输电线路在线巡检作业调度方法技术

本发明专利技术公开了一种能够实现在线巡检作业实时高效调度的输电线路在线巡检作业调度方法。该调度方法对于一个具体的时间段，利用逻辑回归模型或者规则生成待调度作业清单的作业成功概率，然后针对执行作业的设备的运行情况、设备网络拓扑结构、作业成功概率确定作业优先级，并根据预测的作业时长确定作业的开始时间，对于失败任务和未调度任务，在下一时间段优先调度，整个调度过程提高了执行作业设备的利用率，减少了不必要的损耗；减少了操作人员对在线作业调度的干预，节约了人力成本，能够实现在线巡检作业实时高效调度。适合在输电线路运检、输电线路在线巡视作业调度领域推广应用。

Dispatching method of on-line inspection of transmission lines

【技术实现步骤摘要】
输电线路在线巡检作业调度方法
本专利技术涉及输电线路运检、输电线路在线巡视作业调度领域，尤其是一种输电线路在线巡检作业调度方法。
技术介绍
传统的输电线路巡检依赖于人工，完全通过人工巡视发现隐患和故障，存在人员紧缺，巡视时间长，巡视效率低的缺点。输电线路目前有较多的采集手段，基于泛在物联网的概念，让输电线路本身具备感知能力，需要更丰富的数据来源。除传统的人工巡检外，还添加了各类型在线巡视设备。在线设备根据是否共用一个主站，将作业方式分为串行和并行。目前的在线设备巡检的调度方式是这样的：同一输电线路，所有待调度作业一次性下达任务。如果作业方式为串行，作业会根据设备的网络拓扑结构顺序执行，即一个作业完成后继续下一个作业，若有失败，整条线路的任务重新执行。如果作业方式为并行，不同设备的作业可以同时执行，但是失败作业对应设备的所有任务也需要重新执行。这样的任务模式，存在没有考虑设备实际情况(可能电量不足以完成作业，任务失败概率大)，成功任务重复下达，设备损耗大的缺点。基于这种现状，以数据驱动的方式根据机器学习和规则引擎的方式，实现输电线路在线作业的智能调度。传统学习方式是在一定数据量的基础上，数据量过小或过大都会出现问题。当数据量过小，对结果的可信度很低。但是传统学习方式对海量数据的处理又非常困难，有一定的瓶颈。
技术实现思路
本专利技术所要解决的技术问题是提供一种能够实现在线巡检作业实时高效调度的输电线路在线巡检作业调度方法。本专利技术解决其技术问题所采用的技术方案为：该输电线路在线巡检作业调度方法，包括以下步骤：tk1)、获取截止到当前时间tk，当天未调度、调度未执行和调度失败的作业清单Dk；2)、生成待调度作业清单Dk的成功概率；具体过程如下所述：2.1、获取天气数据特征和执行作业的设备数据特征；2.2、初始状态无训练数据，采用如下规则生成作业的成功概率：设备电量＞n时，对应的作业的成功概率为1，否则为0；若已经积累了一定数量的训练数据，选择逻辑回归模型预测作业的成功概率，即将步骤a获取的生成的天气数据特征和执行作业的设备数据特征输入逻辑回归模型即可预测得到作业的成功概率；3)、确定作业优先级，具体过程如下所述：若执行作业的设备串行，则根据执行作业的设备的网络拓扑结构，确定同一线路各个执行作业的设备的优先顺序，业务规则确定作业优先级的规则如下：调度失败＞调度未执行＞未调度，未调度作业的优先顺序根据步骤2)得到的作业成功概率从大到小排序；若执行作业的设备并行，同一设备的多个作业根据作业成功概率排序，不同设备的作业之间无需排序；4)、候选需求调度；具体过程如下所述：4.1、作业时长预测；具体过程如下所述：若没有作业记录数据，根据业务人员的经验预估每个作业的时长；若已经积累了一定数量的作业记录数据，根据多元回归模型预测时长；根据多元回归模型预测时长的过程如下所述：4.1.1、数据准备目标变量Y为作业时长，自变量Xj为临近作业开始之前一段时间内的设备平均温度、最低电量以及周边平均气温；4.1.2、建立数学模型Y＝β0+β1X1+β2X2+…+βmXm+ε其中g(X1，X2，…，Xm)＝β0+β1X1+β2X2+…+βmXm为多元线性总体函数；Xj＝[X1j，X2j，…，Xnj]T，Y＝[Y1，Y2，…，Yn]T；β0为常数项；β1，β2，…，βm为偏回归系数，表示在其自变量保持不变时，Xj增加或减少一个单位时Y的评价变化量；ε是去掉m个自变量后对Y影响的随机误差；4.1.3、求解模型如果b0，b1，b2，…，bm分别为β0，β1，β2，…βm的拟合值，则回归方程为根据最小二乘法原理，βi(i＝0，1，2，...，m)的估计值bi(i＝0，1，2，...，m)满足Q最小：由求极值的必要条件得对上式方程组求解，即可得到bi(i＝0，1，2，...，m)的值，然后根据即可预测对应的作业时长；4.2、作业具体时间预估根据作业的顺序和每个作业的作业时长，按照上一条作业的结束时间为下一条作业的开始时间的原则，对每条作业预估具体的开始时间；5)、筛选开始时间小于等于时间tk+1的作业需求，形成最终的作业调度清单Dk1；6)、巡检结果返回；若作业未执行，该作业加入下一时段的待调度清单Dk+1；若作业已经执行，执行失败则加入下一时段的待调度清单Dk+1，执行成功则对数据归档；对于执行失败的任务，设置累计失败次数上限，超过上限后，失败任务不在重新调度。进一步的是，在步骤2.1中，所述天气数据特征包括天气温度、光照。进一步的是，在步骤2.1中，所述执行作业的设备数据特征包括设备电量和设备电池温度。本专利技术的有益效果：该输电线路在线巡检作业调度方法对于一个具体的时间段，利用逻辑回归模型或者规则生成待调度作业清单的作业成功概率，然后针对执行作业的设备的运行情况(是否串行)、设备网络拓扑结构、作业成功概率确定作业优先级，并根据预测的作业时长确定作业的开始时间，对于失败任务和未调度任务，在下一时间段优先调度，整个调度过程以数据驱动的方式自动实现作业任务的调度，对于某一个具体的时间段，尤其是设备串行的作业需求，相比以前的一次性下达所有作业任务，本专利技术通过规则引擎和机器学习的方法使待调度作业清单里面的所有作业都有各自的开始时间，在可能的条件下达到最优调度；对于出现作业失败的情况，不再是整条线路重新执行作业，而是仅仅失败任务重启，并设置了失败次数上限，避免因非偶然因素导致失败作业一直重启，整个调度过程提高了执行作业设备的利用率，减少了不必要的损耗；减少了操作人员对在线作业调度的干预，节约了人力成本，能够实现在线巡检作业实时高效调度。具体实施方式该输电线路在线巡检作业调度方法，包括以下步骤：tk1)、获取截止到当前时间tk，当天未调度、调度未执行和调度失败的作业清单Dk；2)、生成待调度作业清单Dk的成功概率；具体过程如下所述：2.1、获取天气数据特征和执行作业的设备数据特征；所述天气数据特征包括天气温度、光照等，具体的天气数据特征根据实际情况而定；所述执行作业的设备数据特征包括设备电量和设备电池温度等，具体的执行作业的设备数据特征也根据实际情况而定；2.2、初始状态无训练数据，采用如下规则生成作业的成功概率：设备电量＞n时，对应的作业的成功概率为1，否则为0；若已经积累了一定数量的训练数据，选择逻辑回归模型预测作业的成功概率，即将步骤a获取的生成的天气数据特征和执行作业的设备数据特征输入逻辑回归模型即可预测得到作业的成功概率；3)、确定作业优先级，具体过程如下所述：若执行作业的设备串行，则根据执行作业的设备的网络拓扑结构，确定同一线路各个执行作业的设备的优先顺序，业务规则确定作业优先级的规则如下：调度失败＞调度未执行＞未调度，未调度作业的优先顺序根据步骤2)本文档来自技高网...

