Применение нейронных сетей для интеллектуального анализа состояния воздушных линий электропередачи с использованием беспилотных воздушных судов

106

ДИАГНОСТИКА 

И МОНИТОРИНГ

Применение нейронных сетей 

для интеллектуального анализа состояния 

воздушных линий электропередачи 

с использованием беспилотных 

воздушных судов

Традиционные

методы

контроля

состояния

линий

электропередачи

, 

основанные

на

ви

-

зуальных

обследованиях

, 

требуют

значительных

временных

и

человеческих

ресурсов

. 

В

связи

с

этим

применение

беспилотных

воздушных

судов

 (

БВС

) 

становится

все

более

актуальным

для

проведения

осмотров

ЛЭП

, 

обеспечивая

более

эффективный

способ

получения

информации

. 

БВС

, 

оборудованные

высококачественными

камерами

и

датчи

-

ками

, 

способны

осуществлять

детальный

мониторинг

состояния

линий

электропереда

-

чи

, 

выявляя

дефекты

и

отклонения

. 

При

этом

с

увеличением

объема

собранных

данных

возникает

необходимость

в

автоматизации

их

анализа

. 

В

данной

статье

рассматрива

-

ется

вопрос

интеграции

БВС

и

сверточных

нейронных

сетей

для

создания

комплексной

системы

автоматического

мониторинга

состояния

ЛЭП

. 

Микрюков

В

.

В

., 

руководитель

Дирекции

по

инновационной

деятельности

и

импортозамещению

ПАО

 «

Россети

Центр

»

Пацев

А

.

А

., 

главный

специалист

Дирекции

по

инновационной

деятельности

и

импортозамещению

ПАО

 «

Россети

Центр

»

Середкин

О

.

А

., 

начальник

управления

технологического

развития

и

цифровизации

филиала

ПАО

 «

Россети

Центр

» — «

Липецкэнерго

»

Кузнецов

В

.

С

., 

заместитель

директора

по

инновациям

ГК

 «

Беспилотные

системы

»

Стерликов

С

.

А

., 

руководитель

Департамента

беспилотных

систем

ООО

 «

ВизорЛабс

»

С

истема

создана

в

ком

-

пании

  «

Россети

Центр

» 

в

рамках

проекта

НИОКР

«

Разработка

программно

-

аппаратного

комплекса

для

ин

-

теллектуального

обнаружения

объектов

исследования

и

автома

-

тического

построения

полетных

заданий

беспилотных

воздуш

-

ных

средств

различного

типа

». 

Для

реализации

проекта

создана

рабочая

группа

, 

в

которую

во

-

шли

ГК

  «

Беспилотные

системы

» 

и

ООО

 «

ВизорЛабс

».

РАЗРАБОТКА

КОМПЛЕКСНОЙ

СИСТЕМЫ

Совокупная

протяженность

линий

электропередачи

классом

напря

-

жения

 35–110 

кВ

группы

компаний

«

Россети

Центр

» 

составляет

бо

-

лее

 63 

тыс

. 

км

, 

для

которых

необ

-

ходимо

осуществлять

ежегодный

осмотр

. 

При

этом

порядка

 43% 

всех

линий

проходят

по

труднодо

-

ступной

местности

 — 

это

переходы

через

реки

, 

болотистая

и

лесис

-

тая

местность

.

В

целях

повышения

операцион

-

ной

эффективности

функционирова

-

ния

 «

Россети

Центр

» 

начало

активно

развивать

альтернативные

способы

осмотров

линий

, 

в

частности

с

при

-

менением

БВС

, 

и

в

 2023 

году

был

дан

старт

НИОКР

 «

Разработка

про

-

граммно

-

аппаратного

комплекса

Рис

. 1. 

Внешний

и

внутренний

вид

мобильной

лаборатории

БВС

107

для

интеллектуального

обнаруже

-

ния

объектов

исследования

и

авто

-

матического

построения

полетных

заданий

беспилотных

воздушных

средств

различного

типа

».

