CN115793704A - 一种无人直升机光伏太阳能电厂最优巡检路径规划方法 - Google Patents

Abstract

本发明公开了一种无人直升机光伏太阳能电厂最优巡检路径规划方法，包括：(1)获取光伏电厂的栅格地图包；(2)将光伏电厂划分为若干子模块；(3)获取无人直升机飞行高度h；(4)调取光伏电厂的栅格地图包，采用改进的蚁群算法分别获取经过每个子模块中所有光伏板地理阵列的最短巡检路径；(5)确定子模块中光伏板地理阵列的巡检顺序，按巡检顺序对光伏板地理阵列按“弓”字形巡检要求进行局部巡检路径规划，整合每个子模块中的局部巡检路径形成该子模块的最终巡检路径；(6)根据无人直升机的飞行高度、云台参数对子模块的最终巡检路径作整体平移、抬高以及整合处理获得无人直升机全局最优巡检路径。本发明能够全面巡检光伏电厂并获取无人直升机巡检的最优路径。

Description

一种无人直升机光伏太阳能电厂最优巡检路径规划方法

技术领域

本发明涉及无人直升机路径规划技术领域，具体是涉及一种无人直升机光伏太阳能电厂最优巡检路径规划方法。

背景技术

随着各国对能源需求量的增加以及人们环保意识的增强，越来越多的光伏电站建成并投入使用。由于光伏发电的特点，光伏板面积大，数量多，光伏电厂占地面积大。目前光伏电厂的巡检方式主要采用人工现场抽检的方式，这不仅无法全面了解组件的状态，而且测试方法繁琐，故障识别率低。并且部分光伏电站建设地点环境复杂，例如部分光伏电站地势复杂或者涉及水域等，人工检测难度大且具有安全风险。

在这种背景下，往往采用无人直升机搭配光伏巡检系统作业的方法不仅可以解决光伏电站分布广、距离远的问题，还可以有效地降低成本。为了进一步的降低巡检过程所需能源消耗，现有技术中存在许多配合光伏巡检路径优化规划算法，可以极大提高光伏电站的巡检效率和自动化水平，降低光伏电厂运营成本，并且拍摄出的照片整齐有序，方便后续的处理。例如：专利申请号为“202110693216.0”的专利申请公开了一种基于蚁群算法的输电线路无人机巡检路径优化方法，结合输电线路、杆塔以及所在地形的地理信息数据和卫星地图影像，将巡检任务的杆塔以及无人机的有效链路区域融合到公路地图中，优化选择无人机的起降点，建立输电线路无人机巡检路径规划模型，并对最大最小蚁群算法进行改进，以提高输电线路无人机巡检路径规划模型的求解效率；但是根据该方法规划出的巡检路径并不能针对全部的光伏板覆盖式巡检，并且巡检的效率有待进一步的提高。

发明内容

发明目的：针对以上问题，本发明提供一种无人直升机光伏太阳能电厂最优巡检路径规划方法，能够全面检查光伏电厂内所有光伏板状态，同时获取无人直升机巡检的最短路径，巡检效率高，巡检成本低。

技术方案：为解决上述问题，本发明公开一种无人直升机光伏太阳能电厂最优巡检路径规划方法，具体包括以下步骤：

(1)采集光伏电厂地形数据、充电电桩的位置、光伏板地理阵列位置坐标、光伏板地理阵列序号构建光伏电厂的地图数据库；根根据该地图数据库采用栅格建模方法建立路径规划空间，生成光伏电厂的栅格地图包；

(2)将光伏电厂划分为若干子模块；

(3)计算并获取无人直升机相对于光伏板的飞行高度h；

(4)调取光伏电厂的栅格地图包，采用改进的蚁群算法分别获取经过每个子模块中所有光伏板地理阵列且不重复经过的最短巡检路径；

(5)针对每个子模块，根据对应的最短巡检路径以及起飞点确定该子模块中所有光伏板地理阵列的巡检顺序；按照该巡检顺序依次对单个光伏板地理阵列进行局部巡检路径规划，即按照“弓”字形巡检路径完成该单个光伏板地理阵列内所有光伏板的巡检；整合每个子模块中的所有局部巡检路径形成该子模块的最终巡检路径；

