基于强化学习的电力巡检具身智能路径优化方法及系统

    公开(公告)号:CN119358796B

    公开(公告)日:2025-04-25

    申请号:CN202411899778.0

    申请日:2024-12-23

    Abstract: 本发明提供基于强化学习的电力巡检具身智能路径优化方法及系统,涉及供电系统领域,该方法包括:建立待巡检区域环境模型,包括多个待巡检节点;根据多个待巡检节点的历史运行信息,确定多个待巡检节点之间的风险关联关系,构建基于深度Q网络的巡检路径优化模型,其奖励函数与多个待巡检节点之间的风险关联关系、每个待巡检节点的实时风险值及巡检能耗相关;根据多个待巡检节点的实时运行信息和风险关联关系,确定每个待巡检节点的实时风险值;通过巡检路径优化模型根据每个待巡检节点的实时风险值,生成实时电力巡检优化路径,控制电力巡检具身机器人进行电力巡检,具有提高电力巡检的效率及响应电力故障风险的实时性,减少能耗的优点。

    基于强化学习的电力巡检具身智能路径优化方法及系统

    公开(公告)号:CN119358796A

    公开(公告)日:2025-01-24

    申请号:CN202411899778.0

    申请日:2024-12-23

    Abstract: 本发明提供基于强化学习的电力巡检具身智能路径优化方法及系统,涉及供电系统领域,该方法包括:建立待巡检区域环境模型,包括多个待巡检节点;根据多个待巡检节点的历史运行信息,确定多个待巡检节点之间的风险关联关系,构建基于深度Q网络的巡检路径优化模型,其奖励函数与多个待巡检节点之间的风险关联关系、每个待巡检节点的实时风险值及巡检能耗相关;根据多个待巡检节点的实时运行信息和风险关联关系,确定每个待巡检节点的实时风险值;通过巡检路径优化模型根据每个待巡检节点的实时风险值,生成实时电力巡检优化路径,控制电力巡检具身机器人进行电力巡检,具有提高电力巡检的效率及响应电力故障风险的实时性,减少能耗的优点。

Patent Agency Ranking