一种变电站智能巡查车制造技术

一种变电站智能巡查车，包括车体和安装在车体上的巡查仪，巡查仪包括接收模块、处理模块和输出模块，本发明专利技术采用优化的路径算法，考虑了巡查车运行过程中的各种成本因素，寻优效果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省巡查车的运行成本，能起到很好的节能效果。

【技术实现步骤摘要】

本专利技术涉及变电站领域，具体涉及一种变电站智能巡查车。
技术介绍
随着电力系统容量的日益增大，变电站的容量也随之日益增大，这使得变电站朝 着大型化的方向发展。变电站的巡查，是变电站日常工作的一个重要部分，由于变电站的巡 查范围广、路线长，越来越多的变电站采用巡查车进行巡查。 同时，变电站的设备有着不同的设备状态，包括检修、运行、备用等以及其他一些 特殊的情况，巡查员往往需要根据设备的不同状态而改变每轮次的巡查目的地和路线，因 此，如何根据巡查员的目的地的不同，在巡查车上自动生成最节省巡查车运行成本的路线 以达到节能省时的目的是一个亟需解决的问题。
技术实现思路
针对上述问题，本专利技术提供一种变电站智能巡查车。 本专利技术的目的采用以下技术方案来实现： -种变电站智能巡查车，包括车体和安装在车体上的巡查仪，其特征是，巡查仪包 括接收模块、处理模块和输出模块； 接收模块，用于接收用户输入的本轮次的多个巡查目的地以及到达各个目的地的 预计要求时间； 处理模块，用于根据本轮次的巡查目的地和事先输入的变电站地理环境信息选择 最优路径，具体包括： 建模模块： 其中，minS为巡查过程中的最低成本；m为当前巡查车的总数；U为目的地数量；b。 为单位距离碳排放成本；ω。为碳排放系数；Φ。为空载时单位距离燃料消耗量；fi u为目的 地i (i = 1，2,…，U)到目的地j (j = 1，2,…，U)之间的距离；c为巡查车的载重量；H为巡 查车的最大载重量；Φ#为满载时单位距离燃料消耗量；!\为巡查车提前到达损失 系数，为于时刻G提前到达目的地i时的成本损失；T2为巡查车迟到损失系 数，丨为延迟至时刻O到达目的地i时的成本损失；提前到达损失系数和迟到 损失系数用于考量车辆到达每一个目的地的准点情况，提前到达损失系数和迟到损失系数 用于考量车辆到达每一个目的地的准点情况，In T2根据目的地的设备具体情况人为设定； 概率模块：假设共有R个节点，γ U⑴表示t时刻节点i与节点j之间的跟踪素 强度，T^(O) =K(K为数值较小的常数），巡查车在运动过程中根据跟踪素强度选择转移方 向，贝1J巡查车k (k = 1，2,. . .，m)从节点i转移到节点j的概率为： 其中，geAk;Ak= {0，1，*"，R-1}-Bk表示巡查车k下一步允许选择的点的集合，随 时间呈动态变化，Bk (k= 1，2, ···，!!!）为第k辆巡查车的禁忌表，用来记录巡查车k已服务过 的点；丹⑴为启发式因子，表示t时刻由节点i到节点j的期望程度，一般取中= 1/知 Φ为信息启发式因子，μ为期望启发因子；a (i，j)为下一个目的地的时间度；#为下一个 目的地的时间度相对重要性； 更新模块：引入优化变量Xlj⑴，其满足Xlj (t+Ι) = σ X(t) ，其中O为 控制变量，得出优化的跟踪素更新规则： γ i.j (t+1) = (1- ζ ) γ ⑴ + Δ γ ij (t) + H Xij ⑴ 其中， Fk为第k辆 巡查车在本次循环中所走路径长度，I为跟踪素强度的常数，Λ ]^(t)表示在本次循环中第 k辆巡查车在路径（i，j)上留下的跟踪素强度；ζ为跟踪素全局挥发因子，ζ e ，且 ζ为根据如下公式动态调整的参数：其中ζ _是人 为设定的最小值；A γ (t)表示本次循环中所有巡查车在路径（i，j)上留下的跟踪素强度 的总和；H为可调节系数； 初始模块：令迭代次数DD = 0,进行参数初始化，调整各路径跟踪素；产 生一个范围为的随机数P，若P <给定常数P。