考虑故障优先级的多目标路径优化方法及系统

本发明属于边缘计算、物联网领域，涉及一种考虑故障优先级的多目标路径优化方法及系统。

背景技术：

1、电力设备的维护检修是电力系统的重要组成部分。我国电力系统的迅速发展，对电能表等计量设备的维护系统提出了较高要求。对于电力企业来说，保障供电系统的稳定性、可靠性和安全性是其核心职责。传统上，电力巡检主要依靠人工方式对覆盖区域内的低压配电网进行检查，这种方式不仅工作量巨大，而且在复杂环境中往往难以有效开展。随着电网规模的不断扩大和复杂性的增加，智能化电力巡检路径规划系统得到了越来越广泛的应用，从而能够针对于故障设备制定出最优的巡检路线。

2、为了实现针对一定区域内的故障计量设备的巡检任务，需要对所属计量设备的运行状态完成监测。然而，目前电力巡检路径的规划主要依赖于巡检人员的个人经验，这种主观性较强的方式在巡检区域扩大、环境更加复杂时，很难保证巡检路径的合理性和高效性，以及设备故障的排查不够充分具体，很多故障不能够及时发现。电力巡检路径的规划可以抽象为车辆路径问题，而蚁群算法是一种有效求解方法。蚁群算法受到真实蚁群规律的启发，即蚁群中的蚂蚁总能够发现从食物到蚁穴的最短路径，并且当地理环境变化时，它们能够及时调整到新的最短路径。蚁群算法具有求解时间短、易于实现等优点，在多目标优化、流程规划、机器人控制等诸多领域都有广泛的应用。

3、在以往的低压配电网运维工作实施过程中，配电网计量设备抢修主要依靠人工报修。而来自某个单一系统的故障信息使得研究和判断逻辑受到限制。这种由客户报修发起的传统被动报修模式已不能满足现代服务报修的要求，因此有效的设备故障分析和识别策略对提高应急报修效率起着重要作用。关于电表设备的各项档案内容、运行记录及工况信息等均需要经过设备运行单位实施监管，而设备检修单位则负责检修记录及试验档案等，其中涉及到的电表设备的分布不集中，监测数据不够直观给检修人员带来不便利、巡检效率低下等问题，不能够实现最优巡检路线来开展相应的检修工作，极大增加了企业的人力、物力成本，一定程度上降低了用户的服务质量。

4、因此需要一种考虑故障计量设备故障优先级的路径优化方法来生成最优服务路线，从而提升电力企业的服务质量以及巡检人员的工作效率。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种考虑故障优先级的多目标路径优化方法及系统，通过边缘计算网关智能化监测计量设备的实时运行状态，获取计量设备的故障信息，根据相关故障信息分析出巡检优先等级，然后对故障设备巡检路径规划的任务进行抽象描述，将其转化为数学问题；再根据本发明专利提出的一种考虑故障优先级的多目标路径优化算法来生成最优服务路线，来提升电力企业的服务质量以及巡检人员的工作效率。

2、为达到上述目的，本发明提供如下技术方案：

3、方案一、一种考虑故障优先级的多目标路径优化方法，该方法先针对计量设备进行故障信息采集，根据故障信息解析计量设备的故障类型以及位置；然后结合故障的严重程度和影响范围计算每个故障的等级以确定故障的检修紧急程度；综合考虑检修过程中检修紧急程度和检修距离计算综合服务代价指标，用于衡量训练路径规划的优劣；

4、以故障等级和巡检路径距离为约束条件，以巡检路径和综合服务代价指标为优化目标，通过蚁群算法获取最优的巡检路径和综合服务代价指标。其中，在蚁群算法中引入模拟退火算法以避免蚁群算法陷入局部最优解并提高收敛速度，同时在模拟退火算法中加入回火机制，进一步避免蚁群算法陷入局部最优解。

5、进一步的，故障等级的计算方式为：

6、failure_level＝(severity*weight1)+(impact*weight2)

7、式中，failure_level表示故障等级，severity表示故障的严重程度，impact表示故障的影响范围，weight1和weight2分别表示故障严重程度和影响范围的权重。

