Алгоритмы автоматизации построения маршрутов движения инспекционных групп в ходе аэродиагностики линий электропередач при помощи квадрокоптеров
Ключевые слова:
инспекция, линии электропередач, квадрокоптер, взешанный граф, планировщик пути, БПЛА, ГИС, SRTMАннотация
Работа посвящена разработке и экспериментальной валидации автоматизации построения маршрутов движения рабочих групп при аэроинспекции линий электропередач при помощи квадрокоптеров. Входными данными служат общедоступные геопространственные ресурсы – векторные карты «OpenStreetMap» и цифровые модели рельефа «NASA Earthdata SRTM», что исключает необходимость предварительных полевых измерений и упрощает перенос методики на новые участки. В работе получены следующие новые научные результаты: 1) новый алгоритм автоматизированного выбора зон взлёта-посадки квадрокоптеров на основе открытых данных, позволяющий определять подходящие зоны алгоритмически вне города согласно требованиям стандарта о проведении инспекции подвесного оборудования на опорах ЛЭП – СТО 56947007- 29.200.10.235-2016; 2) разработаны два согласованных алгоритма: первый определяет промежуточные точки для построения маршрута вдоль опор ЛЭП, второй выбирает зоны взлёта и посадки БПЛА, а их совместное применение формирует наземный маршрут сопровождения, пригодный для движения обычного полноприводного колёсного транспорта вдоль опор ЛЭП; 3) результаты натурных экспериментальных исследований, демонстрирующие, что время проведения инспекции с дронами, на основе представленных в работе алгоритмов, на 53% меньше, чем без использования БПЛА, помимо этого, экспериментальные испытания показали соответствие зон взлёта-посадки заявленным требованиям. Разработанные алгоритмы реализованы в виде плагина к среде «QGIS 3.22». Испытания, проведенные на реальном 4,6-километровом сегменте линий электропередач в холмисто-лесистой местности, продемонстрировали, что предлагаемый алгоритм выбора зон взлёта-посадки позволяет сократить время обследования на 53%. Полученные количественные результаты подтверждают высокую эффективность аэродиагностики линий электропередач, по сравнению с наземной инспекцией. Однако, данный уровень эффективности достигается только при качественном планировании маршрутов инспекции, что и обеспечивается с использованием разработанных программно-алгоритмических решений.
Литература
1. Стандарт организации ОАО «ФСК ЕЭС». «Методические указания по оценке технического состояния ВЛ и остаточного ресурса компонентов ВЛ» от 30.12.2011 № СТО 56947007-29.240.55.111-2011. 2011. URL: https://www.rosseti.ru (дата обращения: 26.01.2026).
2. Khalyasmaa A.I., Bliznyuk D.I., Romanov A.M. Diagnostic system for OHL state assessment // International Siberian Conference on Control and Communications (SIBCON). IEEE. 2015. pp. 1–5.
3. Khalyasmaa A.I., Dmitriev S.D., Romanov A.M. Robotic intelligence laboratory for overhead transmission lines assessment // Proceedings of the 57th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON). IEEE. 2016. pp. 1–6. DOI: 10.1109/rtucon.2016.7763123.
4. He Y., Liu Z., Guo Y., et al. UAV based sensing and imaging technologies for power system detection, monitoring and inspection: a review // Nondestructive Testing and Evaluation. 2024. vol. 40. no. 12. pp. 1–68. DOI: 10.1080/10589759.2024.2421938.
5. Стандарт организации ОАО «ФСК ЕЭС». «Методические указания по применению беспилотных летательных аппаратов для обследования воздушных линий электропередачи и энергетических объектов» от 09.12.2016 № СТО 56947007-29.200.10.235-2016. 2016. URL: https://www.rosseti.ru (дата обращения: 26.01.2026).
6. Wang Z., Gao Q., Xu J., Li D. A Review of UAV Power Line Inspection // Advances in Guidance, Navigation and Control. Lecture Notes in Electrical Engineering. Springer. 2022. vol. 644. pp. 3147–3159. DOI: 10.1007/978-981-15-8155-7_263.
