序

随着新能源产业的快速发展，我国风力发电和光伏发电装机容量快速增长，科技水平也不断提高。

在风力发电方面，市场上出现了长叶片、大容量的风力发电机，叶片长度从m增加到m，风力发电机的寿命周期为20年。在生命周期中，刀片不可避免地会损坏和失效。由于叶片结构和环境的复杂性，给叶片的运行和维护带来了很大的困难，尤其是叶片长度和重量的增加给叶片的运行和维护带来了更大的挑战。传统的叶片损伤失效检测方法是望远镜观测和人工检测落绳，检测效率低，劳动强度大；高空运行，检测成本高；检测时间长，停机后发电损耗大等。

光伏发电中，存在光伏阵列分散、光伏面积大的电站。对于部件的灰尘、污垢、裂纹、屏蔽、发热等异常情况的检查，传统的检查方法是人工检查。人工检查存在定位异常光伏组件困难、工作效率低、运维成本高等缺陷。

为了提高工作效率，降低运维成本，提高风力发电和光伏发电相应的运维水平，在能源互联网和大数据的背景下，一些智能运维手段应运而生。近年来，在风电叶片和光伏组件的巡检中，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，比如文献中提到的配电网空输电线路无人机综合巡检技术，以及文献中提到的基于4旋翼无人机的桥梁裂缝检测系统设计。无人机用于输电线路检查和桥梁裂缝检测。本文利用无人机对光伏组件的风叶损坏、污垢、裂纹、遮挡、发热等异常情况进行检查，以提高工作效率，提高运维水平，降低运维成本。

1无人机简介

采用六旋翼无人机实现智能巡检。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、基于RTK的精确定位系统、双目视觉自动避障系统和综合地面站系统组成。

图1是六旋翼无人机的示意图。

6旋翼无人机具有以下性能:RTK差分精确定位，定位精度达到2厘米；执行自动拍照任务；最低续航时间，空机器最低续航时间；可实现从起飞、巡航执行、返航着陆的全自主自动避障飞行，并可显示三维航线；可实现失控返回和低压返回；可实现高速数据传输和存储，拥有地面站监控系统，实现无人机监控、指挥控制、数据显示等功能；性能稳定、可靠、安全。

2风电检查

2.1刀片故障

在长期运行过程中，叶片经常受到强风载荷、冲砂、潮湿空气体腐蚀和大气氧化的影响，不可避免地会对叶片表面造成损伤。如果不及时处理，叶片会断裂，严重威胁机组的安全运行。刀片损坏大致可分为五类。

涂层脱落。湿气空气体对叶片的长期腐蚀会导致叶片涂层脱落。如果不及时发现，会造成较大面积的涂层脱落，影响叶片的使用寿命。

表面裂纹。叶片表面裂纹比较常见，大部分是由风机的固有振动引起的，在裂纹形成初期很难发现。只有当风机自发振动，叶片抖动，外部污垢在裂纹处每一次膨胀和收缩的瞬间都进入，叶片上的黑色水平条纹在裂纹处形成时，才容易被发现。发展很快，如果不及时修复，很容易造成叶片断裂，造成经济损失。

闪电伤害。在雨水充沛的地区，虽然叶片有防雷系统，但叶片被雷电击中的情况很常见，会对叶片造成严重损坏，甚至直接丢弃。

排水孔堵塞了。叶片被污染后，容易堵塞叶尖的排水孔，影响叶片的排水。长期积水会在叶片旋转过程中产生噪音，还会造成叶片腐蚀。

门闩断了。叶片根部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，首先通过人工检查的方式选取样本风机，即选取有风机叶片故障的风机，然后使用无人机进行检查，最后对比分析无人机识别风机叶片故障的可靠性。风机叶片故障识别的技术路线如图2所示。

图2风机叶片故障识别技术路线

手动检查

在长期投入运行的风电场中，对固定桨距的风机叶片进行了人工检查工作。现场维修人员通过望远镜观察和落绳相结合的人工检查方法，建立了一台样扇。样品风机叶片存在以下故障，其中Rhab057ⅺ.未发现异常

图3叶片RH 24 AB 055 ⅺ手动检查结果

结果，一个碳管定位销松动，一个碳管定位销开裂，未发现其他故障。

图4手动检查叶片RH 24 AB 056 ⅺ的结果

图4a为风扇叶片裂纹，裂纹长度约40 cm，图4b为碳管定位销松动。

2.2.2无人机巡逻检查

利用无人机对已建立的样扇进行智能巡检，通过人工航路飞行可以实现迎风面逆光飞行和背风面逆光飞行。距风机叶片10 m处，通过无人机对故障的智能识别，当发现故障信息时，控制无人机悬停并近距离拍摄故障点。经测试，逆风逆光飞行的检查效果不佳，正常检查可以通过背风逆光飞行完成。检验结果如下:

图5样扇三片叶片无人机检查结果

图5为无人机叶片RH 24ab055 ⅺ、RH 24ab056 ⅺ、RH 24ab056 ⅺ的检查结果，图5a为无人机叶片检查中疑似故障的识别，图6b为风扇叶片放大后的故障信息。从图中可以看出，在第一组图中，叶片边缘出现长裂纹；第二组图片中，叶片边缘出现裂纹；第三组图片中，叶片涂层在叶尖脱落，有划痕。

3光伏检查

在长期运行的光伏电站中，光伏组件等设备会出现裂纹、螺痕、破损、焊带失效等问题，难免会有鸟、灰尘、落叶等障碍物落在上面。如果光伏组件落在障碍物上，由于局部阴影的存在，太阳能组件中的一些单体电池的电流和电压会发生变化，这将增加太阳能组件的局部电流和电压的乘积，从而导致这些太阳能组件上的局部温度升高。太阳能电池组件中一些单体电池的缺陷也可能导致组件在运行过程中局部发热，产生热点。如果热点效应引起的温度超过一定限度，电池模块上的焊点就会熔化，破坏栅极线，导致整个太阳能电池模块报废。可见，光伏组件的智能巡检很重要。

图6光伏组件热点识别

图7光伏组件热点处理

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点。其中，图6a为无人机红外搜索到的异常热点，图6b为可见光对比图。可见，无人机精准实现了异常热点的识别。运维人员对热点所在的光伏组件进行管理，如图7所示，处理后热点消失。

4结论和展望

4.1结论

无人机在风电和光伏智能巡检中完成了人工飞行，对一台机组和部分光伏组件进行了智能巡检，得出以下结论。

对于风电检查:检查时拍照，需要调整风扇的朝向，拍摄时不能在背景光下拍照；系统设备满足叶片编号拍照要求；与人工检查相比，无人机检查优势明显，可以更全面地发现缺陷，但无人机检查难以检查碳管缺陷；无人机无法有效识别一些疑似故障信息，如轻微划痕。

对于光伏检查:在光照充足的情况下，当无人机飞行高度为15 m时，运维人员通过无人机检查发现了很多光伏组件的异常热点，经过现场处理后，异常热点消失，证明了无人机检查的准确性。

4.2展望

虽然风机叶片和光伏组件的故障识别已经完成，但其最大价值并没有发挥出来。最终目标是实现计划飞行路线、计划返航路线、多机组一次巡检、光伏电站模块整体一次巡检、图像处理、故障自动识别、故障点定位、巡检报告自动生成。针对检查中发现的轻微划痕等疑似故障信息，图像处理技术有待进一步探索。