8、进一步的，综合服务代价指标的计算方式为：

9、z＝αl+βpij

10、

11、式中，l表示巡检路径距离，pij表示路径(i,j)的故障优先等级，dij表示路径(i,j)的距离，n表示故障点的数量；α和β为权重因子，用于调整检修故障优先级和巡检路径距离对综合服务代价指标的影响程度。

12、进一步的，在蚁群算法中，对信息素初始浓度分配机制、信息素更新机制和信息素挥发因子进行改进，以降低搜索时间，避免陷入局部最优困境。

13、其中信息素初始浓度分配机制改进为：

14、

15、式中，τij(0)表示初始时刻路径(i,j)上分配的信息素浓度；n表示路径(i,j)的初始长度；w1和w2表示权重系数。

16、信息素更新机制改进为：

17、τij(t+1)＝(1-c)τij(t)+δτij(t)

18、

19、

20、c表示信息素挥发因子，表示在一次循环中第k只蚂蚁在时刻t时经过节点i和节点j之间时所释放的信息素含量，m表示蚂蚁数量，zmax和zmin分别表示蚂蚁在搜寻过程中综合服务代价指标的最大值和最小值，zk表示蚂蚁k在此次搜寻过程中的综合服务代价指标值。

21、信息素挥发因子的改进为，将传统蚁群算法中常量的信息素挥发因子改进为(0,1)之间的随机变量。

22、进一步的，结合模拟退火算法和改进蚁群算法对巡检路径和综合服务代价指标进行优化，包括以下步骤：

23、s1、初始化蚁群的数量m、迭代次数n、总迭代次数nc和最大循环次数ncmax；初始化各路径信息素、蚁群算法中的各个参数以及模拟退火算法中的参数；

24、s2、将所有蚂蚁全部放置在检修中心，建立禁忌表tabuk，即蚂蚁目前已经访问的节点和检修中心构成的集合；建立allowk表，即没有访问的但能够进行访问的节点的集合；

25、s3、在满足故障优先等级的限制下，计算每只蚂蚁选择下个节点的概率以确定下一个将访问的节点，并将其放入tabuk中；直到所有蚂蚁访问完全部节点，即将所有节点都放入tabuk中，并返回检修服务中心；

26、s4、所有蚂蚁都完成了一次搜寻任务后得到模拟退火算法的初始解集；计算每只蚂蚁所经过的路径所产生的综合服务代价zk；再根据退火机制生成一组新的可行解z′；若δz＜0则接受新可行解为当前最优解，δz＝z′-zk；否则计算退火概率以判断是否接受生成的新可行解作为当前最优解；

27、s5、得到当前的最优解后更新信息素，清空当前的tabuk，t(t+1)＝(1-ξ)t(t)，t表示模拟退火算法的温度变量，ξ表示降温系数；循环次数自增1；当循环次数达到设定的最大循环次数时，则算法终止；否则跳转至步骤s3继续进行迭代；当连续多次迭代后均无更优的解出现时，算法终止，输出最优巡检路径以及综合服务代价指标最优值。

28、在步骤s4中，所述退火概率为：

29、

30、当p＞rand时，接受新可行解作为当前最优解，rand表示(0,1)间的随机数。

31、方案二、一种考虑故障优先级的多目标路径优化系统，该系统包括故障数据采集模块、故障数据解析模块、故障优先级评估模块和巡检路径优化模块。

32、其中故障数据采集模块用于采集故障计量设备的状态信息；

33、故障数据解析模块根据故障数据确定计量设备的故障类型和位置；

34、故障优先级评估模块根据故障的严重程度和影响范围计算故障等级，再根据故障等级和巡检路径距离计算综合服务代价指标；

35、巡检路径优化模块中搭载有方案一的模拟退火蚁群算法混合模型，该模型以故障等级和巡检路径距离为约束条件，对巡检路径和综合服务代价指标进行优化从而得到最优巡检路径。

36、本发明的有益效果在于：本发明能够综合考虑多个目标函数进行算法的优化，在多单派遣的情况下，辅助运维人员选择最优路线，可以减少巡检人员到达故障设备的时间，提高巡检效率，优化的路径可以确保巡检人员按照最佳顺序检查设备，从而确保故障的准确诊断和及时修复，减少计量设备的故障发现和提高检修服务质量，提高客户的满意度。

37、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。