CN109242338A - 一种集中控制下的变电站巡检机器人跨区域调配算法 - Google Patents
一种集中控制下的变电站巡检机器人跨区域调配算法 Download PDFInfo
- Publication number
- CN109242338A CN109242338A CN201811140888.3A CN201811140888A CN109242338A CN 109242338 A CN109242338 A CN 109242338A CN 201811140888 A CN201811140888 A CN 201811140888A CN 109242338 A CN109242338 A CN 109242338A
- Authority
- CN
- China
- Prior art keywords
- robot
- substation
- inspection
- tour
- refer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims description 76
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 2
- 238000009472 formulation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 238000002156 mixing Methods 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000013468 resource allocation Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及变电站巡检机器人调配技术领域,具体涉及一种集中控制下的变电站巡检机器人跨区域调配算法。本发明提供了针对单台变电站巡检机器人的跨区域资源调配方法,可以有效避免巡检机器人在不同巡维中心、变电站之间转运使用时的人力、物力及时间成本浪费,大幅提升了巡检机器人的使用效率;创造性地提出了基于信念‑期望‑意图逻辑(Belief‑Desire‑Intention,BOI)的机器人资源跨区域调配算法,克服了巡检机器人数量有限与待巡检变电站数量众多的突出矛盾,显著提升了巡检机器人的利用效率;创造性地实现了在不同巡维中心之间的跨区域调配巡检机器人资源,克服了变电站日益增长与巡检人员不足的突出矛盾,具备大范围工程应用价值。
Description
技术领域
本发明涉及变电站巡检机器人调配技术领域,具体涉及一种集中控制下的变电站巡检机器人跨区域调配算法。
背景技术
变电站是各级电网的核心枢纽,对站内设备例行巡检是保证电网安全运行的关键手段。随着电力***稳定性的要求不断提高,人工巡检模式存在劳动强度大、待检设备分散、恶劣天气干扰影响等缺点,人工巡检亦逐渐凸显其客观不足和不适应智能电网发展趋势的迹象。
在电网企业中,户外变电站已逐步开始采用无轨式巡检机器人代替人工巡检。由于受到机器人数量限制,单台巡检机器人往往需要在不同变电站之间转运使用,在实际应用中逐渐暴露出巡检机器人转运成本(时间、人力等),亟待在省级电网生产监控指挥中心的集中控制下实现集约化的跨区域调配使用。智能体是人工智能领域的重点研究内容,智能体是指能自主活动的软件或者硬件,并可以同环境交互的实体。多智能体***则是多个智能体组成的集合,目标是将大而复杂的***建设成小的、彼此互相通信和协调的、易于管理的分布式***。
一方面,虽然经过优化设置的变电站巡检机器人转运路径可以降低人力、物理成本,但开展转运模式和优化算法的研究非常有限,导致转运工作效率低下。另一方面,多智能体技术已得到成功应用。鉴于此,有必要基于多智能体技术,研究一种集中控制下的变电站巡检机器人跨区域调配算法,使得智能体能够高效的不同变电站之间转运使用,使之能够破解结构性缺员的突出矛盾,确保提升生产运行的质量水平。
发明内容
本发明的目的为解决巡检机器人数量少于变电站数量时,难以充分利用巡检机器人的上述问题,本发明提供了一种集中控制下的变电站巡检机器人跨区域调配算法,提供了集中控制下的户外变电站无轨式巡检机器人跨区域调配算法,该方法将分布于广西电网各户外式变电站的巡检机器人视为智能体原型,建立针对具体巡检机器人的智能体适配技术模型及分层控制框架,求解带柔性时间窗、开放式转运路径,针对智能体实现跨区域(巡维中心)的统一转运,为建立省级电网生产监控指挥中心提供技术支持。为了实现上述目的,具体技术方案如下:
一种集中控制下的变电站巡检机器人跨区域调配算法包括以下步骤:
(1)确定需要巡检的变电站名称及对应的坐标、变电站数量;确定巡检中心的名称、数量及其对应的坐标;确定机器人的数量A、机器人电量g,变电站巡检耗时的时间窗;设置迭代次数nc←0,τij←C,其中C为常数;τij是指边为(i,j)的巡检路径距离长度;
(2)将某一机器人部署在巡检中心;
