楊京渝，彭 麗*，殷 亮，趙偉林

(1. 湖南城市學(xué)院 智慧城市能源感知與邊緣計(jì)算湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 益陽(yáng) 413000；2. 國(guó)網(wǎng)湖南省電力有限公司 湘西供電分公司，湖南 吉首 416000)

隨著電網(wǎng)負(fù)荷的逐漸增加，電網(wǎng)規(guī)模也隨之?dāng)U大，傳統(tǒng)固定周期的巡檢模式難以適應(yīng)目前設(shè)備大規(guī)模增長(zhǎng)的現(xiàn)狀[1].為了提高巡檢質(zhì)量及效率，避免人力、資金和時(shí)間的浪費(fèi)，運(yùn)營(yíng)維護(hù)單位開始探索差異化巡檢模式.差異化巡視方法是綜合考慮設(shè)備的健康狀態(tài)、價(jià)值、重要程度等因素，因地制宜、動(dòng)態(tài)確定不同的巡視周期和巡視內(nèi)容[2].文獻(xiàn)[3]提出了輸電線路差異化的運(yùn)維方法，在一定程度上解決了輸電線路運(yùn)行與維護(hù)工作資源不足、管理粗放等問題；為提高線路巡檢質(zhì)量，緩解巡檢人員缺員與日益增長(zhǎng)的輸電設(shè)備的矛盾，文獻(xiàn)[4]提出了基于狀態(tài)評(píng)價(jià)的輸電線路差異化巡檢模式；文獻(xiàn)[5]提出了以設(shè)備分級(jí)為出發(fā)點(diǎn)，動(dòng)態(tài)調(diào)整設(shè)備巡視周期和項(xiàng)目的差異化巡檢策略.以上差異化巡檢模式均具有很好的參考價(jià)值，但其研究的主要目的是為了解決在人工巡視中存在日益增長(zhǎng)的設(shè)備與維護(hù)人員減少之間的矛盾，暫未在機(jī)器人智能巡檢中應(yīng)用.

隨著泛在電力物聯(lián)網(wǎng)及5G 通信技術(shù)的發(fā)展，通過電力巡檢機(jī)器人對(duì)輸電、變電、配電環(huán)節(jié)實(shí)現(xiàn)全面的無人運(yùn)維檢測(cè)已經(jīng)成為我國(guó)智能電網(wǎng)運(yùn)檢的發(fā)展趨勢(shì).為此，變電站機(jī)器人巡檢路徑規(guī)劃問題也已開展了大量研究，機(jī)器人巡檢路徑規(guī)劃算法主要分為圖形搜索法、勢(shì)場(chǎng)規(guī)劃法和人工智能優(yōu)化算法3 大類.人工智能優(yōu)化算法相比于其他2 類算法應(yīng)用更為廣泛，主要有Q-learning算法、蝙蝠算法、灰狼優(yōu)化算法和遺傳算法.其中，遺傳算法相對(duì)于其他算法在路徑規(guī)劃方面的應(yīng)用更為普遍，但該算法也存在諸多缺點(diǎn)：如有時(shí)會(huì)出現(xiàn)不收斂的情況，即使在單峰或單調(diào)條件下也是如此，易出現(xiàn)早熟、收斂速度慢、易陷入局部最優(yōu)等.針對(duì)上述問題，為提高算法的全局搜索能力和收斂速度，文獻(xiàn)[6]在選擇操作中引入模擬退火思想的改進(jìn)遺傳算法；文獻(xiàn)[7]對(duì)遺傳算子中的交叉算子和變異算子進(jìn)行了改進(jìn)，使遺傳算法的進(jìn)化能力得到了改善.然而，目前變電站機(jī)器人巡檢的路徑規(guī)劃問題均只考慮了巡檢路徑最優(yōu)，對(duì)站內(nèi)所有設(shè)備“一視同仁”，未針對(duì)重要設(shè)備、隱患設(shè)備、重要用戶設(shè)備等進(jìn)行優(yōu)先巡視，從而導(dǎo)致因發(fā)現(xiàn)缺陷不及時(shí)而引發(fā)電網(wǎng)事故的不利局面.