(6)根据无人直升机的飞行高度以及无人直升机云台参数分别计算每个子模块的最终巡检路径与无人直升机巡检路径之间的几何距离Δd，将每个子模块的最终巡检路径整体平移对应的Δd米后获取该子模块最优巡检路径；整合所有子模块最优巡检路径并抬高h米，最终获得无人直升机全局最优巡检路径。

进一步的，步骤(4)中所述采用改进蚁群算法分别获取经过每个子模块中所有光伏板地理阵列且不重复经过的最短巡检路径具体包括以下步骤：

(4.1)计算获取各光伏板地理阵列之间的距离D，将距离D按比例缩小以加快蚁群算法运行速度；具体公式为：

式中，D_ij表示编号为i的光伏板地理阵列到编号为j的光伏板地理阵列的距离；m表示缩放系数；C_i表示编号为i的光伏板地理阵列的中心点位置坐标，C_j表示编号为j的光伏板地理阵列的中心点位置坐标，d_i表示巡检编号为i的光伏板地理阵列的预估路程，具体公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(4.2)设置蚂蚁数量M，信息素启发因子α，期望启发因子β，信息素挥发系数ρ，信息素浓度Q，最大迭代次数NC_max；初始化待访问的光伏板地理阵列allowed、禁忌表tabu，信息素浓度τ；

(4.3)每只蚂蚁随机选择起始光伏板地理阵列，再计算未选择的光伏板地理阵列被选中的概率，利用轮盘赌算法选出下一个光伏板地理阵列，并将此时的光伏板地理阵列放入到各自的禁忌表tabu中，更新待访问的光伏板地理阵列allowed，直至所有的蚂蚁走完所有的光伏板地理阵列；所述未选择的光伏板地理阵列被选中的概率具体公式为：

式中，

表示第k只蚂蚁未选择的光伏板地理阵列下一步被选中的概率；τ_ij表示光伏板地理阵列i至目标光伏板地理阵列j的信息素浓度；η_ij表示目标光伏板地理阵列j对光伏板地理阵列i的能见度，具体为D_ij的倒数；τ_is表示光伏板地理阵列i至目标光伏板地理阵列s的信息素浓度；η_is表示目标光伏板地理阵列s对光伏板地理阵列i的能见度，具体为D_is的倒数；

(4.4)待所有蚂蚁完成遍历任务之后，计算出本次迭代过程中各个蚂蚁走过的路线总长度L_k并比较获取最长路径与最短路径，将本次迭代循环获得的最短路径与当前已经完成的迭代循环中的最短路径进行比较保留最优的最短路径；

(4.5)更新信息素，具体公式为：

τ_ij＝(1-ρ)τ_ij+Δτ_ij

式中，Q表示此次迭代循环的信息素总量；N表示从光伏板地理阵列i到光伏板地理阵列j的蚂蚁数量；L_α表示最优的最短路径的长度；L_β表示本次迭代循环中最长路径的长度；σ表示走最短路径L_α的蚂蚁数量；

(4.6)判断当前迭代次数是否达到最大，若达到最大迭代次数，则输出当前最优的最短路径，若未达到则返回步骤(4.2)；

(4.7)判断是否计算完所有子模块的最短巡检路径，若全部完成，结束计算，输出每个子模块的最短巡检路径，若未完成，则调取下一个子模块的栅格地图，转至步骤(4.1)。

进一步的，步骤(5)具体为：

(5.1)根据起飞点判断无人直升机和单个子模块内各光伏板地理阵列的相对距离，选取相对距离最短的光伏板地理阵列作为起始巡检光伏板地理阵列，并根据该子模块对应的最短巡检路径确定该子模块中光伏板地理阵列的巡检顺序；构建path表用来存放航点；

(5.2)调取巡检顺序列中第一个光伏板地理阵列的栅格地图，将起飞点放入path表中；

(5.3)将path表中最后一个点设置为巡检光伏板地理阵列的入航点，所述path表中最后一个点为上个光伏板地理阵列的出航点或起飞点；针对当前待巡检光伏板地理阵列，选择距离入航点最近的光伏板地理阵列的角点，将其设置为规划起点；

