买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司淮南供电公司申请的专利一种适配无人机机巢的无人机配电网自主巡检路径规划方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119620781B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510149291.9，技术领域涉及：G05D1/695；该发明授权一种适配无人机机巢的无人机配电网自主巡检路径规划方法与系统是由肖家锴;陈良帅;谢翔;刘年国;班东坡;孙健;侯宝亮设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种适配无人机机巢的无人机配电网自主巡检路径规划方法与系统在说明书摘要公布了：本发明公开了一种适配无人机机巢的无人机配电网自主巡检路径规划方法与系统，涉及无人机技术领域，首先在数据准备与缓存阶段，从配电网信息系统的多种电网图中提取巡检坐标点信息，机巢车辆初始位置并接入交通数据接口，构建四叉树数据结构、初始化链表，计算并缓存距离信息等；接着构建初始环路径，综合多因素选择最小权重方案插入点来形成完整环路径；随后分割环路径，利用蒙特卡洛算法多次随机分割并通过损失函数评估；再通过模拟退火算法优化路径，依据准则接受或拒绝路径调整并更新温度收敛至较优解；最后进行最终路径切割与输出，均衡分配给多无人机。系统含服务器与处理器，执行相关步骤并输出完整巡检路径计划供地面控制中心监控调度。

本发明授权一种适配无人机机巢的无人机配电网自主巡检路径规划方法与系统在权利要求书中公布了：1.一种适配无人机机巢的无人机配电网自主巡检路径规划方法，其特征在于，包括以下步骤：S1：数据准备与缓存；S2：构建初始环路径；S3：分割环路径；S4：模拟退火优化路径；S5：最终路径切割与输出；步骤S1数据准备与缓存具体包括以下步骤：S11：数据收集，从配电网信息系统的电网一张图中提取所有需要巡检的电网设备坐标点信息，所述电网一张图包括单线拓扑图、地理GIS图、杆塔3D图，所述坐标点涵盖杆塔位置、关键设备安装点以及预设检测点，同时确定巡检任务所投入的无人机数量，获取每架无人机的准确飞行速度参数以及每个节点巡检耗时，并收集无人机机巢车辆的初始位置信息，并接入实时交通状况数据接口，用于获取不同路段的预估通行时间；S12：数据结构构建，基于收集到的二维坐标点信息构建四叉树数据结构，将可移动无人机机巢车辆的初始位置作为特殊节点加入；对于四叉树中每个节点i，记录其包含的坐标点信息、子节点指针以及到无人机机巢车辆初始位置的距离；同时，为每个节点预留空间记录其到无人机机巢车辆动态位置的实时距离信息，初始化双向循环链表，用于存储路径信息；S13：距离缓存计算，使用欧几里得距离公式计算计算所有坐标点两两之间的距离： 其中，p＝x1,y1和q＝x2,y2为任意两个坐标点的值；将计算结果存储在哈希表中，以坐标点对作为索引，距离值作为存储内容，在后续的路径构建和优化算法中，当需要获取两点之间的距离时，从缓存中查询，避免重复的距离计算；同时，计算并存储各坐标点到无人机机巢车辆初始位置的距离di,n0，初始化一个用于存储无人机机巢车辆动态位置信息的数组，记录无人机机巢车辆在不同时间点的位置坐标以及对应的时间戳，初始时仅包含无人机机巢车辆的初始位置xn0,yn0和初始时间t0；步骤S2构建初始环路径具体包括以下步骤：S21：初始化路径片段，计算每个巡检点到无人机机巢车辆初始位置的距离权重： 其中，wdi为距离权重，di,n0为坐标点到无人机机巢车辆初始位置的距离；在所有需要巡检的坐标点集合中，使用采用人工指定或随机数生成器随机选取两个不同的坐标点p1和p2，将这两个点作为初始路径片段的起点和终点，创建一个新的路径节点序列，并将p1和p2对应的节点依次插入到该序列中，同时设置p1节点的前驱指针指向p2节点，p2节点的后继指针指向p1节点，形成一个简单的闭环路径片段；S22：循环构建路径，进入主循环，循环条件为仍有未被纳入当前路径的坐标点，在每次循环迭代中从尚未被选择的坐标点集合中随机挑选一个坐标点pi，利用已构建的四叉树数据结构，快速查找pi在当前路径中的最近的K个邻居点；步骤S22循环构建路径具体操作为：S221：从四叉树的根节点开始，根据pi的坐标位置递归地搜索到包含pi的最小子区域，在该子区域以及相邻子区域内的路径节点中筛选出距离pi最近的K个点；S222：对于找到的K个邻居点中的每一个pn尝试将pi插入到pn的前后位置，形成新的路径候选方案，计算每个候选方案的路径总权重，路径总权重的计算基于每个点的单位路径权重wi： 