CN113625712A - 一种基于回归分析算法的巡检机器人工作调整方法 - Google Patents

一种基于回归分析算法的巡检机器人工作调整方法 Download PDF

Info

Publication number
CN113625712A
CN113625712A CN202110891260.2A CN202110891260A CN113625712A CN 113625712 A CN113625712 A CN 113625712A CN 202110891260 A CN202110891260 A CN 202110891260A CN 113625712 A CN113625712 A CN 113625712A
Authority
CN
China
Prior art keywords
inspection
battery
robot
charging
inspection robot
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
Application number
CN202110891260.2A
Other languages
English (en)
Other versions
CN113625712B (zh
Inventor
戴哲仁
范明
傅进
周刚
曹阳
魏泽民
沈中元
罗志远
李锐锋
屠楚明
姚健
郭锋
李剑涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Yijiahe Technology Co Ltd
Original Assignee
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Yijiahe Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, Yijiahe Technology Co Ltd filed Critical Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202110891260.2A priority Critical patent/CN113625712B/zh
Publication of CN113625712A publication Critical patent/CN113625712A/zh
Application granted granted Critical
Publication of CN113625712B publication Critical patent/CN113625712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于回归分析算法的巡检机器人工作调整方法,包括以下步骤:S1:获取巡检机器人的巡检路线,记录分布在巡检路线上的充电桩以及机器人停机房位置;S2:根据充电桩充电和停机房充电建立电池损耗度映射表;S3:获取巡检机器人工作状态和对应的电池电量使用特性的历史数据,采用回归分析预测算法建立工作量预测模型;S4:获取巡检机器人当前巡检任务,根据工作量预测模型判断巡检机器人的电池电量是否满足当前巡检任务的需求,若满足,则进入步骤S6,否则,进入步骤S5;本发明巡检机器人在巡检过程中,电量能充分满足巡检要求,同时,合理进行充电,保护电池,减少电池的损坏,提高巡检机器人的使用寿命。

