无人机自动化巡检技术在光伏电站中的应用

夏德喜，刘浩满，芦 璐

(国电联合动力技术有限公司，北京 100039)

0 引言

随着化石能源逐渐匮乏，在倡导低碳经济和可持续发展的大背景下，可再生能源越来越受到各界的重视，太阳能是可再生能源中最具有代表性的能源类型之一，而光伏发电为重要的太阳能利用方式。从2008 年开始，光伏行业步入大众视野，并在国家的大力扶持下进入了迅速发展时期。据国家能源局统计，截至2022 年底，中国累计并网光伏发电量为39204 万kWh，其中，集中式光伏发电量为23442 万kWh，分布式光伏发电量为15762 万kWh[1]。随着光伏行业的飞速壮大，光伏发电量成为衡量光伏电站收益的关键指标，而运维在提升光伏电站发电效率、降低平准化度电成本方面发挥着越来越重要的作用，如何提高电能质量和运维管理效率，是光伏电站亟待解决的难题。为了增加光伏电站的发电效率，必须保证光伏组件的故障率处于极低水平，这就需要及时判断光伏组件是否存在故障，并进行及时处理。

目前，根据应用场景不同，中国的光伏电站主要分为以下几种：

1)地面光伏电站。此类光伏电站多建于平原地区，且通常占地面积较大，人工巡检时存在耗时耗力的情况。

2)山地光伏电站。此类光伏电站建于山地、丘陵等地，海拔较高，地势较为复杂，且电站所在地的环境较为复杂，秋、冬季节易出现路面结冰情况，导致此类光伏电站运维时设备运输及人工检查均较为困难，而采用无人机(UAV)进行巡检将给此类光伏电站检测带来极大方便。

3)沙漠戈壁光伏电站。沙漠、戈壁地区人口少，人工费用高，且此类地区气候条件恶劣，日较差大。如果光伏组件长期暴晒和暴露在风沙环境中，其故障率会大幅增加，因此，此类光伏电站的高效运维成为亟待解决的问题。

4)渔光互补或农光互补光伏电站。此类光伏电站是将光伏发电与渔业、农业、水产养殖等相结合，属于土地集约型利用方式。但此类应用形式为电站后续运维增加了难度。

5)海上漂浮式光伏电站。此类光伏电站中光伏组件是架设在海面的浮体之上，海上随时会有大浪，而巡检人员需要乘船舶进行光伏电站的维护和保养，危险程度较高，因此迫切需要无人巡检的解决方案。

6)屋顶分布式光伏电站。此类光伏电站中光伏组件大部分布置在居民房屋、工厂厂房、公园设施等的屋顶上，较为分散，需要运维人员上屋顶进行检修和维护，存在危险性且工作效率较低。

综上可知，如何提升光伏电站的巡检效率成为光伏电站运维时的重中之重，特别是山地光伏电站和海上漂浮式光伏电站，人工巡检难度极大。由于此类光伏电站的巡检路线比较复杂，不仅巡检效率极低，还会给运维人员的人身安全带来威胁，同时对运维人员的专业能力及职业素养也有极高要求。运维人员需要在短时间内对发现的故障点做出等级判断，提出相应的维护建议，并需对故障点进行标记，方便后续的维修及复查。因此，寻找安全、高效的运维方式是各类光伏电站均面临的问题。

当前，影响光伏电站发电量的主要因素集中在光伏组件本身存在的隐裂、二极管击穿、热斑效应等方面，但人工巡检过程中无法实时对每块光伏组件的运行状况进行监测，且光伏组件出现故障后又不易被人工发现，而无人机的应用可以依托相关网站提供的地形图形成合适的巡检途径，再利用无人机搭载的双光相机(可见光和红外热成像镜头)实现高效、安全的大范围光伏组件影像收集，光伏组件的大部分缺陷可以通过红外热成像镜头图像来显示。本文通过无人机搭载双光相机对光伏电站中的光伏组件区域进行自动化巡检，利用图像自动识别技术查找存在问题的光伏组件，并以40 MW 地面光伏电站为例对比无人机自动化巡检与人工巡检的效率。

