本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，特別涉及一種輸電線巡檢路徑規(guī)劃方法及系統(tǒng)。

背景技術(shù)：

輸電線路是電力系統(tǒng)的重要組成部分，其安全運(yùn)行是系統(tǒng)整體穩(wěn)定的重要保障。但是輸電線路及其附屬設(shè)備暴露在野外中，這種運(yùn)行方式必定會(huì)受到環(huán)境因素、人為因素和設(shè)備自身因素等影響。

目前的國(guó)內(nèi)輸電線路巡檢方式包括人工巡檢、無(wú)人機(jī)巡檢和車輛巡檢等方式；在車輛巡檢和無(wú)人機(jī)巡檢應(yīng)用中存在很多人工智能算法優(yōu)化巡檢路徑，其中包括粒子群算法、遺傳算法、蟻群算法等智能算法，利用智能算法在無(wú)人機(jī)和車輛巡檢中可以科學(xué)合理的對(duì)巡檢路徑規(guī)劃進(jìn)行規(guī)劃，提高巡檢效率；但由于桿塔環(huán)境的復(fù)雜性，很多情況無(wú)法采用汽車巡檢和無(wú)人機(jī)巡檢兩種方式，必須依靠人工巡檢方式。傳統(tǒng)人工輸電線巡檢路徑規(guī)劃多取決于領(lǐng)導(dǎo)意志，由有經(jīng)驗(yàn)的巡檢員制定巡檢路徑，這種依靠經(jīng)驗(yàn)的方式存在很強(qiáng)的主觀性，缺乏科學(xué)性，并且無(wú)法預(yù)判桿塔受到的風(fēng)險(xiǎn)因素，這樣在一定程度上助長(zhǎng)了輸電線路的風(fēng)險(xiǎn)運(yùn)行概率。制定輸電線路巡視路徑可以有效的提升人力資源和節(jié)省費(fèi)用，所以輸電線路巡視路徑規(guī)劃是必要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種輸電線巡檢路徑規(guī)劃方法及系統(tǒng)，綜合考慮了巡檢員巡檢時(shí)間和桿塔發(fā)生風(fēng)險(xiǎn)概率兩種因素，利用預(yù)定智能算法優(yōu)化制定巡檢路徑，提高巡檢效率。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種輸電線巡檢路徑規(guī)劃方法，包括：

初始化預(yù)定參數(shù)信息；其中，所述預(yù)定參數(shù)信息包括桿塔參數(shù)、桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)、桿塔間路徑困難系數(shù)和預(yù)定智能算法參數(shù)；

對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型并計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；

根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型；

根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型；

根據(jù)預(yù)定智能算法參數(shù)，利用預(yù)定智能算法對(duì)綜合模型進(jìn)行求解，當(dāng)滿足終止迭代條件時(shí)，輸出優(yōu)化后最優(yōu)巡檢路徑。

其中，對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，包括：

根據(jù)桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)，建立初始決策表；

根據(jù)所述初始決策表，將每種桿塔風(fēng)險(xiǎn)運(yùn)行因素的特征映射到預(yù)定的區(qū)間內(nèi)，并利用具體的數(shù)值與每種桿塔風(fēng)險(xiǎn)運(yùn)行因素的特征進(jìn)行一一對(duì)應(yīng)，形成量化后的初始決策表。

其中，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型，包括：

將所述量化后的初始決策表中的數(shù)據(jù)輸入到原始貝葉斯網(wǎng)絡(luò)模型中進(jìn)行計(jì)算，建立貝葉斯網(wǎng)絡(luò)模型。

其中，根據(jù)預(yù)處理后的數(shù)據(jù)，建立計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率，包括：

利用所述貝葉斯網(wǎng)絡(luò)模型，計(jì)算得到所述量化后的初始決策表中每個(gè)桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件概率；

根據(jù)所述條件概率和所述貝葉斯網(wǎng)絡(luò)模型，通過(guò)概率計(jì)算得到相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；其中，

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔高風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pf=P\left(B_1\right|A)=\frac{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔低風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pn=P\left(B_2\right|A)=\frac{P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

其中，桿塔運(yùn)行狀態(tài)變量用B＝{B₁、B₂}＝{高風(fēng)險(xiǎn)運(yùn)行、低風(fēng)險(xiǎn)運(yùn)行}表示，桿塔風(fēng)險(xiǎn)運(yùn)行因素用{C₁C₂C₃。。。。。C₉}表示，P(B₁)和P(B₂)分別表示桿塔的歷史高風(fēng)險(xiǎn)運(yùn)行和歷史低風(fēng)險(xiǎn)運(yùn)行概率；P(C_i|B₁)表示桿塔在不同的桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件下的高風(fēng)險(xiǎn)運(yùn)行概率。