(5.4)无人直升机以规划起点按设定的巡检方向移动；并将规划起点设置为当前节点，放入path表中；

(5.5)从当前节点开始，按照“弓”字形巡检路径要求移动p₁米到新的节点，该新的节点为“弓”字形轨迹的拐点，将新的节点替换为当前节点，并放入path表中；所述p₁的大小为当前拍摄范围内光伏板地理阵列中最长行的长度；

(5.6)判断是否巡检完当前待巡检的光伏板地理阵列中所有光伏板，若巡检完成，将当前节点设置为当前待巡检的光伏板地理阵列的出航点，也同时为下一个待巡检的光伏板地理阵列的入航点，转至步骤(5.7)；若未巡检完成，根据当前节点以及下次拍摄范围内最长行的位置信息，移动到新的节点并替换为当前节点，放入path表中，改变巡检方向，转至步骤(5.5)；

(5.7)判断是否巡检完子模块内所有的光伏板地理阵列；若已经巡检完，转至步骤(5.8)；若未巡检完，依据光伏板地理阵列的巡检顺序，调取该子模块中的下一个光伏板地理阵列栅格地图，转至步骤(5.3)；

(5.9)输出path表，获取单个子模块的最终巡检路径。

进一步的，步骤(3)中的无人直升机相对于光伏板的飞行高度h具体的获取方式为：

(3.1)根据光伏板地理阵列的宽度、光伏板的安装角度、无人直升机云台俯仰角以及相机的视场角角度计算被光伏板遮挡的无效距离L₁，公式为：

L₁＝W₂×sin(alfa)×tan(90-beta+0.5×ang)

式中，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；beta表示无人直升机云台的俯仰角度；ang表示视场角角度；

(3.2)根据光伏板地理阵列的宽度、光伏板的安装角度计算光伏板地理阵列投影至地面的距离L₂，公式为：

L₂＝n×W₁+n×W₂×cos(alfa)

式中，W₁表示前后两个光伏板地理阵列之间的间距；n表示拍摄范围内光伏板的行数；

(3.3)计算无人直升机相对于光伏板的飞行高度h，公式为：

进一步的，步骤(6)具体为：

(6.1)根据无人直升机的飞行高度以及无人直升机云台参数分别计算每个子模块的最终巡检路径与无人直升机巡检路径之间的几何距离Δd，公式为：

Δd＝h×cos(beta)

式中，Δd表示各子模块的最终巡检路径和无人直升机巡检路径之间的几何距离；beta表示无人直升机云台的俯仰角度；

(6.2)将每个子模块的最终巡检路径整体平移对应的Δd米后获取该子模块最优巡检路径；

(6.3)整合所有子模块最优巡检路径并抬高h米，最终获得无人直升机全局最优巡检路径。

进一步的，步骤(2)具体为：

(2.1)计算单个光伏板地理阵列的巡检路径长度L_i，计算公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(2)计算无人直升机的最大航程L_UVA，其表达式为：

L_UVA＝h_UVA×V_UVA

式中，h_UVA表示无人直升机的续航时间，V_UVA表示无人直升机的巡检速度；

(3)根据每个光伏板地理阵列巡检路径长度L_i、充电电桩的位置以及无人直升机的航程L_UVA将整个光伏电厂划分若干子模块使得无人直升机满足充电需求的同时巡检完光伏电厂所有光伏板地理阵列所需巡检次数最少。

此外，本发明还提供一种计算机设备，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计算机程序时实现上述任一方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。

有益效果：本发明所述一种无人直升机光伏太阳能电厂最优巡检路径规划方法相对于现有技术而言，其显著优点是：1、通过对光伏板之间的距离进行等比例的缩小改进蚁群算法进而加快蚁群算法的运算速度，获得一条经过子模块中所有光伏板地理阵列的最短巡检路径，同时提高路径规划的速度；2、提出一种巡检算法对子模块内的光伏板地理阵列进行局部规划，规划出“弓”字形路径，最后将优化后的局部路径整合获得最终巡检路径，根据最终巡检路径与无人直升机巡检路径的几何关系获取无人直升机光伏电厂最优巡检路径，实现了尽可能全面检查光伏电厂内所有光伏板状态，同时巡检效率得以提高。