Description

一种基于回归分析算法的巡检机器人工作调整方法
技术领域
本发明涉及变电站巡检技术领域,尤其涉及一种基于回归分析算法的巡检机器人工作调 整方法。
背景技术
当前,人工智能技术已在金融、医疗、教育、制造等领域得到了广泛的应用,并取得不 错的应用效果。电力行业从业人员常涉及一些列高危操作,尤其是变电站内的一些工作,如 和闸、分闸、开关操作、设备巡视、异常及时事故处理。智能机器人是人工智能技术的典型 代表,可以代替人去完成一些工作,和变电站对人工智能技术的需求有天然的匹配性。
而机器人巡检过程中,不合理的巡检任务会导致巡检机器人的电池电量无法满足巡检需 求,或遇到突发事件时巡检机器人无法超电量工作,导致巡检工作难以正常进行,其根本原 因在于巡检机器人的充电与工作之间的协调问题,同时,不合理的充电会导致巡检机器人的 电池健康快速下降,导致使用寿命下降,同时,由于电池电量的原因,导致巡检机器人在巡 检过程中需要频繁进行工作调整。
例如,中国专利CN201910892668.4公开了一种变电站巡检机器人系统及巡检方法。具备 全向移动能力,可实现狭小路径的自由穿梭,通过SLAM导航实现巡视场景地图的生成以及 路径规划,然后通过视觉循迹实现巡检机器人的高精度位姿调整,保证同一二次设备每次的 巡视点位置相同,最后通过升降支架调整采集装置的高度来精确采集二次设备的运行状态及 信息;该方法对于巡检机器人进行工作指导时并没有考虑巡检机器人的电池电量问题,容易 导致巡检机器人超负荷工作,影响电池健康,降低巡检机器人的使用寿命。
发明内容
本发明主要解决现有的技术中对巡检机器人工作调整没有考虑电池健康的问题;提供一 种基于回归分析算法的巡检机器人工作调整方法,根据巡检机器人的电池电量对巡检任务进 行合理调整,充分考虑巡检机器人的巡检任务、充电位置以及充电点对电池健康的影响,使 得巡检机器人能在更好的完成巡检任务的同时以保证电池的健康。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于回归分析算法的 巡检机器人工作调整方法,包括以下步骤:
S1:获取巡检机器人的巡检路线,记录分布在巡检路线上的充电桩以及机器人停机房位置;S2:根据充电桩充电和停机房充电建立电池损耗度映射表;
S3:获取巡检机器人工作状态和对应的电池电量使用特性的历史数据,采用回归分析预测算 法建立工作量预测模型;
S4:获取巡检机器人当前巡检任务,根据工作量预测模型判断巡检机器人的电池电量是否满 足当前巡检任务的需求,若满足,则进入步骤S6,否则,进入步骤S5;
S5:制定第一充电计划,巡检机器人根据第一充电计划进行巡检工作;
S6:根据电池损耗度映射表制定第二充电计划,巡检机器人根据第二充电计划进行巡检工作。 通过机器人的充电,对巡检路线进行调整,满足快速巡检的同时,保证巡检机器人的用电安 全和用电正常,保证电池健康的状态下充电,在巡检机器人电池电量充足的情况进行工作调 整,有效提高巡检机器人的使用寿命。
作为优选,步骤S1中,巡检机器人的巡检路线设置方法为:
S11:利用GIS系统建立变电站三维地图,标记变电站中的变电器、开关柜、绝缘子以及隔离 开关;
S12:根据巡检机器人的工作内容对变电站中的变电器、开关柜、绝缘子以及隔离开关进行二 次标记;
S13:以二次标记的变电器、开关柜、绝缘子以及隔离开关为输入利用广度优先算法建立巡检 机器人的最短巡检路线。通过广度优先算法进行巡检机器人的最短巡检路线设置,使得巡检 机器人能更加高效的完成巡检任务。