其中，所述塔間巡檢時(shí)間模型具體為：

$T_{i,j}=R(i,j)\·\sqrt{{(X_j-X_i)}^2+{(Y_j-Y_i)}^2}$

其中，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)；X(i)、X(j)表示桿塔i、j的橫坐標(biāo)，Y(i)、Y(j)表示桿塔i、j的縱坐標(biāo)。

其中，所述綜合巡檢模型具體為：

$F_{ij}=\mathrm{\α}\·R(i,j)\·\underset{i=1}{\overset{D-1}{\Σ}}{T}_{i,j}+\mathrm{\β}\·\underset{i=1}{\overset{D-1}{\Σ}}{P}_j/P_i$

其中，F(xiàn)_ij為目標(biāo)函數(shù)，D是待巡檢桿塔數(shù)目，P_i、P_j分別是桿塔i和j的風(fēng)險(xiǎn)概率，α和β為加權(quán)系數(shù)，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)，T_i，j為塔間巡檢時(shí)間模型。

本發(fā)明還提供一種輸電線巡檢路徑規(guī)劃系統(tǒng)，包括：

初始化模塊，用于初始化預(yù)定參數(shù)信息；其中，所述預(yù)定參數(shù)信息包括桿塔參數(shù)、桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)、桿塔間路徑困難系數(shù)和預(yù)定智能算法參數(shù)；

桿塔風(fēng)險(xiǎn)運(yùn)行條件概率模塊，用于對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型并計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；

塔間巡檢時(shí)間模型模塊，用于根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型；

綜合巡檢模型模塊，用于根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型；

最優(yōu)巡檢路徑模塊，用于根據(jù)預(yù)定智能算法參數(shù)，利用預(yù)定智能算法對(duì)綜合模型進(jìn)行求解，當(dāng)滿足終止迭代條件時(shí)，輸出優(yōu)化后最優(yōu)巡檢路徑。

其中，所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率模塊，包括：

條件概率單元，用于利用所述貝葉斯網(wǎng)絡(luò)模型，計(jì)算得到所述量化后的初始決策表中每個(gè)桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件概率；

桿塔風(fēng)險(xiǎn)運(yùn)行條件概率單元，用于根據(jù)所述條件概率和所述貝葉斯網(wǎng)絡(luò)模型，通過(guò)概率計(jì)算得到相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；其中，

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔高風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pf=P\left(B_1\right|A)=\frac{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔低風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pn=P\left(B_2\right|A)=\frac{P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

其中，桿塔運(yùn)行狀態(tài)變量用B＝{B₁、B₂}＝{高風(fēng)險(xiǎn)運(yùn)行、低風(fēng)險(xiǎn)運(yùn)行}表示，桿塔風(fēng)險(xiǎn)運(yùn)行因素用{C₁C₂C₃。。。。。C₉}表示，P(B₁)和P(B₂)分別表示桿塔的歷史高風(fēng)險(xiǎn)運(yùn)行和歷史低風(fēng)險(xiǎn)運(yùn)行概率；P(C_i|B₁)表示桿塔在不同的桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件下的高風(fēng)險(xiǎn)運(yùn)行概率。

其中，所述塔間巡檢時(shí)間模型模塊具體為：根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型

其中，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)；X(i)、X(j)表示桿塔i、j的橫坐標(biāo)，Y(i)、Y(j)表示桿塔i、j的縱坐標(biāo)。

其中，所述綜合巡檢模型模塊具體為：根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型

其中，其中，F(xiàn)_ij為目標(biāo)函數(shù)，D是待巡檢桿塔數(shù)目，P_i、P_j分別是桿塔i和j的風(fēng)險(xiǎn)概率，α和β為加權(quán)系數(shù)，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)，T_i，j為塔間巡檢時(shí)間模型。

本發(fā)明所提供的一種輸電線巡檢路徑規(guī)劃方法，包括：初始化預(yù)定參數(shù)信息；對(duì)桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型并計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；根據(jù)桿塔參數(shù)及桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型；根據(jù)桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及塔間巡檢時(shí)間模型，建立綜合巡檢模型；根據(jù)預(yù)定智能算法參數(shù)，利用預(yù)定智能算法對(duì)綜合模型進(jìn)行求解，當(dāng)滿足終止迭代條件時(shí)，輸出優(yōu)化后最優(yōu)巡檢路徑；

