一种大模型驱动的升压站多机器人协同值守方法及系统与流程
本发明涉及智能电力运维及机器人协同控制,尤其涉及一种大模型驱动的升压站多机器人协同值守方法及系统。
背景技术:
1、随着新型电力系统和智能电网的发展,升压站作为电力输送的重要节点,其安全稳定运行对电力系统具有重要影响。为提高设备监测效率、降低人工巡检强度,机器人巡检、机器视觉、物联网及人工智能等技术逐渐应用于升压站智能运维领域。
2、目前,升压站巡检主要采用人工巡检、固定监测设备和单机器人巡检相结合的方式。虽然现有系统能够实现设备状态采集和异常告警,但仍存在以下不足:一是单机器人巡检周期较长,多机器人之间缺乏统一调度和协同机制;二是任务分配通常依赖预设路线或固定计划,难以根据机器人电量、通信状态、任务优先级及突发告警进行动态调整;三是现有系统对复杂异常场景的综合分析和任务生成能力有限,难以结合运行规程、历史故障及实时检测结果制定协同巡检方案;四是异常处置多停留在检测和告警阶段,缺乏交叉复核、动态重规划及持续跟踪等闭环值守机制。
3、因此,需要一种能够结合升压站多源监测数据、机器人实时运行状态以及运行知识进行任务规划,并能够实现多机器人动态协同、检测结果交叉复核及异常事件闭环处理的升压站协同值守方案。
技术实现思路
1、本发明的目的在于提供一种大模型驱动的升压站多机器人协同值守方法及系统,以解决现有升压站值守过程中多机器人缺乏统一协同调度、巡检任务难以随机器人状态及突发异常动态调整、复杂异常场景任务生成能力不足以及异常处置缺乏交叉复核和持续跟踪的问题。
2、为实现上述目的,本发明提供一种大模型驱动的升压站多机器人协同值守方法,包括如下步骤:
3、s1、获取升压站固定监测设备、视觉巡检机器人、综合检测机器人和无人机采集的设备运行数据、环境监测数据及机器人检测数据,以及后台告警系统产生的告警信息;对获取的多源异构数据进行时间同步和融合处理,形成统一的值守事件数据;
4、s2、利用大模型结合升压站设备知识库、运行规程库及历史故障案例库对所述值守事件数据进行语义理解,生成任务图,并将所述任务图拆分为多个具有任务优先级及任务依赖关系的子任务;
5、s3、获取所述视觉巡检机器人、综合检测机器人及无人机的实时运行状态,建立机器人状态模型,根据所述任务图及机器人状态模型确定各子任务对应的执行机器人,生成多机器人协同执行方案;
6、s4、按照所述多机器人协同执行方案控制所述视觉巡检机器人、综合检测机器人及无人机执行对应的巡检任务,并获取各机器人返回的检测数据及任务执行状态;
7、s5、对多个机器人返回的检测数据进行融合处理和一致性分析,当多个检测结果存在冲突或者任一检测结果的检测置信度低于预设阈值时,生成交叉复核任务并重新调度机器人执行补充检测;
8、s6、根据融合分析结果生成状态评估结果、异常告警信息及运维建议,并持续跟踪异常设备状态直至异常解除。
9、进一步地,步骤s1中,所述时间同步和融合处理包括时间同步、数据清洗、标准化处理、多源数据融合及特征提取;所述多源异构数据包括设备运行状态数据、视频图像数据、红外热成像数据、sf6气体浓度数据、环境温湿度数据、声学检测数据、机器人运行状态数据及告警信息。
10、进一步地,步骤s2中,所述任务图至少包括检测对象、检测内容、任务优先级、执行约束条件及任务依赖关系,并依据所述任务优先级、执行约束条件及任务依赖关系将所述任务图拆分为多个可执行子任务。
11、进一步地,步骤s3中,所述机器人状态模型包括机器人当前位置、剩余电量、通信状态、任务负载、检测能力及运行状态,并根据所述机器人状态模型实时更新各机器人的可执行任务集合。
12、进一步地,步骤s3中,根据子任务的检测能力需求从所述可执行任务集合中确定能够执行对应子任务的机器人,并结合机器人当前位置、剩余电量、通信状态、任务负载及任务优先级确定各子任务对应的执行机器人;当机器人发生故障、电量不足、通信异常或者出现新增异常事件时,对未完成任务重新确定执行机器人,实现增量式动态重规划。
