一種風力發(fā)電場巡檢車的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及風力發(fā)電領(lǐng)域，具體涉及一種風力發(fā)電場巡檢車。
【背景技術(shù)】
[0002] 風力發(fā)電是一種新興的發(fā)電方式，是國家近年來大力提倡的無污染新能源。風力 發(fā)電廠的巡檢，是風力發(fā)電場日常工作的一個重要部分，由于風力發(fā)電場的巡檢范圍廣、路 線長，越來越多的風力發(fā)電場采用巡檢車進行巡檢。
[0003] 同時，風力發(fā)電站的設(shè)備有著不同的設(shè)備狀態(tài)，包括檢修、運行、備用以及其他一 些特殊的情況，巡檢員往往需要根據(jù)設(shè)備的不同狀態(tài)而改變每輪次的巡檢目的地和路線， 因此，如何根據(jù)巡檢員的目的地的不同，在巡檢車上自動生成最節(jié)省巡檢車運行成本的路 線以達到節(jié)能省時的目的是一個亟需解決的問題。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明提供一種風力發(fā)電場巡檢車。
[0005] 本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：
[0006] -種風力發(fā)電場巡檢車，包括車體和安裝在車體上的巡檢儀，其特征是，巡檢儀包 括信號模塊、處理模塊和輸出模塊；
[0007] 信號模塊，用于接收用戶輸入的本輪次的多個巡檢目的地以及到達各個目的地的 預計要求時間；
[0008] 處理模塊，用于根據(jù)本輪次的巡檢目的地和事先輸入的風力發(fā)電場地理環(huán)境信息 選擇最優(yōu)路徑，具體包括：
[0009] 建模模塊： 「00101
[0011] 其中，mins為巡檢過程中的最低成本；m為當前巡檢車的總數(shù)；U為目的地數(shù)量；b。 為單位距離碳排放成本；ω。為碳排放系數(shù)；Φ。為空載時單位距離燃料消耗量；為目的 地i(i= 1，2,…，U)到目的地j(j= 1，2,…，U)之間的距離；c為巡檢車的載重量；Η為巡 檢車的最大載重量；Φ#為滿載時單位距離燃料消耗量；
[0012]
;?\為巡檢車提前到達損失 系數(shù)，?\Σ丨-ω為于時刻G提前到達目的地i時的成本損失；τ2為巡檢車遲到損失系 數(shù)，Σ丨??(~ _體)為延遲至時刻ο到達目的地i時的成本損失；提前到達損失系數(shù)和遲到 損失系數(shù)用于考量井口巡查車到達每一個目的地的準點情況，據(jù)目的地的設(shè)備具體 情況人為設(shè)定；
[0013] 概率模塊：假設(shè)共有R個節(jié)點，γ^⑴表示t時刻節(jié)點i與節(jié)點j之間的跟蹤素 強度，γ,(0) =κ(κ為數(shù)值較小的常數(shù)），巡檢車在運動過程中根據(jù)跟蹤素強度選擇轉(zhuǎn)移方 向，貝巡檢車k(k= 1，2,. . .，m)從節(jié)點i轉(zhuǎn)移到節(jié)點j的概率為：
[0014]
[0015] 其中，geAk;Ak= {0, 1，...，R-1}-Bk表示巡檢車k下一步允許選擇的點的集 合，隨時間呈動態(tài)變化，Bk(k=l，2，...，m)為第k輛巡檢車的禁忌表，用來記錄巡檢車k 已服務過的點；灼⑴為啟發(fā)式因子，表示t時刻由節(jié)點i到節(jié)點j的期望程度，一般取 奶辦）=1//π:Φ為信息啟發(fā)式因子，μ為期望啟發(fā)因子；a(i，j)為下一個目的地的時間 度；8為下一個目的地的時間度相對重要性；
[0016] 更新模塊：引入優(yōu)化變量⑴，其滿足(t+Ι) =σX(t) [l-χ^⑴]，其中0為 控制變量，得出優(yōu)化的跟蹤素更新規(guī)則：
[0017] γij(t=l) = (1-ζ)γ；j(t) +Δ γ;s (t) +ΗX；s (t)
[0018] 其中，Δ& (t)二ΣtA4 ⑴，
[0019]
,Fk為第k輛 巡檢車在本次循環(huán)中所走路徑長度，I為跟蹤素強度的常數(shù)，Δκ?α)表示在本次循環(huán)中第k輛巡檢車在路徑（i，j)上留下的跟蹤素強度；ζ為跟蹤素全局揮發(fā)因子，ζe[0，1]，且 ζ為根據(jù)如下公式動態(tài)調(diào)整的參數(shù)：
；中ζ_是人 為設(shè)定的最小值；Αγ(t)表示本次循環(huán)中所有巡檢車在路徑（i，j)上留下的跟蹤素強度 的總和；Η為可調(diào)節(jié)系數(shù)；