基于上述分析，為綜合考慮變電站設(shè)備的差異化巡檢及巡檢路徑最優(yōu)，筆者以設(shè)備分級(jí)為出發(fā)點(diǎn)，構(gòu)建設(shè)備優(yōu)先級(jí)巡視權(quán)重，并動(dòng)態(tài)調(diào)整巡視路徑，對(duì)影響電網(wǎng)安全風(fēng)險(xiǎn)、狀態(tài)嚴(yán)重及關(guān)鍵的設(shè)備予以優(yōu)先巡視，以實(shí)現(xiàn)重要設(shè)備的精準(zhǔn)管控，從而降低電網(wǎng)運(yùn)行風(fēng)險(xiǎn).根據(jù)站內(nèi)設(shè)備健康狀態(tài)和重要程度來確定設(shè)備的管控級(jí)別，建立全面、完善、科學(xué)的評(píng)級(jí)模型；以管控級(jí)別為依據(jù)，進(jìn)行差異化巡檢，提升巡檢工作智能化、標(biāo)準(zhǔn)化和差異化水平；構(gòu)建同時(shí)考慮設(shè)備優(yōu)先級(jí)與巡檢路徑長(zhǎng)度的優(yōu)化目標(biāo)函數(shù)[8-10].以某220 kV變電站為例，建立路徑規(guī)劃環(huán)境模型，結(jié)合遺傳算法對(duì)其進(jìn)行規(guī)劃并尋找最優(yōu)巡檢路徑.

1 設(shè)備差異化巡檢策略

以設(shè)備分級(jí)為出發(fā)點(diǎn)，對(duì)影響電網(wǎng)安全風(fēng)險(xiǎn)、狀態(tài)嚴(yán)重及關(guān)鍵的設(shè)備采取優(yōu)先巡視，對(duì)運(yùn)行工況較好、重要度低的設(shè)備則最后巡視，以便及時(shí)掌握和發(fā)現(xiàn)關(guān)鍵設(shè)備的缺陷和隱患，為檢修處理爭(zhēng)取時(shí)間，降低電網(wǎng)運(yùn)行風(fēng)險(xiǎn)，確保電網(wǎng)安全穩(wěn)定運(yùn)行.依據(jù)設(shè)備健康度和重要度2 個(gè)維度來綜合判定設(shè)備的管控級(jí)別[11-12]，并按照管控級(jí)別確定各類設(shè)備巡檢的先后順序.

1.1 巡檢設(shè)備管控級(jí)別

設(shè)備健康度主要根據(jù)變電設(shè)備的狀態(tài)評(píng)價(jià)與風(fēng)險(xiǎn)評(píng)估、家族性缺陷、存在重大隱患等將設(shè)備確定為嚴(yán)重狀態(tài)、異常狀態(tài)、注意狀態(tài)和正常狀態(tài)4 個(gè)等級(jí)；設(shè)備重要度主要結(jié)合電壓等級(jí)、設(shè)備價(jià)值以及對(duì)重要用戶供電情況將設(shè)備確定為關(guān)鍵設(shè)備、重要設(shè)備、關(guān)注設(shè)備和一般設(shè)備4 個(gè)等級(jí).設(shè)備健康度和重要度的狀態(tài)等級(jí)及其判別依據(jù)如表1 所示.

表1 設(shè)備健康度和重要度的狀態(tài)等級(jí)及其判別依據(jù)

依據(jù)設(shè)備健康度和重要度2 個(gè)維度來綜合確定設(shè)備的管控級(jí)別，并建立設(shè)備風(fēng)險(xiǎn)矩陣，結(jié)果如圖1 所示.

