技术领域
[0001] 本发明涉及机组协同技术领域，特别涉及基于多应用场景的机组协同优化方法。
相关背景技术
[0002] 随着电厂数字化改造与智能化升级，电厂依赖于自动化技术来进行巡检和维护，常见的可能是包括巡检机器人，需要由人对推动该设备进行电厂巡检，但是会存在由于监测位置高等的情况，亦或者推送设备移动过程中并未按照规划路线移动，导致对某些设备的遗漏检测，亦或者在监测过程中，由于电厂中包含的场景有很多，不能单一的按照某个机器人完成有效巡检，所以无论哪种情况，都会导致对电厂巡检的不完整，进而影响监测效率。
[0003] 因此，本发明提供基于多应用场景的机组协同方法。
具体实施方式
[0019] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0020] 实施例1：本发明实施例提供基于多应用场景的机组协同优化方法，如图1所示，包括：
步骤1：根据电厂实际布局确定多应用场景以及每个应用场景中涉及到的每个运行机组的机组种类，并根据机组种类以及应用场景向相应应用场景匹配无人机；
步骤2：根据每个应用场景的场景运行关系，规划每个无人机的监测移动路线并监测相应应用场景中所对应运行机组的运行数据以及所对应运行机组的周围环境数据；
步骤3：对所述运行数据以及周围环境数据进行分析，确定每个应用场景的生产安全度，并进行等级划分，依据划分结果协同优化不同应用场景的生产过程。
[0021] 该实施例中，电厂内的应用场景包括电气设备检查、管道和输电线路巡检、建筑结构检查、电厂巡检以及安全巡视和应急响应。
[0022] 该实施例中，电厂实际布局包括有发电区域、能源储存区、控制室、维护区域、办公区域等，主要影响因素取决于电厂类型及其实际容量。
[0023] 该实施例中，运行机组的机组种类包括发电机组、输电线路和变电站、能源与冷却机组、废弃物处理机组。
[0024] 该实施例中，匹配无人机的考虑因素有无人机的飞行时间和载荷、传感器和设备、操作环境、数据传输和储存以及安全与法规遵从，每个应用场景需要不同类型的无人机，以满足各自的任务和目标。
[0025] 该实施例中，场景运行关系是电厂的特定需求与应用场景之间的无人机切换的关系，比如无人机可以进行巡检与监测、建筑结构的检查、紧急响应、数据采集和分析以及安全监测。
[0026] 该实施例中，监测移动路线是指根据运行机组的连接情况设置监测点之后将这些点根据监测类型在应用场景内部连接而形成的线路，首先，明确每个应用场景的监测目标，包括需要监测的设备或环境参数，包括设备状态、温度、振动、气体排放、结构完整性等，确定需要监测的具体区域，包括设备、管道、建筑物、烟囱等，对于每个运行机组，确定需要监测的关键区域。
[0027] 该实施例中，运行机组的运行数据包括电力输出、运行温度与内部压力、振动与震动的状态、废气排放的数据、设备的运行时间、启动和停机次数以及水循环次数等相关数据。
[0028] 该实施例中，周围环境数据包括环境温度、湿度、风速与气体浓度等。
[0029] 该实施例中，生产安全度是根据设备和环境的安全性与可靠性确定的，影响因素包括设备状态、环境因素、维护计划、操作程序和应急响应。
[0030] 该实施例中，等级划分是通过将数据分析工具对运行数据与环境数据进行统计分析、趋势分析和模型建立，识别异常和潜在问题，将每个应用场景的生产安全度划分为不同等级，划分为高、中、低等级。
[0031] 该实施例中，协同优化措施包括高安全等级的应用场景，需要严格的安全措施，比如采用多重认证、数据加密、实时监控、安全培训和定期演练；中安全等级需要适度安全控制，比如访问控制、数据备份、灾难恢复计划、漏洞管理和紧急响应计划；低安全等级的应用场景，采用灵活控制措施。
[0032] 上述技术方案的工作原理及有益效果是：通过电厂的实际布局情况进行应用场景及对应机组种类的确定，并匹配相应无人机，根据每个应用场景的场景运行关系设置无人机的监测移动路线与对应监测计划，根据监测计划获取的对应数据确定每个应用场景的生产安全度，并调整监测频率与优化监测路线，提高监测效率与准确度。
[0033] 实施例2：本发明实施例提供基于多应用场景的机组协同优化方法，根据电厂实际布局确定多应用场景以及每个应用场景中涉及到的每个运行机组的机组种类，并根据机组种类以及应用场景向相应应用场景匹配无人机，包括：
获取电厂的实际布局情况，根据所述实际布局情况中的电厂类型、电厂规模和特定需求对电厂进行划分，得到若干应用场景；