作为优选,步骤S1中,所述充电桩采用新能源发电站传递的电能为巡检机器人充电,所 述停机房采用火力发电站传递的电能为巡检机器人充电。通过新能源发电站进行充电,有效 节约能源,考虑到新能源会产生电压波动,影响电池健康,对充电桩的新能源供电状态进行 监控,继而选取合适的充电桩进行巡检机器人充电。
作为优选,所述的新能源发电站包括太阳能发电站、风能发电站和\或地热能发电站。合 理利用可再生资源,节约能源。
作为优选,步骤S2中,电池损耗度映射表的建立方法为:
S21:采用充电桩对巡检机器人进行充电时,根据新能源传递的电压波动幅度产生电池损耗系 数θ1;
S22:采用停机房对巡检机器人充电时,根据停机房温度以及电池充电次数产生电池损耗系数 θ2;
S23:获取电池充电前的电池剩余电量,根据电池每次充电时的电池剩余电量产生电池损耗系 数θ3;
S24:根据步骤S21、步骤S22和步骤S23建立充电桩充电的电池损耗函数以及停机房充电的 电池损耗函数。通过充电桩充电的电池损耗函数以及停机房充电的电池损耗函数,对电池充 电损耗程度进行评估,合理选取巡检机器人的充电地点,提高巡检机器人的使用寿命。
作为优选,步骤S3中,工作量预测模型的建立方法包括以下步骤:
S31:获取历史数据中巡检机器人的工作种类、工作量、工作时间与电池电量的关系曲线以及 电池电量使用特性,将巡检机器人巡检后的电池剩余电量作为因变量,将巡检机器人的工作 种类、工作量、工作时间与电池电量的关系曲线以及电池电量使用特性作为自变量,建立回 归方程;
S32:将历史数据中的自变量分为训练集和测试集,利用训练集和测试集对回归方程进行训练 和测试后得到工作量预测模型。基于工作预测模块进行巡检工作,提高工作效率。
作为优选,步骤S5中,第一充电计划的建立方法为:
S51:将巡检机器人的工作任务输入工作量预测模型,判断巡检机器人当前电量是否满足工作 任务需求;若满足,则进行巡检工作,否则,进入步骤S52;
S52:根据停机房充电效率设定充电时长,根据巡检工作任务的开始时间对巡检机器人进行快 充或慢充;
S53:若巡检机器人在巡检过程中接到临时巡检任务,则根据剩余工作量和临时巡检任务量判 断电池剩余电量是否满足工作需求和返回停机房,若满足,则进入步骤S54,否则,进入步 骤S55;
S54:根据临时巡检任务目标和剩余工作目标重新规划巡检路线;
S55:根据临时巡检任务目标、剩余工作目标、充电桩位置、停机房位置、电池健康程度以及 电池损耗度映射表重新规划巡检路线。制定充电计划时充分考虑巡检任务、电池电量、充电 桩位置以及电池损耗,使得巡检机器人能在更好的完成巡检任务的同时以保证电池健康的状 态下充电。
作为优选,步骤S6中,通过电池损耗度映射表制定第二充电计划的具体方法为:
S61:获取当前电池健康程度,根据充电桩充电的电池损耗函数以及停机房充电的电池损耗函 数计算剩余电池健康程度;
S62:基于剩余电池健康程度制定巡检机器人完成任务后电池损耗最小的巡检路线;
S63:根据最短巡检路线和电池损耗最小的巡检路线进行加权计算,选择最终巡检路线,根据 最终巡检路线对第一充电计划进行修正得到第二充电计划。结合最短巡检路线和电池损耗最 小的巡检路线进行巡检机器人最优巡检路线的选取,使得巡检机器人既高效完成巡检任务又 能保持长久的使用寿命。
