基于改进遗传算法的变电站巡检机器人路径规划.pdf

第6 0 卷第8 期2023年8 月15 日电测与仪 表Electrical Measurement&InstrumentationVol.60 No.8Aug.15,2023基于改进遗传算法的变电站巡检机器人路径规划柯清派，史训涛，袁智勇，雷金勇，刘迎澍，任超”（1.南方电网科学研究院有限责任公司，广州5 10 0 8 0；2.天津大学电气自动化与信息工程学院，天津30 0 0 7 2）摘要：变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同，变电站巡检线路中各坐标之间并不具备完全的连通性，传统的优化方法难以解决此类问题。为此，文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模，然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群，随迭代次数调整变异概率，从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法（ISAGA）相比，得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性，在实际的巡检任务中能够起到更好的效果。关键词：变电站巡检机器人；路径规划；改进遗传算法；寻优D0I:10.19753/j.issn1001-1390.2023.08.024中图分类号:TM727,TP24Route planning for substation patrol robot based on improved genetic algorithmKe Qingpai,Shi Xuntao,Yuan Zhiyong,Lei Jinyong,Liu Yingshu,Ren Chao?(1.Electric Power Research Institute,CSG,Guangzhou 510080,China.2.School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China)Abstract:Path planning of patrol robot in substation is a complex combinatorial optimization problem.Unlike the classicalTSP problem,there is no complete connectivity between the coordinates of inspection route in substation.Conventional op-timization methods are difficult to solve such problems.Therefore,an improved genetic algorithm is proposed for the in-spection route planning.The working environment of the robot is modeled by using topological graph.Then,the specialcrossover operator,adaptive mutation operator and elimination operator are used to reverse mutation of the eliminated indi-viduals in each generation,and the new individuals are re-added to the population.The mutation probability is adjustedwith the number of iterations,thus,the continuous planning space is directly optimized.The simulation results show thatcompared with the simulated annealing algorithm,the traditional genetic algorithm and the improved adaptive genetic algo-rithm based on individual similarity(ISAGA),the