CN113485433A - 输电线路的巡检方法与装置 - Google Patents
输电线路的巡检方法与装置 Download PDFInfo
- Publication number
- CN113485433A CN113485433A CN202110853417.2A CN202110853417A CN113485433A CN 113485433 A CN113485433 A CN 113485433A CN 202110853417 A CN202110853417 A CN 202110853417A CN 113485433 A CN113485433 A CN 113485433A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- power transmission
- inspection
- fault
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 124
- 238000007689 inspection Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种输电线路的巡检方法与装置。其中，该方法包括：依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据图像数据识别出待巡检输电线路的故障类别。本发明解决了相关技术中采用人工操作无人机巡检输电线路以及人工识别输电线路故障的技术问题。
Description
技术领域
本发明涉及电力巡检领域，具体而言，涉及一种输电线路的巡检方法与装置。
背景技术
现阶段无人机设备在电力巡检领域应用，但飞巡模式主要通过人工操作，该模式可能会给日常巡检工作带来一定隐患，长时间的飞行控制操作，对于基层班组人员的飞机技术要求较高，且人工操作无人机不可控因素较多，飞行过程难免出现操作失误导致无人机故障甚至炸机的情况，进而造成巡检效率低、人员劳动强度大等问题。另外，对于输电线路的故障采用人工识别，例如，基层班组人员对无人机采集的图像进行观察、分析等，从图像中找出相应的故障等，这样不仅导致设备缺陷、隐患发现不及时，也在一定程度上增加了人工作业成本。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种输电线路的巡检方法与装置，以至少解决相关技术中采用人工操作无人机巡检输电线路以及人工识别输电线路故障的技术问题。
根据本发明实施例的一个方面，提供了一种输电线路的巡检方法，包括：依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制所述巡检无人机按照所述飞行航线对所述待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据所述图像数据识别出所述待巡检输电线路的故障类别。
可选地，依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线，包括：获取所述待巡检输电线路的所述杆塔位置；依据所述杆塔位置，确定所述飞行航线的航线节点；依据所述航线节点，生成所述巡检无人机的所述飞行航线。
可选地，依据所述航线节点，生成所述巡检无人机的所述飞行航线，包括：从所述航线节点中筛选出所述飞行航线的起始点与终止点；依据所述飞行航线的起始点与终止点，以及将相邻的所述航线节点连接起来，生成至少一条巡检航线；依据所述至少一条巡检航线，确定最优的巡检航线为所述飞行航线。
可选地，依据所述图像数据识别出所述待巡检输电线路的故障类别，包括：将所述图像数据输入识别模型，由所述识别模型识别得到所述待巡检输电线路的故障类别。
可选地，所述识别模型至少包括：隐患识别模型和故障识别模型，由所述识别模型识别得到所述待巡检输电线路的故障类别，包括以下至少之一：由所述隐患识别模型对所述待巡检输电线路的隐患进行识别，得到所述隐患对应的故障类型；由所述故障识别模型对所述待巡检输电线路的故障进行识别，得到所述故障对应的故障类型。
可选地，在依据所述图像数据识别出所述待巡检输电线路的故障类别之前，还包括：训练隐患识别模型和故障识别模型，其中，所述隐患识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：含有巡检输电线路的隐患的图像数据以及所述隐患对应的故障类型；所述故障识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：含有巡检输电线路的故障的图像数据以及所述故障对应的故障类型。
根据本发明实施例的另一方面，还提供了一种输电线路巡检的巡检装置，包括：生成模块，用于依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制模块，用于控制所述巡检无人机按照所述飞行航线对所述待巡检输电线路进行巡检；获取模块，用于获取巡检过程中的图像数据；识别模块，用于依据所述图像数据识别出所述待巡检输电线路的故障类别。
