巡检路径规划方法、系统、计算机设备及存储介质技术方案

本方案涉及一种巡检路径规划方法、系统、计算机设备及存储介质。所述方法包括：获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；根据所述巡检数据、所述聚类数量，通过K

【技术实现步骤摘要】
巡检路径规划方法、系统、计算机设备及存储介质


[0001]本专利技术涉及输电线路巡检
，特别是涉及一种巡检路径规划方法、系统、计算机设备及存储介质。

技术介绍

[0002]输电线路是电力系统的重要组成部分，其安全运行是系统整体稳定的重要保障。为了保证输电线路稳定安全的运行，需要对输电线路进行定期巡检。输电线路的日常巡检是保障供电可靠的一项基础而重要的工作。目前，创建的输电线路巡检方式有人工巡检、无人机巡检和车辆巡检等方式，且近年来，由于无人机(UAV)的快速发展，且其具有较好地灵活性和可控性，输电线路中多采用UAV完成日常巡检任务。无人机在进行输电线路巡检的过程中，由于输电线路巡检区域范围一般较大，不同的无人机巡检组所需要的巡检时间各不相同。
[0003]因此，传统的无人机进行输电线路巡检时，在求解最优路径过程中，不同无人机巡检组巡检路径所需的工作时间可能差异较大，存在各无人机巡检组工作量不平衡的问题。

