用于电力系统的无人机巡检规划方法、设备及介质与流程

本发明涉及无人机巡检，具体涉及用于电力系统的无人机巡检规划方法、设备及介质。

背景技术：

1、电力线路长距离巡视工作，对无人机的速度要求比较高，通常采用拥有快速飞行能力的固定翼无人机，借助倾斜摄影、激光雷达点云等技术完成巡视，除了常规缺陷之外，还顺便可以掌握线路通道隐患树木、房屋等外物分布情况等。无人机在高山等地区应用时，可能遇到快速上下起伏的情况，如果维持较小的波动，可能因为拍摄距离变化，使摄像头拍摄到的画面模糊或者数据失真；如果飞机的高度快速调整，又可能出现飞行危险。故，长距离巡视对路径、速度、观察角度等都有较高的要求，其中对电力系统长距离巡检路线优化设计是工作重点之一。

2、在泛在电力物联网的支持下，对于无人机巡检的要求不再是简单的定点巡视和固定线路自主导航，而是可以从历史大数据和实时测量状态分析中实时了解到本线路存在的关注点、线路负载状况、线路温度和存在障碍，这样就可以有重点地控制飞行路线，在可能要特殊关注的地方仔细巡查，根据电力系统的实时需要来安排巡视方式。

3、目前，已存在电力杆塔巡检用无人机自主巡检方法通过连续杆塔巡检法、小跨度巡检法及大跨度巡检法配合使用，将巡检路径中的多个杆塔串联起来，用以适应多种电力巡检地形及工况。但其无法实现从历史大数据和实时测量状态分析中实时规划无人机巡检路线。

4、另有一种无人机巡检输电线路的方法通过卡尔曼滤波将加速度计获取的数据和气压计获取的数据进行数据融合获取无人机的竖直高度；通过卡尔曼滤波将加速度计获取的数据和gps模块得到的位置信息进行数据融合获取无人机的水平位置以实时规划无人机巡检路线。但无人机的运算能力有限，既要处理图像数据又要进行线路规划，这对于电力系统的长距离巡视而言，仅仅依靠无人机难以实现。

技术实现思路

1、基于上述背景技术所提出的问题，本发明的目的在于提供用于电力系统的无人机巡检规划方法、设备及介质，解决了现有用于电力系统的无人机在巡检过程中无法兼顾图像处理以及实时线路规划的问题。

2、本发明通过下述技术方案实现：

3、本发明第一方面提供了用于电力系统的无人机巡检规划方法，包括如下步骤：

4、步骤s1、获取无人机实时巡检数据，将所述实时巡检数据与无人机的历史巡检数据进行轨迹匹配，将轨迹匹配成功的历史巡检数据与所述实时巡检数据整合生成巡检数据包；

5、步骤s2、计算无人机对于在其可传输范围内所有边缘服务器的卸载意向指数，根据所述卸载意向指数确定缺陷任务服务器和路径任务服务器，并将所述实时巡检数据传输至所述缺陷任务服务器，将所述巡检数据包传输至所述路径任务服务器；所述路径任务服务器用于对所述巡检数据包进行分析，生成预定巡检数据；

6、步骤s3、基于所述预定巡检数据中的巡检路径确定迁移意向指数，采用所述迁移意向指数优化所述卸载意向指数，根据优化后的卸载意向指数确定迁移服务器，所述迁移服务器用于接收所述预定巡检数据。

7、在上述技术方案中，将无人机与边缘服务器技术相结合，通过将实时巡检数据与无人机的历史巡检数据进行轨迹匹配，可以得到待巡检线路的重点关注点，这样就可以有重点地控制飞行路线，在可能要特殊关注的地方仔细巡查，根据电力系统的实时需要来安排巡视方式。

8、无人机通过计算其可传输范围内所有边缘服务器的卸载意向指数，通过卸载意向指数确定处理无人机收集的数据的边缘服务器。通过步骤s2将处理图像数据和线路规划卸载给边缘服务器进行处理，而无人机仅仅计算卸载意向指数，解决了无人机计算能力有限无法同时兼顾图像处理以及实时线路规划的问题。