[0020] 初始模塊：令迭代次數(shù)DD=0,進行參數(shù)初始化，調(diào)整各路徑跟蹤素；產(chǎn) 生一個范圍為[0,1]的隨機數(shù)Ρ，若Ρ<給定常數(shù)Ρ。，按照下式選擇下一個節(jié)點j: j=arg?nax〇y(U)]ΨX[a(U)3]}其中 1eAk;否則根據(jù)概率模塊中的概率 公式選擇下一個節(jié)點j，將j加入數(shù)組氏中，重復直至所有的節(jié)點任務完成，得到模擬算法 的初始集S1;
[0021] 最優(yōu)解模塊：從當前的初始集中生成一組新的可行解Sj，目標值變化量AS= Sj-Si，若AS<0,則接受新的可行解Sj為最優(yōu)解；否則考慮偏差的影響：r=eXp(-AS/ N(t))，其中N為隨時間變化的量，若r> 1，則接受$為最優(yōu)解，否則不接受新的可行解，最 優(yōu)解仍為s1;
[0022] 選擇模塊：當前最優(yōu)解小于某一特定值時，進行跟蹤素更新；如果本輪列表氏中 無數(shù)據(jù)更新，則產(chǎn)生一個[0, 1]范圍的隨機數(shù)11，若ei+ej, · · ·，e;iCu<ei+e；^，· · ·，e;， 則選擇概率為候選巡檢車作為下一個目標節(jié)點；
[0023] 輸出模塊：用于輸出計算出的最優(yōu)路徑，令迭代次數(shù)DD=DD+1，若DD<DD_，根 據(jù)跟蹤素更新規(guī)則，按照公式N(t+1) =N(t).v進行清空氏列表，其中ve[0，1]，回到初 始模塊，重新產(chǎn)生隨機數(shù)P;若DD=DD_，則輸出最優(yōu)解作為最優(yōu)路徑。
[0024] 本發(fā)明的有益效果為：本發(fā)明采用優(yōu)化的路徑算法，考慮了巡檢車運行過程中的 各種成本因素，尋優(yōu)效果好、求解效率高、性能穩(wěn)定，增強了全局搜索能力，能最大限度地節(jié) 省巡檢車的運行成本，能起到很好的節(jié)能效果。
【附圖說明】
[0025] 利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限 制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得 其它的附圖。
[0026] 圖1本發(fā)明的結(jié)構(gòu)框圖。
[0027] 附圖標記：信號模塊-11;建模模塊-21;概率模塊-22;更新模塊-23;初始模 塊-24 ;最優(yōu)解模塊-25 ;選擇模塊-26 ;輸出模塊-31。
【具體實施方式】
[0028] 結(jié)合以下實施例對本發(fā)明作進一步描述。
[0029] 如圖1所示的一種風力發(fā)電場巡檢車，包括車體和安裝在車體上的巡檢儀，巡檢 儀包括信號模塊11、處理模塊和輸出模塊31 ;
[0030] 信號模塊11，用于接收用戶輸入的本輪次的多個巡檢目的地以及到達各個目的地 的預計要求時間；
[0031] 處理模塊，用于根據(jù)本輪次的巡檢目的地和事先輸入的風力發(fā)電場地理環(huán)境信息 選擇最優(yōu)路徑，具體包括：
[0032] 建模模塊21:
[0033]
[0034] 其中，minS為巡檢過程中的最低成本；m為當前巡檢車的總數(shù)；U為目的地數(shù)量；b。 為單位距離碳排放成本；ω。為碳排放系數(shù)；Φ。為空載時單位距離燃料消耗量；為目的 地i(i= 1，2,…，U)到目的地j(j= 1，2,…，U)之間的距離；c為巡檢車的載重量；Η為巡 檢車的最大載重量；Φ#為滿載時單位距離燃料消耗量；
[0035]
;?\為巡檢車提前到達損失 系數(shù)，η.Σ丨-t,:)為于時刻G提前到達目的地i時的成本損失；τ2為巡檢車遲到損失系 數(shù)，τ2Σ丨U(t,: - :?)為延遲至時刻0到達目的地i時的成本損失；提前到達損失系數(shù)和遲到 損失系數(shù)用于考量井口巡查車到達每一個目的地的準點情況，據(jù)目的地的設(shè)備具體 情況人為設(shè)定，考慮了包括設(shè)備的重要程度，不同氣候和工況的影響等因素；
[0036] 概率模塊22 :假設(shè)共有R個節(jié)點，γ^⑴表示t時刻節(jié)點i與節(jié)點j之間的跟蹤 素強度，γ,(〇) =K(K為數(shù)值較小的常數(shù)），巡檢車在運動過程中根據(jù)跟蹤素強度選擇轉(zhuǎn)移 方向，貝巡檢車k(k= 1，2,. . .，m