Page 134 - 电力与能源2024年第四期

528 左雪纯：地区变电站调度数据网优化改造实践

大大节约了人力和时间，并提高了电力数据网的 济南：山东大学，2012.

［2］ 吴程楠，李 曼，田 茜 . 地区电力监控系统安全技术及其
运行效率。电力调度数据网络的安全可靠是确保
.
应用［J］ 电力与能源，2021，42（1）：51-55.
电力自动化系统安全运行的重要支撑，通过对地 ［3］ 虞益诚 . 基于电力调度数据网相关技术的研究［J］ 上海应
.
区网络结构的优化和接入设施的改进，进一步增 用技术学院学报（自然科学版），2005（02）：94-98.
强了调度自动化系统业务数据传输的可靠性和网 ［4］ 霍雪松，裴 培 . 基于调度数据网络技术的调度控制系统
地 区 互 备 通 信 模 式 研 究［J］ 电 力 与 能 源 ，2015，36（6）：
.
络的安全性。
747-750.
参考文献： 收稿日期：2024-04-17
［1］ 杨 晨 . 电力调度数据网在济南电网的应用与研究［D］ . (本文编辑：赵艳粉)

（上接第 476 页）

酒杯型塔杆、双回型塔杆、三回型塔杆、猫头型塔 3，4 的任务时间非常接近，该分配算法的时间利用
杆的巡检时间分别为 14.8，15.6，19.4 ，17.0 min； 率较高。
更换电池时间为 5 s；每一辆巡检车上共有 4 架无
4 结语
人机；酒杯型塔杆、双回型塔杆、三回型塔杆、猫头
型塔杆数量分别为 0，6，10，8 个。 本文首先利用 K-means 聚类算法分析了被巡
24 个 塔 杆 的 经 纬 度 坐 标 分 别 为（118.399， 检塔杆坐标的聚类中心，并将该聚类中心作为驻
34.297），（118.404，34.297），（118.410，34.297）， 车点坐标；然后以每架无人机的任务时间平均且
（118.413，34.297），（118.417，34.297），（118.422， 最小为目标推导了数学模型，基于遗传算法优化

34.296），（118.424，34.296），（118.426，34.295）， 每架无人机的巡检任务序列。仿真结果表明，利
（118.445，34.319），（118.443，34.316），（118.441， 用该方法获得无人机巡检任务分配的时间十分平
34.312），（118.440，34.308），（118.439，34.304）， 均，提升了作业效率。
（118.436，34.301），（118.433，34.298），（118.430， 参考文献：
34.298），（118.429，34.297），（118.428，34.292）， ［1］ 普子恒，张 隆，余欣芸，等 . 电工技术学报，2023，38（增

（118.431，34.297），（118.434，34.294），（118.438， 刊 I）：204-213.
［2］ 叶 翔，孙嘉兴，甘永叶，等 . 改进 YOLOv3 模型在无人机
34.293），（118.441，34.291），（118.443，34.288），
巡检输电线路部件缺陷检测中的应用研究［J］ 电测与仪
.
（118.447，34.286）。根据聚类算法得到即驻车点 表，2023，60（5）：85-91.

的聚类中心的经纬度坐标为（118.429，34.299）。 ［3］ 单光瑞，赵 金，徐 婷，等 . 贝叶斯框架下基于灰狼优化
策 略 的 多 无 人 机 巡 检 航 迹 规 划［J］ 计 算 机 应 用 与 软 件 ，
.
利用遗传算法得到的最优解为无人机 1 的巡
2023，40（2）：82-88.
检任务为 24，11，21，3，20，16 号塔杆；无人机 2 的 ［4］ 王红星，陈玉权，张 欣，等 . 基于离线高斯模型的输电线
巡检任务为 7，10，8，4，12，17 号塔杆；无人机 3 的 路 无 人 机 巡 检 缺 陷 智 能 识 别 方 法 研 究［J］ 电 测 与 仪 表 ，
.
巡检任务为 14，23，15，5，1，2 号塔杆；无人机 4 的 2022，59（3）：92-99
［5］ 田小壮，李 松，付国萍，等 . 时间最优的无人机巡检避障
巡检任务为 13，22，18，9，6，19 号塔杆。无人机 1
路径规划［J］ 计算机与现代化，2023（3）：43-47
.
的任务时间为 121.14 min；无人机 2 的任务时间为 ［6］ 王 周 . 基于航线自主规划的变电站无人机巡检［J］ 自动
.
121.04 min；无人机 3 的任务时间为 121.19 min；无 化仪表，2022，43（6）：43-46.
人机 4 的任务时间为 121.10 min。即无人机 1，2， 收稿日期：2024-05-11
(本文编辑：赵艳粉）