本发明的有益效果是:通过智能算法制定巡检机器人的最短巡检路线,根据电池损耗函 数制定巡检机器人的电池损耗最小的巡检路线,将两者进行加权后得到巡检机器人的最优巡 检路线,在巡检过程中遇到临时巡检任务时,结合后续任务和充电桩位置以及电池健康程度 进行综合考虑,继而进一步设定巡检路线,使得巡检机器人在巡检过程中,电量能充分满足 巡检要求,同时,合理进行充电,保护电池,减少电池的损坏,提高巡检机器人的使用寿命。
附图说明
图1是本发明实施例的检机器人工作调整方法的流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:一种基于回归分析算法的巡检机器人工作调整方法,如图1所示,包括以下步 骤:
S1:获取巡检机器人的巡检路线,记录分布在巡检路线上的充电桩以及机器人停机房位置, 巡检机器人在停机房中进行待机和停放,在开始巡检前以及巡检完毕后均位于停机房中,停 机房中设置有与巡检机器人固定的卡座,卡座上设置有用于给巡检机器人充电的磁性棒,巡 检机器人设置有与磁性棒相互吸引的充电槽,磁性棒为电磁性棒,通电后带有磁性,当巡检 机器人接到巡检指令时,磁性棒断电或接通反向电流,使磁性棒不再带电或与充电槽相互排 斥,使得巡检机器人能离开卡座进而离开停机房,沿设置的巡检路线进行变电站设备巡检; 巡检机器人的巡检路线设置方法为:
S11:利用GIS系统建立变电站三维地图,标记变电站中的变电器、开关柜、绝缘子以及隔离 开关;采用三维地图进行巡检路线查看,更加直观,可在地图上通过不同颜色进行变电器、 开关柜、绝缘子以及隔离开关的标记,例如,采用黄色标记表示变电器,蓝色标记表示开关 柜,绿色标记表示绝缘子,紫色标记表示隔离开关;当然,在变电站中还存在其他设备,当 其他设备列入巡检机器人的巡检任务中时,也会采用某种颜色对该设备进行标记;
S12:根据巡检机器人的工作内容对变电站中的变电器、开关柜、绝缘子以及隔离开关进行二 次标记;二次标记的方法为,将不需要进行巡检的设备的颜色标记去除,使其在地图上淡化 隐去,不在地图上进行显示;
S13:以二次标记的变电器、开关柜、绝缘子以及隔离开关为输入利用广度优先算法建立巡检 机器人的最短巡检路线;广度优先算法为现有的较为程度的机器人路线规划智能算法,根据 不同的输入,使巡检机器人根据不同的因素进行巡检路线的制定。
充电桩采用新能源发电站传递的电能为巡检机器人充电,在变电站内分布设置有多个充电桩, 每个充电桩在同一时间接受到来着新能源发电站不同波动幅度的电能,停机房采用火力发电 站传递的电能为巡检机器人充电,新能源发电站包括太阳能发电站、风能发电站和\或地热能 发电站。
S2:根据充电桩充电和停机房充电建立电池损耗度映射表;电池损耗度映射表的建立方法为:
S21:采用充电桩对巡检机器人进行充电时,根据新能源传递的电压波动幅度产生电池损耗系 数θ1;
S22:采用停机房对巡检机器人充电时,根据停机房温度以及电池充电次数产生电池损耗系数 θ2;
S23:获取电池充电前的电池剩余电量,根据电池每次充电时的电池剩余电量产生电池损耗系 数θ3;
S24:根据步骤S21、步骤S22和步骤S23建立充电桩充电的电池损耗函数以及停机房充电的 电池损耗函数。
充电桩充电的电池损耗函数的具体表达式为:
μ=γ-T×(θ1+θ3)
其中,μ表示充电桩充电的电池损耗值,T表示充电桩充电时长,γ表示当前电池健康程度值。 停机房充电的电池损耗函数的具体表达式为:
Figure BDA0003196176200000051
其中,
Figure BDA0003196176200000052
