一种基于遗传算法的变电站物联微拍装置优化配置方法

摘要

本发明提供一种基于遗传算法的变电站物联微拍装置优化配置方法，涉及变电站在线智能巡视技术领域。该基于遗传算法的变电站物联微拍装置优化配置方法，包括以下步骤：S1、获取整个变电站的状态监测点位图，S2、在状态监测点位中标出监控设备点，S3、找出处于监控巡视盲区的状态监测点，S4、给定变电站可安装物联微拍装置的点位集合，S5、建立物联微拍装置的优化配置模型，S6、采用遗传算法法求解优化配置模型实现物联微拍装置优化配。该基于遗传算法的变电站物联微拍装置优化配置方法，能够在变电站现有监控基础上，增补监测点位，缩短改造施工周期，有利于在110kV变电站中快速部署，加快国网公司在线智能巡视的建设工作。

说明书

技术领域

本发明涉及变电站在线智能巡视技术领域，特别的为一种基于遗传算法的变电站物联微拍装置优化配置方法。

背景技术

目近年来，电网设备规模大幅增长、技术不断升级，电网设备安全运行风险和压力与日俱增，为缓解运维人员巡视压力，提高变电站智能化水平，国网公司提出建立“无人值守+集中监控”变电运维管理新模式，利用变电站内机器人、高清视频、多维智能传感器等设备，结合图像识别与图像判定技术，开展变电站在线智能巡视。

在变电站视频改造过程中，针对巡视点位不足，开槽挖沟布线难的问题，运维人员开始使用无源无线的物联微拍装置，该装置采用胶贴、磁吸等方式固定，无需外接电源线和数据通讯线，相比于传统枪机、球机摄像头，该装置成本低，安装便捷，可以作为现有机器人、高清摄像头的补充，提高变电站改造速度。

目前，在微拍装置部署过程中，存在以下问题：一是微拍装置虽然成本低，但不能处处安装，否则会造成资源浪费，增加改造成本。如何在原有监控装置的基础上实现最小的安装量，达到成本最优化是运维人员急需解决的问题；二是变电站设备安装紧凑、复杂，很多表计朝向不同，精确统计那些处于盲区中的巡视点位，有助于提高运维人员的改造速度。三是各个变电站现有的监控设备安装情况不同，运维人员需要根据不同情况设计不同的部署方案，增加了改造的工作量。

综上所述，研发一种基于遗传算法的变电站物联微拍装置优化配置方法，仍是电力系统技术领域中急需解决的关键问题。

发明内容

本发明提供的发明目的在于提供一种基于遗传算法的变电站物联微拍装置优化配置方法，解决上述背景技术中的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于遗传算法的变电站物联微拍装置优化配置方法，包括以下步骤：

S1、获取整个变电站的状态监测点位图：将一座变电站看做一张网格图，每个监测点位在网格图中都有自己的单一位置；

S2、在状态监测点位中标出监控设备点：将变电站现有的高清摄像头、巡视机器人覆盖的监测点位在网格图中标注；

S3、找出处于监控巡视盲区的状态监测点：根据矩阵X和Y找出处于监控巡视盲区的状态监测点；

S4、给定变电站可安装物联微拍装置的点位集合：根据变电站内处于监控盲区的状态监测点，确定可安装物联微拍装置的点位集合；

S5、建立物联微拍装置的优化配置模型：以现有监控装置的覆盖情况与期望覆盖的情况间的平均差异最小为目标函数，以给定的物联微拍装置数量为成本约束，建立物联微拍装置的优化配置模型，实际的摄像头覆盖情况为实际安装的摄像头、机器人等监控设备对变电站各监测点的拍摄清晰度之和，其表达式为