根据每个应用场景的实际监测需求以及机组种类的分布情况，向对应应用场景匹配无人机。
[0034] 该实施例中，电厂类型包括火电厂、水电厂以及核电厂等。
[0035] 该实施例中，针对每个应用场景，确定实际的监测需求，包括需要监测的参数、监测频率、数据分析需求等。
[0036] 该实施例中，选择适合每个应用场景的无人机，涉及不同种类的无人机，如多旋翼、固定翼、垂直起降等，确保无人机具备必要的传感器和载荷，以满足监测需求。
[0037] 上述技术方案的工作原理及有益效果是：根据电厂的实际监测需求，匹配无人机，并优化无人机的使用，提高生产效率，并确保设备和环境的安全性。
[0038] 实施例3：本发明实施例提供基于多应用场景的机组协同优化方法，根据每个应用场景的实际监测需求以及机组种类的分布情况，向对应应用场景匹配无人机，包括：
根据每个应用场景的实际监测需求确定必要传感器，对每个必要传感器设定频率发射区间，集合每个应用场景的所有必要传感器对应的频率发射区间构建得到对应应用场景的监测向量；
获取现有无人机上所设置的传感器数据，构建每个现有无人机的传感向量；
将每个监测向量分别与每个传感向量进行比较，确定每个应用场景的可使用无人机；
根据每个应用场景的常年环境数据，确定对应应用场景基于当下时段的常规环境数据，并生成环境筛选窗对相应应用场景下的可使用无人机进行筛选，其中，将筛选的无人机作为向对应应用场景匹配的无人机。
[0039] 该实施例中，必要传感器是每个应用场景必须监测的指标对应的数据获取的传感器，比如一氧化碳传感器和二氧化碳传感器用于监测有害气体排放，相关无人机的应用场景是废气排放区域。
[0040] 该实施例中，频率发射区间是根据监测需求和数据采集频率，设定传感器的数据发射频率的上限与下限。
[0041] 该实施例中，监测向量包括必要传感器对应的类型、频率发射区间与监测时间。
[0042] 该实施例中， 。
[0043] 该实施例中，将每个监测向量与现有无人机的传感向量进行比较，匹配算法，用于确定无人机具备足够的传感器来满足应用场景的需求。
[0044] 该实施例中，常年环境数据包括气象条件、风速、温度等，基于这些数据，为每个应用场景生成环境筛选窗，对无人机执行监测任务的时间进行确定。
[0045] 该实施例中，根据环境数据，确定无人机适合执行的任务，选择在特定天气条件下工作的无人机，或根据飞行时间、稳定性等因素进行筛选，将筛选的无人机与相应的应用场景进行匹配，确保无人机可以在正确的时间和条件下执行监测任务。
[0046] 该实施例中，常年环境数据是历史数据中包含的所有数据求取的平均值得出的。
[0047] 该实施例中，常规环境数据包括风速、空中生物数据与设备电磁干扰状况数据。
[0048] 上述技术方案的工作原理及有益效果是：通过确定每个应用场景的必要传感器与对应传感器的频率发射区间生成监测向量与无人机传感向量进行差值比较确定每个场景的可使用无人机，结合相关环境数据生成环境筛选窗得出与应用场景相匹配的无人机，实现在不同的应用场景的需求下对无人机的灵活应用。
[0049] 实施例4：本发明实施例提供基于多应用场景的机组协同优化方法，生成环境筛选窗对相应应用场景下的可使用无人机进行筛选，包括：
基于当下时段的常规环境数据中风速数据，确定最大风速与相应风向转化情况对无人机的稳定性的影响情况；
基于当下时段的常规环境数据中空中生物数据确定安全飞行区域，并根据所述安全飞行区域中的电厂建筑确定无人机的避障灵敏度；
基于当下时段的常规环境数据中设备电磁干扰强度，确定无人机的可通讯空间；
基于稳定性的影响情况、无人机的避障灵敏度以及可通讯空间，对同个应用场景下的可使用无人机进行筛选。
[0050] 该实施例中，风速和风向对稳定性的影响是根据当前的风速数据，确定无人机的最大安全飞行速度，风速超过无人机的极限速度会影响稳定性，需要确保无人机可以安全起降和飞行，风向与无人机的机头朝向和起降方向相关，需要确保飞行过程中的稳定性。
[0051] 该实施例中，空中生物数据和安全飞行区域是使用空中生物数据来确定安全飞行区域，高密度的空中生物活动会影响无人机的安全飞行，需要避开这些区域，根据电厂建筑位置，确定无人机的避障灵敏度。
[0052] 该实施例中，设备电磁干扰强度和可通讯空间是根据电磁干扰强度数据，确定无人机的可通讯空间，强烈的电磁干扰会影响遥控和通信系统，需要确保无人机在这些干扰下能够保持通信。