(3)确认不具备巡检条件的户内变电站站点集是否为空集,即其中,forbidrobot表示不具备巡检条件的户内变电站站点集;
确认具备巡检条件的待巡检户外变电站站点的数量,具备巡检条件的待巡检户外变电站站点集设置为allowrobot,设allowrobot←{1,2,…,n};机器人电量g←0;
(4)针对任意具备巡检条件的待巡检户外变电站站点集比较机器人当前电量g与完成下一变电站站点i巡检所需电量qi,如果g≥qi,则将该站点u从具备巡检条件的待巡检户外变电站站点集中移去,即allowrobot←allowrobot-1;
(5)如果具备巡检条件的待巡检户外变电站站点集不为空集,即则继续选择调配至下一变电站站点j的方案,如果下一变电站站点j已是待调配方案中之一,即tourroot[num]←j,则已经涵盖至下一变电站站点j站点的调配方案tourroot←tourroot∪{j},巡检变电站站点j后,变电站站点j已不在具备巡检条件的待巡检户外站站点集之内,即allowrobot←allowrobot-{j},机器人电量满足巡检j站点的条件gj←g-qj;并转步骤(4);其中,gj表示机器人巡检变电站站点j时的当前电量,qj表示机器人完成变电站站点j巡检所需电量;tourroot是指机器人可供选用的转运路线方案;
(6)如果机器人可供选用的转运路线方案tourrobot≠{1,2,···,n},n∈allowrobot;则说明尚未制定全部巡检所有变电站的转移方案,还续继续制定机器人的调配方案,直至制定至全部变电站站点的调配方案tourroot[num]←0,且涵盖至下一站点j站点的调配方案tourroot←tourroot∪{j},具备巡检条件的待巡检户外站站点已确保制定调配方案allowrobot←{1,2,···,n}-tourrobot,机器人的电量耗尽gn←0;并转至步骤(5);否则,提示机器人完成全部站点巡检的转移方案,并转至步骤(7);其中,gn表示机器人巡检变电站站点n时的当前电量;
(7)计算机器人调配过程中的位移,并判断是否满足总位移最小的要求;
tourmin=min[tourroot]=min[Lij];
tourmin是指机器人可供选用的位移最小转运路线方案;tourroot是指机器人可供选用的转运路线方案;Lij是指机器人从变电站站点i到变电站站点j的位移;
(8)计算机器人调配过程中的时间,并判断是否满足时间窗约束的要求,即是指允许工作的时间范围;
[ηij(t)=τij(t)]∈Δτ(t);
ηij(t)是指在t时刻边(i,j)的能见度,即是指由变电站站点i至变电站站点j的预计抵达时间;
τij(t)是指在t时刻边(i,j)的轨迹强度,即是指由变电站站点i至变电站站点j的实际抵达时间;Δτ(t)是指机器人在调配转运过程中体现在边(i,j)上的调配过程中的时间变量信息;
(9)输出位移最小,且满足时间窗约束条件的方案;
tourij=tourmin∩τij(t);
tourij是指机器人从变电站站点i至变电站站点j的转运路线方案。
本发明的有益效果为:本发明提供了针对单台变电站巡检机器人的跨区域资源调配方法,可以有效避免巡检机器人在不同巡维中心、变电站之间转运使用时的人力、物力及时间成本浪费,大幅提升了巡检机器人的使用效率;创造性地提出了基于信念-期望-意图逻辑(Belief-Desire-Intention,BOI)的机器人资源跨区域调配算法,克服了巡检机器人数量有限与待巡检变电站数量众多的突出矛盾,显著提升了巡检机器人的利用效率;创造性地实现了在不同巡维中心之间的跨区域调配巡检机器人资源,克服了变电站日益增长与巡检人员不足的突出矛盾,具备大范围工程应用价值。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
面向省级电网的变电站巡检机器人资源集中转运过程问题可以描述为:1台巡检机器人从所在巡维中心出发,分别赴变电站巡检设备,并在不重复巡检变电站、不浪费工作时间(充电、巡检、途中及回传数据)、且路途最小的情况下返回巡维中心。
如图1所示,一种集中控制下的变电站巡检机器人跨区域调配算法包括以下步骤:
(1)确定需要巡检的变电站名称及对应的坐标、变电站数量;确定巡检中心的名称、数量及其对应的坐标;确定机器人的数量A、机器人电量g,变电站巡检耗时的时间窗;设置迭代次数nc←0,τij←C,其中C为常数;τij是指边为(i,j)的巡检路径距离长度。
本实施例包括1个巡维中心(中心节点编号0)和8座其他位置的变电站(站点编号1,2,···,8),变电站类型为110千伏、220千伏户外变电站;此外巡维中心下属其4座户内变电站不在此次调配范围之内。此次调配属于跨区域调配机器人资源,其中站点4、5、6、7是其他供电局管辖的变电站。巡维中心坐标为(0,0),机器人搭载车辆在不同变电站之间的平均移动速度为50公里/小时。各变电站站点的最小巡检耗时、机器人巡检前后准备时间(上下装载、数据备份及回传时间)、时间窗如表1所示,最小巡检耗时由巡检计划中涉及的巡检任务点数量确定。巡维中心距各站点位移、各站点之间位移如表2所示。电网公司生产监控指挥中心发布集中控制巡检机器人的指令,完成跨巡维中心巡检变电站的要求;并提出合理制定巡检总体方案,且巡检机器人总位移最小的目标。具体要素如下表1和表2所示,其中机器人电量g为8小时。
