我們每時每刻都離不開電，從生活中的家庭用電，到工業(yè)里的電氣設備，都離不開“電”的支持，如何保障電力系統(tǒng)的安全供應，實際上是一件非常緊要而不簡單的事。
我國的電力建設正在飛速發(fā)展，目前我國的電網(wǎng)規(guī)模已居世界首位。架空輸電線路巡檢是保證電網(wǎng)安全運行的關鍵技術手段，傳統(tǒng)的巡檢主要依賴人工，巡檢勞動強度大，巡檢質(zhì)量會受到作業(yè)人員主觀因素影響，在惡劣環(huán)境下巡檢范圍受到很大限制。隨著特高壓輸電系統(tǒng)的快速建設，特高壓線路桿塔呼高一般超過50米，使用望遠鏡的人工巡檢已很難準確觀察和識別設備缺陷。
圖1 輸電線路人工巡檢困難重重
二、傳統(tǒng)模式亟需智能
無人機的出現(xiàn)為解決傳統(tǒng)巡檢模式遇到的問題提供了有效途徑。飛控手操作搭載可見光、紅外和激光雷達等設備的無人機進行日常巡檢工作，可大幅降低作業(yè)人員的工作強度，提高巡檢范圍和效率。目前無人機已成為架空輸電線路巡檢的重要技術手段和發(fā)展方向。但是現(xiàn)有電力巡檢無人機的工作模式仍然以人工操作巡檢為主，無人機能代替巡檢人員到達偏遠、危險的位置，但巡檢過程還是依賴巡檢人員的主觀判斷，僅實現(xiàn)遠程‘看得見’，但‘看得懂’還依賴人工。所以讓無人機既看得見，又看得懂就成為智能巡檢發(fā)展的方向。
圖2 無人機巡檢模式
人工智能的迅速發(fā)展為提升無人機的智能性提供了解決方案，不過在嵌入式設備中實現(xiàn)人工智能仍然比較困難?；谌斯ぶ悄?、深度學習的圖像識別、數(shù)據(jù)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，這就需要簡化算法，簡化網(wǎng)絡模型，實現(xiàn)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
為了將先進的深度學習技術應用于全自主無人機巡檢之中，就需要解決四個問題，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 無人機智能巡檢的四個難點
針對上述問題，沈陽自動化所邊緣計算課題組正在構建全自主無人機巡檢系統(tǒng)。無人機基于預設的巡檢路徑在GPS導航下進行日常巡檢，機載圖像識別算法完成簡單目標識別。當出現(xiàn)障礙物時，無人機根據(jù)識別結果進行路徑規(guī)劃，完成避障飛行;僅當出現(xiàn)疑似缺陷目標時，無人機將圖像回傳至本地服務器，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，降低了實時圖傳功耗，提升了續(xù)航時間。
圖4 云-邊新型智能自主巡檢框架
在基于無人機的輸電線路巡檢過程中，絕緣子串等目標具有較大的長寬比。目前經(jīng)典的基于深度學習的目標定位和識別方法通過對標注框按特定的長寬比和尺度進行分類來獲得識別結果。對于大寬高比旋轉目標的識別，需要沿著特定的參考方向旋轉標注框來完成目標識別。為了提高檢測精度，需要增加參考方向的個數(shù)，這將大大增加模型的計算量，使其不適用于無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數(shù)，以及如何減少多向檢測帶來的高計算量成為核心問題。
為了克服這一問題，研究人員分析了目標極大長寬比對檢測精度和計算量的影響，建立了參考方向個數(shù)與目標長寬比之間的定量關系。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，該方法是基于觀察到大縱橫比目標的形狀可以用橢圓來近似。
圖5 大長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，通過邊界的峰谷點分布來識別缺陷。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
該方法利用超大長寬比目標區(qū)域可以用橢圓近似的特征，通過迭代獲取一個像素密度高、覆蓋范圍大、并且長短軸比率大的類橢圓區(qū)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，并通過檢測峰點和谷點的分布來檢測絕緣子片是否存在缺失現(xiàn)象?；谠七吶诤系乃枷耄谔岢鏊惴ㄖ?，前端算法的計算量降低了90%以上，同時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)和邊緣計算技術的應用，使電力系統(tǒng)的智能化和自動化進入了一個新的階段。數(shù)據(jù)從各個采集終端并行處理和分析，智能設備和智能電網(wǎng)的終端用戶可以通過網(wǎng)絡的邊緣實現(xiàn)為智能電網(wǎng)部署邊緣計算模型，提供海量數(shù)據(jù)的分布式信息計算服務和快速反應。
圖7 沈陽自動化所智能電網(wǎng)實驗室
沈陽自動化所邊緣計算課題組長期專注于電力、油田、礦山等系統(tǒng)的數(shù)據(jù)分析，承擔了國家重點研發(fā)計劃等一系列重要項目，相關研究成果多次發(fā)表于國際學術期刊Applied Energy(2017, 2018), IEEE Transactions on Industrial Informatics(2018), IEEE Sensors Journal(2019), IEEE Internet of Things Journal(2020)，申請了一系列專利，多次獲得遼寧省自然科學學術成果獎，并被Worldpump等國際知名媒體所關注。
隨著移動計算和物聯(lián)網(wǎng)的普及，數(shù)以十億計的移動和物聯(lián)網(wǎng)設備連接到互聯(lián)網(wǎng)，在網(wǎng)絡邊緣產(chǎn)生海量字節(jié)的數(shù)據(jù)。邊緣智能將人工智能的前沿推進到網(wǎng)絡邊緣以充分釋放邊緣大數(shù)據(jù)的潛力，相信未來的一天，智能物聯(lián)會充斥在我們生活的方方面面，而邊緣計算就是實現(xiàn)智慧未來的“最后一公里”。