其中，vd为无人机飞行速度，td为每个节点巡检耗时；S223：根据路径与无人机机巢车辆初始位置的距离关系以及考虑无人机机巢车辆动态移动后的预估往返成本W，其具体计算公式为： 其中，wi为每个点的单位路径权重wi，m为插入后的路径节点数，α是调节初始距离权重影响的参数，di,n0是路径中第i个点到无人机机巢车辆初始位置的距离，β是调节无人机机巢车辆动态往返成本影响的参数，Ci,nt是在时间t时从路径中第i个点到无人机机巢车辆的预估往返成本；S224：比较所有候选方案的总权重，选择总权重最小的插入方案，将pi插入到当前路径中对应的位置，并更新路径节点之间的前驱和后继指针关系；S225：重复上述循环步骤，直到所有的坐标点都被成功插入到路径中，此时形成一个覆盖所有要巡检点的封闭环路径；步骤S3分割环路径具体包括以下步骤：S31：随机分割尝试，设置一个较大的迭代次数N，用于控制蒙特卡洛算法的探索深度，在每次迭代中对当前构建好的环路径进行随机分割操作，具体为随机选择环路径上的M-1个分割点，M为预先设定的分割路径数量，将环路径分割成M条子路径；S32：损失函数评估，对于每一次分割得到的M条路径，计算每条路径的负载情况，路径负载的计算考虑路径中的点数以及每个点的权重，公式为： 其中，nj为第j条路径中的点数，为第wi条路径中第i个点的权重；计算所有路径负载之和Lsum以及路径负载的标准差σ；计算各分割路径中无人机从最后一个巡检点返回最近无人机机巢车辆位置的平均距离Davgt，对于每个分割路径的最后一个点，根据无人机机巢车辆根据实时交通状况数据的动态位置信息数据结构，获取在预计无人机到达该点时间t时无人机机巢车辆的位置，计算到该位置的距离，然后求平均值得到；同时，根据无人机机巢车辆的能耗模型和行驶路径及速度计算各分割路径对应的无人机机巢车辆行驶成本Enestt；根据设定的损失函数：Loss＝Lsum+λσ+μDavgt+νEnestt其中，λ为调节标准差影响程度的参数，μ为调节返回无人机机巢车辆距离影响的参数，ν为调节无人机机巢车辆行驶成本影响的参数，计算分割的损失值；S33：选择最优分割，在完成N次分割尝试后，比较每次分割的损失函数值，选择损失值最小的分割方式作为本次蒙特卡洛算法的最优分割结果，将该最优分割结果对应的路径集合作为后续模拟退火算法迭代的起始路径，并根据这些路径调整四叉树TE，具体为将属于各条路径的点分别存入对应的TE树中以及将不属于各条路径的点存入TF树中，为后续的路径优化计算做好数据准备；步骤S4模拟退火优化路径具体包括以下步骤：S41：初始化参数，设置模拟退火算法的初始温度T0，同时设定退火速率α1，0α11，用于控制温度在迭代过程中的下降速度，以及一个较小的概率值p用于判断是否命中升温策略，设定调节距离变化影响的参数β1、调节无人机机巢车辆动态往返成本影响的参数γ1；S42：主循环迭代，进入模拟退火算法的主循环，循环条件为温度降低到预设的阈值以下；步骤S42主循环迭代具体包括以下步骤：在每次循环迭代中：S421：首先以概率p判断是否命中退火算法中的升温策略，如果命中升温策略，则进行以下操作：S422：随机从当前的路径集合中选择一条路径Pr，对于路径Pr中的每个点pk，利用四叉树查找其最近的K个邻居点；S423：对于每个邻居点pn，尝试将其插入到pk的前后位置，形成新的路径候选方案，计算每个候选方案的路径负载的增长值ΔL、路径到无人机机巢车辆距离的变化ΔD以及无人机机巢车辆动态往返成本的变化ΔEn；S424：定义一个综合评估指标E＝ΔL+β1ΔD+γ1ΔEn选择E最小的候选方案，如果该最小的E小于0，即插入后路径综合成本减小，则直接将邻居点pn从其原路径中删除并加入到路径Pr中；如果最小的E大于等于零，则根据模拟退火接受准则以一定概率接受该插入操作；模拟退火接受准则公式为： 