表1 站点需求及时间窗约束条件
站点编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
电压等级 | 110千伏 | 110千伏 | 220千伏 | 220千伏 | 110千伏 | 220千伏 | 110千伏 | 220千伏 |
巡检所需时间 | 2小时 | 1.5小时 | 4.5小时 | 3小时 | 1.5小时 | 4小时 | 2.5小时 | 3小时 |
准备时间 | 10分钟 | 20分钟 | 10分钟 | 30分钟 | 20分钟 | 25分钟 | 30分钟 | 15分钟 |
时间窗 | [9,13] | [12,15] | [9,15] | [12,16] | [11,14] | [10,16] | [13,17] | [9.5,13] |
表2 位移矩阵(公里)
(2)将某一机器人部署在巡检中心。
(3)确认不具备巡检条件的户内变电站站点集是否为空集,即其中,forbidrobot表示不具备巡检条件的户内变电站站点集;
确认具备巡检条件的待巡检户外变电站站点的数量,具备巡检条件的待巡检户外变电站站点集设置为allowrobot,设allowrobot←{1,2,…,n};机器人电量g←0。
(4)针对任意具备巡检条件的待巡检户外变电站站点集比较机器人当前电量g与完成下一变电站站点i巡检所需电量qi,如果g≥qi,则将该站点u从具备巡检条件的待巡检户外变电站站点集中移去,即allowrobot←allowrobot-1。
(5)如果具备巡检条件的待巡检户外变电站站点集不为空集,即则继续选择调配至下一变电站站点j的方案,如果下一变电站站点j已是待调配方案中之一,即tourroot[num]←j,则已经涵盖至下一变电站站点j站点的调配方案tourroot←tourroot∪{j},巡检变电站站点j后,变电站站点j已不在具备巡检条件的待巡检户外站站点集之内,即allowrobot←allowrobot-{j},机器人电量满足巡检j站点的条件gj←g-qj;并转步骤(4);其中,gj表示机器人巡检变电站站点j时的当前电量,qj表示机器人完成变电站站点j巡检所需电量;tourroot是指机器人可供选用的转运路线方案。
(6)如果机器人可供选用的转运路线方案tourrobot≠{1,2,···,n},n∈allowrobot;则说明尚未制定全部巡检所有变电站的转移方案,还续继续制定机器人的调配方案,直至制定至全部变电站站点的调配方案tourroot[num]←0,且涵盖至下一站点j站点的调配方案tourroot←tourroot∪{j},具备巡检条件的待巡检户外站站点已确保制定调配方案allowrobot←{1,2,···,n}-tourrobot,机器人的电量耗尽gn←0;并转至步骤(5);否则,提示机器人完成全部站点巡检的转移方案,并转至步骤(7);其中,gn表示机器人巡检变电站站点n时的当前电量。
(7)计算机器人调配过程中的位移,并判断是否满足总位移最小的要求;
tourmin=min[tourroot]=min[Lij];
tourmin是指机器人可供选用的位移最小转运路线方案;tourroot是指机器人可供选用的转运路线方案;Lij是指机器人从变电站站点i到变电站站点j的位移。
(8)计算机器人调配过程中的时间,并判断是否满足时间窗约束的要求,即是指允许工作的时间范围;
[ηij(t)=τij(t)]∈Δτ(t);
ηij(t)是指在t时刻边(i,j)的能见度,即是指由变电站站点i至变电站站点j的预计抵达时间;
τij(t)是指在t时刻边(i,j)的轨迹强度,即是指由变电站站点i至变电站站点j的实际抵达时间;Δτ(t)是指机器人在调配转运过程中体现在边(i,j)上的调配过程中的时间变量信息。
(9)输出位移最小,且满足时间窗约束条件的方案;
tourij=tourmin∩τij(t);
tourij是指机器人从变电站站点i至变电站站点j的转运路线方案。
连续运行8次算法,均达到最优解。最优解调配路线方案如下,位移总数910公里。机器人1:中心节点0→站点8→站点5→站点7→中心节点0→站点3→站点1→站点2→中心节点0→站点6→站点4→中心节点0。
与其他专家***算法相比,本发明所述算法具有显著优势,可以计及不同变电站所处位置、巡检所需时间、工作时间窗等外部环境条件,可靠求解某一台巡检机器人完成一次跨区域(供电局)巡检户外变电站站点的最佳方案,达到巡检过程耗费成本(人力、物力和时间成本)最小的目标。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种集中控制下的变电站巡检机器人跨区域调配算法,其特征在于:包括以下步骤:
(1)确定需要巡检的变电站名称及对应的坐标、变电站数量;确定巡检中心的名称、数量及其对应的坐标;确定机器人的数量A、机器人电量g,变电站巡检耗时的时间窗;设置迭代次数nc←0,τij←C,其中C为常数;τij是指边为(i,j)的巡检路径距离长度;