可选地，所述生成模块包括：获取单元，用于获取所述待巡检输电线路的杆塔位置；确定单元，用于依据所述杆塔位置，确定所述飞行航线的航线节点；生成单元，用于依据所述航线节点，生成所述巡检无人机的所述飞行航线。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的输电线路巡检的处理方法。
根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的输电线路巡检的处理方法。
在本发明实施例中，采用依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据图像数据识别出待巡检输电线路的故障类别，通过巡检无人机按照飞行航线对待巡检输电线路进行自主巡检以及智能识别待巡检输电线路的故障类别，达到了智能化巡检输电线路的目的，从而实现了提升巡检效率，降低人工成本，及时发现故障以及提高电网运行稳定性的技术效果，进而解决了相关技术中采用人工操作无人机巡检输电线路以及人工识别输电线路故障的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的输电线路的巡检方法的流程图；
图2是根据本发明实施例的生成的巡检航线的示意图；
图3是根据本发明实施例的识别模型的示意图；
图4是根据本发明实施例的输电线路巡检的巡检装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种输电线路的巡检方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的输电线路的巡检方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；
在具体实施过程中，可以依据不同阶段的飞行目标，制定巡检无人机的飞行航线，可降低无人机操作门槛，降低人员经验对于巡检工作的影响，进一步提升无人机巡检的效率。
步骤S104，控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；
在一种可选的实施方式中，巡检无人机在巡检过程中可以利用载波相位差分技术进行定位，并调整飞行航线。由于载波相位差分技术能够实时地提供测站点在指定坐标系中的三维定位结果，并达到厘米级精度。在具体实施过程中，基站采集卫星数据，并通过数据链将其观测值和站点坐标信息一起传送给移动站(相当于上述巡检无人机)，而移动站通过对所采集到的卫星数据和接收到的数据链进行实时载波相位差分处理(历时不足一秒)，得出厘米级的定位结果。
通过上述实施方式可以获取准确的边界信息，实现巡检无人机的精准飞行，将航线精度从米级提升至厘米级，且不需要人工遥控，实现全自动飞行；同时让巡检无人机自动避开房屋、树木、电缆等障碍物，避免了碰撞和炸机事故及飞行数据无效率，解决了传统无人机由于GPS定位偏差，会有掉高、飞不直等现象，常常出现定位不准及自动飞行航线不准的问题。
步骤S106，获取巡检过程中的图像数据；
为了获取飞行航线完整精确的环境信息，可设置固定航点的自动飞行任务，自动规划航线，沿着飞行航线进行拍照，清晰记录航线周边的环境情况，满足巡检人员对通道内的施工黑点、滑坡及树障等潜在危险进行排查。
步骤S108，依据图像数据识别出待巡检输电线路的故障类别。
上述故障类别包括但不限于设备故障、线路故障等。
通过上述步骤，可以通过巡检无人机按照飞行航线对待巡检输电线路进行自主巡检以及智能识别待巡检输电线路的故障类别，达到了智能化巡检输电线路的目的，从而实现了提升巡检效率，降低人工成本，及时发现故障以及提高电网运行稳定性的技术效果，进而解决了相关技术中采用人工操作无人机巡检输电线路以及人工识别输电线路故障的技术问题。
可选地，依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线，包括：获取待巡检输电线路的杆塔位置；依据杆塔位置，确定飞行航线的航线节点；依据航线节点，生成巡检无人机的飞行航线。
在一种可选的实施方式中，首先需要获取待巡检输电线路的杆塔位置，然后根据这些杆塔位置，确定飞行航线的航线节点，然后再依据航线节点，生成巡检无人机的飞行航线。通过上述实施方式可以将待巡检输电线路的杆塔位置确定为飞行航线的航线节点，进而再利用这些飞行航线的航线节点生成巡检无人机的飞行航线。
可选地，在控制巡检无人机按照飞行航线对待巡检输电线路进行巡检的过程中，还包括：依据飞行参数重新调整飞行航线，其中，上述飞行参数包括但不限于飞行速度、风向、位置、电量等。通过上述实施方式，可以在飞行环境发生变化时及时调整巡检无人机的飞行航线。
需要说明的是，上述巡检无人机的飞行航线可以应用在无人机巡检、无人机返航等不同的飞行阶段。
可选地，依据航线节点，生成巡检无人机的飞行航线，包括：从航线节点中筛选出飞行航线的起始点与终止点；依据飞行航线的起始点与终止点，以及将相邻的航线节点连接起来，生成至少一条巡检航线；依据至少一条巡检航线，确定最优的巡检航线为飞行航线。
在一种可选的实施方式中，上述航线节点包括起始点、终止点以及中间航节点，其中，中间航节点是除了作为起始点、终止点以外的航线节点。具体地，可以从航线节点中筛选出飞行航线的起始点与终止点，再利用飞行航线的起始点与终止点将其他的航线节点连接在一起，此时可以得到一条巡检航线或者多条巡检航线，然后再从所有的巡检航线，确定最优的巡检航线作为巡检无人机的飞行航线。