可見(jiàn)，該方法綜合考慮了巡檢員巡檢時(shí)間和桿塔發(fā)生風(fēng)險(xiǎn)概率兩種因素，利用預(yù)定智能算法優(yōu)化，科學(xué)制定巡檢路徑，擺脫傳統(tǒng)情況依靠領(lǐng)導(dǎo)決策或者經(jīng)驗(yàn)決策的巡檢路徑規(guī)劃方法，提高巡檢效率；本發(fā)明還提供一種輸電線巡檢路徑規(guī)劃系統(tǒng)，具有上述有益效果，在此不再贅述。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例所提供的輸電線巡檢路徑規(guī)劃方法的流程圖；

圖2為本發(fā)明實(shí)施例所提供的貝葉斯網(wǎng)絡(luò)模型的示意圖；

圖3為本發(fā)明實(shí)施例所提供的最優(yōu)巡檢路徑的示意圖；

圖4為本發(fā)明實(shí)施例所提供的輸電線巡檢路徑規(guī)劃系統(tǒng)的結(jié)構(gòu)框圖。

具體實(shí)施方式

本發(fā)明的核心是提供一種輸電線巡檢路徑規(guī)劃方法及系統(tǒng)，綜合考慮了巡檢員巡檢時(shí)間和桿塔發(fā)生風(fēng)險(xiǎn)概率兩種因素，利用預(yù)定智能算法優(yōu)化制定巡檢路徑，提高巡檢效率。

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參考圖1，圖1為本發(fā)明實(shí)施例所提供的輸電線巡檢路徑規(guī)劃方法的流程圖；該方法可以包括：

S100、初始化預(yù)定參數(shù)信息；其中，所述預(yù)定參數(shù)信息包括桿塔參數(shù)、桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)、桿塔間路徑困難系數(shù)和預(yù)定智能算法參數(shù)；

其中，這里的預(yù)定參數(shù)信息可以根據(jù)用戶實(shí)際使用情況進(jìn)行具體設(shè)定，考慮的因素可以由用戶確定，例如桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)包括天氣因素、地質(zhì)因素、巡視周期、歷史負(fù)荷、溫度因素、運(yùn)行時(shí)間、異常頻率、材料等級(jí)、電壓等級(jí)(這里用戶可以對(duì)桿塔風(fēng)險(xiǎn)運(yùn)行因素進(jìn)行增減)；預(yù)定智能算法參數(shù)包括橫向交叉率、縱向交叉率、粒子數(shù)、迭代次數(shù)(根據(jù)所選用的智能算法具體的參數(shù)需求進(jìn)行確定)；桿塔參數(shù)包括桿塔數(shù)、桿塔坐標(biāo)；桿塔間路徑困難系數(shù)由各桿塔對(duì)應(yīng)的路況等級(jí)確定(這里系數(shù)為了區(qū)分巡查時(shí)消耗時(shí)間，路況差相對(duì)應(yīng)消耗時(shí)間長(zhǎng))。

S110、對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型并計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；

其中，對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，包括原始數(shù)據(jù)的統(tǒng)計(jì)分類等操作，經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)可以方便輸入到原始貝葉斯網(wǎng)絡(luò)模型中進(jìn)行模型訓(xùn)練得到最終可用的貝葉斯網(wǎng)絡(luò)模型；并根據(jù)貝葉斯網(wǎng)絡(luò)模型計(jì)算得到選定桿塔風(fēng)險(xiǎn)運(yùn)行因素條件下的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；且這里的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率可以包括高風(fēng)險(xiǎn)運(yùn)行條件概率和/或低風(fēng)險(xiǎn)運(yùn)行條件概率。

具體的，對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理可用包括：

根據(jù)桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)，建立初始決策表；其中，初始決策表可以如下：

根據(jù)所述初始決策表，將每種桿塔風(fēng)險(xiǎn)運(yùn)行因素的特征映射到預(yù)定的區(qū)間內(nèi)，并利用具體的數(shù)值與每種桿塔風(fēng)險(xiǎn)運(yùn)行因素的特征進(jìn)行一一對(duì)應(yīng)，形成量化后的初始決策表。