(2)将某一机器人部署在巡检中心;
(3)确认不具备巡检条件的户内变电站站点集是否为空集,即其中,forbidrobot表示不具备巡检条件的户内变电站站点集;
确认具备巡检条件的待巡检户外变电站站点的数量,具备巡检条件的待巡检户外变电站站点集设置为allowrobot,设allowrobot←{1,2,…,n};机器人电量g←0;
(4)针对任意具备巡检条件的待巡检户外变电站站点集比较机器人当前电量g与完成下一变电站站点i巡检所需电量qi,如果g≥qi,则将该站点u从具备巡检条件的待巡检户外变电站站点集中移去,即allowrobot←allowrobot-1;
(5)如果具备巡检条件的待巡检户外变电站站点集不为空集,即则继续选择调配至下一变电站站点j的方案,如果下一变电站站点j已是待调配方案中之一,即tourroot[num]←j,则已经涵盖至下一变电站站点j站点的调配方案tourroot←tourroot∪{j},巡检变电站站点j后,变电站站点j已不在具备巡检条件的待巡检户外站站点集之内,即allowrobot←allowrobot-{j},机器人电量满足巡检j站点的条件gj←g-qj;并转步骤(4);其中,gj表示机器人巡检变电站站点j时的当前电量,qj表示机器人完成变电站站点j巡检所需电量;tourroot是指机器人可供选用的转运路线方案;
(6)如果机器人可供选用的转运路线方案tourrobot≠{1,2,···,n},n∈allowrobot;则说明尚未制定全部巡检所有变电站的转移方案,还续继续制定机器人的调配方案,直至制定至全部变电站站点的调配方案tourroot[num]←0,且涵盖至下一站点j站点的调配方案tourroot←tourroot∪{j},具备巡检条件的待巡检户外站站点已确保制定调配方案allowrobot←{1,2,···,n}-tourrobot,机器人的电量耗尽gn←0;并转至步骤(5);否则,提示机器人完成全部站点巡检的转移方案,并转至步骤(7);其中,gn表示机器人巡检变电站站点n时的当前电量;
(7)计算机器人调配过程中的位移,并判断是否满足总位移最小的要求;
tourmin=min[tourroot]=min[Lij];
tourmin是指机器人可供选用的位移最小转运路线方案;tourroot是指机器人可供选用的转运路线方案;Lij是指机器人从变电站站点i到变电站站点j的位移;
(8)计算机器人调配过程中的时间,并判断是否满足时间窗约束的要求,即是指允许工作的时间范围;
[ηij(t)=τij(t)]∈(t);
ηij(t)是指在t时刻边(i,j)的能见度,即是指由变电站站点i至变电站站点j的预计抵达时间;
τij(t)是指在t时刻边(i,j)的轨迹强度,即是指由变电站站点i至变电站站点j的实际抵达时间;Δτ(t)是指机器人在调配转运过程中体现在边(i,j)上调配过程中的时间变量信息;
(9)输出位移最小,且满足时间窗约束条件的方案;
tourij=tourmin∩τij(t);
tourij是指机器人从变电站站点i至变电站站点j的转运路线方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811140888.3A CN109242338B (zh) | 2018-09-28 | 2018-09-28 | 一种集中控制下的变电站巡检机器人跨区域调配算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811140888.3A CN109242338B (zh) | 2018-09-28 | 2018-09-28 | 一种集中控制下的变电站巡检机器人跨区域调配算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242338A true CN109242338A (zh) | 2019-01-18 |
CN109242338B CN109242338B (zh) | 2022-06-21 |
Family
ID=65057496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811140888.3A Active CN109242338B (zh) | 2018-09-28 | 2018-09-28 | 一种集中控制下的变电站巡检机器人跨区域调配算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242338B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188786A (zh) * | 2019-04-11 | 2019-08-30 | 广西电网有限责任公司电力科学研究院 | 一种用于罐式避雷器泄漏电流的机器人图像识别算法 |