图2是根据本发明实施例的生成的巡检航线的示意图，如图2所示，巡检航线可以由一组S至G节点序列来表示，其中S是起始点，G是终止点，X是中间的航线节点。同样也可将S点作为终止点，即完成了G点飞行后，自动降落回S点，若考虑电量问题，也可降落在G点。
可选地，依据图像数据识别出待巡检输电线路的故障类别，包括：将图像数据输入识别模型，由识别模型识别得到待巡检输电线路的故障类别。
在上述实施方式中，可以将图像数据输入识别模型，由识别模型识别得到待巡检输电线路的故障类别，也即通过识别模型自动识别替代人工识别，提升工作效率，减少人工作业成本以及为后期更为复杂的数据***提供技术基础。
可选地，上述识别模型至少包括：隐患识别模型和故障识别模型，由识别模型识别得到待巡检输电线路的故障类别，包括以下至少之一：由隐患识别模型对待巡检输电线路的隐患进行识别，得到隐患对应的故障类型；由故障识别模型对待巡检输电线路的故障进行识别，得到故障对应的故障类型。
图3是根据本发明实施例的识别模型的示意图，如图3所示，该识别模型可以包括两个子模型，一个是隐患识别模型，另一个是故障识别模型。具体地，可以利用隐患识别模型对待巡检输电线路的隐患进行识别，得到隐患对应的故障类型；还可以利用故障识别模型对待巡检输电线路的故障进行识别，得到故障对应的故障类型。
通过上述实施方式可以通过不同的识别子模型准确地识别出现有的故障，并对其进行分类，还可以准确地预测即将出现故障，也即是隐患对应的故障，并对其进行分类，从而提高故障识别的实时性与预见性。
可选地，在依据图像数据识别出待巡检输电线路的故障类别之前，还包括：训练隐患识别模型和故障识别模型，其中，隐患识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：含有巡检输电线路的隐患的图像数据以及隐患对应的故障类型；故障识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：含有巡检输电线路的故障的图像数据以及故障对应的故障类型。
通过上述实施方式可以使用不同的多组数据通过机器学习分别训练得到隐患识别模型、故障识别模型，以方便后续的故障识别与分类。
在一种可选的实施方式中，通过对巡检无人机采集的图像流数据进行挖掘，将采集到的图像数据打包上传至深度学习服务器，深度学习服务器可以基于上传的图像数据结合神经网络模型和卷积算法不断训练出更加精准的隐患识别模型和故障识别模型，为后期上传的图像数据的缺陷自动分类提供服务。
在一种可选的实施方式中，在依据图像数据识别出待巡检输电线路的故障类别以后，还包括：将故障类别以及故障出现的位置信息发送至巡检终端，以使巡检终端发出报警声音和/或显示故障类别以及故障出现的位置信息。通过上述实施方式，可以及时将巡检故障通知到持有巡检终端的巡检人员，便于对故障的巡检线路进行维修与保养，从而提高电网运行的稳定性。
实施例2
根据本发明实施例的另一方面，还提供了一种输电线路巡检的巡检装置，图4是根据本发明实施例的输电线路巡检的巡检装置的示意图，如图4所示，该输电线路巡检的巡检装置包括：生成模块42、控制模块44、获取模块46和识别模块48。下面对该输电线路巡检的巡检装置进行详细说明。
生成模块42，用于依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制模块44，连接至上述生成模块42，用于控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取模块46，连接至上述控制模块44，用于获取巡检过程中的图像数据；识别模块48，连接至上述获取模块46，用于依据图像数据识别出待巡检输电线路的故障类别。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；和/或，上述各个模块以任意组合的方式位于不同的处理器中。
在上述实施例中，该输电线路巡检的巡检装置可以通过巡检无人机按照飞行航线对待巡检输电线路进行自主巡检以及智能识别待巡检输电线路的故障类别，达到了智能化巡检输电线路的目的，从而实现了提升巡检效率，降低人工成本，及时发现故障以及提高电网运行稳定性的技术效果，进而解决了相关技术中采用人工操作无人机巡检输电线路以及人工识别输电线路故障的技术问题。
此处需要说明的是，上述生成模块42、控制模块44、获取模块46和识别模块48对应于实施例1中的步骤S102至S108，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
可选地，上述生成模块42包括：获取单元，用于获取待巡检输电线路的杆塔位置；确定单元，用于依据杆塔位置，确定飞行航线的航线节点；生成单元，用于依据航线节点，生成巡检无人机的飞行航线。
可选地，上述生成单元包括：筛选子单元，用于从航线节点中筛选出飞行航线的起始点与终止点；生成子单元，用于依据飞行航线的起始点与终止点，以及将相邻的航线节点连接起来，生成至少一条巡检航线；确定子单元，用于依据至少一条巡检航线，确定最优的巡检航线为飞行航线。
