胡振維 莫一夫 李 鈺 鄭松源 潘岐深

（廣東電網(wǎng)有限責(zé)任公司）

0 引言

隨著我國經(jīng)濟(jì)快速發(fā)展，配電網(wǎng)規(guī)模不斷擴(kuò)大，覆蓋范圍逐漸擴(kuò)展至城市及農(nóng)村地區(qū)。傳統(tǒng)的巡線方式已難以滿足配電網(wǎng)設(shè)備的巡檢需求，其存在效率低、巡檢周期長等問題。因此，借助現(xiàn)代化的無人機(jī)技術(shù)進(jìn)行配電網(wǎng)巡檢成為一種具有廣闊前景的選擇［1］。無人機(jī)具有高效、靈活、全面的特點(diǎn)，可大幅提高配電網(wǎng)巡檢效率，減少人力資源投入，并能夠覆蓋更廣泛的區(qū)域，在這一背景下，如何合理地利用多架無人機(jī)進(jìn)行配電網(wǎng)巡檢成為迫切需要解決的問題［2］。目前，眾多研究者關(guān)注如何根據(jù)電網(wǎng)設(shè)備的分布情況、巡檢區(qū)域的特點(diǎn)、無人機(jī)的屬性等因素，通過優(yōu)化算法來實(shí)現(xiàn)任務(wù)的合理分配和調(diào)度，從而最大程度地提高巡檢效率和覆蓋范圍［3］。同時(shí)，還有一些研究致力于利用人工智能技術(shù)，如深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，對(duì)無人機(jī)巡檢數(shù)據(jù)進(jìn)行高效處理和分析，進(jìn)一步提升無人機(jī)巡檢的智能化水平。在該背景下，本次研究開展基于改進(jìn)粒子群的配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配方法設(shè)計(jì)研究。

1 構(gòu)建配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配模型

在進(jìn)行配電網(wǎng)災(zāi)損任務(wù)巡查時(shí)，其巡查目標(biāo)常分布于不同地點(diǎn)、不同高度，故常常需要配備一個(gè)高空無人機(jī)和低空無人機(jī)一同進(jìn)行巡查任務(wù)，以提升任務(wù)巡查的成功率。在配電網(wǎng)災(zāi)損巡檢時(shí)，其協(xié)同任務(wù)的分配主要受到五個(gè)因素影響，可對(duì)其表示為｛E，V，T，M，P｝。其中E表示配電網(wǎng)巡檢任務(wù)環(huán)境，假定無人機(jī)群在三維環(huán)境E中執(zhí)行任務(wù)，三維環(huán)境包含三要素｛x，y，z｝，因此在t時(shí)刻編號(hào)為i的無人機(jī)地理位置坐標(biāo)可表示為｛xi（t），yi（t），zi（t）｝［4］。設(shè)Vi為給定的一個(gè)無人機(jī)群，Nv為給定無人機(jī)群中無人機(jī)的數(shù)量。其中，這Nv架無人機(jī)中有Ns架低空無人機(jī)和M架高空無人機(jī)，即有Vi(Vi?V,i=1,2…,NS)和Vi(Vi?V,i=NS+1,…,NV)，且存在NS+NM=NV［5］。將多個(gè)巡檢任務(wù)目標(biāo)設(shè)為Ti，其中任務(wù)數(shù)大于無人機(jī)數(shù)可表示為NT>NV。MT表示無人機(jī)群需要執(zhí)行的任務(wù)類型，Ktype為任務(wù)類型數(shù)，若每個(gè)目標(biāo)Ti上都有Ktype種類型，則總共有Ti?Ktyре個(gè)任務(wù)。每架無人機(jī)都有一個(gè)任務(wù)集合，其可表示為Si={Ti1,…,Tin}，則所有任務(wù)分配可以描述為：在輸電線路災(zāi)損巡檢環(huán)境中進(jìn)行多無人機(jī)任務(wù)分配目標(biāo)函數(shù)設(shè)計(jì)時(shí)，需要考慮以下幾個(gè)因素：第一，無人機(jī)與線路中巡檢目標(biāo)的空間位置關(guān)系；第二，多巡檢無人機(jī)在完成任務(wù)時(shí)的定位關(guān)系；第三，無人機(jī)巡檢時(shí)的飛行時(shí)間；第四，無人機(jī)災(zāi)損巡檢的作業(yè)成功率［6］。

本次設(shè)計(jì)的多無人機(jī)災(zāi)損巡檢任務(wù)分配目標(biāo)函數(shù)主要由代價(jià)函數(shù)構(gòu)成，其可表示為：

式中，JCost為代價(jià)函數(shù)；a1代表加權(quán)系數(shù)［7］。其代價(jià)函數(shù)主要由航程代價(jià)、時(shí)間代價(jià)和無人機(jī)損耗代價(jià)構(gòu)成，可表示為：

式中，Jpath為航程代價(jià)；Jtime為時(shí)間代價(jià)；JRisk為無人機(jī)損耗代價(jià)；C1，C2，C3均為大于0小于1的常數(shù)，大小由決策者決定，其可反映各個(gè)目標(biāo)函數(shù)的重要程度及指揮決策人員事先確定的傾向性選擇，且其參數(shù)間存在C1+C2+C3=1。