表示停机房充电的电池损耗值,t表示停机房充电时长,γ表示当前电池健康程度值。
S3:获取巡检机器人工作状态和对应的电池电量使用特性的历史数据,采用回归分析预测算 法建立工作量预测模型;工作量预测模型的建立方法包括以下步骤:
S31:获取历史数据中巡检机器人的工作种类、工作量、工作时间与电池电量的关系曲线以及 电池电量使用特性,将巡检机器人巡检后的电池剩余电量作为因变量,将巡检机器人的工作 种类、工作量、工作时间与电池电量的关系曲线以及电池电量使用特性作为自变量,建立回 归方程;
S32:将历史数据中的自变量分为训练集和测试集,利用训练集和测试集对回归方程进行训练 和测试后得到工作量预测模型。
S4:获取巡检机器人当前巡检任务,根据工作量预测模型判断巡检机器人的电池电量是否满 足当前巡检任务的需求,若满足,则进入步骤S6,否则,进入步骤S5。
S5:制定第一充电计划,巡检机器人根据第一充电计划进行巡检工作;巡检机器人第一充电 计划的建立方法为:
S51:将巡检机器人的工作任务输入工作量预测模型,判断巡检机器人当前电量是否满足工作 任务需求;若满足,则进行巡检工作,否则,进入步骤S52;
S52:根据停机房充电效率设定充电时长,根据巡检工作任务的开始时间对巡检机器人进行快 充或慢充;
S53:若巡检机器人在巡检过程中接到临时巡检任务,则根据剩余工作量和临时巡检任务量判 断电池剩余电量是否满足工作需求和返回停机房,若满足,则进入步骤S54,否则,进入步 骤S55;
S54:根据临时巡检任务目标和剩余工作目标重新规划巡检路线;
S55:根据临时巡检任务目标、剩余工作目标、充电桩位置、停机房位置、电池健康程度以及 电池损耗度映射表重新规划巡检路线。
S6:根据电池损耗度映射表制定第二充电计划,巡检机器人根据第二充电计划进行巡检工作; 通过电池损耗度映射表制定第二充电计划的方法为:
S61:获取当前电池健康程度,根据充电桩充电的电池损耗函数以及停机房充电的电池损耗函 数计算剩余电池健康程度;
S62:基于剩余电池健康程度制定巡检机器人完成任务后电池损耗最小的巡检路线;
S63:根据最短巡检路线和电池损耗最小的巡检路线进行加权计算,选择最终巡检路线,根据 最终巡检路线对第一充电计划进行修正得到第二充电计划。
第二充电计划的后续建立方法可参考第一充电计划,两者不同之处在于,第一充电计划中巡 检机器人根据最短巡检路线进行巡检,第二充电计划中巡检机器人根据最优巡检路线进行巡 检。
本发明通过智能算法制定巡检机器人的最短巡检路线,根据电池损耗函数制定巡检机器 人的电池损耗最小的巡检路线,将两者进行加权后得到巡检机器人的最优巡检路线,在巡检 过程中遇到临时巡检任务时,结合后续任务和充电桩位置以及电池健康程度进行综合考虑, 继而进一步设定巡检路线,使得巡检机器人在巡检过程中,电量能充分满足巡检要求,同时, 合理进行充电,保护电池,减少电池的损坏,提高巡检机器人的使用寿命。
在巡检过程中,若遇到紧急情况,需要巡检机器人快速完成巡检任务,则巡检机器人可 通过第一充电计划,以最短巡检路线进行巡检工作,若为了保护巡检机器人的电池健康,则 在平常状态下,采用第二充电计划,以最优巡检路线进行巡检工作,提高巡检机器人的使用 寿命。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制, 在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (8)