可选地，上述识别模块48包括：识别单元，用于将图像数据输入识别模型，由识别模型识别得到待巡检输电线路的故障类别。
可选地，上述识别模型至少包括：隐患识别模型和故障识别模型，上述识别单元包括以下至少之一：第一识别子单元，用于由隐患识别模型对待巡检输电线路的隐患进行识别，得到隐患对应的故障类型；第二识别子单元，用于由故障识别模型对待巡检输电线路的故障进行识别，得到故障对应的故障类型。
可选地，上述装置还包括：训练模块，用于在依据图像数据识别出待巡检输电线路的故障类别之前，训练隐患识别模型和故障识别模型，其中，隐患识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：含有巡检输电线路的隐患的图像数据以及隐患对应的故障类型；故障识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：含有巡检输电线路的故障的图像数据以及故障对应的故障类型。
实施例3
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的输电线路巡检的处理方法。
可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，和/或位于移动终端群中的任意一个移动终端中，上述计算机可读存储介质包括存储的程序。
可选地，在程序运行时控制计算机可读存储介质所在设备执行以下功能：依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据图像数据识别出待巡检输电线路的故障类别。
实施例4
根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述中任意一项的输电线路巡检的处理方法。
本发明实施例提供了一种设备，该设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据图像数据识别出待巡检输电线路的故障类别。
本发明还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；控制巡检无人机按照飞行航线对待巡检输电线路进行巡检；获取巡检过程中的图像数据；依据图像数据识别出待巡检输电线路的故障类别。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种输电线路的巡检方法，其特征在于，包括：
依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；
控制所述巡检无人机按照所述飞行航线对所述待巡检输电线路进行巡检；
获取巡检过程中的图像数据；
依据所述图像数据识别出所述待巡检输电线路的故障类别。
2.根据权利要求1所述的方法，其特征在于，依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线，包括：
获取所述待巡检输电线路的所述杆塔位置；
依据所述杆塔位置，确定所述飞行航线的航线节点；
依据所述航线节点，生成所述巡检无人机的所述飞行航线。
3.根据权利要求2所述的方法，其特征在于，依据所述航线节点，生成所述巡检无人机的所述飞行航线，包括：
从所述航线节点中筛选出所述飞行航线的起始点与终止点；
依据所述飞行航线的起始点与终止点，以及将相邻的所述航线节点连接起来，生成至少一条巡检航线；
依据所述至少一条巡检航线，确定最优的巡检航线为所述飞行航线。
4.根据权利要求1所述的方法，其特征在于，依据所述图像数据识别出所述待巡检输电线路的故障类别，包括：
将所述图像数据输入识别模型，由所述识别模型识别得到所述待巡检输电线路的故障类别。
5.根据权利要求4所述的方法，其特征在于，所述识别模型至少包括：隐患识别模型和故障识别模型，由所述识别模型识别得到所述待巡检输电线路的故障类别，包括以下至少之一：
由所述隐患识别模型对所述待巡检输电线路的隐患进行识别，得到所述隐患对应的故障类型；
由所述故障识别模型对所述待巡检输电线路的故障进行识别，得到所述故障对应的故障类型。
6.根据权利要求5所述的方法，其特征在于，在依据所述图像数据识别出所述待巡检输电线路的故障类别之前，还包括：
训练隐患识别模型和故障识别模型，其中，所述隐患识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：含有巡检输电线路的隐患的图像数据以及所述隐患对应的故障类型；所述故障识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：含有巡检输电线路的故障的图像数据以及所述故障对应的故障类型。
7.一种输电线路巡检的巡检装置，其特征在于，包括：
生成模块，用于依据待巡检输电线路的杆塔位置，生成巡检无人机的飞行航线；
控制模块，用于控制所述巡检无人机按照所述飞行航线对所述待巡检输电线路进行巡检；
获取模块，用于获取巡检过程中的图像数据；
识别模块，用于依据所述图像数据识别出所述待巡检输电线路的故障类别。
8.根据权利要求7所述的装置，其特征在于，所述生成模块包括：