1 技术创新

1.1 无人机控制技术的应用

将飞行控制技术应用于无人机，多轴无人机的飞行、悬停、姿态变化等均是由多种传感器将无人机本身的姿态数据传回飞行控制系统，再由飞行控制系统通过运算和判断发出指令，执行器接收指令后完成动作或飞行姿势的调整[2]。此飞行控制系统可以理解成无人机的中央处理器(CPU)，其主要功能是发送各种命令并处理返回的各块光伏组件数据。飞行控制系统最基本的功能是控制无人机在空中飞行时的平衡，这种平衡由惯性测量单元(IMU)测量，IMU 通过感知无人机当前的倾斜度数据，由编译器编译成电子信号，然后将该信号传输给飞行控制系统的单片机[2]。单片机根据当前数据，计算出补偿方向、补偿角，并将这些补偿数据编译成电子信号，发送到被管理的舵机或电机，舵机或电机执行命令完成补偿工作，在传感器感知到无人机平衡稳定后，将实时数据发送给单片机，单片机就会停止补偿信号，从而形成一个循环[2]。大多数人认为这是飞行控制系统最基本的功能。如果没有该功能，在角度倾斜时，无人机就会失去平衡，发生事故。增加全球定位系统(GPS)后可实时知道无人机的当前位置，然后预先确定无人机的工作路径，再通过数字传送链接实时传送无人机的当前状态，保证无人机圆满完成任务[3]。

1.2 双光相机在光伏电站巡检中的应用

通过光伏组件的热斑效应检测光伏组件缺陷至关重要，在光伏组件制造、运输过程中可能会出现碎裂、焊接不良等情况；在使用过程中，光伏组件会被鸟粪、树荫等物体遮挡，被遮挡的光伏组件将会出现发热情况，这会对其造成严重破坏，极大降低光伏组件的发电效率。利用红外热成像方式将大幅提升光伏电站巡检工作的效率。红外热成像的原理是将被测物体的表面温度热成像，被测物体的红外辐射线被光学成像镜接收后通过光栅反映到红外热成像仪的光敏元器件上，从而转变为肉眼清晰可见的热成像图，这种热成像图与被测物体表面的热分布场对应，其原理图如图1 所示。

图1 红外热成像原理图Fig.1 Principle diagram of infrared thermal imaging

但根据实际情况，由于被测物体各部分红外辐射能量的热成像分布图信号非常弱，导致热成像分布图缺少立体和层次感，所以在实际使用过程中常采用一些辅助措施来增加仪器的实用功能，使其更有效地判断被测物体的红外热分布场，比如：控制图像的对比度及亮度、实标校正、进行伪色彩图像处理等。从本质上来说，红外热成像仪就是将物体发出的红外辐射能量转变为可见的代表被测物体表面温度分布的热成像图。热成像图上显示的颜色代表被测物体的不同温度，通过查看热成像图可以观察到被测目标的整体温度分布状况，从而进行被测物体发热情况的研究[4]。

在无人机上搭载红外热成像镜头后，可采集光伏组件表面的热成像图，然后在相同视角下拍摄当前光伏组件的可见光照片，将二者进行比对，确定光伏组件缺陷类型。热成像图与可见光图对比下发现的导致光伏组件缺陷的因素如表1 所示。

表1 热成像图与可见光图对比下发现的导致光伏组件缺陷的因素Table 1 Factors leading to defects in PV modules found in comparing thermal imaging images with visible light images

1.3 基于图像的光伏组件缺陷精准定位技术

1.3.1 定位定向系统(POS)在空中三角测量法中的应用

依托惯性导航技术和全球定位技术的快速发展，POS 由IMU 和差分全球定位系统(DGPS)搭配组成，其能捕捉摄站的姿态信息和三维坐标。无人机能够有效实现在POS 辅助下的空中三角测量，同时减少对地面控制点的依赖。对采用本方法后的检测点航拍图像进行验证，结果显示，检测点的平面平均误差约为 12 cm[5]。

通过对巡检区域高空90°视角进行图像采集，得到相应图像并完成拼接，最终得到光伏场区的完整正射矢量图。

1.3.2 图像定位技术

根据双光相机获取的图像或视频来确定特定对象或元素在某个坐标系下位置的过程即为图像定位。基于双光相机的图像定位流程图如图2 所示。图中：SLAM 为同步定位与地图绘制。