CN112506205A (zh) * | 2020-12-17 | 2021-03-16 | 深圳市朗驰欣创科技股份有限公司 | 机器人巡检任务规划方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894603A (zh) * | 2016-03-31 | 2016-08-24 | 广东电网有限责任公司中山供电局 | 一种一机多站巡检*** |
CN106603958A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 分布式存储的变电站巡检机器人远程集中监控***及方法 |
CN108170134A (zh) * | 2017-11-15 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种变电站智能巡检机器人路径规划方法 |
CN108279667A (zh) * | 2018-01-08 | 2018-07-13 | 浙江立石机器人技术有限公司 | 机器人充电路径规划方法、装置及*** |
CN108375962A (zh) * | 2018-02-09 | 2018-08-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上升压站巡控*** |
-
2018
- 2018-09-28 CN CN201811140888.3A patent/CN109242338B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603958A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 分布式存储的变电站巡检机器人远程集中监控***及方法 |
CN105894603A (zh) * | 2016-03-31 | 2016-08-24 | 广东电网有限责任公司中山供电局 | 一种一机多站巡检*** |
CN108170134A (zh) * | 2017-11-15 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种变电站智能巡检机器人路径规划方法 |
CN108279667A (zh) * | 2018-01-08 | 2018-07-13 | 浙江立石机器人技术有限公司 | 机器人充电路径规划方法、装置及*** |
CN108375962A (zh) * | 2018-02-09 | 2018-08-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上升压站巡控*** |
Non-Patent Citations (6)
Title |
---|
LIANGGUO LIU等: ""Temporal logic task and motion planning of a smart robot-towards a smart substation environment"", 《2017 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS (SMC)》 * |
YANG GAO等: ""A patrol mobile robot for power transformer substations based on ROS"", 《2018 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
YAN-HUA LIANG等: ""Local environments modelling and path planning for patrol robot in the substation"", 《2016 IEEE 20TH INTERNATIONAL CONFERENCE ON COMPUTER SUPPORTED COOPERATIVE WORK IN DESIGN (CSCWD)》 * |
关健等: ""基于蚁群算法的变电站巡检机器人自主导航方法"", 《黑龙江电力》 * |
易琳等: ""基于改进蚁群算法的电力巡检路径规划"", 《广东电力》 * |
邵赛等: ""电动汽车集散货一体化车辆路径问题"", 《北京交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188786A (zh) * | 2019-04-11 | 2019-08-30 | 广西电网有限责任公司电力科学研究院 | 一种用于罐式避雷器泄漏电流的机器人图像识别算法 |
CN110188786B (zh) * | 2019-04-11 | 2022-12-06 | 广西电网有限责任公司电力科学研究院 | 一种用于罐式避雷器泄漏电流的机器人图像识别算法 |
