一种基于改进的强化学习算法的无人智能检查技术,用于动力大面积多场景检查
Enmin Wang1, Xin Meng2, Jinglong Yu3
1China Huaneng Group Clean Energy Technology Research Institute Co., Ltd., Beijing, 102209, China. zhangyayanwme@163.com.
Scientific reports
|July 10, 2025
概括
本研究介绍了一种改进的强化学习算法,用于使用无人智能巡逻无人机高效地监控电力系统. 开发的技术可确保安全,最短的巡逻路径,实现超过98.5%的目标覆盖率.
科学领域:
- 机器人和自动化 机器人和自动化
- 人工智能的人工智能
- 电力系统工程 电力系统工程
背景情况:
- 有效的电力系统监控对于电网可靠性至关重要.
- 无人智能巡逻机为大面积监控提供了一个有希望的解决方案.
- 目前的巡逻路线规划方法在效率和安全方面面临挑战.
研究的目的:
- 开发一个改进的强化学习算法,用于多场景无人驾驶智能巡逻路径规划在大型电力区域.
- 优化巡逻效率并确保全面的监视覆盖范围.
- 提高电力系统检查的安全性和可靠性.
主要方法:
- 利用一个改进的Q学习算法,一个强化学习子集,用于路径规划.
- 整合了先前的环境知识作为启发式信息,以提高Q学习的效率.
- 开发了一种新的奖励功能,用于无碰撞横行检查.
- 用巡逻无人机,无线充电和多个检查目标建模了系统.
主要成果:
- 创建了巡逻路径,以确保无人机的安全并最大限度地减少行程距离.
- 在所有指定的巡逻目标上实现了超过98.5%的覆盖率.
- 证明了增强的搜索效率和优化的强化学习性能.
结论:
- 拟议的多场景无人智能巡逻技术有效地解决了电力系统监控需求.
- 改进的强化学习方法优化了路径规划的安全性和效率.
- 这项技术显著提高了电网检查的质量和覆盖范围.
