［J］.可再生能源，2021，39（3）：6-8.

［5］ 陈飞.南方区域高海拔山地风电场户外设备凝露r成因及防范［J］.广西电业，2018（5）：3-9.

［6］ 康爽，陈长征，周勃，等.基于温度阈值风电叶片缺陷识别的红外检测研究［J］.太阳能学报，2020，41（8）：5-9.

［7］ 邬春明，杨继红.基于ZigBee的风电机组振动故障监测系统设计［J］.电子器件，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］ 赵春溢，郭洪涛，郭涛，等.一种风机叶片图像采集及缺陷检测系统［J］.红外技术，2020，42（12）：8-12.

［10］ 赵肖懿，董朝轶，周鹏，等.基于无人机机器视觉的风力机叶片损伤诊断研究［J］.太阳能学报，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］ 黄彦钦，余浩，尹钧毅，等.电力物联网数据传输方案：现状与基于5G技术的展望［J］.电工技术学报，2021，36（17）：13-16.

［13］ 袁枫.5G移动通信在电力通信中的运用与关键技术探究［J］.变压器，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.