9、而在电力系统的无人机巡检中，重要数据有两个，一个是对于巡检路线的规划数据，另一个是对电力系统的缺陷检测数据。若将这二者数据同时传输至一个边缘服务器中，可能出现边缘服务器数据处理时间过久，而无人机已经飞出该边缘服务器的传输范围但边缘服务器还未处理完成的情况。故将巡检路线的规划数据和电力系统的缺陷检测数据分别传输至两个边缘服务器进行处理，节省了时间，提升了数据处理的效率。

10、选取优化后的卸载意向指数最高的边缘服务器为迁移服务器，并向路径任务服务器发出指令，使得路径任务服务器中的预定巡检数据传输至所述迁移服务器中，以实现无缝迁移，避免无人机离开路径任务服务器的传输范围之后所造成的数据丢失，以保证电力系统长距离巡视线路规划的完整性。

11、在一种可选的实施例中，计算无人机对于在其可传输范围内所有边缘服务器的卸载意向指数包括如下步骤：

12、步骤s21、获取无人机可传输范围内所有边缘服务器的分布数据和资源数据；

13、步骤s22、基于所述实时巡检数据包确定无人机的资源请求量、缺陷任务量和路径任务量，并对所述资源请求量、所述缺陷任务量和所述路径任务量进行资源估算，得到预计资源消耗量；

14、步骤s23、通过空间路径损耗模型和香农公式对所述分布数据、所述预计资源消耗量进行计算，得到每个边缘服务器的传输指数；

15、步骤s24、对所述预计资源消耗量和所述资源数据进行计算，得到负载指数；

16、步骤s25、对所述传输指数和所述负载指数进行综合分析，得到卸载意向指数。

17、在一种可选的实施例中，通过空间路径损耗模型和香农公式对所述分布数据、所述预计资源消耗量进行计算，得到每个边缘服务器的传输指数包括：

18、步骤s231、基于空间路径损耗模型和香农公式，分别计算无人机与每个边缘服务器的传输速率；所述传输速率表达为：

19、

20、上式中，vi表示边缘服务器i的传输速率，b为无人机的信道带宽，p为无人机的传输功率，di为无人机到边缘服务器i的距离，σ2表示高斯白噪声的方差；

21、步骤s232、根据所述预计资源消耗量确定请求卸载量，对所述卸载量和所述传输速率进行计算，得到无人机卸载到每个边缘服务器的路径传输消耗；无人机卸载到每个边缘服务器的路径传输消耗表达为：

22、

23、上式中，translossi表示无人机卸载到边缘服务器i的路径传输消耗，requstunloadi表示无人机向边缘服务器i请求卸载量；

24、步骤s233、根据所述路径传输消耗计算无人机将数据卸载到边缘服务器i的卸载成本；所述卸载成本表达为：

25、unloadcosti＝μrequstunloadi+(1-μ)translossi

26、上式中，unloadcosti表示无人机将数据卸载到边缘服务器i的卸载成本，μ表示权重；

27、步骤s234、获取每个边缘服务器的传输配置，综合所述传输配置和所述卸载成本计算无人机将数据卸载到每个边缘服务器的传输指数；其中，所述传输配置包括边缘服务器的传输容量和传输功率；所述传输指数表达为：

28、

29、λ1+λ2+λ3＝1

30、上式中，transindexi表示无人机将数据卸载到边缘服务器i的传输指数，transcapa表示边缘服务器i的传输容量，transpow表示边缘服务器i的传输功率，λ1、λ2、λ3表示权重系数。

31、在一种可选的实施例中，对所述预计资源消耗量和所述资源数据进行计算，得到负载指数包括：

32、步骤s241、获取每个边缘服务器在t时刻的负载情况；每个边缘服务器在t时刻的负载情况表示为：

33、loadi＝β1usecpui+β2usememi+β3usebandi,

34、β1+β2+β3＝1

35、上式中，loadi表示边缘服务器i在t时刻的负载情况，usecpui表示边缘服务器i在t时刻cpu的使用情况，β1、β2、β3表示权重系数，usememi表示边缘服务器i在t时刻内存的使用情况，usebandi表示边缘服务器i在t时刻带宽的使用情况；

36、步骤s242、获取每个边缘服务器的计算配置，根据所述预计资源消耗量确定请求计算量，基于所述计算配置对所述请求计算量和所述负载情况进行计算，得到每个边缘服务器处理请求计算量所需要的时间和计算消耗；其中，每个边缘服务器处理请求计算量的计算消耗表示为：