7. Schofield O.B., Iversen N., Ebeid E. Autonomous power line detection and tracking system using UAVs // Microprocessors and Microsystems. 2022. vol. 94. 104609 p. DOI: 10.1016/j.micpro.2022.104609.
8. Cheng K., Su Y., Guan H., Tao S., Ren Y., Hu T., Ma K., Tang Y., Guo Q. Mapping China’s planted forests using high resolution imagery and massive amounts of crowdsourced samples // ISPRS Journal of Photogrammetry and Remote Sensing. 2023. vol. 196. pp. 356–371. DOI: 10.1016/j.isprsjprs.2023.01.005.
9. Yang L., Wang C., Wang L. Autonomous UAVs landing site selection from point cloud in unknown environments // ISA Transactions. 2022. vol. 130. pp. 610–628. DOI: 10.1016/j.isatra.2022.04.005.
10. Kim M.-S., Hong W.-H., Lee Y.-H., Baek S.-C. Selection of Take-off and Landing Sites for Firefighter Drones in Urban Areas Using a GIS-Based Multi-Criteria Model // Drones. 2022. vol. 6. no. 12. 412 p. DOI: 10.3390/drones6120412.
11. Park J.-Y., Kim S.-T., Lee J.-K., et al. Method of operating a GIS-based autopilot drone to inspect ultrahigh voltage power lines and its field tests // Journal of Field Robotics. 2019. vol. 37. no. 3. pp. 345–361. DOI: 10.1002/rob.21916.
12. Naumov I.I., Ibadov R.R, Oboimova P. Unmanned Aerial Vehicles for Inspection of Power Lines // Proceedings of the International Russian Smart Industry Conference (SmartIndustryCon). 2025. pp. 1032–1037.
13. Kocer B.B., Tjahjowidodo T., Pratama M., Seet G. Inspection-while-flying: An autonomous contact-based nondestructive test using UAV-tools // Automation in Construction. 2019. vol. 106. 102895 p. DOI: 10.1016/j.autcon.2019.102895.
14. Zhang Z., Xu F., Qin Z., Xie Y. Resource allocation in UAV assisted air ground intelligent inspection system // Cognitive Robotics. 2021. vol. 2. pp. 1–12. DOI: 10.1016/j.cogr.2021.12.002.
15. Li Z., Zhang Y., Wu H., et al. Design and Application of a UAV Autonomous Inspection System for High-Voltage Power Transmission Lines // Remote Sensing. 2023. vol. 15. no. 3. 865 p. DOI: 10.3390/rs15030865.
16. Patterson T., McClean S., Morrow P., Parr G., Luo C. Timely autonomous identification of UAV safe landing zones // Image and Vision Computing. 2014. vol. 32. no. 9. pp. 568–578. DOI: 10.1016/j.imavis.2014.06.006.
17. Bodunkov N.E., Kim N.V. Autonomous Landing-site Selection for a Small Drone // Russian Engineering Research. 2021. vol. 41. pp. 72–75. DOI: 10.3103/S1068798X2101007X.
18. Veiga N., Vale A., Ventura R. An Integrated Method for Landing Site Selection and Autonomous Reactive Landing for Multirotors // Robot 2023: Sixth Iberian Robotics conference. Springer. 2023. vol. 978. pp. 282–293. DOI: 10.1007/978-3-031-59167-9_24.
19. Yoon M., Yang T., Lee C., Son H., Yoon S.E. Analysis of Terrain-Aware Optimal Path Planning Methods for Stable Off-Road Navigation // Proceedings of the 35th IEEE Intelligent Vehicles Symposium (IV). 2024. pp. 206–210.
20. Голубов В.В., Манько С.В. Особенности и перспективы применения метода поисковых случайных деревьев для планирования перемещений автономных роботов // Russian Technological Journal. 2023. Т. 11. №6. С. 16–27. DOI: 10.32362/2500-316X-2023-11-6-16-27.
