基于改進粒子群的配網多無人機災損巡檢任務分配方法

胡振維 莫一夫 李 鈺 鄭松源 潘岐深

（廣東電網有限責任公司）

0 引言

隨著我國經濟快速發展，配電網規模不斷擴大，覆蓋范圍逐漸擴展至城市及農村地區。傳統的巡線方式已難以滿足配電網設備的巡檢需求，其存在效率低、巡檢周期長等問題。因此，借助現代化的無人機技術進行配電網巡檢成為一種具有廣闊前景的選擇［1］。無人機具有高效、靈活、全面的特點，可大幅提高配電網巡檢效率，減少人力資源投入，并能夠覆蓋更廣泛的區域，在這一背景下，如何合理地利用多架無人機進行配電網巡檢成為迫切需要解決的問題［2］。目前，眾多研究者關注如何根據電網設備的分布情況、巡檢區域的特點、無人機的屬性等因素，通過優化算法來實現任務的合理分配和調度，從而最大程度地提高巡檢效率和覆蓋范圍［3］。同時，還有一些研究致力于利用人工智能技術，如深度學習和強化學習，對無人機巡檢數據進行高效處理和分析，進一步提升無人機巡檢的智能化水平。在該背景下，本次研究開展基于改進粒子群的配網多無人機災損巡檢任務分配方法設計研究。

1 構建配網多無人機災損巡檢任務分配模型

在進行配電網災損任務巡查時，其巡查目標常分布于不同地點、不同高度，故常常需要配備一個高空無人機和低空無人機一同進行巡查任務，以提升任務巡查的成功率。在配電網災損巡檢時，其協同任務的分配主要受到五個因素影響，可對其表示為｛E，V，T，M，P｝。其中E表示配電網巡檢任務環境，假定無人機群在三維環境E中執行任務，三維環境包含三要素｛x，y，z｝，因此在t時刻編號為i的無人機地理位置坐標可表示為｛xi（t），yi（t），zi（t）｝［4］。設Vi為給定的一個無人機群，Nv為給定無人機群中無人機的數量。其中，這Nv架無人機中有Ns架低空無人機和M架高空無人機，即有Vi(Vi?V,i=1,2…,NS)和Vi(Vi?V,i=NS+1,…,NV)，且存在NS+NM=NV［5］。將多個巡檢任務目標設為Ti，其中任務數大于無人機數可表示為NT>NV。MT表示無人機群需要執行的任務類型，Ktype為任務類型數，若每個目標Ti上都有Ktype種類型，則總共有Ti?Ktyре個任務。每架無人機都有一個任務集合，其可表示為Si={Ti1,…,Tin}，則所有任務分配可以描述為：在輸電線路災損巡檢環境中進行多無人機任務分配目標函數設計時，需要考慮以下幾個因素：第一，無人機與線路中巡檢目標的空間位置關系；第二，多巡檢無人機在完成任務時的定位關系；第三，無人機巡檢時的飛行時間；第四，無人機災損巡檢的作業成功率［6］。

本次設計的多無人機災損巡檢任務分配目標函數主要由代價函數構成，其可表示為：

式中，JCost為代價函數；a1代表加權系數［7］。其代價函數主要由航程代價、時間代價和無人機損耗代價構成，可表示為：

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

綜上，完成其目標函數整理，其可表示為：

接下來，對其約束條件進行分析，其分別為：

1）每架低空巡檢無人機必定配有一架無人機用于監控，則有：

2）對于各個待巡檢目標而言，其每個任務都只能完成一次，則有：

2）每架巡檢無人機從TStart時刻開始，最多訪問巡檢節點一次，其可表示為：

3）無人機飛行時間最長tmax，則每架無人機任務執行期間時間不得超過最長飛行時間，其可表示為：

綜上，完成配網多無人機災損巡檢任務分配模型構建。

2 基于改進粒子群的任務分配模型求解

在完成配網多無人機災損巡檢任務分配模型構建后，為獲得模型最優解，避免模型求解陷入局部最優，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，在一個特定的空間中搜索最優解。在傳統粒子群算法中，由于其對參數配置及搜索空間的處理方式較為簡單，難以在復雜的多目標、約束條件等問題上獲得較好的效果，故本次對其進行改進，以提升其泛化能力，獲得任務分配模型的最優解。應用改進后的粒子群優化算法進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，對粒子檢索速度、位置和最大迭代數進行設置，然后將學習因子設置為c1，c2，慣性權重設置為ω；

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

3）計算各個粒子的適應度值，保存每個粒子所能達到的最優位置和適應度值。

4）完成粒子慣性權重的更新，并調整兩個學習因子，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表示區域空間維度，Vid為粒子速度，Xid（k）為粒子位置，c1，c2為學習因子，r1，r2為［0，1］區間內兩個隨機正數，Pid為粒子個體的位置最優解，Pgd為粒子群體的位置最優解。

5）搜索粒子群中適應度最佳個體的最優位置和適應度值，判斷其優于上次檢索，如滿足則直接替換，如不滿足則持續檢索。

6）判斷當前算法迭代次數是否滿足要求，如滿足則直接輸出最優群體中最佳粒子個體的最優位置，其即為最佳目標分配方案；如不滿足，則跳轉至步驟3，繼續搜索。

通過上述，將輸出帶入目標函數中，完成任務分配模型求解，實現配網多無人機災損巡檢任務分配功能。

3 實驗與分析

為驗證所提方法的先進性，選擇了一條輸電線路作為研究對象，并獲得了線路環境等數據，以便后續進行測試。首先，將利用MATLAB軟件搭建仿真模型，設置任務分配區域大小為100×100，然后模擬由2架MUAV監控下的4架SUAV執行8個任務的動態分配情況，通過編號為S-1、S-2、S-3和S-4的SUAV執行這些任務，其三維坐標分別為：（10，70，35），（20，80，35），（15，20，30），（25，10，35）；2架MUAV中編號為M1的三維坐標分別為（50，80，60）；M-2的三維坐標分別為（45，30，75），其任務坐標分別為：（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，采用所提方法進行配網多無人機災損巡檢任務分配，并將其效果與未應用前規劃效果相比較，得到對比結果如下圖1所示：

圖1 任務分配結果

如圖1所示，應用所提方法后，在兩架MUAV的監控下，待執行的任務被有序地分配給了SUAV編隊，而未應用所提方法時，其規劃效果較差，存在無人機反復巡檢的過程，應用效果較差，驗證此時應用所提方法設計的任務分配方案應用效果較好。

4 結束語

本次研究提出的基于改進粒子群的配網多無人機災損巡檢任務分配方法在提高任務分配效果方面有一定的潛力。該方法通過充分考慮任務環境、無人機群和巡檢任務目標等因素構建任務分配模型，并應用改進粒子群算法進行求解，實現了避免無人機反復巡檢的優化效果，應用效果較好。