37、

38、上式中，callossi表示边缘服务器i的计算消耗，requstcali表示边缘服务器i的请求计算量，pii表示边缘服务器i空闲时的功率，pmaxi表示边缘服务器i满负荷工作时的功率，loadmaxi表示边缘服务器i最大负载，calratei表示边缘服务器i的计算速率；

39、步骤s243、根据所述计算消耗计算每个边缘服务器的计算成本；所述计算成本表达为：

40、calcosti＝α1requstcali+α2callossi+α3quei,

41、α1+α2+α3＝1

42、上式中，calcosti表示边缘服务器i的计算成本，quei表示边缘服务器i队列管理能力，α1、α2、α3表示权重系数；

43、步骤s244、综合所述计算配置和所述计算成本计算边缘服务器i的负载指数；所述负载指数表达为：

44、

45、ξ1+ξ1＝1

46、上式中，calindexi表示边缘服务器i的负载指数，ξ1、ξ2表示权重系数。

47、在一种可选的实施例中，对所述传输指数和所述负载指数进行综合分析，得到卸载意向指数包括：

48、步骤s251、将所述边缘服务器按照所述传输指数从大到小依次排序形成第一候选集，将所述边缘服务器按照所述负载指数从大到小依次排序形成第二候选集；

49、步骤s252、综合所述第一候选集和所述第二候选集确定缺陷任务卸载意向和路径任务卸载意向。

50、在一种可选的实施例中，基于所述预定巡检数据中的巡检路径确定迁移意向指数包括：

51、步骤s31、选取所述巡检路径上无人机可传输范围内的边缘服务器为候选迁移服务器，并获取所述候选迁移服务器的资源数据；

52、步骤s32、对所述候选迁移服务器的资源数据进行计算，得到迁移意向指数。

53、在一种可选的实施例中，采用所述迁移意向指数优化所述卸载意向指数包括：

54、bunloadtendi＝-0.1ο1movetendi+ο2unloadtendi,

55、ο1+ο2＝1

56、上式中，bunloadtendi表示候选迁移服务器i的优化后的卸载意向指数，movetendi表示候选迁移服务器i的迁移意向指数，unloadtendi表示候选迁移服务器i的卸载意向指数，ο1、ο2表示权重系数。

57、在一种可选的实施例中，获取无人机实时巡检数据，将所述实时巡检数据与无人机的历史巡检数据进行轨迹匹配，将轨迹匹配成功的历史巡检数据与所述实时巡检数据整合生成巡检数据包包括：

58、获取实时巡检数据的gps定位数据和所述历史巡检数据的巡检路径，所述巡检路径包括多个巡检路段；

59、分别计算所述gps定位数据与所述多个巡检路段的距离；

60、遍历多个巡检路段的距离，若所述距离小于等于检测范围阈值，则轨迹匹配成功，并将轨迹匹配成功的历史巡检数据中的重点区域数据与所述实时巡检数据进行整合，生成巡检数据包。

61、本发明第二方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现用于电力系统的无人机巡检规划方法。

62、本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现用于电力系统的无人机巡检规划方法。

63、本发明与现有技术相比，具有如下的优点和有益效果：

64、1、将实时巡检数据与无人机的历史巡检数据进行轨迹匹配，可以得到待巡检线路的重点关注点，这样就可以有重点地控制飞行路线，在可能要特殊关注的地方仔细巡查，根据电力系统的实时需要来安排巡视方式；

65、2、将巡检路线的规划数据和电力系统的缺陷检测数据分别传输至两个边缘服务器进行处理，节省了时间，提升了数据处理的效率；

66、3、将处理图像数据和线路规划卸载给边缘服务器进行处理，而无人机仅仅计算卸载意向指数，解决了无人机计算能力有限无法同时兼顾图像处理以及实时线路规划的问题；

67、4、选取优化后的卸载意向指数最高的边缘服务器为迁移服务器，并向路径任务服务器发出指令，使得路径任务服务器中的预定巡检数据传输至所述迁移服务器中，以实现无缝迁移，避免无人机离开路径任务服务器的传输范围之后所造成的数据丢失。