21. Ren S., Zhang M., Liu Y., Wang J., Zhou W. Off-Road Path-Planning Based on Large Scale OpenStreetMap and DSM Data // Proceedings of the 9th International Conference on Big Data and Information Analytics (BigDIA). IEEE. 2023. pp. 379–386.
22. Hua C., Niu R., Yu B., et al. A Global Path Planning Method for Unmanned Ground Vehicles in Off-Road Environments Based on Mobility Prediction // Machines. 2022. vol. 10. no. 5. 375 p. DOI: 10.3390/machines10050375.
23. Goodin C., Moore M.N., Carruth D.W., et al. The nature autonomy stack: an open-source stack for off-road navigation // Unmanned Systems Technology XXVI. 2024. vol. 13055. pp. 8–17. DOI: 10.1117/12.3010131.
24. De Oliveira C.S., Toledo R.S., Tulux V.H., Von Wangenheim A. Trajectory Planning for Autonomous Cars in Low-Structured and Unstructured Environments: A Systematic Review // IEEE Access. 2023. vol. 11. pp. 1–36.
25. Zheng X., Ma M., Zhong, Z., et al. Two-Stage Path Planning for Long-Distance Off-Road Path Planning Based on Terrain Data // ISPRS International Journal of Geo-Information. 2024. vol. 13. no. 6. 184 p. DOI: 10.3390/ijgi13060184.
26. Zhao D., Ni L., Zhou K., et al. A Study of the Improved A* Algorithm Incorporating Road Factors for Path Planning in Off-Road Emergency Rescue Scenarios // Sensors. 2024. vol. 24. no. 17. 5643 p. DOI: 10.3390/s24175643.
27. Hong Z., Sun P., Tong X., et al. Improved A-Star algorithm for long-distance off-road path planning using terrain data map // ISPRS International Journal of Geo-Information. 2021. vol. 10. no. 11. DOI: 10.3390/ijgi10110785.
28. Caliskan M., Anbaroglu B. Geo-MST: A geographical minimum spanning tree plugin for QGIS. SoftwareX. 2020. vol. 12. 100553 p. DOI: 10.1016/j.softx.2020.100553.
29. Sehra S.S., Singh J., Rai H.S., Anand S.S. Extending Processing Toolbox for assessing the logical consistency of OpenStreetMap data // Transactions in GIS. 2019. vol. 24. no. 1. pp. 44–71. DOI: 10.1111/tgis.12587.
30. Alam Md.S., Oluoch J. A survey of safe landing zone detection techniques for autonomous unmanned aerial vehicles (UAVs) // Expert Systems with Applications. 2021. vol. 179. 115091 p. DOI: 10.1016/j.eswa.2021.115091.
31. Romanov A.M., Gyrichidi N., Volkova M.A., et al. Automated mission planning for aerial large-scale power plant thermal inspection // Journal of Field Robotics. 2024. vol. 41. no. 5. pp. 1313–1348. DOI: 10.1002/rob.22320.
32. Bychkov A.M., Romanov A.M. GIS Plugin for Planning Movement on Various Types of Roads // Proceedings of the IEEE 26th International Conference of Young Professionals in Electron Devices and Materials (EDM). 2025. pp. 1380–1385.
2. Khalyasmaa A.I., Bliznyuk D.I., Romanov A.M. Diagnostic system for OHL state assessment // International Siberian Conference on Control and Communications (SIBCON). IEEE. 2015. pp. 1–5.
3. Khalyasmaa A.I., Dmitriev S.D., Romanov A.M. Robotic intelligence laboratory for overhead transmission lines assessment // Proceedings of the 57th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON). IEEE. 2016. pp. 1–6. DOI: 10.1109/rtucon.2016.7763123.
4. He Y., Liu Z., Guo Y., et al. UAV based sensing and imaging technologies for power system detection, monitoring and inspection: a review // Nondestructive Testing and Evaluation. 2024. vol. 40. no. 12. pp. 1–68. DOI: 10.1080/10589759.2024.2421938.
5. Стандарт организации ОАО «ФСК ЕЭС». «Методические указания по применению беспилотных летательных аппаратов для обследования воздушных линий электропередачи и энергетических объектов» от 09.12.2016 № СТО 56947007-29.200.10.235-2016. 2016. URL: https://www.rosseti.ru (дата обращения: 26.01.2026).