图2 基于双光相机的图像定位流程图Fig.2 Image localization flowchart based on dual light cameras

由图2 可知，前端对传感器数据进行实时处理，并利用后端非线性优化方法对地图上激光雷达点云数据进行实时优化，从而获得被测对象或元素的位置。

1.4 缺陷识别

光伏巡检缺陷识别系统是一款为光伏电站巡检缺陷识别专门研发的具有智能分析算法的高性能应用软件，其包含热成像图背景分割技术、特征提取与匹配技术、智能图像识别和DGPS 等几项关键核心技术，可一键批量化处理采集的图像信息，操作简单，处理问题效率高、准确率高。

采用该系统的无人机在工作时对整个光伏电站进行高精度航测，生成带DGPS 技术的电子地图，可对此电子地图上的光伏组件进行逻辑位置标定。无人机每次作业时搭载双光相机进行巡检，将采集到的图像通过智能分析软件进行批量处理，自动识别热斑、零电流等光伏组件故障，并在电子地图中生成高精度的故障光伏组件位置坐标，输出用户报告，指引用户完成故障光伏组件的准确定位，最终完成故障消除。光伏巡检缺陷识别系统中缺陷识别的逻辑图如图3 所示。

图3 光伏巡检缺陷识别系统中缺陷识别的逻辑图Fig.3 Logic diagram of defect recognition in PV inspection defect recognition system

光伏巡检缺陷识别系统的智能分析算法具有以下优势：

1)针对噪声，智能分析算法采用 NL-Means算法，其可对整幅图像去噪，利用图像块及邻域像素值的相似性，对检测出的图像相应区域进行加权后平均，图像中存在的高斯噪声将被有效去除。

2)针对图像增强，智能分析算法采用多尺度图像金字塔增强技术，在抑制噪声的同时，在不同尺度上进行图像残差细节的放大，再逐层累积叠加，从而达到图像增强的目的。

3)针对智能分割，智能分析算法通过直线提取(LSD)算法和大津(OTSU)算法将红外热成像的区域性和直线检测相结合，以此分割出真实的光伏组件区域，过滤无关目标。

4)针对智能检测，智能分析算法采用卷积神经网络(CNN)来实现光伏组件异常情况的自动识别，通过热成像图中不同的热斑形式来判断异常的种类，可实现对光伏组件零电流、热斑、光伏组件缺失等异常情况的判定。

光伏巡检缺陷识别系统的智能分析算法流程图如图4 所示。

将理论模型中参数赋值后即可模拟目标价格变动对市场均衡及社会福利的影响。上述理论模型涉及9个参数，其中3个参数需要使用计量经济学方法估计获得，分别是试点区和非试点区供给弹性以及替代弹性，本文将借鉴前人的研究结果，其他6个参数可以根据变量的初始值计算获得(见表2)。

图4 光伏巡检缺陷识别系统的智能分析算法流程图Fig.4 Intelligent analysis algorithm flowchart of PV inspection defect recognition system

由于航拍图像的复杂性，处理并获取整幅航拍图像的全局特征通常并不能准确表达图像中所含有的具体内容。因此，可以利用CNN 的特征自提取方式，在获取基本特征分析后，再进行图像分类和区域分析。

神经网络的深度学习主要用于层次性分析航拍图像不同层特征之间的联系和不同层特征的提取，光伏巡检缺陷识别系统的机器分类器能够自动地从底层特征中学习出高层特征，进而分类出不同的目标类型。

2 光伏电站无人机自动化巡检系统

结合上文算法，本文提出一种光伏电站无人机自动化巡检系统，并以某光伏发电项目为例，对其巡检效率进行分析。

2.1 无人机自动化巡检系统的设计

无人机自动化巡检系统主要由软件和硬件两部分组成。软件包括光伏组件缺陷检测软件，涉及移动巡检子系统、数据采集子系统、补能子系统和远程监控子系统；硬件包括无人机自动机库、无人机套装、双光相机套装、机载边缘计算模块和图像处理器(GPU)服务器。