Реализуемый

НИОКР

направлен

на

усовершенствование

существу

-

ющих

в

компании

решений

, 

авто

-

матизацию

планирования

полетов

и

управления

полевыми

работами

, 

получение

максимально

качествен

-

ных

и

релевантных

аэрофотоснимков

, 

внедрение

системы

автоматической

корректировки

полетных

заданий

и

использования

нейросетевых

алго

-

ритмов

для

интеллектуального

ана

-

лиза

получаемых

материалов

.

В

рамках

НИОКР

в

 2024 

году

создана

принципиально

новая

ла

-

боратория

беспилотной

диагности

-

ки

воздушных

линий

 (

рисунок

 1).

Разработанное

решение

поз

-

волило

выстроить

комплексную

систему

для

мониторинга

ВЛ

, 

включающую

: 

планирование

по

-

летов

, 

облет

с

применением

БВС

, 

анализ

фотоматериала

и

автома

-

тическую

фиксацию

дефектов

.

ДИАГНОСТИКА

ЛИНИЙ

 35–110 

кВ

С

ПРИМЕНЕНИЕМ

БВС

В

рамках

проекта

сформирован

оптимальный

бизнес

-

процесс

(

рисунок

 2) 

эффективного

осу

-

ществления

диагностики

линий

35–110 

кВ

с

применением

БВС

.

Для

этапа

планирования

по

-

летов

в

рамках

реализации

про

-

екта

НИОКР

создано

программ

-

ное

обеспечение

  «

Организация

полетов

БВС

» (

рисунок

 3) (

Сви

-

детельство

о

государственной

регистрации

программы

для

ЭВМ

№

 2024665922 

от

 08.07.2024), 

которое

позволяет

автоматизи

-

ровать

процесс

взаимодействия

специалистов

линейных

служб

с

бригадами

БВС

в

части

фор

-

мирования

заявок

на

мониторинг

и

диагностику

ВЛ

, 

а

также

опти

-

мизировать

процесс

подготовки

к

полету

в

части

формирования

полетного

задания

и

получения

необходимых

разрешений

. 

Функ

-

ционал

комплекса

обеспечивает

:

– 

создание

и

ведение

заявок

в

при

-

вязке

к

координатам

и

охран

-

ным

зонам

ВЛ

; 

– 

проведение

, 

контроль

, 

а

также

формирование

необходимых

разрешительных

документов

в

автоматическом

режиме

для

всех

стадий

согласования

по

-

лета

с

внешними

организа

-

циями

; 

– 

управление

действиями

полет

-

ных

бригад

БВС

во

время

про

-

ведения

полетов

  (

мобильное

приложение

).

При

рассмотрении

решения

задач

мониторинга

объектов

ВЛ

важными

критериями

эффектив

-

ности

БВС

являются

: 

продолжи

-

тельность

полета

, 

возможность

фиксации

опоры

в

кадре

, 

высо

-

та

полета

, 

возможность

запуска

и

посадки

с

небольшой

площадки

, 

точная

съемка

  (

подразумевается

исключение

пропусков

опор

ВЛ

). 

Таким

образом

, 

оптимальная

эффективность

может

быть

до

-

стигнута

при

использовании

БВС

типа

конвертопланов

  (

рисунок

 4), 

которые

способны

обеспечить

вы

-

соту

полета

от

 100 

метров

, 

воз

-

можность

запуска

и

посадки

БВС

с

небольшой

площадки

.

Для

мониторинга

одной

ВЛ

облет

осуществляется

один

раз

с

двухпроходной

съемкой

на

сред

-

ней

высоте

 ~120 

м

. 

Использует

-

ся

камера

высокого

разрешения

(40–60 

Мп

), 

закрепленная

на

под

-

весе

под

углом

 45 

градусов

по

ходу

движения

. 

Такой

порядок

съемки

позволяет

увидеть

все

типы

нару

-

шений

 — 

от

деревьев

в

охранной

зоне

до

выпавших

изоляторов

.

Во

время

полета

фиксируют

-

ся

точные

координаты

в

момент

съемки

и

параметры

внешнего

ориентирования

борта

  (

в

даль

-

нейшем

это

позволяет

точно

при

-

вязать

снимки

и

построить

на

них

точные

проекции

охранных

зон

).

На

этапах

обработки

фотома

-

териалов

и

распознавания

дефек

-

Рис

. 2. 

Бизнес

-

процесс

диагностики

ВЛ

с

использованием

БВС

Рис

. 3. 

Интерфейс

ПО

 «

Организация

полетов

БВС

»

Однократное

формирование

полетного

задания

Выезд

на

точку

старта

, 

запуск

БВС

Приземление

БВС

передача

фото

на

сервер

Приоритизация

дефектов

Облет

трасс

ВЛ

с

диагностикой

элементов

ВЛ

Обработка

данных

нейрон

-

ной

сетью

Передача

данных

в

СУПА

, 

перерасчет

И

.

С

., 

формиро

-

вание

дефектной

ведомости

Рис

. 4. 

Внешний

вид

БВС

типа

кон

-

вертоплан

№

 6 (87) 2024

108

ДИАГНОСТИКА 

И МОНИТОРИНГ

тов

в

рамках

НИОКР

разработано

специализированное

ПО

  «

Ана

-

лиз

состояния

ВЛ

» (

Свидетель

-

ство

о

государственной

реги

-

страции

программы

для

ЭВМ

№

 2024665921 

от

 08.07.2024), 

ко

-

торое

обеспечивает

:

– 

ведение

паспортных

данных

по

обследуемым

объектам

; 

– 

выполнение

загрузки

аэрофо

-

тоснимков

и

полетных

журна

-

лов

, 

их

геопривязку

к

опорам

и

пролетам

воздушных

линий

электропередачи

; 

– 

расчет

координат

охранных

зон

, 

наложение

их

полигонов

на

снимки

; 

– 

нейросетевую

обработку

сним

-

ков

с

выявлением

на

них

де

-

фектов

и

отклонений

от

норма

-

тивного

состояния

;

– 

формирование

журнала

де

-

фектов

и

листка

осмотра

, 

вы

-

грузка

для

передачи

в

ТОиР

.

Основным

ключом

к

автомати

-

зации

анализа

данных

, 

получен

-

ных

при

использовании

БВС

для

диагностики

ВЛ

, 

являются

нейро

-

сетевые

модели

, 

которые

позво

-

ляют

видеть

на

снимках

объекты

интереса

, 

которые

могут

являться

признаками

дефекта

. 

Пример

ра

-

боты

нейросетевых

алгоритмов

представлен

на

рисунке

 5.

Для

решения

задач

автома

-

тического

анализа

получаемых

фотоматериалов

оптимальным

является

применение

сверточ

-

ных

нейросетей

 (

СНС

). 

Основные

компоненты

СНС

: 

сверточные

слои

выполняют

операцию

сверт

-

ки

, 

применяя

фильтры

к

входным

данным

, 

чтобы

выделить

при

-

знаки

  (

такие

как

края

, 

тексту

-

ры

и

формы

); 

слои

подвыборки

уменьшают

размерность

данных

, 

сохраняя

важные

признаки

, 

что

позволяет

снизить

вычислитель

-

ные

затраты

и

повысить

устой

-

чивость

к

искажениям

; 

полно

-

связные

слои

после

преобразуют

данные

в

одномерный

вектор

для

классификации

и

обработки

.

В

отличие

от

традиционных

методов

обработки

изображений

, 

СНС

способны

автоматически

вы

-

являть

иерархические

признаки

, 

начиная

от

простых

линий

и

конту

-

ров

и

заканчивая

более

сложными

объектами

, 

такими

как

здания

, 

до

-

роги

или

транспортные

средства

. 

Одним

из

ключевых

преимуществ

сверточных

нейросетей

является

их

устойчивость

к

изменениям

ра

-

курса

, 

масштаба

и

освещенности

, 

что

особенно

важно

при

обработ

-

ке

снимков

, 

сделанных

с

разных

высот

и

под

разными

углами

. 

СНС

отлично

справляются

с

шумом

, 

ко

-

торый

часто

присутствует

на

изо

-

бражениях

, 

сделанных

в

сложных

погодных

условиях

. 

Рис

. 5. 

Распознавание

объектов

с

использованием

нейросетевых

моделей

, 

построение

охранной

зоны

, 

вывод

о

наличии

строений

и

ДКР

в

охранной

зоне

ВЛ

Рис

. 6. 

Классическая

детекция

слева

, 

семантическая

детекция

справа

109

Для

 multiscale-

моделей

нейрон

-

ных

сетей

, 

обрабатывающих

фото

-

графии

с

БПЛА

с

объектами

различ

-

ных

размеров

, 

можно

использовать

следующую

обобщенную

формулу

:

F

 = 

φ

(



(

w_i

 · 

f_i

(

I_i

)) + 

b

), (1)

где

F

 — 

итоговый

выход

 multi-scale 

модели

; 

φ

 — 

функция

активации

(

например

, ReLU); 

w

_

i

 — 

весовые

коэффициенты

для

каждого

мас

-

штаба

; 

f

_

i

 — 

функция

обработки

изображения

на

i

-

м

масштабе

; 

I

_

i

 — 

входное

изображение

, 

мас

-

штабированное

до

i

-

го

размера

; 

b 

— 

смещение

.

Раскроем

подробнее

компо

-

ненты

формулы

:

Масштабирование

входного

изображения

:

I

_

i

 = resize(

I

, 

s

_

i

), (2)

где

I

 – 

исходное

изображение

; 

s

_

i

 — 

коэффициент

масштабирования

.

Функция

обработки

на

каждом

масштабе

 (

сверточная

нейронная

сеть

):

f

_

i

(

I

_

i

) = CNN_

i

(

I

_

i

). (3)

Взвешенная

сумма

выходов

раз

-

ных

масштабов

:



(

w

_

i

 · 

f

_

i

(

I

_

i

)). (4)

Применение

функции

активации

:

φ

(

x

) = 

max

(0, 

x

) 

для

 ReLU.  (5)

Итоговая

расширенная

формула

:

F

 = 

φ

(



(

w

_

i

 · CNN_

i

(resize(

I

, 

s

_

i

))) + 

b

). (6)

Эта

формула

отражает

основ

-

ную

идею

 multiscale-

подхода

 — 

обработку

изображения

на

раз

-

ных

масштабах

с

последующим

объединением

результатов

. 

Такой

подход

позволяет

эффективно

об

-

рабатывать

изображения

с

БПЛА

, 

содержащие

объекты

различных

размеров

.

На

текущий

момент

в

датасе

-

те

, 

разработанном

ПАО

  «

Россети

Центр

», 

содержится

более

 237 

ты

-

сяч

аннотаций

. 

Классическая

детекция

 (117 

тысяч

): 

техника

, 

порубочные

остатки

, 

строения

, 

отдельно

стоящие

и

поваленные

деревья

, 

траверсы

, 

виброгасите

-

ли

. 

Наклонная

детекция

(34 

тыся

-

чи

): 

опоры

, 

гирлянды

изоляторов

. 

Семантическая

сегментация

(86 

тысяч

): 

лес

, 

кусты

, 

дороги

, 

во

-

дные

объекты

. 

Представление

де

-

текций

приведено

на

рисунке

 6.