具體的，根據(jù)初始決策表，需要對(duì)上述原始數(shù)據(jù)中影響因素即桿塔風(fēng)險(xiǎn)運(yùn)行因素進(jìn)行量化處理其量化過(guò)程是將每種影響因素的特征映射到一定的區(qū)間內(nèi)，并用具體的數(shù)值表示其中的不同特征，如天氣因素等。

可選的，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型，包括：

將所述量化后的初始決策表中的數(shù)據(jù)輸入到原始貝葉斯網(wǎng)絡(luò)模型中進(jìn)行計(jì)算，建立貝葉斯網(wǎng)絡(luò)模型。

具體計(jì)算過(guò)程可以分為5步，具體如下：

1、計(jì)算桿塔風(fēng)險(xiǎn)運(yùn)行影響因素之間的條件互信息：I_p(C_i；C_j|C),i,j＝1,2,…..,n(條件互信息是指一個(gè)變量包含另一個(gè)變量的多少)其中C為桿塔風(fēng)險(xiǎn)運(yùn)行的影響因素；

2、生成一個(gè)以Ip(Ci；Cj|C)為弧的權(quán)重加權(quán)無(wú)向圖,i,j＝1,2,…..,n。

3、尋找一個(gè)最大權(quán)重生成樹

4、設(shè)置以根節(jié)點(diǎn)為起點(diǎn)所有邊向外的圖。

5、生成以變量節(jié)點(diǎn)與屬性節(jié)點(diǎn)之間的弧。

經(jīng)過(guò)上述5步驟之后建立的貝葉斯網(wǎng)絡(luò)模型可以如圖2所示。

可選的，根據(jù)預(yù)處理后的數(shù)據(jù)，建立計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率，包括：

利用所述貝葉斯網(wǎng)絡(luò)模型，計(jì)算得到所述量化后的初始決策表中每個(gè)桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件概率；

根據(jù)所述條件概率和所述貝葉斯網(wǎng)絡(luò)模型，通過(guò)概率計(jì)算得到相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；其中，

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔高風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pf=P\left(B_1\right|A)=\frac{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔低風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pn=P\left(B_2\right|A)=\frac{P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

其中，桿塔運(yùn)行狀態(tài)變量用B＝{B₁、B₂}＝{高風(fēng)險(xiǎn)運(yùn)行、低風(fēng)險(xiǎn)運(yùn)行}表示，桿塔風(fēng)險(xiǎn)運(yùn)行因素用{C₁C₂C₃。。。。。C₉}表示，P(B₁)和P(B₂)分別表示桿塔的歷史高風(fēng)險(xiǎn)運(yùn)行和歷史低風(fēng)險(xiǎn)運(yùn)行概率；P(C_i|B₁)表示桿塔在不同的桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件下的高風(fēng)險(xiǎn)運(yùn)行概率。

具體的，通過(guò)貝葉斯網(wǎng)絡(luò)模型計(jì)算得出量化后的初始決策表中每個(gè)屬性的條件概率，在獲得條件概率和貝葉斯網(wǎng)絡(luò)模型的前提下，通過(guò)概率計(jì)算即可得出樣本的高風(fēng)險(xiǎn)運(yùn)行概率。

S120、根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型；

其中，當(dāng)桿塔參數(shù)包括桿塔數(shù)和桿塔坐標(biāo)時(shí)，則建立的塔間巡檢時(shí)間模型具體為：

$T_{i,j}=R(i,j)\·\sqrt{{(X_j-X_i)}^2+{(Y_j-Y_i)}^2}$

其中，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)；X(i)、X(j)表示桿塔i、j的橫坐標(biāo)，Y(i)、Y(j)表示桿塔i、j的縱坐標(biāo)。該模型計(jì)算方便，且可以相對(duì)公平的量化出塔間巡檢時(shí)間。這里也可以用其它方式計(jì)算該模型。

S130、根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型；

其中，這里的模型需要綜合考慮上述得到的具體模型的情況進(jìn)行確定，利用使用上述步驟得到的具體模型，則這里的綜合巡檢模型具體為：

$F_{ij}=\mathrm{\α}\·R(i,j)\·\underset{i=1}{\overset{D-1}{\Σ}}{T}_{i,j}+\mathrm{\β}\·\underset{i=1}{\overset{D-1}{\Σ}}{P}_j/P_i$

其中，F(xiàn)_ij為目標(biāo)函數(shù)，D是待巡檢桿塔數(shù)目，P_i、P_j分別是桿塔i和j的風(fēng)險(xiǎn)概率，α和β為加權(quán)系數(shù)，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)，T_i，j為塔間巡檢時(shí)間模型。

