其他
【精彩论文】基于混合算法的电力杆塔巡检实时航迹规划
观点凝练
摘要：传统的电力杆塔拍摄视点顺序固定，多旋翼无人机巡检距离并非最优；同时，随着维度增加，航迹规划算法空间复杂度呈指数增长，不能满足实时规划航迹的需求。针对以上问题，提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划，全局规划利用改进蚁群算法找到覆盖所有视点的较优路径，并通过算法判断路径是否经过障碍物，再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%；ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗，又提高了航迹规划的效率。
结论：本文用ACO-A*对电力杆塔的巡检进行路径规划，并通过仿真，验证了本文算法规划的航迹比《架空输电线路无人机巡检影像拍摄指导手册》规定巡检航迹减少了16.85%。在算法效率方面，与A*和蚁群混合算法对比，本文将算法的时间复杂度从 O(n2) 降低为 O(n) ，在找到相同优化解的算法求解时间从913.25 min降至2.93 min，运行时间节约了99.68%。此外，为了满足电力杆塔巡检实时规划的需求，对传统A*算法做了改进，改进后的算法求解时间为175.95 s，而传统的运行时间为4233.12 s，运行时间降低了95.84%。因此，本文提出的算法更适用于电力杆塔巡检路径实时规划的需求。
引文信息
黄郑, 王红星, 周航, 等. 基于混合算法的电力杆塔巡检实时航迹规划[J]. 中国电力, 2021, 54(11): 214-220.HUANG Zheng, WANG Hongxing, ZHOU Hang, et al. Real-time path planning for power tower inspection based on hybrid algorithm[J]. Electric Power, 2021, 54(11): 214-220.往期回顾
◀【精彩论文】基于知识图谱与细胞自动机模型的配电网信息系统风险分析◀【精彩论文】基于PCA-KNN融合算法的风力机变桨角度故障诊断方法◀【精彩论文】考虑安全环保及补偿的火电机组调峰经济性研究◀【精彩论文】电力市场环境下虚拟电厂两阶段能量经济优化调度◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事◀【征稿启事】“新型电力系统源网荷储灵活资源运营及关键技术”专栏征稿启事◀【征稿启事】“低碳园区综合能源系统规划与运行关键技术”专题征稿启事
编辑：杨彪校对：于静茹审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。