技术实现思路

[0004]基于此，为了解决上述技术问题，提供一种巡检路径规划方法、系统、计算机设备及存储介质，可以调整巡检区域，平衡各个无人机的工作量。
[0005]一种巡检路径规划方法，所述方法包括：
[0006]获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；
[0007]根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域；
[0008]计算各个所述初始巡检区域的工作量，根据各个所述工作量对各个所述初始巡检区域进行二次划分，得到各个目标巡检区域；
[0009]对各个所述目标巡检区域，通过蚁群算法和遗传算法进行路径规划。
[0010]在其中一个实施例中，所述根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，包括：
[0011]基于所述巡检数据中的单个数据对象，计算出各个所述单个数据对象的各个BWP指标值；
[0012]根据各个所述BWP指标值计算出平均BWP值；
[0013]根据所述平均BWP值从所述聚类数量中确定最佳聚类数据；
[0014]根据所述巡检数据、所述最佳聚类数量，通过K
‑
Means算法划分巡检区域。
[0015]在其中一个实施例中，所述通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域，包括：
[0016]根据所述最佳聚类数量，通过K
‑
Means算法从所述巡检数据的各个数据点中确定
各个初始聚类中心；
[0017]计算各个剩余数据点到各个所述初始聚类中心的距离，并根据所述距离将各个所述剩余数据点划分到各个所述初始聚类中心所属类中；
[0018]判断各个所述初始聚类中心是否收敛，若是，则输出分类结果，并根据所述分类结果划分巡检区域，得到各个初始巡检区域。
[0019]在其中一个实施例中，所述计算各个所述初始巡检区域的工作量，根据各个所述工作量对各个所述初始巡检区域进行二次划分，包括：
[0020]计算各个所述初始巡检区域的工作量并进行排序，计算最大工作量与最小工作量的差值，若所述差值大于工作量阈值，则将最大工作量对应的初始巡检区域中距离所述初始聚类中心的最远数据点移除，并将所述最远数据点添加至与所述初始聚类中心距离第二小的类中；
[0021]当存在有最大工作量大于最大工作量阈值的初始巡检区域时，计算所述初始巡检区域内各个数据点到所述初始聚类中心的第一距离，并计算各个数据点到其他初始聚类中心的第二距离，根据所述第一距离、所述第二距离移动数据点；
[0022]计算各个所述初始巡检区域工作量与所有区域中最大工作量的比值，并根据所述比值移动数据点。
[0023]在其中一个实施例中，在通过蚁群算法和遗传算法进行路径规划前，所述方法还包括：
[0024]采用蚁群算法生成初始种群，对所述蚁群算法的参数进行初始化；
[0025]构建所述蚁群算法的解空间，初始化蚂蚁的位置；
[0026]对蚂蚁进行随机分配，更新信息素，计算蚂蚁遍历的路径；
[0027]将迭代一次的路径作为遗传算法的初始种群。
[0028]在其中一个实施例中，在通过蚁群算法和遗传算法进行路径规划前，所述方法还包括：
[0029]设置所述遗传算法的参数，并对所述遗传算法进行初始化；
[0030]其中，初始化参数包括种群规模、交叉概率、变异概率以及迭代次数。
[0031]在其中一个实施例中，通过蚁群算法和遗传算法进行路径规划，包括：
[0032]通过所述遗传算法对所述初始种群中的染色体进行交叉、变异操作；
[0033]所述染色体进行解码操作，得到配送路径的规划和划分结果；
[0034]获取所述初始种群中每个个体的适应度值，采用轮盘赌的方式选择优秀的个体进入下一代；
[0035]采用变规模种群规模遗传算法，对种群规模进行调整；
[0036]当所述遗传算法达到最大的迭代次数时，则结束算法，输出最短的配送路径。
[0037]一种巡检路径规划系统，所述系统包括：
[0038]聚类数量计算模块，用于获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；
[0039]初始巡检区域划分模块，用于根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域；
[0040]巡检区域调整模块，用于计算各个所述初始巡检区域的工作量，根据各个所述工
作量对各个所述初始巡检区域进行二次划分，得到各个目标巡检区域；
[0041]路径规划模块，用于对各个所述目标巡检区域，通过蚁群算法和遗传算法进行路径规划。
[0042]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0043]获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；
[0044]根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域；
[0045]计算各个所述初始巡检区域的工作量，根据各个所述工作量对各个所述初始巡检区域进行二次划分，得到各个目标巡检区域；
[0046]对各个所述目标巡检区域，通过蚁群算法和遗传算法进行路径规划。
[0047]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0048]获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；
[0049]根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种巡检路径规划方法，其特征在于，所述方法包括：获取巡检数据，并根据所述巡检数据基于距离的类间类内划分指标BWP计算出聚类数量；根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域；计算各个所述初始巡检区域的工作量，根据各个所述工作量对各个所述初始巡检区域进行二次划分，得到各个目标巡检区域；对各个所述目标巡检区域，通过蚁群算法和遗传算法进行路径规划。2.根据权利要求1所述的巡检路径规划方法，其特征在于，所述根据所述巡检数据、所述聚类数量，通过K
‑
Means算法划分巡检区域，包括：基于所述巡检数据中的单个数据对象，计算出各个所述单个数据对象的各个BWP指标值；根据各个所述BWP指标值计算出平均BWP值；根据所述平均BWP值从所述聚类数量中确定最佳聚类数据；根据所述巡检数据、所述最佳聚类数量，通过K
‑
Means算法划分巡检区域。3.根据权利要求2所述的巡检路径规划方法，其特征在于，所述通过K
‑
Means算法划分巡检区域，得到各个初始巡检区域，包括：根据所述最佳聚类数量，通过K
‑
Means算法从所述巡检数据的各个数据点中确定各个初始聚类中心；计算各个剩余数据点到各个所述初始聚类中心的距离，并根据所述距离将各个所述剩余数据点划分到各个所述初始聚类中心所属类中；判断各个所述初始聚类中心是否收敛，若是，则输出分类结果，并根据所述分类结果划分巡检区域，得到各个初始巡检区域。4.根据权利要求3所述的巡检路径规划方法，其特征在于，所述计算各个所述初始巡检区域的工作量，根据各个所述工作量对各个所述初始巡检区域进行二次划分，包括：计算各个所述初始巡检区域的工作量并进行排序，计算最大工作量与最小工作量的差值，若所述差值大于工作量阈值，则将最大工作量对应的初始巡检区域中距离所述初始聚类中心的最远数据点移除，并将所述最远数据点添加至与所述初始聚类中心距离第二小的类中；当存在有最大工作量大于最大工作量阈值的初始巡检区域时，计算所述初始巡检区域内各个数据点到所述初始聚类中心的第一距离，并计算各个数据点到其他初始聚类中心...

【专利技术属性】
技术研发人员：刘子文，马培龙，
申请(专利权)人：佳源科技股份有限公司，
类型：发明
国别省市：