S6、采用遗传算法法求解优化配置模型实现物联微拍装置优化配置：通过遗传算法得到物联微拍装置的优化配置方案。

进一步的，在S1操作步骤中，第i行第j个网格的位置为X

进一步的，在S2作步骤中，如第n行第m个网格的位置为Y

进一步的，在S3操作步骤中，在监测点中根据监测重要程度的不同，选择安装高清摄像头或物联微拍装置。

进一步的，在S4操作步骤中，确定点位h的监控范围矩阵为W

第h个物联微拍装置为安装在b

进一步的，b

进一步的，物联微拍装置的优化配置模型为：

目标函数：

约束条件：

进一步的，q为一定购置成本下选购的物联微拍装置数量，即物联微拍装置实际安装的数量，M

本发明提供了一种基于遗传算法的变电站物联微拍装置优化配置方法。具备以下有益效果：

1、能够在变电站现有监控基础上，增补监测点位，缩短改造施工周期，有利于在110kV变电站中快速部署，加快国网公司在线智能巡视的建设工作。

2、利用有限的物联微拍装置实现变电站巡视点位的全覆盖，消除巡视盲区，提高监测点位的识别准确度，提高巡视效果，减少运维人员的巡视压力。

3、布点方法简单，根据变电站状态监测点位图，并结合物联微拍装置的特点，以最小的安装量达到最优的监控效果。

4、本发明还可根据巡视要求，调整物联微拍装置的安装范围，根据变电站设备重要程度划分实现物联微拍装置的安装布设工作。

附图说明

图1为本发明的基于遗传算法的变电站物联微拍装置优化配置方法流程示意图；

图2为本发明的遗传算法求解微拍装置优化配置问题流程图。

具体实施方式

如图1-2所示：一种基于遗传算法的变电站物联微拍装置优化配置方法，包括以下步骤：

步骤一、获取整个变电站的状态监测点位图：即将一座变电站看做一张网格图，每个监测点位在网格图中都有自己的单一位置，如第i行第j个网格的位置为X

步骤二、在状态监测点位中标出监控设备点：将变电站现有的高清摄像头、巡视机器人覆盖的监测点位在网格图中标注，如第n行第m个网格的位置为Y

步骤三、找出处于监控巡视盲区的状态监测点：根据矩阵X和Y找出处于监控巡视盲区的状态监测点，在这些监测点中根据监测重要程度的不同，选择安装高清摄像头或物联微拍装置(物联微拍装置是现代高科技的产物，又名微型监控器，具有体积小、功能强大的特点，隐蔽性比较好，微型摄像头用途广泛，适用于航空、商业、传媒、企事业单位、家庭等行业，而且可以通过无线网进行实施传输，可以进行实时监控)。

步骤四、给定变电站可安装物联微拍装置的点位集合：根据变电站内处于监控盲区的状态监测点，确定可安装物联微拍装置的点位集合，参考物联微拍装置万向节和镜头焦距的调节范围，确定点位h的监控范围矩阵为W

其中，

步骤五、建立物联微拍装置的优化配置模型：以现有监控装置的覆盖情况与期望覆盖的情况间的平均差异最小为目标函数，以给定的物联微拍装置数量为成本约束，建立物联微拍装置的优化配置模型，实际的摄像头覆盖情况为实际安装的摄像头、机器人等监控设备对变电站各监测点的拍摄清晰度之和，其表达式为

目标函数：

约束条件：

其中，q为一定购置成本下选购的物联微拍装置数量，即物联微拍装置实际安装的数量，M

步骤六、采用遗传算法法求解优化配置模型实现物联微拍装置优化配置：通过遗传算法(在计算机科学和运筹学中，遗传算法是一种受自然选择过程启发的元启发式算法，属于进化算法大类，遗传算法通常依赖于生物启发的算子，如变异、交叉和选择，来生成高质量的优化和搜索问题的解决方案得到物联微拍装置的优化配置方案)，遗传算法求解微拍装置优化配置问题的步骤：

1、设置最大迭代次数，

2、完成初始种群；

3、典型口选取；

4、确定监测点监控布设策略和数量；

5、通过求取适应度对个体旋转；

6、是否满足约束条件，满足进行遗传操作，不满足则返回步骤4；

7、遗传操作完成后生成新的群体；

8、新生群体是否达到最大迭代次数，如果达到进行输出结构，如果没有达到返回到步骤1。

操作流程如图2所示。

以上的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。