13、进一步地,步骤s4中,所述视觉巡检机器人执行设备外观检测、仪表识别、刀闸状态识别、控制柜指示灯识别及设备铭牌识别;所述综合检测机器人执行红外测温、sf6气体检测、环境参数检测及异常声音检测;所述无人机执行母线、避雷器、套管及其他高空设备巡视,并执行补充检测任务。
14、进一步地,步骤s5中,对多个机器人返回的可见光图像、红外热成像数据、气体检测数据及环境监测数据,以及获取的设备运行数据进行融合处理和一致性分析;当多个检测结果存在冲突或者任一检测结果的检测置信度低于所述预设阈值时,生成所述交叉复核任务,并重新调度具有相应检测能力的机器人执行补充检测。
15、进一步地,步骤s6中,根据所述融合分析结果还生成巡检报告;当确认异常解除后,更新所述升压站设备知识库及历史故障案例库,并恢复常规巡检模式。
16、本发明还提供一种大模型驱动的升压站多机器人协同值守系统,包括:
17、事件获取模块,用于获取升压站固定监测设备、视觉巡检机器人、综合检测机器人和无人机采集的设备运行数据、环境监测数据及机器人检测数据,以及后台告警系统产生的告警信息;
18、数据融合模块,与所述事件获取模块连接,用于对获取的多源异构数据进行时间同步和融合处理,形成统一的值守事件数据;
19、大模型任务规划模块,与所述数据融合模块连接,用于结合升压站设备知识库、运行规程库及历史故障案例库对所述值守事件数据进行语义理解,生成任务图,并将所述任务图拆分为多个具有任务优先级及任务依赖关系的子任务;
20、动态协同调度模块,分别与所述大模型任务规划模块及多机器人协同执行模块连接,用于获取各机器人的实时运行状态并建立机器人状态模型,根据所述任务图及机器人状态模型确定各子任务对应的执行机器人,生成多机器人协同执行方案;当机器人发生故障、电量不足、通信异常或者出现新增异常事件时,对未完成任务执行增量式动态重规划;
21、多机器人协同执行模块,包括视觉巡检机器人、综合检测机器人及无人机,用于按照所述多机器人协同执行方案执行对应的巡检任务,并返回检测数据及任务执行状态;
22、结果融合与交叉复核模块,与所述多机器人协同执行模块连接,用于对多个机器人返回的检测数据进行融合处理和一致性分析,当多个检测结果存在冲突或者任一检测结果的检测置信度低于预设阈值时生成交叉复核任务,以使所述动态协同调度模块重新调度机器人执行补充检测;
23、闭环值守与运维决策模块,与所述结果融合与交叉复核模块连接,用于根据融合分析结果生成状态评估结果、异常告警信息及运维建议,并持续跟踪异常设备状态直至异常解除。
24、进一步地,所述视觉巡检机器人配置高清可见光摄像机、云台及激光雷达;所述综合检测机器人配置红外热成像仪、sf6气体检测传感器、温湿度传感器及声学传感器;所述无人机配置高清相机及红外热成像设备。
25、与现有技术相比,本发明至少具有以下有益效果:
26、1.通过大模型结合升压站设备知识库、运行规程库及历史故障案例库对值守事件数据进行语义理解并生成任务图,将复杂异常事件拆分为具有任务优先级及任务依赖关系的可执行子任务,提高复杂异常场景下巡检任务的生成和组织能力。
27、2.通过获取机器人当前位置、剩余电量、通信状态、任务负载、检测能力及运行状态建立机器人状态模型,并根据任务需求动态确定执行机器人;在机器人故障、电量不足、通信异常或者出现新增异常事件时对未完成任务执行增量式动态重规划,提高多机器人协同调度能力和机器人资源利用率。
28、3.通过视觉巡检机器人、综合检测机器人及无人机分别承担可见光巡检、状态检测和高空巡视任务,并按照多机器人协同执行方案共同完成巡检任务,提高升压站多类型巡检任务的协同执行效率。
29、4.通过对多机器人检测结果进行融合和一致性分析,在检测结果冲突或者任一检测结果的检测置信度低于预设阈值时触发交叉复核,并结合状态评估、异常告警、运维建议及异常状态持续跟踪形成闭环处理,提高异常检测结果的可靠性及升压站智能值守的闭环处置能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com