圖1 設(shè)備風(fēng)險(xiǎn)矩陣

從圖1 可知，在設(shè)備風(fēng)險(xiǎn)矩陣中，變電站內(nèi)所有一次設(shè)備可分為Ⅰ、Ⅱ、Ⅲ、Ⅳ 4 大類.其中，Ⅰ類設(shè)備存在風(fēng)險(xiǎn)的級(jí)別最高，因此其對(duì)應(yīng)的管控級(jí)別也最高；Ⅳ類設(shè)備存在風(fēng)險(xiǎn)的級(jí)別最低，其對(duì)應(yīng)的管控級(jí)別也相應(yīng)最低；其次的管控級(jí)別為Ⅱ、Ⅲ類設(shè)備.

1.2 優(yōu)先級(jí)巡檢原則

按照風(fēng)險(xiǎn)矩陣中的設(shè)備管控級(jí)別，確定設(shè)備巡檢優(yōu)先級(jí)權(quán)重[13]，將設(shè)備巡檢優(yōu)先級(jí)從高到低依次分為1～4 共4 個(gè)等級(jí).由圖1 可知，健康度為嚴(yán)重或異常的關(guān)鍵設(shè)備，以及健康度為嚴(yán)重的重要設(shè)備，其管控級(jí)別為最高級(jí)，設(shè)備優(yōu)先巡檢的權(quán)重最高；健康度為正常的一般設(shè)備，其管控級(jí)別為最低級(jí)，設(shè)備優(yōu)先巡檢的權(quán)重最低.

2 基于遺傳算法的巡檢路徑優(yōu)化

變電站巡檢機(jī)器人能高效完成巡檢任務(wù)的前提是具有合適的路徑規(guī)劃，而遺傳算法具有簡(jiǎn)單易用、隨機(jī)搜索和可擴(kuò)展等眾多優(yōu)點(diǎn)，其在路徑規(guī)劃中得到了廣泛應(yīng)用.在遺傳算法中，其染色體編碼機(jī)制、適應(yīng)度函數(shù)、遺傳算子、終止條件等基本要素的確定是運(yùn)用遺傳算法求解最優(yōu)路徑的首要任務(wù).遺傳算法求解機(jī)器人巡檢路徑問題的步驟如下：

1)確定編碼方式.初始化種群，采用巡檢點(diǎn)序列編碼方式生成染色體(染色體為一條自起始點(diǎn)到目標(biāo)點(diǎn)的可行路徑)，并設(shè)置算法運(yùn)行參數(shù).

2)建立適應(yīng)度函數(shù).為了優(yōu)化算法搜索的最終結(jié)果和改善算法的收斂速度，選取機(jī)器人行走的路徑長(zhǎng)度的倒數(shù)作為適應(yīng)度函數(shù)，即

popsize為種群中個(gè)體的數(shù)量；交叉操作采用部分映射雜交，如每對(duì)染色體a和b，先按交叉概率pc(交叉概率設(shè)置為0.9)隨機(jī)產(chǎn)生2 個(gè)交叉點(diǎn)q1=4和q2=7，并將2 個(gè)點(diǎn)的基因進(jìn)行交換，用*代替交叉點(diǎn)兩端的基因片段中存在的重復(fù)數(shù)，再利用部分映射的數(shù)學(xué)原理完成*數(shù)字的替換，其具體實(shí)現(xiàn)過程為

變異操作依據(jù)變異概率pm(變異概率設(shè)置為0.1)隨機(jī)選取染色體上的2 個(gè)點(diǎn)q1=2 和q2=8，互換2點(diǎn)的基因數(shù)字位置，其實(shí)現(xiàn)過程為

4)設(shè)置終止條件，結(jié)束算法迭代，得到最優(yōu)個(gè)體.遺傳算法的進(jìn)化代數(shù)太大，種群過于早熟不可能再收斂；而進(jìn)化代數(shù)太小，算法不容易收斂.因此，本文算法的進(jìn)化代數(shù)取值為200，當(dāng)達(dá)到最大代數(shù)時(shí)停止迭代，得到最優(yōu)個(gè)體，最優(yōu)個(gè)體(染色體)即為最優(yōu)路線方案.