附图说明

图1所示为本发明所述光伏电厂的示意图；

图2所示为本发明所述光伏电厂栅格建模流程图；

图3所示为本发明所述光伏电厂划分的各子模块示意图；

图4所示为本发明所述子模块中第一子模块的数字地图模型；

图5所示为本发明所述蚁群算法流程图；

图6所示为本发明所述第一子模块的最短巡检路径示意图；

图7所示为本发明所述各子模块局部规划算法流程图；

图8所示为本发明所述第一子模块中单个光伏地理阵列的局部巡检路径示意图；

图9所示为本发明所述无人直升机于第一子模块中单个光伏地理阵列的最优巡检路径示意图；

图10所示为本发明所述无人直升机于第一子模块内的最优巡检路径示意图。

具体实施方式

下面结合附图对本发明的技术方案进一步说明。

本发明提供的一种无人直升机光伏太阳能电厂最优巡检路径规划方法，具体步骤包括：

步骤一、如图1所示，根据实际基建数据，包括：光伏电厂地形数据、充电电桩的位置、光伏板地理阵列位置坐标、光伏板地理阵列序号建立光伏电厂的地图数据库；由地图数据库构建规划空间，用栅格将规划空间离散化形成获取光伏电厂的栅格地图包。如图2所示，具体包括以下步骤：

(1)扫描光伏电厂基建总平面图，建立地图数据库，其中包含光伏电厂的边界、地形数据、光伏板的大小、光伏板位置等；

(2)采用东北天直角坐标系，根据整个光伏电厂的边界，建立一个长方体的规划空间，这个规划空间边界大于整个光伏电厂的边界。坐标原点为地形数据的西南基准点，高度采用相对高度，基准点的高度为光伏电厂的高度。

(3)将光伏电厂的地形数据以及光伏板的位置转化为东北天直角坐标系中的坐标；

(4)根据无人直升机的尺寸，光伏电厂的地形数据等信息，确定栅格单元的大小；

(5)将规划空间的三个维度大小按照对应的栅格长度进行离散化，形成一个由i×j×k个栅格组成的空间，数学上采用三维矩阵数组来表示；

(6)根据每个栅格中是否存在光伏板，确定地图三维矩阵数组元素为1或0；

(7)形成一个完整的栅格地图包，其中包含规划空间大小、栅格大小、栅格数量、地形数据、光伏板位置信息、光伏板地理阵列信息、所有栅格组成的地图三维矩阵。

步骤二、针对建立的光伏电厂的地图数据库，依据无人直升机的续航性能、飞行速度等性能，将原本的光伏电厂划分成若干模块，以确保无人直升机在性能约束条件下获得最优的巡检效率。具体包括：

(1)计算单个光伏板地理阵列每行的长度，再结合相机的拍摄范围，计算出预估的“弓”字形光伏巡检路径，计算单个光伏板地理阵列的巡检路径长度L_i，计算公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(2)根据无人直升机的续航性能、飞行速度等性能参数计算无人直升机的最大航程L_UVA，其表达式为：

L_UVA＝h_UVA×V_UVA

式中，h_UVA表示无人直升机的续航时间，V_UVA表示无人直升机的巡检速度；

(3)根据每个光伏板地理阵列巡检路径长度L_i、充电电桩的位置以及无人直升机的航程L_UVA，用L_i/L_UVA预估无人直升机巡检次数，根据巡检次数将整个光伏电厂若干子模块使得无人直升机满足充电需求的同时巡检完光伏电厂所有光伏板地理阵列所需巡检次数最少。

如图3所示，本实施例中将光伏电厂整体划分为四个模块，分别为第一子模块至第四子模块，序号记为1-4。其中，充电电桩的位置已用字母A标出，距离充电电桩越近的模块包含的光伏板越多。如图4所示为第一子模块的栅格地图，包含若干光伏板地理阵列。

步骤三、计算无人直升机相对于被摄光伏板图像中心的几何位置；

(1)根据光伏板地理阵列的宽度、光伏板的安装角度、无人直升机云台俯仰角以及相机的视场角角度计算被光伏板遮挡的无效距离L₁，公式为：

L₁＝W₂×sin(alfa)×tan(90-beta+0.5×ang)

式中，无效距离L₁表示拍摄范围内无光伏板的距离；W₂表示光伏板的宽度；alfa表示光伏板安装的角度；beta表示无人直升机云台的俯仰角度；ang表示视场角角度；

(2)根据光伏板地理阵列的宽度、光伏板的安装角度计算光伏板地理阵列投影至地面的距离L₂，公式为：

L₂＝n×W₁+n×W₂×cos(alfa)

