我們每時(shí)每刻都離不開(kāi)電，從生活中的家庭用電，到工業(yè)里的電氣設備，都離不開(kāi)“電”的支持，如何保障電力系統的安全供應，實(shí)際上是一件非常緊要而不簡(jiǎn)單的事。
我國的電力建設正在飛速發(fā)展，目前我國的電網(wǎng)規模已居世界首位。架空輸電線(xiàn)路巡檢是保證電網(wǎng)安全運行的關(guān)鍵技術(shù)手段，傳統的巡檢主要依賴(lài)人工，巡檢勞動(dòng)強度大，巡檢質(zhì)量會(huì )受到作業(yè)人員主觀(guān)因素影響，在惡劣環(huán)境下巡檢范圍受到很大限制。隨著(zhù)特高壓輸電系統的快速建設，特高壓線(xiàn)路桿塔呼高一般超過(guò)50米，使用望遠鏡的人工巡檢已很難準確觀(guān)察和識別設備缺陷。
圖1 輸電線(xiàn)路人工巡檢困難重重
二、傳統模式亟需智能
無(wú)人機的出現為解決傳統巡檢模式遇到的問(wèn)題提供了有效途徑。飛控手操作搭載可見(jiàn)光、紅外和激光雷達等設備的無(wú)人機進(jìn)行日常巡檢工作，可大幅降低作業(yè)人員的工作強度，提高巡檢范圍和效率。目前無(wú)人機已成為架空輸電線(xiàn)路巡檢的重要技術(shù)手段和發(fā)展方向。但是現有電力巡檢無(wú)人機的工作模式仍然以人工操作巡檢為主，無(wú)人機能代替巡檢人員到達偏遠、危險的位置，但巡檢過(guò)程還是依賴(lài)巡檢人員的主觀(guān)判斷，僅實(shí)現遠程‘看得見(jiàn)’，但‘看得懂’還依賴(lài)人工。所以讓無(wú)人機既看得見(jiàn)，又看得懂就成為智能巡檢發(fā)展的方向。
圖2 無(wú)人機巡檢模式
人工智能的迅速發(fā)展為提升無(wú)人機的智能性提供了解決方案，不過(guò)在嵌入式設備中實(shí)現人工智能仍然比較困難?；谌斯ぶ悄?、深度學(xué)習的圖像識別、數據分析往往需要巨大的計算資源做支撐，嵌入式設備計算能力有限，這就需要簡(jiǎn)化算法，簡(jiǎn)化網(wǎng)絡(luò )模型，實(shí)現初步的智能識別，甚至需要云-邊協(xié)同的方式。
三、輕量化識別算法，它也能思考
為了將先進(jìn)的深度學(xué)習技術(shù)應用于全自主無(wú)人機巡檢之中，就需要解決四個(gè)問(wèn)題，核心是設計機載高效輕量級的目標識別算法和本地端高精度目標及其故障識別算法。
圖3 無(wú)人機智能巡檢的四個(gè)難點(diǎn)
針對上述問(wèn)題，沈陽(yáng)自動(dòng)化所邊緣計算課題組正在構建全自主無(wú)人機巡檢系統。無(wú)人機基于預設的巡檢路徑在GPS導航下進(jìn)行日常巡檢，機載圖像識別算法完成簡(jiǎn)單目標識別。當出現障礙物時(shí)，無(wú)人機根據識別結果進(jìn)行路徑規劃，完成避障飛行;僅當出現疑似缺陷目標時(shí)，無(wú)人機將圖像回傳至本地服務(wù)器，完成目標和缺陷的精細識別。這一架構僅將疑似缺陷目標圖像回傳，降低了實(shí)時(shí)圖傳功耗，提升了續航時(shí)間。
圖4 云-邊新型智能自主巡檢框架
在基于無(wú)人機的輸電線(xiàn)路巡檢過(guò)程中，絕緣子串等目標具有較大的長(cháng)寬比。目前經(jīng)典的基于深度學(xué)習的目標定位和識別方法通過(guò)對標注框按特定的長(cháng)寬比和尺度進(jìn)行分類(lèi)來(lái)獲得識別結果。對于大寬高比旋轉目標的識別，需要沿著(zhù)特定的參考方向旋轉標注框來(lái)完成目標識別。為了提高檢測精度，需要增加參考方向的個(gè)數，這將大大增加模型的計算量，使其不適用于無(wú)人機巡邏等資源受限的前端設備。因此，如何確定參考方向的個(gè)數，以及如何減少多向檢測帶來(lái)的高計算量成為核心問(wèn)題。