average path length of the proposed algorithm is shortened by 4.9%,8.3%and 3.1%respectively,and it has better convergence and stability,which can play a better role in the actual in-spection task.Keywords:substation patrol robot,path planning,improved genetic algorithm,optimization05引言随着经济不断发展，社会用电量急剧上升,变电站数量也随之急剧上升。变电站作为电网的节点，对于电网的安全运行具有决定性的意义。变电站现场的巡检工作在保证其安全运行方面占据极其重要的地位。但变电站传统的巡检方式为人工巡检，存在着效率低下、标准不统一、人员劳动强度大、受天气影响等问基金项目：中国南方电网有限责任公司科技项目（ZBKJXM20170086）；国家自然科学基金资助项目（6 16 0 32 7 0）一 144 一文献标识码：A题。电力设备的运营自动化已显示出其迫切性，各种巡检机器人应运而生。如何提高巡检机器人工作效率,如何在最短的时间内完成巡检任务成为重要的研究方向。如何寻找一条最优的巡检路线成为呕待解决的问题。变电站内巡检机器人必须在可行路径上移动，与经典路径规划TSP问题并不相同，传统的优化算法难以解决该类问题，而国内外针对路径规划提出的智能算法主要有神经网络算法2】、粒子群算法3、蚁群算法和遗传算法等。神经网络算法具有自学习的功能，能文章编号：10 0 1-139 0(2 0 2 3)0 8-0 144-0 6第6 0 卷第8 期2023年8 月15 日够高速寻找优化解，但是存在容易陷人局部最小值、精度较低等缺点4;蚁群算法鲁棒性较强,能够与其他方法结合，但是存在计算周期长，易死锁等问题。遗传算法是一种基于自然遗传和自然选择的全局优化方法5,在路径规划领域得到了广泛的应用。文献6-7 提出了引人逆转变异的改进遗传算法，避免变异操作产生不符合要求的新路径。文献8-10 在交叉重组过程中采用远亲交配，有效防止下一代群体中出现重复路径,然而文献6-10 均未提出防止陷人局部最优解的有效方法。文献11-12 在遗传算法中引人精英保留策略，保证算法跳出局部极值。文献13提出一种Q学习算法与遗传算法相结合的分层路径规划方法，文献14考虑个体适应度，提出了一种自适应调整交叉率和变异率的方法,提高遗传算法的收敛性能，但上述算法在变异过程中都存在基因的稳定性问题，在迭代的后期会因为变异导致部分优秀基因产生退化，进而影响算法的收敛性能。针对传统遗传算法具有收敛性较差、容易陷人局部最优解的不足之处，文中综合考虑计算精度和收敛速度后，引人自适应变异算子、淘汰算子和“远亲交配”的概念对传统遗传算法进行改进，并通过仿真证明了改进遗传算法应用于实际巡检任务时的优越性。13环境地图的建立环境地图从所处环境中提取线段、角点等几何特征,用于机器人的目标识别和自主定位。变电站巡检机器人与环境信息的互动关系如图1所示。从图1中可以看出,要实现巡检机器人的路径规划和各项功能，环境地图的建立是关键要点。文中的巡检机器人使用的环境地图为拓扑地图，保留点与线的连通性和相对位置关系。拓扑地图的基本属性为连通性,反应了地图中路径的存在性15 环境巡查人工或自动获取环境信息检测系统路径规划导航巡检机器人图1巡检机器人与环境互动关系图Fig.1Interaction diagram between patrolrobot and environment1.1变电站环境的简化处理变电站的实景地图是静态且已知的，但是在实际导航过程中太过庞大，不利于进行定点识别与路径规电测与仪表Electrical Measurement&Instrumentation划,因此需要将实景地图进行模糊化处理，得到简化后保留主要特点的抽象地图。文中建立的变电站环境模型如图2 所示，图2 中标明了变电站中各类设备的具体位置,并且根据变电站中的实际情况围绕设备区画出保留安全距离的几何框，可行道路以虚线标出。考虑到巡检机器人运动具有复杂性,图2 中转弯处只取直角转弯,不做圆滑处理。高压电线塔杆区500kVGIS设备区继电器室1继电器室2主变压器主变压器无劲补无劲补无劲补偿设备偿设备偿设备主控楼220kVGIS设备充电室低压电线塔杆区图2 变电站环境模型图Fig.2 Environment model diagram of substation1.2变电站巡检机器人环境地图的构建在简化实景地图的基础上，本节将开始构建环境地图。