綜上，完成其目標(biāo)函數(shù)整理，其可表示為：

接下來，對(duì)其約束條件進(jìn)行分析，其分別為：

1）每架低空巡檢無人機(jī)必定配有一架無人機(jī)用于監(jiān)控，則有：

2）對(duì)于各個(gè)待巡檢目標(biāo)而言，其每個(gè)任務(wù)都只能完成一次，則有：

2）每架巡檢無人機(jī)從TStart時(shí)刻開始，最多訪問巡檢節(jié)點(diǎn)一次，其可表示為：

3）無人機(jī)飛行時(shí)間最長tmax，則每架無人機(jī)任務(wù)執(zhí)行期間時(shí)間不得超過最長飛行時(shí)間，其可表示為：

綜上，完成配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配模型構(gòu)建。

2 基于改進(jìn)粒子群的任務(wù)分配模型求解

在完成配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配模型構(gòu)建后，為獲得模型最優(yōu)解，避免模型求解陷入局部最優(yōu)，本次采用粒子群算法完成求解。粒子群算法是一種常用的群集智能搜索方法，其通過模仿鳥類的行為，在一個(gè)特定的空間中搜索最優(yōu)解。在傳統(tǒng)粒子群算法中，由于其對(duì)參數(shù)配置及搜索空間的處理方式較為簡單，難以在復(fù)雜的多目標(biāo)、約束條件等問題上獲得較好的效果，故本次對(duì)其進(jìn)行改進(jìn)，以提升其泛化能力，獲得任務(wù)分配模型的最優(yōu)解。應(yīng)用改進(jìn)后的粒子群優(yōu)化算法進(jìn)行求解的步驟如下所示：

1）先建立粒子群，并完成其群體的初始化，對(duì)粒子檢索速度、位置和最大迭代數(shù)進(jìn)行設(shè)置，然后將學(xué)習(xí)因子設(shè)置為c1，c2，慣性權(quán)重設(shè)置為ω；

2）對(duì)現(xiàn)有群體中各個(gè)粒子的位置進(jìn)行求解，并判斷其是否滿足約束條件；如滿足則直接輸出；如不滿足，則利用粒子進(jìn)行檢索，更新粒子位置；

3）計(jì)算各個(gè)粒子的適應(yīng)度值，保存每個(gè)粒子所能達(dá)到的最優(yōu)位置和適應(yīng)度值。

4）完成粒子慣性權(quán)重的更新，并調(diào)整兩個(gè)學(xué)習(xí)因子，利用下式完成群體中粒子速度和位置的更新，其可表示為：

式中，d表示區(qū)域空間維度，Vid為粒子速度，Xid（k）為粒子位置，c1，c2為學(xué)習(xí)因子，r1，r2為［0，1］區(qū)間內(nèi)兩個(gè)隨機(jī)正數(shù)，Pid為粒子個(gè)體的位置最優(yōu)解，Pgd為粒子群體的位置最優(yōu)解。

5）搜索粒子群中適應(yīng)度最佳個(gè)體的最優(yōu)位置和適應(yīng)度值，判斷其優(yōu)于上次檢索，如滿足則直接替換，如不滿足則持續(xù)檢索。

6）判斷當(dāng)前算法迭代次數(shù)是否滿足要求，如滿足則直接輸出最優(yōu)群體中最佳粒子個(gè)體的最優(yōu)位置，其即為最佳目標(biāo)分配方案；如不滿足，則跳轉(zhuǎn)至步驟3，繼續(xù)搜索。

通過上述，將輸出帶入目標(biāo)函數(shù)中，完成任務(wù)分配模型求解，實(shí)現(xiàn)配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配功能。

3 實(shí)驗(yàn)與分析

為驗(yàn)證所提方法的先進(jìn)性，選擇了一條輸電線路作為研究對(duì)象，并獲得了線路環(huán)境等數(shù)據(jù)，以便后續(xù)進(jìn)行測試。首先，將利用MATLAB軟件搭建仿真模型，設(shè)置任務(wù)分配區(qū)域大小為100×100，然后模擬由2架MUAV監(jiān)控下的4架SUAV執(zhí)行8個(gè)任務(wù)的動(dòng)態(tài)分配情況，通過編號(hào)為S-1、S-2、S-3和S-4的SUAV執(zhí)行這些任務(wù)，其三維坐標(biāo)分別為：（10，70，35），（20，80，35），（15，20，30），（25，10，35）；2架MUAV中編號(hào)為M1的三維坐標(biāo)分別為（50，80，60）；M-2的三維坐標(biāo)分別為（45，30，75），其任務(wù)坐標(biāo)分別為：（45，55，15），（65，75，10），（65，35，20），（75，25，10），（75，45，15），（73，68，15），（30，35，20），（80，65，20），以此為基礎(chǔ)，采用所提方法進(jìn)行配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配，并將其效果與未應(yīng)用前規(guī)劃效果相比較，得到對(duì)比結(jié)果如下圖1所示：

圖1 任務(wù)分配結(jié)果

如圖1所示，應(yīng)用所提方法后，在兩架MUAV的監(jiān)控下，待執(zhí)行的任務(wù)被有序地分配給了SUAV編隊(duì)，而未應(yīng)用所提方法時(shí)，其規(guī)劃效果較差，存在無人機(jī)反復(fù)巡檢的過程，應(yīng)用效果較差，驗(yàn)證此時(shí)應(yīng)用所提方法設(shè)計(jì)的任務(wù)分配方案應(yīng)用效果較好。

4 結(jié)束語

本次研究提出的基于改進(jìn)粒子群的配網(wǎng)多無人機(jī)災(zāi)損巡檢任務(wù)分配方法在提高任務(wù)分配效果方面有一定的潛力。該方法通過充分考慮任務(wù)環(huán)境、無人機(jī)群和巡檢任務(wù)目標(biāo)等因素構(gòu)建任務(wù)分配模型，并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解，實(shí)現(xiàn)了避免無人機(jī)反復(fù)巡檢的優(yōu)化效果，應(yīng)用效果較好。