[0053] 上述技术方案的工作原理及有益效果是：通过结合电厂每个应用场景的常规环境数据对可使用无人机进行筛选，实现对无人机安全飞行和有效执行任务的状况，优化无人机的使用，提高生产效率，并确保设备和环境的安全性。
[0054] 实施例5：本发明实施例提供基于多应用场景的机组协同优化方法，根据每个应用场景的场景运行关系，规划每个无人机的监测移动路线，包括：
获取每个运行场景对应的运行机组的基础故障数据，根据所述基础故障数据明确每个应用场景中的待监测目标以及每个待监测目标的需要监测属性；
基于所述需要监测属性确定对应应用场景的场景运行关系，并制定相应无人机的监测移动路线。
[0055] 该实施例中，基础故障数据包括历史故障记录、维修报告与设备性能数据。
[0056] 该实施例中，需要监测属性包括监测目标对应的监测温度范围、振动频率与电流强度。
[0057] 该实施例中，基于待监测目标和监测属性，确定每个应用场景的场景运行关系，包括目标之间的关联以及不同目标的互动关系，例如，某些属性需要同时监测，因为它们在故障预测中相互关联，高温和高湿度与锅炉性能相关。
[0058] 该实施例中，无人机的监测移动路线需要考虑目标位置、监测频率、飞行高度等因素。
[0059] 上述技术方案的工作原理及有益效果是：根据每个运行机组的基础故障数据确定需要监测属性，连接需要监测属性对应的最优监测点得出监测移动路线，有助于确保无人机的监测任务能够有效地覆盖潜在的故障目标，并提供有关设备状态和环境条件的重要信息。
[0060] 实施例6：本发明实施例提供基于多应用场景的机组协同优化方法，制定相应无人机的监测移动路线，包括：
基于所述需要监测属性确定对应应用场景的场景运行关系，确定每个应用场景中每个无人机的初始移动路线；
确定每个初始移动路线的指定终点的第一监测类型以及指定起点的第二监测类型；
寻找与所述第一监测类型一致的第二指定起点以及与第二监测类型一致的第二指定终点；
分别向每个初始移动路线赋予扩展数组K1（Y1,Y2），其中，所述扩展数组包括：起点扩展系数Y1以及终点扩展系数Y2；
；其
中， 表示对应初始移动路线的指定起点与第j1个第二指定终点的第一距离； 表示对应初始移动路线的指定终点与第j2个第二指定起点的第二距离； 表示与第j1个第二指定终点所对应第一距离的能量消耗系数； 表示与第j2个第二指定起点所对应第二距离的能量消耗系数；n1表示第一距离的总个数；n2表示第二距离的总个数； 表示对应初始移动路线中基于第i个监测点的停留监测时长；n3表示对应初始移动路线中存在的监测点的总个数； 表示第j1个第二指定终点的监测时长； 表示第j2个第二指定起点的监测时长； 表示满足 的第二指定终点的个
数； 表示从所有 中筛选最大值； 表
示对应初始移动路线中的第i个监测点的单位能量消耗系数； 表示对应初始移动路线的单位距离消耗系数； 1表示基于起点到终点的消耗阈值； 2表示终点到起点的消耗阈值； 表示满足 的第二指定起点的个数；
[0061] 根据所述扩展数组，向对应初始移动路线赋予扩展标签；扩展完成之后，对初级监测路线进行连接优化得出整体监测路线，获取历史故障数据对整体监测路线进行完整度判断，根据判断结果对整体监测路线进行调整，得到监测移动路线。
[0062] 该实施例中，初始移动路线是基于无人机的性能和飞行能力覆盖特定应用场景和属性监测区域的所有路线。
[0063] 该实施例中，寻找与第一监测类型一致的第二指定起点和与第二监测类型一致的第二指定终点，将无人机从一个监测任务转移到另一个监测任务时，要确保它们的监测类型和属性的一致性。
[0064] 该实施例中，路径优化是使用路径规划算法来优化无人机的路径，以满足所有监测需求，最小化飞行时间和资源成本。
[0065] 该实施例中，扩展数组标记是根据扩展数组K1（Y1, Y2），将对应的扩展标签分配给初始移动路线上的每个起点和终点，用于后续的路径连接和优化。
[0066] 该实施例中，连接优化是指将初始移动路线连接成整体监测路线的过程，使用路径规划算法来考虑各个无人机的初始移动路线、扩展标签和监测任务，以最小化总飞行距离和时间，比如无人机a与无人机b的指定终点与指定起点的监测类型均一致，通过路径规划算法发现无人机a的监测移动路线中存在重点监测点，且靠近起点，连接优化的结果将从a的指定起点开始到b的终点为止。
[0067] 该实施例中，完整度判断是使用历史故障数据和分析结果来评估整体监测路线的完整度，检查是否覆盖了潜在故障点或高风险区域。