，按照下式选择下一个节点j :其中I e Ak;否则根据概率模块中的概率 公式选择下一个节点j，将j加入数组氏中，重复直至所有的节点任务完成，得到模拟算法 的初始集S1; 最优解模块：从当前的初始集中生成一组新的可行解Sj，目标值变化量AS = Sj-S1，若AS < 0,则接受新的可行解Sj为最优解；否则考虑偏差的影响：r = exp (-AS/ N(t))，其中N为随时间变化的量，若r > 1，则接受$为最优解，否则不接受新的可行解，最 优解仍为S1; 判断模块：当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表氏中 无数据更新，贝 1J产生一个范围的随机数11，若efe；；+，…，e; iC u < e Je2+，…，e;，则 选择概率为^的候选巡查车作为下一个目标节点； 输出模块：用于输出计算出的最优路径，令迭代次数DD = DD+1，若DD < DDniax，根 据跟踪素更新规则，按照公式N(t+1) =N(t).v进行清空氏列表，其中ve ，回到初 始模块，重新产生随机数P ;若DD = DDniax，则输出最优解作为最优路径。 本专利技术采用优化的路径算法，考虑了巡查车运行过程中的各种成本因素，寻优效 果好、求解效率高、性能稳定，增强了全局搜索能力，能最大限度地节省巡查车的运行成本， 能起到很好的节能效果。【附图说明】 利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。 图1是本专利技术的结构框图。 附图标记：接收模块-10 ;建模模块-11 ;概率模块-12 ;更新模块-13 ;初始模 块-14 ;最优解模块-15 ;判断模块-16 ;输出模块-17。【具体实施方式】 结合以下实施例对本专利技术作进一步描述。 如图1所示的一种变电站智能巡查车，包括车体和安装在车体上的巡查仪，巡查 仪包括接收模块10、处理模块和输出模块17 ; 接收模块10,用于接收用户输入的本轮次的多个巡查目的地以及到达各个目的地 的预计要求时间； 处理模块，用于根据本轮次的巡查目的地和事先输入的变电站地理环境信息选择 最优路径，具体包括： 建模模块11: 其中，minS为巡查过程中的最低成本；m为当前巡查车的总数；U为目的地数量；b。 为单位距离碳排放成本；ω。为碳排放系数；Φ。为空载时单位距离燃料消耗量；fi u为目的 地i (i = 1，2,…，U)到目的地j (j = 1，2,…，U)之间的距离；c为巡查车的载重量；H为巡 查车的最大载重量；Φ#为满载时单位距离燃料消耗量；!\为巡查车提前到达损失 系数，为于时刻G提前到达目的地i时的成本损失；T2为巡查车迟到损失系 数，为延迟至时刻O到达目的地i时的成本损失；提前到达损失系数和迟到 损失系数用于考量车辆到达每一个目的地的准点情况，In!^根据目的地的设备具体情况人 为设定，考虑了包括设备的重要程度，不同气候和工况的影响等因素； 概率模块12 :假设共有R个节点，γ ^⑴表示t时刻节点i与节点j之间的跟踪 素强度，T^(O) =K(K为数值较小的常数），巡查车在运动过程中根据跟踪素强度选择转移 方向，贝1J巡查车k (k = 1，2,. . .，m)从节点i转移到节点j的概率为： 其中，geAk;Ak= {0，1，*"当前第1页1 2 本文档来自技高网...