式中，W₁表示前后两个光伏板地理阵列之间的间距；n表示拍摄范围内光伏板的行数；

(3.3)计算无人直升机相对于光伏板的飞行高度h，公式为：

本实施例中，W₂的取值为3.327，alfa取值为28°，beta取值为80°，ang取值为34°。W₁取值为6.2，n取值为3。

步骤四、调取光伏电厂的栅格地图包，采用改进的蚁群算法分别获取经过每个子模块中所有光伏板地理阵列且不重复经过的最短巡检路径；如图5所示，具体过程为：

(1)计算子模块内所有光伏板阵地理阵列的中心点CP_i，然后将CP_i存入数组C中；

(2)计算出巡检完单个光伏板地理阵列的预估路程d_i；公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(3)计算获取各光伏板地理阵列之间的距离D，将距离D按比例缩小以加快蚁群算法运行速度；具体公式为：

式中，D_ij表示编号为i的光伏板地理阵列到编号为j的光伏板地理阵列的距离；m表示缩放系数；C_i表示编号为i的光伏板地理阵列的中心点位置坐标，C_j表示编号为j的光伏板地理阵列的中心点位置坐标，d_i表示巡检完编号为i的光伏板地理阵列的预估路程；

(4)设置蚂蚁数量M，信息素启发因子α，期望启发因子β，信息素挥发系数ρ，信息素浓度Q，最大迭代次数NC_max；初始化待访问的光伏板地理阵列allowed、禁忌表tabu，信息素浓度τ；

(5)M只蚂蚁随机选择起始光伏板地理阵列，再根据路径启发式信息和信息素浓度计算未选择的光伏板地理阵列被选中的概率，利用轮盘赌算法选出下一个光伏板地理阵列，并将此时选中的光伏板地理阵列放入到各自的禁忌表tabu中，更新待访问的光伏板地理阵列allowed，直至所有的蚂蚁走完所有的光伏板地理阵列；所述未选择的光伏板地理阵列被选中的概率具体公式为：

式中，

表示第k蚂蚁未选择的光伏板地理阵列下一步被选中的概率；τ_ij表示光伏板地理阵列i至目标光伏板地理阵列j的信息素浓度；η_ij表示目标光伏板地理阵列j对光伏板地理阵列i的能见度，具体为D_ij的倒数；τ_is表示光伏板地理阵列i至目标光伏板地理阵列s的信息素浓度；η_is表示目标光伏板地理阵列s对光伏板地理阵列i的能见度，具体为D_is的倒数；

(6)待所有蚂蚁完成遍历任务之后，计算出本次迭代过程中各个蚂蚁走过的路线总长度L_k并比较获取最长路径与最短路径，将本次迭代循环获得的最短路径与当前已经完成的迭代循环中的最短路径进行比较保留最优的最短路径；

(7)计算出本次迭代寻找路径中所新增加的信息素Δτ_ij，再对之前的信息素进行一定挥发并加上此次新增加的信息素，然后迭代次数NC加1。新增加的信息素公式为：

更新信息素，公式为：

τ_ij＝(1-ρ)τ_ij+Δτ_ij

式中，Q表示此次迭代循环的信息素总量；N表示从光伏板地理阵列i到光伏板地理阵列j的蚂蚁数量；L_α表示最优的最短路径的长度；L_β表示本次迭代循环中最长路径的长度；σ表示走最短路径L_α的蚂蚁数量；

(8)判断当前迭代次数是否达到最大，若达到最大迭代次数，则输出当前最优的最短路径，若未达到则返回步骤(4)；

(9)判断是否计算完所有子模块的最短巡检路径，若全部完成，结束计算，输出每个子模块的最短巡检路径，若未完成，则调取下一个子模块的栅格地图，转至步骤(1)。

本实施例中获取经过第一模块所有光伏板地理阵列且不重复经过的最短巡检路径如图6所示。

步骤五、针对每个子模块，通过判断无人直升机当前位置和光伏板地理阵列的相对位置，计算出无人直升机进入光伏板地理阵列的入航点，再结合图像采集要求规划出“弓”字形局部巡检路径；整合每个子模块中的局部巡检路径形成该子模块的最终巡检路径，该子模块的最终巡检路径为采集图像中心点的路径。如图7所示，具体为：