[0068] 该实施例中，路线调整是根据完整度判断的结果，对整体监测路线进行调整，包括增加监测任务的频率或更改监测路线，以确保更好地覆盖潜在故障点。
[0069] 该实施例中，监测移动路线生成是经过了扩展数组标记、连接优化和历史故障数据分析，指导无人机的飞行，以执行监测任务。
[0070] 上述技术方案的工作原理及有益效果是：根据场景运行关系确定应用场景中无人机的初始移动路线，根据监测类型进行应用场景间的初始移动路线的扩展，连接优化初始移动路线的扩展后进行完整度判断，得出监测移动路线，有助于最大程度地提高生产安全性。
[0071] 实施例7：本发明实施例提供基于多应用场景的机组协同优化方法，对所述运行数据以及周围环境数据进行分析，确定每个应用场景的生产安全度，并进行等级划分，依据划分结果协同优化不同应用场景的生产过程，包括：
根据获取的运行数据构建每个运行机组的运行向量，确定每个应用场景运行机组的运行安全等级；
；其中， 表示第i1个应用场景的运行安全等级； 表
示第i1个应用场景的设备状态等级函数； 表示第i1个应用场景的性能指标等级函数； 表示第i1个应用场景的故障记录等级函数；
[0072] 根据周围环境数据，计算无人机环境影响因子与环境设备影响因子；结合无人机环境影响因子与环境设备影响因子每个应用场景运行机组的运行安全等级进行调整，得出生产安全等级；
根据生产安全等级分布情况判断对应应用场景运行机组的维护升级必要性与工作流程高效性，根据判断结果对所述生产安全等级所在应用场景的无人机进行监测频率与监测故障点采样时间调整。
[0073] 该实施例中，运行安全等级是使用设备状态等级函数、性能指标等级函数和故障记录等级函数，来评估每个应用场景中的运行机组的运行安全等级。
[0074] 该实施例中，无人机环境影响因子是基于周围环境数据求取算数平均值得出的，包括环境参数，如气温、湿度、风速等，以及环境中的其他因素，如污染物浓度等。
[0075] 该实施例中，环境设备影响因子涉及到环境中的设备、结构或其他因素对监测任务的影响，根据影响程度得出，例如，设备的振动会干扰传感器的性能。
[0076] 该实施例中，根据生产安全等级的分布情况，评估对应应用场景运行机组的维护升级的必要性和工作流程的高效性，高风险区域需要更频繁的维护，根据评估的结果，对生产安全等级所在应用场景的无人机的监测频率和监测故障点采样时间进行调整，需要更频繁或更密集地监测高风险区域，实施新的监测频率和采样时间，确保监测任务按照计划执行，定期监督和评估效果，根据需要进行调整。
[0077] 该实施例中，维护升级必要性是对于高风险应用场景中的运行机组，评估其设备状态、性能指标和历史故障记录，如果存在严重的设备问题或高风险，需要进行维护升级，比如，是定期计划的维护或根据需要的紧急维修。
[0078] 该实施例中，工作流程高效性是审查应用场景的工作流程，包括维护流程和监测任务的执行流程，评估流程的效率和可改进之处，根据有新的技术或方法提高工作流程的效率。
[0079] 上述技术方案的工作原理及有益效果是：根据应用场景中运行机组的运行型数据得出运行安全等级，根据周围环境数据的无人机环境影响因子与环境设备影响因子对运行安全等级进行调整得出生产安全等级，根据生产安全等级对无人机进行监测频率与采样时间调整，有助于在不同的应用场景中，根据环境因素和设备影响因子，调整无人机监测任务的频率和采样时间，以更好地满足生产安全性和效率的需求。
[0080] 实施例8：本发明实施例提供基于多应用场景的机组协同优化方法，结合无人机环境影响因子与环境设备影响因子每个应用场景运行机组的运行安全等级进行调整，得出生产安全等级，包括：
使用无人机监测和数据分析能力评估运行机组的设备状态和环境条件，结合无人机基础状态得出无人机环境影响因子与环境设备影响因子，并根据所述无人机环境影响因子与环境设备影响因子对运行安全等级的调整，最终确定生产安全等级，根据生产安全等级确定设备状态并向监测系统进行反馈。
[0081] 该实施例中，无人机监测和数据分析是使用无人机配备的传感器和数据分析能力，对运行机组的设备状态和环境条件进行监测，包括传感器数据的实时收集，如温度、振动、压力、化学参数等，以及环境条件数据，如气象条件和污染物浓度。
[0082] 上述技术方案的工作原理及有益效果是：有助于整合无人机技术和数据分析来提高生产安全性，通过及时监测和反馈来减少潜在的设备问题和环境风险。
[0083] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