3 基于設(shè)備優(yōu)先級(jí)的巡檢路徑優(yōu)化問題建模

3.1 建模原則

變電站巡檢機(jī)器人考慮設(shè)備優(yōu)先級(jí)的巡檢路徑規(guī)劃建模主要遵循以下原則：巡檢機(jī)器人以巡檢中心作為起始點(diǎn)和終止點(diǎn)；每個(gè)巡視點(diǎn)在單次任務(wù)中，巡檢機(jī)器人只經(jīng)過1 次；巡檢機(jī)器人優(yōu)先巡視優(yōu)先級(jí)別高的設(shè)備；路徑規(guī)劃建模的目標(biāo)是使巡檢路徑的行程最短.

3.2 建立目標(biāo)函數(shù)

考慮設(shè)備優(yōu)先級(jí)的巡檢路徑規(guī)劃目標(biāo)函數(shù)可表示為

3.3 確定約束條件

巡檢路徑規(guī)劃目標(biāo)函數(shù)的約束條件為：

1)機(jī)器人從巡檢中心出發(fā)，最后回到巡檢中心，即

2)每個(gè)巡視點(diǎn)在單次任務(wù)中，機(jī)器人只經(jīng)過1 次，即

4 算例仿真與分析

4.1 環(huán)境模型

以某220 kV 變電站為例，建立環(huán)境仿真模型(如圖2所示).該變電站共設(shè)置62個(gè)巡檢點(diǎn)(不包括巡檢中心)，以五角星表示巡檢點(diǎn)；設(shè)置好各區(qū)域設(shè)備的巡檢優(yōu)先級(jí).本例以設(shè)備的重要程度及電壓等級(jí)將變電站內(nèi)的一次設(shè)備劃分為4 類優(yōu)先級(jí)，其中，主變的優(yōu)先級(jí)設(shè)置為1(巡視點(diǎn)五角星顏色為紅色)；220 kV 設(shè)備區(qū)設(shè)置優(yōu)先級(jí)為2(巡視點(diǎn)五角星顏色為綠色)；110 kV 設(shè)備區(qū)設(shè)置優(yōu)先級(jí)為3(巡視點(diǎn)五角星顏色為藍(lán)色)；10 kV 設(shè)備區(qū)設(shè)置優(yōu)先級(jí)為4(巡視點(diǎn)五角星顏色為黃色).

圖2 某220 kV 變電站巡檢模型示意

將變電站巡檢模型中62 個(gè)巡視點(diǎn)用平面直角坐標(biāo)的形式表示出來，每個(gè)巡檢點(diǎn)對(duì)應(yīng)一個(gè)坐標(biāo)，如圖3 所示.進(jìn)一步確定各巡檢點(diǎn)的序號(hào)和巡檢優(yōu)先級(jí)別，如圖4 所示.

圖3 巡檢點(diǎn)平面坐標(biāo)

圖4 巡檢點(diǎn)編號(hào)及優(yōu)先級(jí)別

圖4 中的各數(shù)字分別代表巡檢點(diǎn)的編號(hào)和優(yōu)先級(jí)，如48/1 表示巡檢點(diǎn)48 對(duì)應(yīng)的優(yōu)先級(jí)為1，21/2 表示巡檢點(diǎn)21 對(duì)應(yīng)的優(yōu)先級(jí)為2，2/3 表示巡檢點(diǎn)2 的優(yōu)先級(jí)為3，60/4 表示巡檢點(diǎn)60 對(duì)應(yīng)的優(yōu)先級(jí)為4.本例中，巡檢中心的編號(hào)為1，每次巡檢任務(wù)只能從1 出發(fā)，最后回到巡檢中心.

4.2 仿真結(jié)果分析

為了驗(yàn)證基于設(shè)備優(yōu)先級(jí)的巡檢路徑模型的有效性，結(jié)合遺傳算法，利用Matlab 進(jìn)行仿真實(shí)驗(yàn).將算法中初始種群大小設(shè)為100、最大進(jìn)化代數(shù)設(shè)為200、交叉概率設(shè)置為0.9、變異概率設(shè)置為0.1.