利用地图上各项事物之间的共性,采用更加简单的方式划分变电站中环境。(1)障碍物模糊化,如图2 中的设备区,继电室及主控大楼等对于巡检机器人来说都是不可触碰的障碍物,因此统一模糊化为障碍区,即为图3中所示的灰色区域；(2)构建可行区域，道路为巡检机器人可运动的空间,因此将可行道路统一化为障碍区间隙的可行区域，即为图3中的白色区域；（3）绘制实际行走轨迹，行走轨迹需要保留与实际环境的相关性,在白色可行区域中间位置绘制,与两侧障碍区保持相同距离，可以避免巡检机器人发生横向错位；(4)绘制停靠点,巡检机器人需要在众多地点停靠以进行设备检测,根据变电站实际需要，在机器人实际行走地图环境建模轨迹上绘制停靠点，如图4黑色线段上的实心点。巡检机器人可行路径构成了一个连通无向图，可以为后续的路径规划提供重点标示，以得到更多的最优化路径。综上所述，可以将变电站实景地图简化为如图3所示环境地图。对图3所示环境地图进行进一步分析。考虑到变电站巡检机器人行驶时瞬时位置的横向偏差误差很小,因此图3中划分的可行性区域只作为参考,不对路径规划造成实际影响。因此，最终建立的环境地图模一145 一Vol.60 No.8Aug.15,2023220kVGIS设备第6 0 卷第8 期2023年8 月15 日型如图4所示,巡检机器人从充电室所在的停靠点1出发并在完成巡检任务后返回充电室所在的停靠点1。障碍区障碍区障碍区障碍区障碍区障碍区障碍区障碍区障碍区障碍区图3变电站简化环境模型图Fig.3 Simplified environment model diagram of substation2627282324252221191415161371图4变电站环境拓扑图Fig.4Environmental topology map of substation由图4可见，该环境地图类似拓扑地图模型，对各停靠点进行无重复性编号，并在每一段道路上标出该段路线的停靠点编号。各停靠点之间的连通性可以通过定义0-1矩阵A表示，当矩阵A中i行j列为0,那么代表停靠点i和停靠点j之间互相连通，反之，当连通矩阵A中i行j列为1,那么代表停靠点i和停靠点j之间互相不连通；通过计算二维平面中点与点之间的欧氏距离得到各停靠点之间的距离，可以得到正交的nn距离矩阵B,n为变电站简化环境模型图中停靠点的总数量,其中第i行j列的数值代表停靠点i和停靠点j之间实际行走轨迹的最短距离。2基于改进遗传算法的巡检路径规划变电站的巡检工作是保证变电站设备安全运行基本保证，主要可以分为特殊巡检和例行巡检。例行巡检每天至少进行两次；特殊巡检一般在特殊天气下进行。因此巡检机器人工作量大，且进行的任务具有极高的重复性，因此通过路径规划算法，获最优的巡检路线，可以显著提高巡检机器人工作效率、减少能源消耗。变电站中巡检机器人是按照预先设定好的路径进行巡检任务，各路径上有停靠点，巡检机器人需要到达每个停靠点并进行停车检查工作，如何从初始点出发并以最短的时间完成任务并返回初始点是文中需要解决的问题。由于机器人在每个停靠点所需要的检查时一146 一电测与仪表Electrical Measurement&Instrumentation间基本一致,如何使机器人以最短的巡检路线通过所有停靠点是算法需要解决的问题。2.1改进遗传算法在变电站巡检路线规划问题中，一条染色体包含排列不同的停靠点，这些点就是基因。遗传算法主要的编码方式包括：实数编码和二进制编码，但面对不同的具体的问题时,并不一定都要进行编码操作,在面对一些难以进行编码操作的特殊情况时,算法可以直接对具体问题的参数集合进行操作。文中就是直接对停靠点的排列序列集操作。文中提出一种改进遗传算法，引人淘汰算子，按一定的比例对每一代适应度最差的个体进行淘汰,同时文中提出一种自适应变异算子，在进化代数较小时，变异概率较大；在进化代数较大，进入到中后期时，降低20变异概率,从而提高算法的收敛速度。1718为了防止每一代出现不符合要求的巡检路线，文中采用了逆转变异算法，使每次变异后染色体中的基891011122345Vol.60 No.8Aug.15,2023因种类不发生改变。此外,在变电站巡检路径规划中,避免巡检路线的6重复至关重要。为了避免产生重复路线，使得每次交叉重组能够得到新的巡检线路,文中采用“远亲交配”，即相差较大的个体进行交叉重组的概率比相差较小的个体高。接下来具体介绍如何运用改进遗传算法得到巡检路线的最优个体。2.2巡检路线(1)初始种群的建立。