【技术保护点】
1.输电线路在线巡检作业调度方法，其特征在于包括以下步骤：/nt

【技术特征摘要】
1.输电线路在线巡检作业调度方法，其特征在于包括以下步骤：
tk1)、获取截止到当前时间tk，当天未调度、调度未执行和调度失败的作业清单Dk；
2)、生成待调度作业清单Dk的成功概率；具体过程如下所述：
2.1、获取天气数据特征和执行作业的设备数据特征；
2.2、初始状态无训练数据，采用如下规则生成作业的成功概率：设备电量>n时，对应的作业的成功概率为1，否则为0；若已经积累了一定数量的训练数据，选择逻辑回归模型预测作业的成功概率，即将步骤a获取的生成的天气数据特征和执行作业的设备数据特征输入逻辑回归模型即可预测得到作业的成功概率；
3)、确定作业优先级，具体过程如下所述：
若执行作业的设备串行，则根据执行作业的设备的网络拓扑结构，确定同一线路各个执行作业的设备的优先顺序，业务规则确定作业优先级的规则如下：调度失败>调度未执行>未调度，未调度作业的优先顺序根据步骤2)得到的作业成功概率从大到小排序；
若执行作业的设备并行，同一设备的多个作业根据作业成功概率排序，不同设备的作业之间无需排序；
4)、候选需求调度；具体过程如下所述：
4.1、作业时长预测；具体过程如下所述：若没有作业记录数据，根据业务人员的经验预估每个作业的时长；若已经积累了一定数量的作业记录数据，根据多元回归模型预测时长；根据多元回归模型预测时长的过程如下所述：
4.1.1、数据准备
目标变量Y为作业时长，自变量Xj为临近作业开始之前一段时间内的设备平均温度、最低电量以及周边平均气温；
4.1.2、建立数学模型
Y＝β0+β1X1+β2X2+…+βmXm+ε
其中g(X1，X2，…，Xm)＝...

【专利技术属性】
技术研发人员：徐珍，
申请(专利权)人：成都卡普数据服务有限责任公司，
类型：发明
国别省市：四川;51