從綜合考慮設(shè)備優(yōu)先級(jí)和最短路徑的目標(biāo)函數(shù)式(2)中可知：K為路徑長(zhǎng)度加權(quán)系數(shù)，L為設(shè)備優(yōu)先級(jí)的加權(quán)系數(shù)；在每次巡檢任務(wù)中，K L、取值的大小即決定了任務(wù)中路徑長(zhǎng)度與設(shè)備優(yōu)先級(jí)分別所占的權(quán)重.因此，為驗(yàn)證基于設(shè)備優(yōu)先級(jí)的機(jī)器人巡檢路徑規(guī)劃模型的正確性，進(jìn)行了多次仿真實(shí)驗(yàn)，且每次實(shí)驗(yàn)中加權(quán)系數(shù)K、L的取值均不相同，并對(duì)每組加權(quán)系數(shù)取值進(jìn)行反復(fù)實(shí)驗(yàn)，在所得結(jié)果中取最優(yōu)值進(jìn)行統(tǒng)計(jì)分析.各組加權(quán)系數(shù)實(shí)驗(yàn)的最優(yōu)結(jié)果如表2 所示.

表2 不同加權(quán)系數(shù)路徑規(guī)劃結(jié)果統(tǒng)計(jì)

圖5 K=1，L=0 時(shí)路徑規(guī)劃

圖6 K=0，L=1 時(shí)路徑規(guī)劃

圖7 K=1，L=10 時(shí)路徑規(guī)劃

圖8 K=0.5，L=10 時(shí)路徑規(guī)劃

通過上述仿真實(shí)驗(yàn)結(jié)果及分析可知，當(dāng)不考慮設(shè)備優(yōu)先級(jí)時(shí)，可得到巡檢路徑距離最短；當(dāng)只考慮設(shè)備優(yōu)先級(jí)時(shí)，巡檢路徑距離最長(zhǎng)；當(dāng)同時(shí)考慮巡檢路徑長(zhǎng)度和設(shè)備優(yōu)先級(jí)時(shí)，每次巡檢任務(wù)中巡檢路徑和設(shè)備優(yōu)先級(jí)所占的比重取決于加權(quán)系數(shù)K和L的取值.因此，合理選擇兩者的取值，可以實(shí)現(xiàn)優(yōu)先級(jí)別高的設(shè)備先巡視，同時(shí)保證路徑最優(yōu).

5 結(jié)束語(yǔ)

構(gòu)建了同時(shí)考慮設(shè)備優(yōu)先級(jí)與巡檢路徑長(zhǎng)度的優(yōu)化目標(biāo)函數(shù)，通過合理選擇巡檢路徑和設(shè)備優(yōu)先級(jí)的加權(quán)系數(shù)，實(shí)現(xiàn)了優(yōu)先級(jí)別高的設(shè)備先巡視，同時(shí)還保證了路徑最優(yōu)；建立了路徑規(guī)劃環(huán)境模型，利用遺傳算法對(duì)其進(jìn)行規(guī)劃并尋找最優(yōu)巡檢路徑；通過Matlab 仿真及數(shù)據(jù)分析，驗(yàn)證了該模型的正確性，且其能夠滿足考慮設(shè)備優(yōu)先級(jí)的機(jī)器人巡檢需求.

在變電站機(jī)器人巡檢中，通過設(shè)備優(yōu)先級(jí)巡檢路徑規(guī)劃模型，可動(dòng)態(tài)優(yōu)化調(diào)整巡視路徑，對(duì)影響電網(wǎng)安全風(fēng)險(xiǎn)、狀態(tài)嚴(yán)重及關(guān)鍵的設(shè)備采取優(yōu)先巡視，最終實(shí)現(xiàn)重要設(shè)備的精準(zhǔn)管控，確保系統(tǒng)安全穩(wěn)定運(yùn)行.