机器人从初始停靠点巡视完所有停靠点的过程中，根据巡检机器人巡检线路上的停靠点排列得到序列R,R表示第k代群体中第i条巡检线路，由此，产生一系列巡检路线集合。其中：n-1L=B(Rt(i),R(j+1)L为第k代群体中第i条路线总长度。(2)设计适应度函数。适应度函数是用来衡量群体中的各个个体接近最优解的程度12,将巡检机器人看作一个质点，那么最优路径应该满足路径总长度最短，文中采用基准对比的方法来计算适应度。适应度函数为：F,=/L其巡检路线的适应度与总路线长度成反比。(3）复制及交叉重组。交叉重组是遗传算法中十分重要的一部分，两条巡检路线对应的停靠点排列序列交叉重组后，可以得到同时携带两条巡检路线共同特性的新巡检路线。文中的交叉算子采用顺序交叉法。顺序交叉法随机从父(1)(2)(9)第6 0 卷第8 期2023年8 月1 5日代A选取一个编码子串,放置到子代A的对应位置；而子代A的其余空缺位置从父代B中顺序选取。同理可以得到子代B。首先，设计第k代群体中最优巡检路线长度为：=i(Lt)Ni=1式中N表示种群数量。初始停靠点序列集合产生后，对该序列集合进行复制。根据序列对应巡检路线总长度确定各序列适配值。得到适配值后，根据适配值计算概率进行复制操作，复制出2 n条巡检路线并放置于交叉区完成交叉重组操作。第一代群体中第i条巡检路线的适配值为：A=L第i条巡检路线被选中的概率为：NP=A/ZAt按概率对巡检路线集合进行选择，复制出2 n条巡检路线,其中2 nN。文中引人“远亲交配”的概念，因此群体中各巡检路线的配对方法是：通过交叉区中复制得到的巡检路径，根据相互之间的距离,计算概率来进行配对操作。假设巡检路线R,计算它与交叉区中其他巡检路线的距离：(i=1,.,2m,i+i)(6)那么,第k代群体交叉区中第i巡检路线被选中的概率为：Ndi.=Di./ZDf.i1,ii=1按照概率q选择一条巡检路线与序列R配对，就完成了一条巡检路线的交叉重组。对交叉区所有的巡检路线进行配对,得到n对巡检路线,再将这些巡检路径以随机正整数为交叉点进行交叉重组操作,就可以产生2 n个停靠点排列序列,即得到2 n条新的巡检路径。（4)对停靠点排列序列进行选择运算。在进行交叉重组后，需要进行选择运算；遗传算法需要群体中的个体进行优胜劣汰操作，文中通过采用选择运算实现。适应度高的巡检路线对应的停靠点排列序列被遗传到下一代群体中的概率更大；反之,适应度低的巡检路线对应的停靠点排列序列被遗传到下一代群体中的概率较小。选择运算的任务就是按照特定的方法,从父代群体中选取一些合适的序列,并遗传到下一代群体,并将不合适的序列淘汰，从而使下一代群体拥有更好地性能。文中采用轮盘赌作为选择方法，基本思想为：每个停靠点排列序列被选中的概率与其适应度大小成正电测与仪表Electrical Measurement&Instrumentation比。假设群体大小为，适应度F与巡检线路总长度成反比，则该停靠点排列序列被选中遗传到下一代群体的概率为：mP,=F/ZF,(3)i=1（5）自适应变异算子的设计。为了降低迭代次数较高时,优良个体基因上某一位突变造成适应度大幅度下降的几率，文中提出一种自适应变异算子。具体特点为在算法迭代次数较小时,为了扩大对最优路径的搜索范围,提高变异概率，但变异概率随着迭代次数的增加逐渐下降,从而防止后期的优良个体因为突变而引人不良基因。(4)由于单一变量采用指数函数拟合变异性能更适用于群体的进化过程，因此文中设计自适应变异概率函(5)数为：Pm=Pmax exp(式中Pm为变异概率;Pmx为变异概率的最大值;入为固定常数；U为预先设定的最大迭代次数；u为当前的迭代次数,且uC1,U。(6)淘汰算子。为了提高收敛速度,文中引入淘汰算子,在每一代迭代后,计算新一代种群的所有个体适应度,并将在确定的淘汰率以下的个体从种群之中删除，然后对被删除的个体进行逆转变异，并将产生的新个体重新加入种群。这既能够保证个体的多样性，又能去除不良基因，从而提高算法的收敛速度。(7)精英保留策略。(7)变电站路径规划存在计算量大、容易陷入局部最优解的问题，为保证算法能够收敛到全局最优解，文中采用精英保留策略，将每一代最优的个体直接复制到下一代群体中。相应算法流程如图5所示。对新一代群体重复上述操作，直至得到符合条件的最优巡检路线，或者连续几代得到的最优巡检线路不再发生改变。设置改进遗传算法的结束条件为：连续1 0 次迭代不再出现更优秀的个体,并设置交叉重组概率为8 0%，即被选择到交叉区配对后得到的2 个父个体有8 0%会产生子个体。同时，改进遗传算法的淘汰率确定为1 5%。