(1)根据起飞点判断无人直升机和单个子模块内各光伏板地理阵列的相对距离，选取相对距离最短的光伏板地理阵列作为起始巡检光伏板地理阵列，并根据该子模块对应的最短巡检路径确定该子模块中光伏板地理阵列的巡检顺序；构建path表用来存放航点；

(2)调取巡检顺序列中第一个光伏板地理阵列的栅格地图，将起飞点放入path表中；

(3)将path表中最后一个点，即上个光伏板地理阵列的出航点或起飞点；设置为巡检光伏板地理阵列的入航点；针对当前待巡检光伏板地理阵列，选择距离入航点最近的光伏板地理阵列的角点，将其设置为规划起点；

(4)无人直升机以规划起点沿设定的巡检方向移动；并将规划起点设置为当前节点，放入path表中；其中，巡检方向为沿东向西或沿西向东，根据规划起点和光伏板地理阵列的相对位置关系来决定；

(5)从当前节点开始，按照“弓”字形巡检路径要求移动p₁米到新的节点，该新的节点为“弓”字形轨迹的拐点，将新的节点替换为当前节点，并放入path表中；所述p₁的大小为当前拍摄范围内光伏板地理阵列中最长行的长度；

(6)判断是否巡检完当前待巡检的光伏板地理阵列，若巡检完成，将新的当前节点设置为当前待巡检的光伏板地理阵列的出航点，也同时为下一个待巡检的光伏板地理阵列的入航点，转至步骤(7)；若未巡检完成，根据当前节点以及下次拍摄范围内最长行的位置信息，移动到新的节点并替换为当前节点，放入path表中，改变巡检方向，转至步骤(5)；

(7)判断是否巡检完子模块内所有的光伏板地理阵列；若已经巡检完，转至步骤(8)；若未巡检完，依据光伏板地理阵列的巡检顺序，调取该子模块中的下一个光伏板地理阵列栅格地图，转至步骤(3)；

(8)输出path表，整合光伏地理阵列的局部巡检路径形成单个子模块的最终巡检路径。

本实施例中第一子模块中单个光伏地理阵列按照“弓”字形巡检要求进行局部路径规划如图8所示。

步骤六、获得无人直升机全局最优巡检路径。具体包括：

(1)根据无人直升机的飞行高度以及无人直升机云台参数分别计算每个子模块的最终巡检路径与无人直升机巡检路径之间的几何距离Δd，公式为：

Δd＝h×cos(beta)

式中，Δd表示各子模块的最终巡检路径和无人直升机巡检路径之间的几何距离；beta表示无人直升机云台的俯仰角度；

(2)将每个子模块的最终巡检路径整体平移对应的Δd米后获取该子模块最优巡检路径；

(3)整合所有子模块最优巡检路径并抬高h米，最终获得无人直升机全局最优巡检路径。

本实施例中，如图9所示，第一子模块中单个光伏地理阵列按照“弓”字形巡检要求进行局部路径规划后，将局部路径整体平移Δd米，获得该子模块中单个光伏地理阵列的最优巡检路径。如图10所示，针对第一子模块获取无人直升机在该子模块中的最优巡检路径。完成一个子模块的巡检后，无人直升机会返回充电桩进行充电，充电完成后飞行至其他子模块继续进行巡检。综上，采用本发明所述的方式可以对于光伏电场中的所有光伏板进行巡检，同时巡检的路径为最优的路径。

Claims (8)

1.一种无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，包括以下步骤：

(1)采集光伏电厂地形数据、充电电桩的位置、光伏板地理阵列位置坐标、光伏板地理阵列序号构建光伏电厂的地图数据库；根据该地图数据库采用栅格建模方法建立路径规划空间，生成光伏电厂的栅格地图包；

(2)将光伏电厂划分为若干子模块；

(3)计算并获取无人直升机相对于光伏板的飞行高度h；

(4)调取光伏电厂的栅格地图包，采用改进的蚁群算法分别获取经过每个子模块中所有光伏板地理阵列且不重复经过的最短巡检路径；

(5)针对每个子模块，根据对应的最短巡检路径以及起飞点确定该子模块中所有光伏板地理阵列的巡检顺序；按照该巡检顺序依次对单个光伏板地理阵列进行局部巡检路径规划，即按照“弓”字形巡检路径完成该单个光伏板地理阵列内所有光伏板的巡检；整合每个子模块中的所有局部巡检路径形成该子模块的最终巡检路径；