获取单元，用于获取所述待巡检输电线路的杆塔位置；
确定单元，用于依据所述杆塔位置，确定所述飞行航线的航线节点；
生成单元，用于依据所述航线节点，生成所述巡检无人机的所述飞行航线。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的输电线路巡检的处理方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的输电线路巡检的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853417.2A CN113485433A (zh) | 2021-07-27 | 2021-07-27 | 输电线路的巡检方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853417.2A CN113485433A (zh) | 2021-07-27 | 2021-07-27 | 输电线路的巡检方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113485433A true CN113485433A (zh) | 2021-10-08 |
Family
ID=77943083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110853417.2A Pending CN113485433A (zh) | 2021-07-27 | 2021-07-27 | 输电线路的巡检方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113485433A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114035606A (zh) * | 2021-11-05 | 2022-02-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 杆塔巡检***、杆塔巡检方法、控制装置和存储介质 |
| CN114035608A (zh) * | 2021-11-10 | 2022-02-11 | 广东电网能源发展有限公司 | 基于无人机的巡检培训方法、***、培训终端和存储介质 |
| CN116029537A (zh) * | 2023-03-29 | 2023-04-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路巡检方法、装置、计算机设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105320144A (zh) * | 2015-12-10 | 2016-02-10 | 杨珊珊 | 无人飞行器的线路设定方法及无人飞行器控制*** |
| CN108365557A (zh) * | 2018-02-24 | 2018-08-03 | 广东电网有限责任公司肇庆供电局 | 一种无人机精细化巡检输电线路的方法及*** |
| CN108872781A (zh) * | 2018-05-08 | 2018-11-23 | 广东昊阳电力建设有限公司 | 基于电力设施智能巡检的分析方法及装置 |
| CN109193468A (zh) * | 2018-11-19 | 2019-01-11 | 国网四川省电力公司成都供电公司 | 一种基于无人机技术的输电线路运维监控方法 |
| CN110197176A (zh) * | 2018-10-31 | 2019-09-03 | 国网宁夏电力有限公司检修公司 | 基于图像识别技术的巡检数据智能分析***及分析方法 |
| CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及*** |
| CN111123973A (zh) * | 2019-12-05 | 2020-05-08 | 国网山东省电力公司五莲县供电公司 | 一种无人机线路杆塔巡视引导***及引导方法 |
| CN112288711A (zh) * | 2020-10-28 | 2021-01-29 | 浙江华云清洁能源有限公司 | 无人机巡检影像缺陷图像识别方法、装置、设备及介质 |
-
2021
- 2021-07-27 CN CN202110853417.2A patent/CN113485433A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105320144A (zh) * | 2015-12-10 | 2016-02-10 | 杨珊珊 | 无人飞行器的线路设定方法及无人飞行器控制*** |
| CN108365557A (zh) * | 2018-02-24 | 2018-08-03 | 广东电网有限责任公司肇庆供电局 | 一种无人机精细化巡检输电线路的方法及*** |
| CN108872781A (zh) * | 2018-05-08 | 2018-11-23 | 广东昊阳电力建设有限公司 | 基于电力设施智能巡检的分析方法及装置 |