1.一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,包括以下步骤:
S1:获取巡检机器人的巡检路线,记录分布在巡检路线上的充电桩以及机器人停机房位置;
S2:根据充电桩充电和停机房充电建立电池损耗度映射表;
S3:获取巡检机器人工作状态和对应的电池电量使用特性的历史数据,采用回归分析预测算法建立工作量预测模型;
S4:获取巡检机器人当前巡检任务,根据工作量预测模型判断巡检机器人的电池电量是否满足当前巡检任务的需求,若满足,则进入步骤S6,否则,进入步骤S5;
S5:制定第一充电计划,巡检机器人根据第一充电计划进行巡检工作;
S6:根据电池损耗度映射表制定第二充电计划,巡检机器人根据第二充电计划进行巡检工作。
2.根据权利要求1所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S1中,巡检机器人的巡检路线设置方法为:
S11:利用GIS系统建立变电站三维地图,标记变电站中的变电器、开关柜、绝缘子以及隔离开关;
S12:根据巡检机器人的工作内容对变电站中的变电器、开关柜、绝缘子以及隔离开关进行二次标记;
S13:以二次标记的变电器、开关柜、绝缘子以及隔离开关为输入利用广度优先算法建立巡检机器人的最短巡检路线。
3.根据权利要求1所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S1中,所述充电桩采用新能源发电站传递的电能为巡检机器人充电,所述停机房采用火力发电站传递的电能为巡检机器人充电。
4.根据权利要求3所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
所述新能源发电站包括太阳能发电站、风能发电站和\或地热能发电站。
5.根据权利要求3或4所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S2中,电池损耗度映射表的建立方法为:
S21:采用充电桩对巡检机器人进行充电时,根据新能源传递的电压波动幅度产生电池损耗系数θ1;
S22:采用停机房对巡检机器人充电时,根据停机房温度以及电池充电次数产生电池损耗系数θ2;
S23:获取电池充电前的电池剩余电量,根据电池每次充电时的电池剩余电量产生电池损耗系数θ3;
S24:根据步骤S21、步骤S22和步骤S23建立充电桩充电的电池损耗函数以及停机房充电的电池损耗函数。
6.根据权利要求1所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S3中,工作量预测模型的建立方法包括以下步骤:
S31:获取历史数据中巡检机器人的工作种类、工作量、工作时间与电池电量的关系曲线以及电池电量使用特性,将巡检机器人巡检后的电池剩余电量作为因变量,将巡检机器人的工作种类、工作量、工作时间与电池电量的关系曲线以及电池电量使用特性作为自变量,建立回归方程;
S32:将历史数据中的自变量分为训练集和测试集,利用训练集和测试集对回归方程进行训练和测试后得到工作量预测模型。
7.根据权利要求6所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S5中,第一充电计划的建立方法为:
S51:将巡检机器人的工作任务输入工作量预测模型,判断巡检机器人当前电量是否满足工作任务需求;若满足,则进行巡检工作,否则,进入步骤S52;
S52:根据停机房充电效率设定充电时长,根据巡检工作任务的开始时间对巡检机器人进行快充或慢充;
S53:若巡检机器人在巡检过程中接到临时巡检任务,则根据剩余工作量和临时巡检任务量判断电池剩余电量是否满足工作需求和返回停机房,若满足,则进入步骤S54,否则,进入步骤S55;
S54:根据临时巡检任务目标和剩余工作目标重新规划巡检路线;
S55:根据临时巡检任务目标、剩余工作目标、充电桩位置、停机房位置、电池健康程度以及电池损耗度映射表重新规划巡检路线。
8.根据权利要求5所述的一种基于回归分析算法的巡检机器人工作调整方法,其特征在于,
步骤S6中,通过电池损耗度映射表制定第二充电计划的具体方法为:
S61:获取当前电池健康程度,根据充电桩充电的电池损耗函数以及停机房充电的电池损耗函数计算剩余电池健康程度;
S62:基于剩余电池健康程度制定巡检机器人完成任务后电池损耗最小的巡检路线;
S63:根据最短巡检路线和电池损耗最小的巡检路线进行加权计算,选择最终巡检路线,根据最终巡检路线对第一充电计划进行修正得到第二充电计划。
CN202110891260.2A 2021-08-04 2021-08-04 一种基于回归分析算法的巡检机器人工作调整方法 Active CN113625712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110891260.2A CN113625712B (zh) 2021-08-04 2021-08-04 一种基于回归分析算法的巡检机器人工作调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110891260.2A CN113625712B (zh) 2021-08-04 2021-08-04 一种基于回归分析算法的巡检机器人工作调整方法