【技术保护点】
一种变电站智能巡查车，包括车体和安装在车体上的巡查仪，其特征是，巡查仪包括接收模块、处理模块和输出模块；接收模块，用于接收用户输入的本轮次的多个巡查目的地以及到达各个目的地的预计要求时间；处理模块，用于根据本轮次的巡查目的地和事先输入的变电站地理环境信息选择最优路径，具体包括：建模模块：minS=Σm=1mΣi=0UΣi=0Ub0ω0Φ0fijyijk+Σm=1mΣi=0UΣi=0Ub0ω0Φ*-Φ0Hcifijyijk+T1Σi=0U(Gi-ti)+T2Σi=0U(ti-Oi)]]>其中，minS为巡查过程中的最低成本；m为当前巡查车的总数；U为目的地数量；b0为单位距离碳排放成本；ω0为碳排放系数；Ф0为空载时单位距离燃料消耗量；fij为目的地i(i＝1,2,…,U)到目的地j(j＝1,2,…,U)之间的距离；c为巡查车的载重量；H为巡查车的最大载重量；Ф为满载时单位距离燃料消耗量；T1为巡查车提前到达损失系数，为于时刻G提前到达目的地i时的成本损失；T2为巡查车迟到损失系数，为延迟至时刻O到达目的地i时的成本损失；提前到达损失系数和迟到损失系数用于考量车辆到达每一个目的地的准点情况，T1、T2根据目的地的设备具体情况人为设定；概率模块：假设共有R个节点，γij(t)表示t时刻节点i与节点j之间的跟踪素强度，γij(0)＝K(K为数值较小的常数)，巡查车在运动过程中根据跟踪素强度选择转移方向，则巡查车k(k＝1,2,...,m)从节点i转移到节点j的概率为：其中，g∈Ak；Ak＝{0,1,…,R‑1}‑Bk表示巡查车k下一步允许选择的点的集合，随时间呈动态变化，Bk(k＝1,2,…,m)为第k辆巡查车的禁忌表，用来记录巡查车k已服务过的点；为启发式因子，表示t时刻由节点i到节点j的期望程度，一般取ψ为信息启发式因子，μ为期望启发因子；α(i,j)为下一个目的地的时间度；为下一个目的地的时间度相对重要性；更新模块：引入优化变量Xij(t)，其满足Xij(t+1)＝σX(t)[1‑Xij(t)]，其中σ为控制变量，得出优化的跟踪素更新规则：γij(t+1)＝(1‑ζ)γij(t)+Δγij(t)+чXij(t)其中，Δγij(t)=Σk=1mΔγijk(t),]]>Fk为第k辆巡查车在本次循环中所走路径长度，I为跟踪素强度的常数，表示在本次循环中第k辆巡查车在路径(i，j)上留下的跟踪素强度；ζ为跟踪素全局挥发因子，ζ∈[0,1]，且ζ为根据如下公式动态调整的参数：其中ζmin是人为设定的最小值；Δγij(t)表示本次循环中所有巡查车在路径(i，j)上留下的跟踪素强度的总和；ч为可调节系数；初始模块：令迭代次数DD＝0，进行参数初始化，调整各路径跟踪素；产生一个范围为[0，1]的随机数p，若p＜给定常数p0，按照下式选择下一个节点j：其中l∈Ak；否则根据概率模块中的概率公式选择下一个节点j，将j加入数组Bk中，重复直至所有的节点任务完成，得到模拟算法的初始集Si；最优解模块：从当前的初始集中生成一组新的可行解Sj，目标值变化量ΔS＝Sj‑Si，若ΔS＜0，则接受新的可行解Sj为最优解；否则考虑偏差的影响：r＝exp(‑ΔS/N(t))，其中N为随时间变化的量，若r＞1，则接受Sj为最优解，否则不接受新的可行解，最优解仍为Si；判断模块：当前最优解小于某一特定值时，进行跟踪素更新；如果本轮列表Bk中无数据更新，则产生一个[0,1]范围的随机数u，若e1+e2+,…,ei‑1＜u＜e1+e2+,…,ei，则选择概率为ei的候选巡查车作为下一个目标节点；输出模块：用于输出计算出的最优路径，令迭代次数DD＝DD+1，若DD＜DDmax，根据跟踪素更新规则，按照公式N(t+1)＝N(t).v进行清空Bk列表，其中v∈[0,1]，回到初始模块，重新产生随机数p；若DD＝DDmax，则输出最优解作为最优路径。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨林，
申请(专利权)人：杨林，
类型：发明
国别省市：浙江;33