S140、根據(jù)預(yù)定智能算法參數(shù)，利用預(yù)定智能算法對(duì)綜合模型進(jìn)行求解，當(dāng)滿足終止迭代條件時(shí)，輸出優(yōu)化后最優(yōu)巡檢路徑。

其中，為了得到優(yōu)化后的巡查路徑，這里實(shí)用高效的智能算法時(shí)間尋優(yōu)過(guò)程，例如使用遺傳算法，粒子算法，縱橫交叉算法等，可以根據(jù)用戶需求進(jìn)行選擇，這里重要滿足可以進(jìn)行尋優(yōu)確定最優(yōu)路徑即可，并不對(duì)具體的算法進(jìn)行限制。

可選的，這里可以利用縱橫交叉算法反復(fù)對(duì)綜合巡檢模型進(jìn)行求解，縱橫交叉算法為一種智能算法，包括橫向交叉縱向交叉兩部分，在應(yīng)用規(guī)劃問(wèn)題中具有全局搜索能力強(qiáng)的特點(diǎn)。

基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的輸電線巡檢路徑規(guī)劃方法，通過(guò)建立巡檢員巡檢花費(fèi)的時(shí)間和桿塔運(yùn)行風(fēng)險(xiǎn)為目標(biāo)，由于桿塔眾多，并且桿塔所處環(huán)境的復(fù)雜，每對(duì)桿塔之間巡檢員巡檢時(shí)間無(wú)法精確細(xì)化，本實(shí)施例采取利用桿塔之間的直線距離與該兩座桿塔之間路況的困難系數(shù)乘積表示巡檢時(shí)間；輸電線路巡檢目的是排除桿塔和輸電線故障，因此優(yōu)先巡檢發(fā)生風(fēng)險(xiǎn)概率較大的桿塔顯得尤為重要，本實(shí)施例利用桿塔的原始數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型，計(jì)算每座桿塔發(fā)生風(fēng)險(xiǎn)的概率；結(jié)合桿塔運(yùn)行風(fēng)險(xiǎn)概率和巡檢員巡檢時(shí)間兩個(gè)目標(biāo)建立綜合模型，利用預(yù)定智能算法對(duì)該模型進(jìn)行優(yōu)化求解，為輸電線巡檢提供科學(xué)有效的巡檢路徑，使巡檢員在在巡檢作業(yè)時(shí)能夠優(yōu)先巡檢發(fā)生風(fēng)險(xiǎn)概率較大的桿塔并且保障巡檢時(shí)間最短，提高巡檢效率。

為了更好地說(shuō)明本發(fā)明提出的數(shù)據(jù)處理方法的有益效果，下面使用算例進(jìn)行驗(yàn)證：

以下表1是30個(gè)桿塔的坐標(biāo)位置，其中X為桿塔的橫坐標(biāo)，Y為桿塔的縱坐標(biāo)；近幾年的桿塔原始數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型，如圖2，利用貝葉斯網(wǎng)絡(luò)計(jì)算得到桿塔的運(yùn)行風(fēng)險(xiǎn)概率見(jiàn)表2；其中表3為桿塔路徑的困難系數(shù)。

表1桿塔坐標(biāo)

表2桿塔運(yùn)行風(fēng)險(xiǎn)概率

表3桿塔路徑困難系數(shù)

由上述可知，在已知桿塔坐標(biāo)參數(shù)、桿塔運(yùn)行風(fēng)險(xiǎn)概率和桿塔的路徑困難系數(shù)，建立巡檢員巡檢時(shí)間和桿塔運(yùn)行風(fēng)險(xiǎn)的綜合模型，利用預(yù)定智能算法對(duì)該模型進(jìn)行優(yōu)化求解，得到最優(yōu)巡檢路徑，如圖3所示?？梢?jiàn)該方法不僅考慮了巡檢員完成巡檢任務(wù)所要花費(fèi)的時(shí)間，同時(shí)考慮了桿塔發(fā)生的風(fēng)險(xiǎn)概率，在巡檢任務(wù)過(guò)程中，能夠優(yōu)先巡檢發(fā)生風(fēng)險(xiǎn)概率較大的桿塔，同時(shí)保障巡檢時(shí)間較短的完成任務(wù)，具有科學(xué)性和合理性。

下面對(duì)本發(fā)明實(shí)施例提供的輸電線巡檢路徑規(guī)劃系統(tǒng)進(jìn)行介紹，下文描述的輸電線巡檢路徑規(guī)劃系統(tǒng)與上文描述的輸電線巡檢路徑規(guī)劃方法可相互對(duì)應(yīng)參照。