3基于改进遗传算法的巡检路径规划3.1仿真实验为验证文中提出的改进遗传算法路径规划的可靠性,文中以50 0 kV变电站的巡检路径规划为实例进行仿真验证。将各可行路径权重按照最小权重路径归一化处理,并在图中标明每条可行路径的权重，每条路径的权重代表该可行路径的长度，得到实验拓扑图如图6所示。一 1 47 一Vol.60 No.8Aug.15,2023(8)uUw第6 0 卷第8 期2023年8 月1 5日计算各停靠点排列矩阵适应度选择父代并复制对复制得到的序列进行交叉运算计算变异概率进行逆转变异运算N子代个数是否满足Y复制父代最优停靠点排列序列产生子代群体淘汰并重新添加变异后的新个体N是否满足结束条件Y输出最优巡检路线结束图5改进遗传算法流程图Fig.5Flow chart of improved genetic algorithm4312.52.523.5图6 50 0 kV变电站巡检路线拓扑图Fig.6 Topology of the 500 kV substation patrol route机器人巡检过程中必须在所有监测点停靠，通过改进遗传算法和传统遗传算法分别进行仿真测试，并对比相应的计算结果。3.2结果分析为消除各类随机因素造成的影响,并对比各类算法的优劣,文中将路径规划问题中常用的模拟退火算法、传统遗传算法、自适应遗传算法（ISAGA）【1 4 以及文中提出的改进遗传算法分别运行2 0 次，模拟退火算法、传统遗传算法、自适应遗传算法（ISAGA）和改进遗一1 48 一电测与仪 表Electrical Measurement&Instrumentation开始产生初始群体设定约束条件及结束条件2.5422.53.5Vol.60 No.8Aug.15,2023传算法的收敛曲线分别如图7 图1 0 所示，得到的结果比较如表1 所示。1601401201008060400510152025303540送代次数图7模拟退火算法收敛曲线Fig.7Convergence curve of simulated annealing algorithm1601201008060400510152025303540送代次数图8遗传算法收敛曲线Fig.8Convergence curve of genetic algorithms180斗1601401201008060400510152025303540送代次数图9自适应遗传算法收敛曲线Fig.9Convergence curve of adaptive genetic algorithms160120100路8060400510152025303540选代次数图1 0改进遗传算法收敛曲线Fig.10Convergence curve of improved genetic algorithms表1 四种算法多次运行结果比较Tab.1Comparisons of multiple running resultsof four algorithms算法最优路径长度平均路径长度平均选代次数模拟退火算法55传统遗传算法54自适应遗传算法54改进遗传算法54平均值最小值平均值最小值平均值最小值平均值最小值57.058.856.054.329.231.233.224.3第6 0 卷第8 期2023年8 月1 5日可以看出，改进遗传算法的寻优能力与收敛性都强于模拟退火算法、传统的遗传算法以及自适应遗传算法。通过对比表1 的数据和四种算法的收敛曲线可以直观地看出，改进遗传算法、自适应遗传算法和传统遗传算法得到的最优路径长度相同，都短于模拟退火算法得到的最优路径长度，但是改进遗传算法得到的平均路径长度明显短于传统遗传算法、模拟退火算法和自适应遗传算法，并且平均迭代次数明显少于其他三种算法，说明改进遗传算法寻路能力优于其他算法。考虑占地面积6 7.5亩的50 0 kV变电站，设备巡检路径的拓扑如图6 所示,其中单位权重代表3 1.6 1 m,那么通过模拟退火算法得到的平均路径长度为1 8 0 1.7 7m，传统遗传算法得到的平均巡检路径长度为1 8 59.2 6m,自适应遗传算法得到平均巡检路径长度为1 7 7 0.1 6m,改进遗传算法得到的平均路径长度为1 7 1 6.9 7 m。巡检机器人的伺服电机功率约为2 2 0 0 W,其他设备的总功率约为8 0 W左右。巡检机器人在每个停靠点需要停车并转动云台进行检查，每个检测点平均停靠时间约为4 s,巡检机器人平均行驶速度约为1 m/s。巡检机器人配备50 Ah的锂电池组，采用交流充电器，充电功率为2 0 0 W。巡检机器人每完成一次巡检后，需要回到充电室进行充电，然后进行下一次巡检。因此，每次巡检的总时间包括任务时间与充电时间两部分。