為了克服這一問(wèn)題，研究人員分析了目標極大長(cháng)寬比對檢測精度和計算量的影響，建立了參考方向個(gè)數與目標長(cháng)寬比之間的定量關(guān)系。在此基礎上，提出了一種基于云邊緣協(xié)同的絕緣子串缺陷智能識別方法。首先，提出了一種超輕量化的方向估計方法，該方法是基于觀(guān)察到大縱橫比目標的形狀可以用橢圓來(lái)近似。
圖5 大長(cháng)寬比目標夾角對識別的影響
其次，提出了一種輕量級、可靠的絕緣子串缺陷識別方法，該方法采用像素級高精度分割方法獲得絕緣子串的邊界，通過(guò)邊界的峰谷點(diǎn)分布來(lái)識別缺陷。由于避免了沿所有可能方向的目標檢測，該算法在不損失識別精度的前提下，計算量可減少90%以上。
圖6 復雜背景下的絕緣子串位置估計方法
該方法利用超大長(cháng)寬比目標區域可以用橢圓近似的特征，通過(guò)迭代獲取一個(gè)像素密度高、覆蓋范圍大、并且長(cháng)短軸比率大的類(lèi)橢圓區域，從而獲得可能目標位置和方向的估計。之后，利用像素級高精度分割算法獲取絕緣子串邊界，并通過(guò)檢測峰點(diǎn)和谷點(diǎn)的分布來(lái)檢測絕緣子片是否存在缺失現象?；谠七吶诤系乃枷?，在提出算法中，前端算法的計算量降低了90%以上，同時(shí)受目標角度變化的影響極小。該成果發(fā)表于國際期刊IEEE Internet of Things Journal，并申請了系列專(zhuān)利。
五、邊緣計算+人工智能=邊緣智能
物聯(lián)網(wǎng)和邊緣計算技術(shù)的應用，使電力系統的智能化和自動(dòng)化進(jìn)入了一個(gè)新的階段。數據從各個(gè)采集終端并行處理和分析，智能設備和智能電網(wǎng)的終端用戶(hù)可以通過(guò)網(wǎng)絡(luò )的邊緣實(shí)現為智能電網(wǎng)部署邊緣計算模型，提供海量數據的分布式信息計算服務(wù)和快速反應。
圖7 沈陽(yáng)自動(dòng)化所智能電網(wǎng)實(shí)驗室
沈陽(yáng)自動(dòng)化所邊緣計算課題組長(cháng)期專(zhuān)注于電力、油田、礦山等系統的數據分析，承擔了國家重點(diǎn)研發(fā)計劃等一系列重要項目，相關(guān)研究成果多次發(fā)表于國際學(xué)術(shù)期刊Applied Energy(2017, 2018), IEEE Transactions on Industrial Informatics(2018), IEEE Sensors Journal(2019), IEEE Internet of Things Journal(2020)，申請了一系列專(zhuān)利，多次獲得遼寧省自然科學(xué)學(xué)術(shù)成果獎，并被Worldpump等國際知名媒體所關(guān)注。
隨著(zhù)移動(dòng)計算和物聯(lián)網(wǎng)的普及，數以十億計的移動(dòng)和物聯(lián)網(wǎng)設備連接到互聯(lián)網(wǎng)，在網(wǎng)絡(luò )邊緣產(chǎn)生海量字節的數據。邊緣智能將人工智能的前沿推進(jìn)到網(wǎng)絡(luò )邊緣以充分釋放邊緣大數據的潛力，相信未來(lái)的一天，智能物聯(lián)會(huì )充斥在我們生活的方方面面，而邊緣計算就是實(shí)現智慧未來(lái)的“最后一公里”。