其中ΔE为路径综合成本的变化值，T为当前温度，即生成一个随机数r，0r1，如果rPaccept，则接受该插入操作，否则放弃；S425：如果未命中升温策略，则50％的概率按照路径负载较大的原则选择一条路径：首先计算每条路径的负载Lj，然后将负载softmax化得到选择概率： 其中，Pj是第j条路径被选择的概率，m为路径数量，β2为调节因子，Lj为路径负载，根据计算得到的概率选择一条路径Ps；S426：对于路径Ps中的每个点pm，利用四叉树查找其最近的不属于该路径的邻居点，并计算到这些邻居点的距离，选择距离最短的邻居点pn，将pn从其原路径中移除并加入到路径Ps中，同时，计算插入后路径到无人机机巢车辆距离的变化ΔD，和无人机机巢车辆动态往返成本变化ΔEn，若综合成本增加过大，则根据模拟退火接受准则以50％的概率按照路径负载较小的原则选择一条路径：先将每条路径的负载求反后再softmax化得到选择概率： 其中，Pj是第j条路径被选择的概率，m为路径数量，β2为调节因子，Lj为路径负载，根据该概率选择一条路径Pt；S427：对于路径Pt中的每个点pq，查找最近的不属于该路径的邻居点并进行上述的移除和加入操作，并考虑距离变化ΔD、无人机机巢车辆动态往返成本变化ΔEn和接受准则；S428：根据新的路径负载情况、距离变化和无人机机巢车辆动态往返成本变化重新计算整体的损失函数值Loss；无论采用哪种随机选择操作，在完成邻居点的转移后，重新计算接受邻居点转移的路径和与该路径有公共点的路径的负载情况，以及整体的路径到无人机机巢车辆的距离变化情况和无人机机巢车辆动态往返成本变化情况，方式同上述设定的损失函数Loss计算；S429：根据当前温度T和损失函数值的变化，按照模拟退火接受准则决定是否接受新的路径调整；如果接受，则更新路径集合；如果不接受，则保持原路径集合不变；S4210：更新温度T＝α1T，即按照退火速率降低温度，减少算法在后续迭代中的探索范围，逐渐收敛到一个较优的解，检查是否满足循环结束条件，如果不满足，则继续下一次循环迭代；如果满足，则结束模拟退火算法的迭代过程；步骤S5最终路径切割与输出具体包括以下步骤：S51：路径切割检查，遍历经过模拟退火优化后的所有路径，对于每条路径Pi检查其总负载是否超过无人机单日最大工作量Wmax，如果某条路径的负载超过了最大工作量，则需要对该路径进行切割；S52：切割操作，采用贪心策略进行路径切割，从路径的起点开始，逐步累加路径上点的权重，直到累加和接近但不超过无人机单日最大工作量Wmax时将该点作为候选切割点，对于每个候选切割点计算其切割后路径终点到无人机机巢车辆动态移动预计位置的距离dend,nt以及无人机机巢车辆行驶到该位置的成本Enestt，定义一个切割点评估函数：F＝Lsub+μdend,nt+νEnestt其中Lsub是切割后子路径的负载，μ是调节距离影响的参数，dend,nt是切割后路径终点到无人机巢动态移动预计位置的距离，ν是调节无人机机巢车辆行驶成本影响的参数，选择F值最小的候选切割点进行切割，将路径分割成两条子路径，重复这个过程，直到所有路径都满足无人机单日最大工作量的限制；S53：多无人机任务分配与输出，将切割后的路径按照无人机数量nd进行分配，使各无人机的任务负载均衡，根据路径的长度，点数或者负载等因素来衡量任务量，优先分配任务量较小的路径给已分配任务量较大的无人机，以逐步平衡各无人机的工作量，具体为计算每条切割后子路径的任务量指标，路径长度、负载，按照任务量从小到大对路径排序，然后依次将路径分配给无人机，每次分配时选择当前总任务量最小的无人机进行分配，更新该无人机的总任务量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司淮南供电公司，其通讯地址为：230601 安徽省合肥市经济技术开发区紫云路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。