6. Wang Z., Gao Q., Xu J., Li D. A Review of UAV Power Line Inspection // Advances in Guidance, Navigation and Control. Lecture Notes in Electrical Engineering. Springer. 2022. vol. 644. pp. 3147–3159. DOI: 10.1007/978-981-15-8155-7_263.
7. Schofield O.B., Iversen N., Ebeid E. Autonomous power line detection and tracking system using UAVs // Microprocessors and Microsystems. 2022. vol. 94. 104609 p. DOI: 10.1016/j.micpro.2022.104609.
8. Cheng K., Su Y., Guan H., Tao S., Ren Y., Hu T., Ma K., Tang Y., Guo Q. Mapping China’s planted forests using high resolution imagery and massive amounts of crowdsourced samples // ISPRS Journal of Photogrammetry and Remote Sensing. 2023. vol. 196. pp. 356–371. DOI: 10.1016/j.isprsjprs.2023.01.005.
9. Yang L., Wang C., Wang L. Autonomous UAVs landing site selection from point cloud in unknown environments // ISA Transactions. 2022. vol. 130. pp. 610–628. DOI: 10.1016/j.isatra.2022.04.005.
10. Kim M.-S., Hong W.-H., Lee Y.-H., Baek S.-C. Selection of Take-off and Landing Sites for Firefighter Drones in Urban Areas Using a GIS-Based Multi-Criteria Model // Drones. 2022. vol. 6. no. 12. 412 p. DOI: 10.3390/drones6120412.
11. Park J.-Y., Kim S.-T., Lee J.-K., et al. Method of operating a GIS-based autopilot drone to inspect ultrahigh voltage power lines and its field tests // Journal of Field Robotics. 2019. vol. 37. no. 3. pp. 345–361. DOI: 10.1002/rob.21916.
12. Naumov I.I., Ibadov R.R, Oboimova P. Unmanned Aerial Vehicles for Inspection of Power Lines // Proceedings of the International Russian Smart Industry Conference (SmartIndustryCon). 2025. pp. 1032–1037.
13. Kocer B.B., Tjahjowidodo T., Pratama M., Seet G. Inspection-while-flying: An autonomous contact-based nondestructive test using UAV-tools // Automation in Construction. 2019. vol. 106. 102895 p. DOI: 10.1016/j.autcon.2019.102895.
14. Zhang Z., Xu F., Qin Z., Xie Y. Resource allocation in UAV assisted air ground intelligent inspection system // Cognitive Robotics. 2021. vol. 2. pp. 1–12. DOI: 10.1016/j.cogr.2021.12.002.
15. Li Z., Zhang Y., Wu H., et al. Design and Application of a UAV Autonomous Inspection System for High-Voltage Power Transmission Lines // Remote Sensing. 2023. vol. 15. no. 3. 865 p. DOI: 10.3390/rs15030865.
16. Patterson T., McClean S., Morrow P., Parr G., Luo C. Timely autonomous identification of UAV safe landing zones // Image and Vision Computing. 2014. vol. 32. no. 9. pp. 568–578. DOI: 10.1016/j.imavis.2014.06.006.
17. Bodunkov N.E., Kim N.V. Autonomous Landing-site Selection for a Small Drone // Russian Engineering Research. 2021. vol. 41. pp. 72–75. DOI: 10.3103/S1068798X2101007X.
18. Veiga N., Vale A., Ventura R. An Integrated Method for Landing Site Selection and Autonomous Reactive Landing for Multirotors // Robot 2023: Sixth Iberian Robotics conference. Springer. 2023. vol. 978. pp. 282–293. DOI: 10.1007/978-3-031-59167-9_24.
19. Yoon M., Yang T., Lee C., Son H., Yoon S.E. Analysis of Terrain-Aware Optimal Path Planning Methods for Stable Off-Road Navigation // Proceedings of the 35th IEEE Intelligent Vehicles Symposium (IV). 2024. pp. 206–210.