无人机在实际应用过程中，存在操作人员不足、操作人员技术水平参差不齐等一系列问题，采集标准图片的准确性和一致性较差。因此，采用无人驾驶及全自动工作模式成为无人机的发展方向。将自动飞行算法和自动识别系统与无人机相结合是业界典型的解决方案，使无人机逐渐摆脱对飞行装备的依赖。无人机自动化巡检系统可以通过无人机自动机库释放无人机，收集光伏电站的信息，生成适合不同地形的光伏组件巡检路线，无人机可实现自动起飞、执行任务、返航及降落。无人机自动化巡检系统的工作原理图如图5 所示。

图5 无人机自动化巡检系统的工作原理图Fig.5 Working principle diagram of UAV automated inspection system

无人机的起飞和降落流程如图6 所示。

图6 无人机的起飞和降落流程Fig.6 Process of takeoff and landing of UAV

无人机自动机库由框架组件、对中组件、升降机构、电池充电系统、电控系统等组成，其具有以下功能特点。

1)航线指挥：无人机自动机库接到远程控制系统任务指令后，指挥无人机沿既定航线行驶。

3)无人机存储：无人机自动机库通过框架组件、箱体降温系统为无人机创造全天候恒温恒湿的存放空间。

4)协助无人机起降：无人机要离开无人机自动机库时，升降平台处于上升状态，自动门打开；无人机离开机库后，机库门自动关闭。当无人机入库时，机库门自动开启，升降平台处于上升状态。

5)无人机电池充电：无人机自动机库内置电池充电系统，能够同时对无人机配备的冗余电池组进行充电。

无人机自动化巡检流程如图7 所示。

图7 无人机自动化巡检流程Fig.7 Process of UAV automated inspection

2.2 无人机自动化巡检时的飞行方式及巡检效率

无人机的飞行路径是通过设置无人机飞行高度及照片重叠率自动生成的，在飞行高度为40 m、照片重叠率为10%的情况下，通常无人机的巡飞速度为6～10 m/s。无人机单架次的光伏组件巡检规模为4～5 MW，1 架无人机在保证电池电量充足的情况下，1 天的光伏组件巡检规模可达50 MW。以宜兴市某分布式光伏发电项目为例，无人机航线的自动规划与无人机飞行航点的自动生成界面图如图8 所示。

2.3 无人机自动化巡检与人工巡检的效率对比

使用无人机检查光伏电站的光伏组件缺陷，可以减少人员监督，大幅节省人力成本。对于40 MW 地面光伏电站而言，若采用人工巡检方式，两个巡检人员每天工作10 h 仍需4～5 天才能完成1 次巡检；而使用无人机自动化巡检方式，单架无人机仅需约8 h 就能对该光伏电站进行一次全范围检查。经对比，无人机自动化巡检相较人工巡检效率提高了90%以上，极大缩短了巡检时间。同时，无人机的自动化巡检有助于使业主和运维人员对光伏电站故障做出快速响应，从而可提高光伏电站发电效率，提升其经济效益。这也意味着合理运用无人机进行自动化巡检可以降低光伏电站的运维成本。

另外，若无人机拥有故障精确定位、设备故障自动诊断、故障智能分析等功能后，将具有令人工巡检望尘莫及的优势。无人机可以结合云端大数据平台，对获取的大量飞行及检测数据进行分析，从而对已发生或者即将发生故障的区域做出有效预测和分析。

3 结论

本文提出一种光伏电站无人机自动化巡检系统，其利用无人机搭载双光相机(包括可见光镜头和红外热成像镜头)对光伏电站中的光伏组件区域进行自动化巡检，配合图像自动识别技术及时发现存在问题的光伏组件，提高故障消缺效率；并以40 MW 地面光伏电站为例进行了无人机自动化巡检和人工巡检的效率对比，结果显示：单架无人机8 h 可完成1 次巡检，而两个巡检人员每天工作10 h 仍需4～5 天才能完成1 次巡检，由此可知，无人机自动化巡检相较人工巡检效率提高了90%以上。因此，利用无人机对光伏电站进行自动化巡检将成为光伏电站巡检最高效的手段之一。