【技术实现步骤摘要】
本专利技术属于无人机电力巡检路径规划领域，具体涉及一种基于深度强化学习的输变配无人机巡检任务分配方法、系统、设备和介质。
技术介绍
1、随着我国电力辐射范围的扩大，在电力巡检方面，传统的“有人”巡检方式受人力成本和地理环境等因素的制约，已难以满足电力巡检的庞大需求。无人机由于其受时间和环境的限制较小，可以替代人类执行危险作业，且对能源的需求低，可以使巡检成本大大降低等优，已经成为电力巡检领域有效的替代方案。
2、然而，在传统的巡检作业过程中，由于专业与部门侧重点不同，电网各侧对无人机的使用没有统筹规划，导致出现单个机巢只负责单种类型巡检目标，且只对单种无人机提供停靠平台的局面，这种模式下，机巢之间缺乏协同作业的机制，数据共享性差，无人机与机巢资源的利用率低，无法满足电力系统日益增长的需求。
技术实现思路
1、本专利技术针对现有技术中的不足，提供一种基于深度强化学习的输变配无人机巡检任务分配方法、系统、设备和介质。将无人机电力巡检过程的任务分配问题抽象为mtsp(multi tr...
【技术保护点】
1.一种基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，应用于电力巡检，所述方法包括以下步骤：
2.如权利要求1所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，所述巡检目标为待巡检区域的电力设施，包括输电线路、变电站及配变台区；固定机巢网格化分布在待巡检区域，且每个固定机巢至少能够容纳1架无人机；所述无人机用于执行包括输电线路巡检、变电站巡检及配变台区巡检在内的巡检任务；
3.如权利要求1所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，S2中，所述使用图同构网络对巡检目标位置信息与无人机位置信息进...
【技术特征摘要】
1.一种基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，应用于电力巡检，所述方法包括以下步骤：
2.如权利要求1所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，所述巡检目标为待巡检区域的电力设施，包括输电线路、变电站及配变台区；固定机巢网格化分布在待巡检区域，且每个固定机巢至少能够容纳1架无人机；所述无人机用于执行包括输电线路巡检、变电站巡检及配变台区巡检在内的巡检任务；
3.如权利要求1所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，s2中，所述使用图同构网络对巡检目标位置信息与无人机位置信息进行图嵌入的具体过程为：
4.如权利要求1所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，s2中，所述构建巡检环境的深度强化学习训练场景具体为：
5.如权利要求4所述的基于深度强化学习的输变配无人机巡检任务分配方法，其特征在于，s3中，所述基于巡检环境的深度强化学习训练场景训练深度强化学习...
【专利技术属性】
技术研发人员：黄郑，高嵩，唐一铭，黄新宇，王红星，顾徐，谭笑，张欣，黄祥，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。