(6)根据无人直升机的飞行高度以及无人直升机云台参数分别计算每个子模块的最终巡检路径与无人直升机巡检路径之间的几何距离Δd，将每个子模块的最终巡检路径整体平移对应的Δd米后获取该子模块最优巡检路径；整合所有子模块最优巡检路径并抬高h米，最终获得无人直升机全局最优巡检路径。

2.根据权利要求1所述无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，步骤(4)中所述采用改进蚁群算法分别获取经过每个子模块中所有光伏板地理阵列且不重复经过的最短巡检路径具体包括以下步骤：

(4.1)计算获取各光伏板地理阵列之间的距离D，将距离D按比例缩小以加快蚁群算法运行速度；具体公式为：

式中，D_ij表示编号为i的光伏板地理阵列到编号为j的光伏板地理阵列的距离；m表示缩放系数；C_i表示编号为i的光伏板地理阵列的中心点位置坐标，C_j表示编号为j的光伏板地理阵列的中心点位置坐标，d_i表示巡检编号为i的光伏板地理阵列的预估路程，具体公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(4.2)设置蚂蚁数量M，信息素启发因子α，期望启发因子β，信息素挥发系数ρ，信息素浓度Q，最大迭代次数NC_max；初始化待访问的光伏板地理阵列allowed、禁忌表tabu，信息素浓度τ；

(4.3)每只蚂蚁随机选择起始光伏板地理阵列，再计算未选择的光伏板地理阵列被选中的概率，利用轮盘赌算法选出下一个光伏板地理阵列，并将此时的光伏板地理阵列放入到各自的禁忌表tabu中，更新待访问的光伏板地理阵列allowed，直至所有的蚂蚁走完所有的光伏板地理阵列；所述未选择的光伏板地理阵列被选中的概率具体公式为：

式中，

表示第k只蚂蚁未选择的光伏板地理阵列下一步被选中的概率；τ_ij表示光伏板地理阵列i至目标光伏板地理阵列j的信息素浓度；η_ij表示目标光伏板地理阵列j对光伏板地理阵列i的能见度，具体为D_ij的倒数；τ_is表示光伏板地理阵列i至目标光伏板地理阵列s的信息素浓度；η_is表示目标光伏板地理阵列s对光伏板地理阵列i的能见度，具体为D_is的倒数；

(4.4)待所有蚂蚁完成遍历任务之后，计算出本次迭代过程中各个蚂蚁走过的路线总长度L_k并比较获取最长路径与最短路径，将本次迭代循环获得的最短路径与当前已经完成的迭代循环中的最短路径进行比较保留最优的最短路径；

(4.5)更新信息素，具体公式为：

τ_ij＝(1-ρ)τ_ij+Δτ_ij

式中，Q表示此次迭代循环的信息素总量；N表示从光伏板地理阵列i到光伏板地理阵列j的蚂蚁数量；L_α表示最优的最短路径的长度；L_β表示本次迭代循环中最长路径的长度；σ表示走最短路径L_α的蚂蚁数量；

(4.6)判断当前迭代次数是否达到最大，若达到最大迭代次数，则输出当前最优的最短路径，若未达到则返回步骤(4.2)；

(4.7)判断是否计算完所有子模块的最短巡检路径，若全部完成，结束计算，输出每个子模块的最短巡检路径，若未完成，则调取下一个子模块的栅格地图，转至步骤(4.1)。

3.根据权利要求1所述无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，步骤(5)具体为：

(5.1)根据起飞点判断无人直升机和单个子模块内各光伏板地理阵列的相对距离，选取相对距离最短的光伏板地理阵列作为起始巡检光伏板地理阵列，并根据该子模块对应的最短巡检路径确定该子模块中光伏板地理阵列的巡检顺序；构建path表用来存放航点；

