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(shè)備，都離不開“電”的支持，如何保障電力系統(tǒng)的安全供應(yīng)，實際上是一件非常緊要而不簡單的事。

我國的電力建設(shè)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(guān)鍵技術(shù)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(shè)，特高壓線路桿塔呼高一般超過50米，使用望遠(yuǎn)鏡的人工巡檢已很難準(zhǔn)確觀察和識別設(shè)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(shè)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(shù)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(yuǎn)、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(yuǎn)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(shè)備中實現(xiàn)人工智能仍然比較困難。基于人工智能、深度學(xué)習(xí)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(shè)備計算能力有限，這就需要簡化算法，簡化網(wǎng)絡(luò)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(xué)習(xí)技術(shù)應(yīng)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(shè)計機載高效輕量級的目標(biāo)識別算法和本地端高精度目標(biāo)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(gòu)建全自主無人機巡檢系統(tǒng)。無人機基于預(yù)設(shè)的巡檢路徑在GPS導(dǎo)航下進行日常巡檢，機載圖像識別算法完成簡單目標(biāo)識別。當(dāng)出現(xiàn)障礙物時，無人機根據(jù)識別結(jié)果進行路徑規(guī)劃，完成避障飛行;僅當(dāng)出現(xiàn)疑似缺陷目標(biāo)時，無人機將圖像回傳至本地服務(wù)器，完成目標(biāo)和缺陷的精細(xì)識別。這一架構(gòu)僅將疑似缺陷目標(biāo)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(biāo)具有較大的長寬比。目前經(jīng)典的基于深度學(xué)習(xí)的目標(biāo)定位和識別方法通過對標(biāo)注框按特定的長寬比和尺度進行分類來獲得識別結(jié)果。對于大寬高比旋轉(zhuǎn)目標(biāo)的識別，需要沿著特定的參考方向旋轉(zhuǎn)標(biāo)注框來完成目標(biāo)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(shè)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(biāo)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(biāo)長寬比之間的定量關(guān)系。在此基礎(chǔ)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(biāo)的形狀可以用橢圓來近似。

圖5 大長寬比目標(biāo)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(biāo)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(fù)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(biāo)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(biāo)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。基于云邊融合的思想，在提出算法中，前端算法的計算量降低了90%以上，同時受目標(biāo)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(shù)的應(yīng)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(shè)備和智能電網(wǎng)的終端用戶可以通過網(wǎng)絡(luò)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(wù)和快速反應(yīng)。

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(dān)了國家重點研發(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(shè)備連接到互聯(lián)網(wǎng)，在網(wǎng)絡(luò)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(luò)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”。