Publications (2)

Publication Number Publication Date
CN113625712A true CN113625712A (zh) 2021-11-09
CN113625712B CN113625712B (zh) 2023-10-31

Family

ID=78382636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110891260.2A Active CN113625712B (zh) 2021-08-04 2021-08-04 一种基于回归分析算法的巡检机器人工作调整方法

Country Status (1)

Country Link
CN (1) CN113625712B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757454A (zh) * 2023-08-21 2023-09-15 松立控股集团股份有限公司 基于蚁群优化算法的智能巡检配置优化方法及系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001050149A1 (es) * 1999-12-31 2001-07-12 Lear Automotive (Eeds) Spain, Sl Metodo para medida dinamica del estado de salud y de carga de la bateria de un vehiculo y dispositivo para su puesta en practica
US20090146664A1 (en) * 2007-12-06 2009-06-11 Gm Global Technology Operations, Inc. Battery state of health monitoring system and method
JP2011120327A (ja) * 2009-12-01 2011-06-16 Panasonic Corp 充電制御装置および充電制御方法
WO2012093638A1 (ja) * 2011-01-06 2012-07-12 日本電気株式会社 充電制御装置、充電制御方法、及びプログラム
US20140201090A1 (en) * 2013-01-17 2014-07-17 Shwu-Jian Liang Managing and monitoring car-battery to effectively and safely supply energy to electrically powered vehicles
CN104393647A (zh) * 2014-11-28 2015-03-04 上海交通大学 一种用于电动汽车的充电桩系统
WO2015049969A1 (en) * 2013-10-04 2015-04-09 Kabushiki Kaisha Toshiba Operation management device for electric vehicle, and operation planning method
WO2016100919A1 (en) * 2014-12-19 2016-06-23 California Institute Of Technology Improved systems and methods for management and monitoring of energy storage and distribution
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
CN109217414A (zh) * 2018-09-04 2019-01-15 南京理工大学 一种用于变电站巡检机器人的自动充电装置及充电方法
CN109986581A (zh) * 2019-05-06 2019-07-09 北京云迹科技有限公司 一种多任务服务机器人及服务系统
US20200218270A1 (en) * 2019-01-07 2020-07-09 Wing Aviation Llc Using machine learning techniques to estimate available energy for vehicles
CN111510686A (zh) * 2020-04-27 2020-08-07 中国南方电网有限责任公司超高压输电公司天生桥局 一种基于车载的无人机电力巡检飞行管控方法和系统
DE102019202014A1 (de) * 2019-02-14 2020-08-20 Robert Bosch Gmbh Vorrichtung und Verfahren zur Berechnung einer Ladedauer und Verfahren zur Optimierung einer Route
CN111639795A (zh) * 2020-05-19 2020-09-08 深圳供电局有限公司 一种变电站机器人智能巡检任务规划方法
CN111769609A (zh) * 2020-06-23 2020-10-13 张梅 一种巡检机器人智能充电方法
WO2020232315A1 (en) * 2019-05-15 2020-11-19 Sf Motors, Inc. Energy efficient path planning of autonomous electric vehicle
US20210080508A1 (en) * 2019-09-12 2021-03-18 Semiconductor Components Industries, Llc Methods and system for a battery

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001050149A1 (es) * 1999-12-31 2001-07-12 Lear Automotive (Eeds) Spain, Sl Metodo para medida dinamica del estado de salud y de carga de la bateria de un vehiculo y dispositivo para su puesta en practica
US20090146664A1 (en) * 2007-12-06 2009-06-11 Gm Global Technology Operations, Inc. Battery state of health monitoring system and method
JP2011120327A (ja) * 2009-12-01 2011-06-16 Panasonic Corp 充電制御装置および充電制御方法
WO2012093638A1 (ja) * 2011-01-06 2012-07-12 日本電気株式会社 充電制御装置、充電制御方法、及びプログラム
US20130285608A1 (en) * 2011-01-06 2013-10-31 Nec Corporation Charging control device, charging control method, and program
US20140201090A1 (en) * 2013-01-17 2014-07-17 Shwu-Jian Liang Managing and monitoring car-battery to effectively and safely supply energy to electrically powered vehicles
WO2015049969A1 (en) * 2013-10-04 2015-04-09 Kabushiki Kaisha Toshiba Operation management device for electric vehicle, and operation planning method
CN104393647A (zh) * 2014-11-28 2015-03-04 上海交通大学 一种用于电动汽车的充电桩系统
WO2016100919A1 (en) * 2014-12-19 2016-06-23 California Institute Of Technology Improved systems and methods for management and monitoring of energy storage and distribution
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
CN109217414A (zh) * 2018-09-04 2019-01-15 南京理工大学 一种用于变电站巡检机器人的自动充电装置及充电方法
US20200218270A1 (en) * 2019-01-07 2020-07-09 Wing Aviation Llc Using machine learning techniques to estimate available energy for vehicles
DE102019202014A1 (de) * 2019-02-14 2020-08-20 Robert Bosch Gmbh Vorrichtung und Verfahren zur Berechnung einer Ladedauer und Verfahren zur Optimierung einer Route
CN109986581A (zh) * 2019-05-06 2019-07-09 北京云迹科技有限公司 一种多任务服务机器人及服务系统
WO2020232315A1 (en) * 2019-05-15 2020-11-19 Sf Motors, Inc. Energy efficient path planning of autonomous electric vehicle
US20210080508A1 (en) * 2019-09-12 2021-03-18 Semiconductor Components Industries, Llc Methods and system for a battery
CN111510686A (zh) * 2020-04-27 2020-08-07 中国南方电网有限责任公司超高压输电公司天生桥局 一种基于车载的无人机电力巡检飞行管控方法和系统
CN111639795A (zh) * 2020-05-19 2020-09-08 深圳供电局有限公司 一种变电站机器人智能巡检任务规划方法
CN111769609A (zh) * 2020-06-23 2020-10-13 张梅 一种巡检机器人智能充电方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BIN ZHANG 等: "Autonomous Vehicle Battery State-of-Charge Prognostics Enhanced Mission Planning", INTERNATIONAL JOURNAL OF PROGNOSTICS AND HEALTH MANAGEMENT, vol. 5, no. 2, pages 7 - 18 *
SCHACHT-RODRIGUEZ, R 等: "Path Planning Generation Algorithm for a Class of UAV Multirotor Based on State of Health of Lithium Polymer Battery", JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS, vol. 91, no. 1, pages 115 - 131, XP036552093, DOI: 10.1007/s10846-018-0870-0 *
侯宇硕: "考虑电动物流车充电时空因素的城市配送路径优化研究", 中国优秀硕士论文全文数据库工程科技Ⅱ辑, no. 4, pages 23 - 32 *
郭放;杨;杨超;: "考虑充电策略与电池损耗的电动汽车路径优化问题研究", 中国管理科学, no. 09, pages 109 - 121 *
黄柯;专祥涛;: "基于最小能耗的一种锂电池充电策略", 电源技术, no. 04, pages 72 - 75 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757454A (zh) * 2023-08-21 2023-09-15 松立控股集团股份有限公司 基于蚁群优化算法的智能巡检配置优化方法及系统
CN116757454B (zh) * 2023-08-21 2023-11-17 松立控股集团股份有限公司 基于蚁群优化算法的智能巡检配置优化方法及系统