20. Голубов В.В., Манько С.В. Особенности и перспективы применения метода поисковых случайных деревьев для планирования перемещений автономных роботов // Russian Technological Journal. 2023. Т. 11. №6. С. 16–27. DOI: 10.32362/2500-316X-2023-11-6-16-27.
21. Ren S., Zhang M., Liu Y., Wang J., Zhou W. Off-Road Path-Planning Based on Large Scale OpenStreetMap and DSM Data // Proceedings of the 9th International Conference on Big Data and Information Analytics (BigDIA). IEEE. 2023. pp. 379–386.
22. Hua C., Niu R., Yu B., et al. A Global Path Planning Method for Unmanned Ground Vehicles in Off-Road Environments Based on Mobility Prediction // Machines. 2022. vol. 10. no. 5. 375 p. DOI: 10.3390/machines10050375.
23. Goodin C., Moore M.N., Carruth D.W., et al. The nature autonomy stack: an open-source stack for off-road navigation // Unmanned Systems Technology XXVI. 2024. vol. 13055. pp. 8–17. DOI: 10.1117/12.3010131.
24. De Oliveira C.S., Toledo R.S., Tulux V.H., Von Wangenheim A. Trajectory Planning for Autonomous Cars in Low-Structured and Unstructured Environments: A Systematic Review // IEEE Access. 2023. vol. 11. pp. 1–36.
25. Zheng X., Ma M., Zhong, Z., et al. Two-Stage Path Planning for Long-Distance Off-Road Path Planning Based on Terrain Data // ISPRS International Journal of Geo-Information. 2024. vol. 13. no. 6. 184 p. DOI: 10.3390/ijgi13060184.
26. Zhao D., Ni L., Zhou K., et al. A Study of the Improved A* Algorithm Incorporating Road Factors for Path Planning in Off-Road Emergency Rescue Scenarios // Sensors. 2024. vol. 24. no. 17. 5643 p. DOI: 10.3390/s24175643.
27. Hong Z., Sun P., Tong X., et al. Improved A-Star algorithm for long-distance off-road path planning using terrain data map // ISPRS International Journal of Geo-Information. 2021. vol. 10. no. 11. DOI: 10.3390/ijgi10110785.
28. Caliskan M., Anbaroglu B. Geo-MST: A geographical minimum spanning tree plugin for QGIS. SoftwareX. 2020. vol. 12. 100553 p. DOI: 10.1016/j.softx.2020.100553.
29. Sehra S.S., Singh J., Rai H.S., Anand S.S. Extending Processing Toolbox for assessing the logical consistency of OpenStreetMap data // Transactions in GIS. 2019. vol. 24. no. 1. pp. 44–71. DOI: 10.1111/tgis.12587.
30. Alam Md.S., Oluoch J. A survey of safe landing zone detection techniques for autonomous unmanned aerial vehicles (UAVs) // Expert Systems with Applications. 2021. vol. 179. 115091 p. DOI: 10.1016/j.eswa.2021.115091.
31. Romanov A.M., Gyrichidi N., Volkova M.A., et al. Automated mission planning for aerial large-scale power plant thermal inspection // Journal of Field Robotics. 2024. vol. 41. no. 5. pp. 1313–1348. DOI: 10.1002/rob.22320.
32. Bychkov A.M., Romanov A.M. GIS Plugin for Planning Movement on Various Types of Roads // Proceedings of the IEEE 26th International Conference of Young Professionals in Electron Devices and Materials (EDM). 2025. pp. 1380–1385.
Опубликован
2026-07-03
Как цитировать
Бычков, А. М., & Романов, А. М. (2026). Алгоритмы автоматизации построения маршрутов движения инспекционных групп в ходе аэродиагностики линий электропередач при помощи квадрокоптеров. Информатика и автоматизация, 25(4), 1143-1178. https://doi.org/10.15622/ia.25.4.6
Раздел
Робототехника, автоматизация и системы управления
Copyright (c) Александр Михайлович Бычков, Алексей Михайлович Романов
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).