| CN110197176A (zh) * | 2018-10-31 | 2019-09-03 | 国网宁夏电力有限公司检修公司 | 基于图像识别技术的巡检数据智能分析***及分析方法 |
| CN109193468A (zh) * | 2018-11-19 | 2019-01-11 | 国网四川省电力公司成都供电公司 | 一种基于无人机技术的输电线路运维监控方法 |
| CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及*** |
| CN111123973A (zh) * | 2019-12-05 | 2020-05-08 | 国网山东省电力公司五莲县供电公司 | 一种无人机线路杆塔巡视引导***及引导方法 |
| CN112288711A (zh) * | 2020-10-28 | 2021-01-29 | 浙江华云清洁能源有限公司 | 无人机巡检影像缺陷图像识别方法、装置、设备及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114035606A (zh) * | 2021-11-05 | 2022-02-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 杆塔巡检***、杆塔巡检方法、控制装置和存储介质 |
| CN114035608A (zh) * | 2021-11-10 | 2022-02-11 | 广东电网能源发展有限公司 | 基于无人机的巡检培训方法、***、培训终端和存储介质 |
| CN116029537A (zh) * | 2023-03-29 | 2023-04-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路巡检方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113485433A (zh) | 输电线路的巡检方法与装置 | |
| CN112381963B (zh) | 一种基于数字孪生技术的电力物联网智能巡检方法及*** | |
| CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及*** | |
| WO2017219780A1 (zh) | 一种无人机巡检方法、装置及无人机、计算机存储介质 | |
| CN108279023B (zh) | 外业数据采集设备精度检核方法及装置、采集车及外业采集*** | |
| CN113075938B (zh) | 一种输电线路远距离智能巡检***及方法 | |
| CN112327920A (zh) | 一种无人机自主避障巡检路径规划方法及装置 | |
| CN103268571A (zh) | 电力设备状态显示方法和*** | |
| CN107037782B (zh) | 监控机床的方法和装置 | |
| CN110969719A (zh) | 一种自动巡检方法、***、终端设备及存储介质 | |
| CN106937303A (zh) | 一种基站测试方法及***、终端、云服务器 | |
| CN110910440A (zh) | 一种基于电力影像数据的输电线路长度确定方法和*** | |
| CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
| CN110750107A (zh) | 一种基于光学标识的光伏电站无人机巡检方法 | |
| CN113110577A (zh) | 电网巡检无人机飞行路线规划管理*** | |
| CN113534188B (zh) | 一种基于无人机激光点云建模的杆塔形变缺陷检测方法 | |
| CN115649501A (zh) | 一种无人机夜行照明***及方法 | |
| CN116866512A (zh) | 一种光伏电站巡检***及其运行方法 | |
| CN117032311A (zh) | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 | |
| CN115690935A (zh) | 一种输电线路的无人机巡检方法、装置、存储介质及*** | |
| Chehri et al. | Accelerating power grid monitoring with flying robots and artificial intelligence | |
| CN113885573A (zh) | 基于三维模型和北斗cors差分定位的无人机自主巡检方法 | |
| CN114637321A (zh) | 基于图像数据优化路径的电缆监测*** | |
| CN110163201A (zh) | 图像测试方法和装置、存储介质及电子装置 | |
| CN113132689A (zh) | 基于ai深度学习类算法研究的低压集抄运维仿真装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |