无人机光伏巡检在风力光电行业故障检测中的解决方案

　随着新能源行业的快速发展，我国风力发电、光伏发电装机 容量迅速增长，科技水平也不断提高。

　　在风力发电方面，市场上出现长叶片、大容量风机，叶片长 度也由原来的(30～40)m 增加至(60～70)m。风电机组的生命周期是 20 年，在生命周期内，风机叶片难免会出现损伤，出现故障，由于叶片的结构、所处环境的复杂性，给风机叶片的运行维 护带来很大困难，尤其是叶片长度的增长和叶片重量的增加给 叶片的运行维护带来了更大的挑战。传统的叶片损伤、故障的检测手段是使用望远镜观察和绳索垂降人工检测，存在检测效率 低，工人劳动强度大;高空作业，检测成本高;检测时间长，停机 发电量损失大等缺点。

　　在光伏发电方面，存在光伏阵列布置分散，光伏区面积大的场站，对于组件灰尘、污垢、裂痕、遮挡、发热等异常情况的检查， 传统的检测方法是人工巡检。人工巡检存在对异常的光伏组件定位难，工作效率低、运维成本高等缺陷。

　　为提高工作效率，降低运维成本，提高风力发电、光伏发电相应的运维水平，在能源互联网，大数据的背景下，一些智能化运维手段应运而生。近几年，在风机叶片和光伏组件巡检中，无人机智能巡检技术浮出水面，其实，无人机智能巡检早有应用， 如文献[3]提到的配网架空输电线路无人机综合巡检技术、文献提到的基于 4 旋翼无人机的桥梁裂缝检测系统设计，将无人机用于架空输电线路的巡检、桥梁裂纹的检测。本文将无人机用于风机叶片损伤(如裂纹、腐蚀、断裂等)和光伏组件的污垢、裂痕、遮挡和发热等异常情况的巡检，提高工作效率，提高运维水平，降低运维成本。

　　1 无人机简介

　　应用多旋翼无人机实现智能巡检工作，无人机自主巡检系 统主要由无人机设备、数据采集传感器系统(双光系统)、基于RTK 的精确定位系统、双目视觉自动避障系统和集成地面站系统组成。

图 1 是多旋翼无人机示意图。

　　6 旋翼无人机具有以下性能：①RTK 差分精准定位，定位精度达到±2 cm;②执行自动拍照任务;③续航时间(35～40)min(携带作业载荷)，空机续航时间(50～55)min;④能实现从起飞、巡航执行任务、返航降落全自主自动避障飞行， 且可显示三维航线 ;⑤ 能实现失控返航、低电压返航; ⑥能实现高速数据的传输、存储，并有地面站监视系统，实现无人机监视、指令控制、数据展示等功能;⑦性能稳定、可靠、安全性高。

　　2 风电巡检

　　2.1 叶片故障情况

　　叶片在长时间运转的过程中，也经常受到强风负荷，沙粒冲 刷，潮湿空气腐蚀与大气氧化等因素的影响，难免会造成叶片表 面受损，如果不及时处理会造成叶片断裂，严重威胁机组安全运行，叶片损伤情况大致分 5 类。

　　(1) 涂层脱落。叶片长期受潮湿空气腐蚀会造成叶片涂层脱落，如不能及时被发现，会造成更大面积的涂层脱落，影响叶 片的使用寿命。

　　(2) 表面裂纹。叶片表面出现裂痕比较常见，多数是由于风机自振引起的，在裂纹形成初期，很难被发现。只有在因风机 自振、叶片抖动时，裂纹处的每次涨缩瞬间，外界污物乘机而入， 裂纹内形成叶片上黑色横纹时，才容易被发现，它的发展迅速， 如不及时修补，容易造成叶片折断，造成经济损失。

　　(3) 雷击损伤。在雨水多的地区，虽然叶片有防雷系统，但叶片遭受雷击现象比较常见，雷击会给叶片带来严重损伤，甚至 使叶片直接报废。

　　(4) 排水孔堵塞。叶片被污染后，容易使叶尖的排水孔堵塞，影响叶片排水，长期积水会使叶片转动过程中产生噪声，同时会造成叶片腐蚀。

　　(5) 螺栓断裂。叶根螺栓断裂会导致叶片脱落。

　　2.2 无人机识别故障

　　在使用无人机识别风机叶片故障前，首先通过人工巡检方式选择样本风机，即选择风机叶片有故障的风机，然后使用无人机对其巡检，最后对比分析无人机识别风机叶片故障的可靠性。 风机叶片故障识别技术路线如图 2 所示。

　　图 2 风机叶片故障识别技术路线

　　2.2.1 人工巡检

　　在某投运已久的风电场，对某定桨距风机叶片开展人工巡 检工作，现场检修人员通过望远镜观察和绳索垂降相结合的人 工巡检法，确立 1 台样本风机，该样本风机叶片存在以下故障(3 支 叶 片 编 号 分 别 为 RH24AB055 Ⅺ ，RH24AB056 Ⅺ 和 RH24AB057 Ⅺ)，其中叶片 RHAB057 Ⅺ未发现异常。

　　图 3   叶片RH24AB055 Ⅺ的人工巡检结果

　　结果是出现碳管定位销松动 1处，碳管定位销裂痕 1 处，未见其他故障。

图 4   叶片RH24AB056 Ⅺ 人工巡检结果

　　其中图 4a 是风机叶片出现裂纹，裂纹长度大约 40 cm，图 4b 是检查碳管定位销出现松动。

　　2.2.2 无人机巡检

　　应用无人机对确立的样本风机开展智能巡检工作，通过手动航线飞行，实现迎风面逆光飞行和背风面顺光飞行。距离风机叶片 10 m，通过无人机对故障的智能辨识，当发现故障信息，控制无人机悬停对故障点进行近距离拍摄。经试验，迎风逆光飞行的巡检效果不佳，背风顺光飞行可完成正常巡检，其巡检结果如下：

图5 样本风机3支叶片的无人机巡检结果

　　图 5 是 叶 片RH24AB055 Ⅺ、叶片RH24AB056 Ⅺ 和叶片 RH24AB056 Ⅺ 的无人机巡检结果，图5a 是无人机叶片巡检中疑似故障的辨识，图 6b 是经过放大后的风机叶片故障信息。从图中可以看出，第一组图中，在叶片边缘，出现长裂纹;第二组图中，同样在叶片边缘处，出现裂纹;第三组图中，在叶尖处出现叶片涂层脱落，并伴有划痕。

　　3 光伏巡检

　　运营已久的光伏电站，在光伏组件等设备上会出现龟裂、 蜗牛纹、损坏、焊带故障等问题，也难免落上飞鸟、尘土、落叶等遮挡物。光伏组件如果落上遮挡物，由于局部阴影的存在， 太阳电池组件中某些电池单片的电流、电压发生了变化，其结果使太阳电池组件局部电流与电压之积增大，从而在这些电池组件上产生了局部温升。太阳电池组件中某些电池单片本身缺陷也可能使组件在工作时局部发热，而出现热斑。若热斑效应产生的温度超过了一定极限将会使电池组件上的焊点熔化并毁坏栅线，从而导致整个太阳电池组件的报废，可见，光伏组件智能巡检的重要性。

图6 光伏组件热斑识别

图7 光伏组件热斑处理

　　通过无人机对某光伏电站进行智能巡检，发现光伏组件存 在异常热斑情况(图 6)。其中，图 6a 是通过无人机红外查找的异常热斑，图 6b 是可见光的对比图。可知，无人机准确的实现了异常热斑的识别。运维人员现场对热斑所在的光伏组件进行处 理，如图 7 所示，处理完毕后热斑消失。

　　4 结论与展望

　　4.1 结论

　　本次无人机在风电、光伏的智能巡检工作中完成了手动航 线飞行，对 1 台机组和部分光伏组件进行了智能巡检工作，得出以下结论。

　　(1) 对于风电巡检：①巡检拍照时，需要调整风机方位，拍摄时不能逆光拍照;②该系统设备满足对叶片编号的拍照需求;③相对于人工巡检，无人机巡检优势明显，能更全面的发现缺陷，但无人机巡检对碳管类缺陷很难排查;④无人机对于有些疑似故障信息会出现不能有效识别情况，例如轻微划痕。

　　(2) 对于光伏巡检：在有充足光照的情况下，当无人机飞行高度为 15 m 时，通过无人机巡检，运维人员发现光伏组件不少异常热斑，且经过现场处理后，异常热斑消失，证明了无人机巡检的准确性。

　　4.2 展望

　　虽然已经能完成对风机叶片和光伏组件的故障辨识， 但还没有发挥其最大的价值，实现规划航线飞行、规划航线返航、一次性多台机组巡检、一次性整个光伏电站组件的巡检、图像处理、故障自动识别、故障点定位、自动生成巡检报告是最终目标。针对巡检过程中发现的疑似故障信息，如轻微划痕，在图像处理技术上需要进一步探究。