(5.2)调取巡检顺序列中第一个光伏板地理阵列的栅格地图，将起飞点放入path表中；

(5.3)将path表中最后一个点设置为巡检光伏板地理阵列的入航点，所述path表中最后一个点为上个光伏板地理阵列的出航点或起飞点；针对当前待巡检光伏板地理阵列，选择距离入航点最近的光伏板地理阵列的角点，将其设置为规划起点；

(5.4)无人直升机以规划起点按设定的巡检方向移动；并将规划起点设置为当前节点，放入path表中；

(5.5)从当前节点开始，按照“弓”字形巡检路径要求移动p₁米到新的节点，该新的节点为“弓”字形轨迹的拐点，将新的节点替换为当前节点，并放入path表中；所述p₁的大小为当前拍摄范围内光伏板地理阵列中最长行的长度；

(5.6)判断是否巡检完当前待巡检的光伏板地理阵列中所有光伏板，若巡检完成，将当前节点设置为当前待巡检的光伏板地理阵列的出航点，也同时为下一个待巡检的光伏板地理阵列的入航点，转至步骤(5.7)；若未巡检完成，根据当前节点以及下次拍摄范围内最长行的位置信息，移动到新的节点并替换为当前节点，放入path表中，改变巡检方向，转至步骤(5.5)；

(5.7)判断是否巡检完子模块内所有的光伏板地理阵列；若已经巡检完，转至步骤(5.8)；若未巡检完，依据光伏板地理阵列的巡检顺序，调取该子模块中的下一个光伏板地理阵列栅格地图，转至步骤(5.3)；

(5.9)输出path表，获取单个子模块的最终巡检路径。

4.根据权利要求1所述无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，步骤(3)中的无人直升机相对于光伏板的飞行高度h具体的获取方式为：

(3.1)根据光伏板地理阵列的宽度、光伏板的安装角度、无人直升机云台俯仰角以及相机的视场角角度计算被光伏板遮挡的无效距离L₁，公式为：

L₁＝W₂×sin(alfa)×tan(90-beta+0.5×ang)

式中，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；beta表示无人直升机云台的俯仰角度；ang表示视场角角度；

(3.2)根据光伏板地理阵列的宽度、光伏板的安装角度计算光伏板地理阵列投影至地面的距离L₂，公式为：

L₂＝n×W₁+n×W₂×cos(alfa)

式中，W₁表示前后两个光伏板地理阵列之间的间距；n表示拍摄范围内光伏板的行数；

(3.3)计算无人直升机相对于光伏板的飞行高度h，公式为：

5.根据权利要求1所述无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，步骤(6)具体为：

(6.1)根据无人直升机的飞行高度以及无人直升机云台参数分别计算每个子模块的最终巡检路径与无人直升机巡检路径之间的几何距离Δd，公式为：

Δd＝h×cos(beta)

式中，Δd表示各子模块的最终巡检路径和无人直升机巡检路径之间的几何距离；beta表示无人直升机云台的俯仰角度；

(6.2)将每个子模块的最终巡检路径整体平移对应的Δd米后获取该子模块最优巡检路径；

(6.3)整合所有子模块最优巡检路径并抬高h米，最终获得无人直升机全局最优巡检路径。

6.根据权利要求1所述无人直升机光伏太阳能电厂最优巡检路径规划方法，其特征在于，步骤(2)具体为：

(2.1)计算单个光伏板地理阵列的巡检路径长度L_i，计算公式为：

式中，l_j表示光伏板地理阵列中第j行的长度；b表示光伏板地理阵列中光伏板的总行数；a_j表示长度为l_j的光伏板行数占总行数的比例，B_i表示光伏板地理阵列的宽度；W₁表示前后两个光伏板地理阵列之间的间距，W₂表示光伏板的宽度；alfa表示光伏板安装的角度；n表示拍摄范围内光伏板的行数；

(2)计算无人直升机的最大航程L_UVA，其表达式为：

L_UVA＝h_UVA×V_UVA

式中，h_UVA表示无人直升机的续航时间，V_UVA表示无人直升机的巡检速度；

(3)根据每个光伏板地理阵列巡检路径长度L_i、充电电桩的位置以及无人直升机的航程L_UVA将整个光伏电厂划分若干子模块使得无人直升机满足充电需求的同时巡检完光伏电厂所有光伏板地理阵列所需巡检次数最少。

7.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至权利要求6所述方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求6所述的方法的步骤。

Images