請(qǐng)參考圖4，圖4為本發(fā)明實(shí)施例所提供的輸電線巡檢路徑規(guī)劃系統(tǒng)的結(jié)構(gòu)框圖；該系統(tǒng)可以包括：

初始化模塊100，用于初始化預(yù)定參數(shù)信息；其中，所述預(yù)定參數(shù)信息包括桿塔參數(shù)、桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)、桿塔間路徑困難系數(shù)和預(yù)定智能算法參數(shù)；

桿塔風(fēng)險(xiǎn)運(yùn)行條件概率模塊200，用于對(duì)所述桿塔風(fēng)險(xiǎn)運(yùn)行因素原始數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的數(shù)據(jù)，建立貝葉斯網(wǎng)絡(luò)模型并計(jì)算相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；

塔間巡檢時(shí)間模型模塊300，用于根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型；

綜合巡檢模型模塊400，用于根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型；

最優(yōu)巡檢路徑模塊500，用于根據(jù)預(yù)定智能算法參數(shù)，利用預(yù)定智能算法對(duì)綜合模型進(jìn)行求解，當(dāng)滿足終止迭代條件時(shí)，輸出優(yōu)化后最優(yōu)巡檢路徑。

基于上述實(shí)施例可選的，所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率模塊200，包括：

條件概率單元，用于利用所述貝葉斯網(wǎng)絡(luò)模型，計(jì)算得到所述量化后的初始決策表中每個(gè)桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件概率；

桿塔風(fēng)險(xiǎn)運(yùn)行條件概率單元，用于根據(jù)所述條件概率和所述貝葉斯網(wǎng)絡(luò)模型，通過(guò)概率計(jì)算得到相應(yīng)桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔風(fēng)險(xiǎn)運(yùn)行條件概率；其中，

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔高風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pf=P\left(B_1\right|A)=\frac{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

桿塔風(fēng)險(xiǎn)運(yùn)行因素的桿塔低風(fēng)險(xiǎn)運(yùn)行條件概率為：

$Pn=P\left(B_2\right|A)=\frac{P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}{P\left(B_1\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)+P\left(B_2\right)\underset{i=1}{\overset{9}{\Π}}P\left(C_i\right|B_1)}$

其中，桿塔運(yùn)行狀態(tài)變量用B＝{B₁、B₂}＝{高風(fēng)險(xiǎn)運(yùn)行、低風(fēng)險(xiǎn)運(yùn)行}表示，桿塔風(fēng)險(xiǎn)運(yùn)行因素用{C₁C₂C₃。。。。。C₉}表示，P(B₁)和P(B₂)分別表示桿塔的歷史高風(fēng)險(xiǎn)運(yùn)行和歷史低風(fēng)險(xiǎn)運(yùn)行概率；P(C_i|B₁)表示桿塔在不同的桿塔風(fēng)險(xiǎn)運(yùn)行因素的條件下的高風(fēng)險(xiǎn)運(yùn)行概率。

基于上述實(shí)施例可選的，所述塔間巡檢時(shí)間模型模塊300具體為：根據(jù)所述桿塔參數(shù)及所述桿塔間路徑困難系數(shù)，建立塔間巡檢時(shí)間模型$T_{i,j}=R(i,j)\·\sqrt{{(X_j-X_i)}^2+{(Y_j-Y_i)}^2};$

其中，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)；X(i)、X(j)表示桿塔i、j的橫坐標(biāo)，Y(i)、Y(j)表示桿塔i、j的縱坐標(biāo)。

基于上述任意實(shí)施例可選的，所述綜合巡檢模型模塊400具體為：根據(jù)所述桿塔風(fēng)險(xiǎn)運(yùn)行條件概率及所述塔間巡檢時(shí)間模型，建立綜合巡檢模型

其中，其中，F(xiàn)_ij為目標(biāo)函數(shù)，D是待巡檢桿塔數(shù)目，P_i、P_j分別是桿塔i和j的風(fēng)險(xiǎn)概率，α和β為加權(quán)系數(shù)，R(i,j)表示桿塔i到桿塔j之間的路徑困難系數(shù)，T_i，j為塔間巡檢時(shí)間模型。

說(shuō)明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開的裝置而言，由于其與實(shí)施例公開的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。

專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對(duì)本發(fā)明所提供的輸電線巡檢路徑規(guī)劃方法及系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。