Модель

постоянно

совершен

-

ствуется

и

дорабатывается

путем

обучения

новым

видам

эксплуата

-

ционных

дефектов

.

Определение

корректных

гра

-

ниц

охранной

зоны

ВЛ

даже

при

наличии

аэрофотоснимков

явля

-

ется

трудоемкой

и

сложной

за

-

дачей

. 

Поэтому

отдельного

вни

-

мания

заслуживает

алгоритм

расчета

охранных

зон

ВЛ

. 

Зоны

рассчитываются

автоматически

от

крайнего

провода

с

использова

-

нием

информации

по

типам

опор

и

уровню

напряжения

ВЛ

. 

Для

на

-

ложения

охранной

зоны

на

снимок

выполняется

3D-

реконструкция

положения

БВС

относительно

ВЛ

в

момент

съемки

 (

рисунок

 7).

После

обработки

полученных

с

БВС

фотоматериалов

система

в

автоматическом

режиме

фор

-

мирует

журнал

дефектов

, 

в

ко

-

тором

обнаруженные

дефекты

приоритизируются

по

важности

и

срокам

устранения

и

представ

-

ляются

в

удобном

для

сотрудника

линейных

служб

виде

  (

с

привяз

-

кой

к

координатам

фотоматериа

-

лами

и

возможностью

детального

ознакомления

с

подробностями

обнаруженных

дефектов

).

Комплексная

система

в

теку

-

щей

версии

обеспечивает

выяв

-

ление

и

идентификацию

 41 

типа

дефектов

, 

таких

как

: 

отклонение

опоры

в

поперечной

плоскости

оси

ВЛ

; 

обрыв

провода

; 

наброс

на

провода

; 

недостаточная

шири

-

на

просеки

; 

наличие

на

трассе

ВЛ

(

под

проводами

) 

ДКР

выше

 4 

ме

-

тров

, 

повреждение

анкерного

за

-

жима

; 

изменение

стрелы

провеса

провода

; 

наличие

антропогенных

объектов

в

охранной

зоне

; 

нару

-

шение

конструкции

изоляторов

и

многих

других

. 

Дефекты

, 

диа

-

гностируемые

системой

, 

являют

-

ся

причиной

более

 92% 

отключе

-

ний

на

ВЛ

 35–110 

кВ

.

ВЫВОДЫ

За

период

эксплуатации

ком

-

плексной

системы

по

анализу

ВЛ

с

применением

БВС

было

диа

-

гностировано

порядка

 3700 

км

ВЛ

 35–110 

кВ

, 

выявлено

более

3600 

дефектов

, 

из

которых

 90% — 

это

нарушение

охранных

зон

ВЛ

и

оставшиеся

 10% – 

это

дефекты

опор

, 

арматуры

и

проводов

.

Удалось

достичь

снижения

расходов

на

осмотр

ВЛ

 35–110 

кВ

относительно

классического

мето

-

да

на

 64% 

и

повышения

произво

-

дительности

труда

на

 84%.

В

рамках

реализации

проекта

НИОКР

ведутся

работы

по

уста

-

новке

на

борт

БВС

системы

ав

-

томатической

корректировки

кур

-

са

и

управления

углом

подвеса

полезной

нагрузки

, 

что

позволит

повысить

качество

получаемых

фотоматериалов

, 

снизить

время

облета

ВЛ

, 

что

приведет

к

допол

-

нительному

повышению

показа

-

телей

производительности

труда

и

снижению

затрат

.

Ключевой

эффект

от

при

-

менения

комплексных

систем

БВС

 — 

высвобожденный

времен

-

ной

ресурс

сотрудников

компа

-

нии

 — 

направляется

не

на

поиск

дефектов

, 

а

на

их

предупрежде

-

ние

и

устранение

. 

Р

Рис

. 7. 

Расчет

охранных

зон

ВЛ

 (3D-

визуализация

)

№

 6 (87) 2024