CN112506205A (zh) * | 2020-12-17 | 2021-03-16 | 深圳市朗驰欣创科技股份有限公司 | 机器人巡检任务规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109242338B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Interdependence between transportation system and power distribution system: A comprehensive review on models and applications | |
Huang et al. | Geographic Information System-assisted optimal design of renewable powered electric vehicle charging stations in high-density cities | |
CN112884245B (zh) | 配电网灾后抢修调度及负荷恢复协同优化方法及*** | |
Yao et al. | A multi-objective collaborative planning strategy for integrated power distribution and electric vehicle charging systems | |
Wu et al. | Applications of wireless sensor networks for area coverage in microgrids | |
CN105826944A (zh) | 一种微电网群的功率预测方法和*** | |
CN104269849A (zh) | 基于建筑光伏微电网的能量管理方法及*** | |
Li et al. | Stochastic and Distributed Optimal Energy Management of Active Distribution Networks Within Integrated Office Buildings | |
CN109861852A (zh) | 基于移动自组织的灾中配电网通信网络优化恢复方法 | |
Li et al. | Preallocation of electric buses for resilient restoration of distribution network: A data-driven robust stochastic optimization method | |
CN111199354A (zh) | 一种基于Hopfield神经网络的电力通信网运维工单调度方法 | |
CN105870949A (zh) | 一种基于分布式梯度算法的微电网储能单元优化控制方法 | |
Wang et al. | Cyber-physical interdependent restoration scheduling for active distribution network via ad hoc wireless communication | |
CN109242338A (zh) | 一种集中控制下的变电站巡检机器人跨区域调配算法 | |
CN113344280A (zh) | 考虑负荷转供的停电计划优化模型约束构建方法及装置 | |
Zhang et al. | Optimal model for patrols of UAVs in power grid under time constraints | |
CN109242337B (zh) | 一种面向省级电网的变电站巡检机器人资源调配方法 | |
CN104809340A (zh) | 一种多端柔性直流输电***运行点的快速计算方法 | |
CN116862149A (zh) | 一种计及极端天气影响的配电网移动应急资源预配置方法 | |
Gonzalez-Gil et al. | Interoperable and intelligent architecture for smart buildings | |
CN105335824A (zh) | 基于数据中心的配电网故障抢修指挥方法与*** | |
Ge et al. | Improved harris hawks optimization for configuration of PV intelligent edge terminals | |
Yang et al. | A novel planning method for multi-scale integrated energy system | |
CN109190778A (zh) | 一种面向巡维中心的变电站巡检机器人集中转运方法 | |
Delfanti et al. | SCUOLA project: The “hub of smart services” for cities and communities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |