随着智能电网不断深入以及机器人技术的高速发展，巡检机器人被广泛应用于变电站环境中，逐渐代替人工对电力设备进行巡检。对于变电站巡检机器人而言，自主导航是其完成巡检工作的前提，而有效的避障是机器人实现自主导航的基本要求之一。目前，大多数变电站巡检机器人主要通过激光雷达、超声波等传感器对机器人周围环境进行感知，同时结合相应的避障算法(如蚁群算法、模糊控制算法等)实现机器人避障。该方式虽然简单高效，但获取的环境信息相对稀疏，感知能力有限，在实际应用中仍存在较多问题，如机器人偏离(定位误差累积)、道路上的杂草(可越过障碍物)、水坑(易镜面反射)、碎石(影响机器人定位)等。
1变电站巡检机器人避障方法
在机器人巡检过程中，需要对外界不确定性环境进行感知，其中包括躲避站内人员、设备及其他障碍物。机器人避障行为可分为停障和绕障两种方式。停障是指当机器人探测到行进路线上一定距离内有障碍物阻挡时，机器人发出并执行减速制动指令，待障碍物清除后继续行进；绕障是指巡检机器人尝试直接绕过障碍物而继续行进的避障方式。障碍物通常可分为静止障碍和移动障碍两种。躲避静止障碍可通过人工场势法来实现，在势场中障碍物对机器人产生斥力，距离越近，斥力越大；目标点对机器人产生引力，引力与斥力相反，距离越近，引力越小，当机器人到达目标点时引力为零。通过设置最小安全距离来计算斥力、引力和合力，从而实现机器人的自主避障。在移动情况下，常见的障碍物与机器人存在相遇和穿越行为。相遇行为是面对面的运动，即障碍物与机器人前进方向相反；穿越行为是垂直运动，即机器人前进的方向有障碍从面前穿越。躲避移动障碍可采用基于模糊逻辑理论的避障方法，该避障方法是用Mandani推理法得到一个精确的速度变化量，当障碍物与机器人之间存在一定距离时，机器人按照一定速率逐步减速到最低速度，待障碍消失或者距离大于安全距离时，机器人再逐步加速到正常值，继续完成巡检任务。
2变电站巡检机器人设计
2.1智能巡检机器人主要用途
智能巡检机器人将变电站中实时采集的数据、电子图像，基于无线传输技术发送到后台管控中心系统，及时监控运行设备运行/故障状态并实施目标警告，并自动生成巡检报告，可有效提高变电站内电气设备的运行安全。当紧急或异常情形出现时，智能巡检机器人作为移动监系统，可有效代替人工巡检及时排查故障原因，保障人身安全，提升生产效率。
2.2机器人无线局域网组网设计
普格洛乌沟光伏站巡检区域分布较多，存在室内外巡检区域，单接入点(AccessPoint,AP)部署无法满足较好的巡检数据传输要求，方案设计实现对不同区域进行漫游组网覆盖。针对不同巡检区域部署AP，通过综合集成单元硬件控制器来完成巡检机器人在不同巡检区域进行漫游切换，实现高质量的信息传递工作。
2.3机器人后台监控系统设计
光伏站巡检机器人后台部署至站内主控室，图3所示为机器人后台监控系统的总体功能框架。机器人后台监控主要用于机器人控制管理、巡检任务管理、巡检结果分析、用户操作设置、实时监控等工作。
3变电站巡检机器人避障方法应用
3.1缺陷跟踪的应用
巡检机器人的跟踪功能十分强大，当变电站设备出现低压报警时，可通过智能机器人跟踪监视缺陷问题。检修人员维护前保证设备处于SF6压力状态。此外机器人可以向设备观察点实时发送检查结果，确保运维人员掌握测量装置数据。通过此种方式运维人员能够高效管理设备。对于智能巡检机器人功能来说，可有效检查故障问题，数据收集完整性高，同时可作用于数据监控与分析中，减轻人员工作量，全面维护变电站运行安全性与智能化。
3.2室外环境的清理应用
智能巡检机器人运行过程中维护操作的障碍较多，为全面处理该问题必须优化改造机器人超声识别系统，确保机器人规避障碍。机器人移动过程中能有效接收超声波信号，同时实现发回效果。运行路径上存在障碍物，机器人能够将搜索命令发送至控制中心。在变电站内检查指示路径无障碍物，但植物会延伸至运行路径上，从而导致机器人故障，影响验证与检查。机器人检查中应遵循实际情况，减少由于植物生长所致检查影响问题。
3.3站内日常运维的应用
将智能巡检机器人应用到变电站，主要具备可视化功能：可见光控制功能。利用高分辨率相机能够接收操作状态、操作数据，对主机运行状态进行监控。注重检查设备，读取压力计数，高效检测设备运行状态，同时对电流泄漏量、工作时间进行计算，有效开展维护与保养工作；红外线温度测量功能。在应用该项功能时须注重维护变电站运行，设置应用程序时间间隔，同时对数据进行监视与收集。如变电站运维将变电站划分为四个运行区，不同运行区具备对应工作日。在可见光任务执行过程中，可见光光谱利用快门分割位置切换、油位指示器、探测器、温度计维持。在开关装置上设置四个检测点，主要包括布线、主体、变压器设备、三相与中性盒。针对不同设备科学测量红外温度，同时设置多个检测点，全方位进行红外检测，维持红外光谱与可见光谱。
3.4运用大数据分析故障信息
随着大数据与人工智能时代的飞速发展，将工业自动化与大数据等技术的有机融合，可促进行业走向数字化，智能化转型并与大数据时代接轨。变电站所有设备发电系统复杂，设备高度集中，虽然建立了分布式控制系统，生产实时信息系统，但在应用时大多停留在设备运行的过程监控统计，报表与经济性能的计算阶段，对其设备运行时的故障诊断，预警等智能处理模块相对薄弱。
结束语
针对目前变电站巡检机器人自主避障存在的不足，提出了一种基于深度卷积神经网络的避障方法。该方法联合图像分类与语义分割两类计算机视觉任务，分类结构可以获取更多图像全局信息，使机器人偏离道路情况得到改善;语义分割结构主要关注局部细节信息以及近距离目标，可有效辅助机器人避开障碍物，将两者结合使机器人能最大程度理解环境信息，进而进行正确判断。通过多个数据集测试结果表明，本文方法有效兼顾了网络精度以及效率，同时，在实际变电站场景下，该方法也能有效地应用于巡检机器人中，辅助机器人矫正偏离航向以及实现障碍物的识别和自主避障。
参考文献
[1]刘明春，张葛祥，黄占鳌，等．基于深度学习的变电站巡检机器人道路场景识别［J］．科学技术与工程，2019(13):158-163．
[2]刘介玮，周向斌，许宜昉，等.面向变电站设备运行状态监测的智能巡检机器人系统设计[J].自动化与仪器仪表，2019(6)：62-64.
[3]吴玉柱，王亮，田恩勇，等.一种基于改进蒙特卡洛法展开的变电站巡检路线优化研究[J].电子设计工程，2019(12)：89-90.