Also Published As

Publication number Publication date
CN113625712B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN106990328B (zh) 配网抢修异常数据分析、故障定位系统及方法
CN107394873B (zh) 一种电力巡检无人机的全自动环保无线充电系统
CN112381963B (zh) 一种基于数字孪生技术的电力物联网智能巡检方法及系统
CN102566576B (zh) 一种用于变电站顺控系统的多巡检机器人协同运作方法
CN112611386B (zh) 一种基于优选路线规划的变电站智能巡检方法
CN103366051B (zh) 一次设备和二次设备建模的方法与系统
CN106814286B (zh) 基于多元故障采集的配电网故障定位系统、方法及服务器
CN105515045A (zh) 基于多代理的输配网与分布式电源协调控制系统和方法
CN108681830B (zh) 一种变电站巡视智能作业动态指挥方法及系统
CN105552860A (zh) 一种基于储能和分布式电源的配电网孤岛运行划分方法
CN110165753A (zh) 用于输电线路巡检机器人的充电装置及其方法
CN108649575B (zh) 交直流混合微电网及其保护控制中心和保护控制方法
CN209748248U (zh) 巡检机器人及其充电装置、电能输出装置
CN110504754A (zh) 一种基于地理信息自动生成三维分层结构的电网监控方法
CN113625712A (zh) 一种基于回归分析算法的巡检机器人工作调整方法
CN111129995A (zh) 一种变电站协同智能巡检系统及其应用方法
Vayá et al. On the interdependence of intelligent charging approaches for plug-in electric vehicles in transmission and distribution networks
CN107953798A (zh) 基于蓄能充电桩电量引导的电动运载工具导航方法及系统
WO2019128755A1 (zh) 基于蓄能充电桩电量引导的电动运载工具导航方法及系统
Zhang et al. Optimal model for patrols of UAVs in power grid under time constraints
CN108710365A (zh) 一种基于最优路径巡航的水上机器人自动充电方法及装置
CN105071395B (zh) 基于供电路径逻辑搜索的高压配电网负荷转供方法
CN110058126A (zh) 配电网故障判断方法和装置
CN113690963A (zh) 一种基于智能算法的变电站巡检机器人充电方法
CN205355959U (zh) 一种配电自动化系统

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