采用传统遗传算法与改进遗传算法的情况下，巡检机器人的巡检时间和每周可巡检次数如表2 所示。表2 连锁故障预测线路及其指标Tab.2 Forecasting lines and indices of cascading faults算法模拟退火算法传统遗传算法自适应遗传算法改进遗传算法可见，改进后的算法通过减少任务时间和充电时间，相比于模拟退火算法每周的巡检次数从6 3 次增加到6 7 次，增长率约为5.9%；相比于传统遗传算法巡检次数增长率约为8.9%；相比于自适应遗传算法巡检次数增长率约为4.5%。由于单位时间内巡检次数的增加，变电站设备的运行可靠性将会得到显著提升。4结束语文中研究了改进遗传算法在变电站路径规划中的具体应用，得到以下结论：(1)环境模型的建立对于变电站路径规划至关重要，对环境模型进行简化可以使后续算法的实现更加简单；电测与仪表Electrical Measurement&Instrumentation（2)在引入自适应变异算子，淘汰算子和“远亲交配”概念的基础上，改进后的遗传算法相对于模拟退火算法以及传统遗传算法更容易跳出局部最优解，且具有更好的收敛性和稳定性,可以很好地解决变电站中巡检机器人的路径规划问题。此外，采用改进遗传算法能够缩短每次巡检任务之间的间隔时间，相较于模拟退火算法巡检效率提高了6%，相较于传统遗传算法巡检效率提高了1 0%，相较于自适应遗传算法巡检效率提高了4%，从而能够在一定程度上提高变电站设备的运行可靠性。参考文献1杨旭东，黄玉柱，李继刚，等变电站巡检机器人研究现状综述J.山东电力技术，2 0 1 5，42(1)：3 0-3 4.Yang Xudong,Huang Yuzhu,Li Jigang,et al.Research status reviewof robots applied in substations for equipment inspection J.ShandongElectric Power,2015,42(1):30-34.2卫玉梁，靳伍银基于神经网络Q-learning算法的智能车路径规划J.火力与指挥控制，2 0 1 9，44(2)：48-51.Wei Yuliang,Jin Wuyin.Intelligent vehicle path planning based onneural network Q-learning algorithm J.Firepower and Command Con-trol,2019,44(2):48-51.3曹锦，陆飞，江友华，基于改进粒子群算法的配电网多目标优化控制J.电网与清洁能源，2 0 2 2，3 8（5）：9 5-1 0 3.Cao Jin,Lu Fei,Jiang Youhua.Multi-objective optimal control of dis-tribution networks based on improved particle swarm algorithm J.Power System and Clean Energy,2022,38(5):95-103.4孙海峰，沈颖，王亚楠。基于遗传算法优化BP神经网络的接触电阻预测J.电测与仪表，2 0 1 9，56（5）：7 7-8 3.Sun Haifeng,Shen Ying,Wang Yanan.Prediction of contact resistancebased on optimized BP neural network of genetic algorithm J.Electri-cal Measurement&Instrumentation,2019,56(5):77-83.5高建树，王明强，宋兆康，等基于遗传算法的机场充电桩布局选址研究J.计算机工程与应用，2 0 1 8，54（2 3）：2 1 0-2 1 6.Gao Jianshu,Wang Mingqiang,Song Zhaokang,et al.Study on site se-巡检时间间隔每周巡检次数2 h 39 min632 h 45 min612 h 36 min642 h 30 min67Vol.60 No.8Aug.15,2023lection of airport charging pile based on genetic algorithmJ.ComputerEngineering and Applications,2018,54(23):210-216.6 Han Zhang,Wang Dongqing,Liu Feng,et al.Multi-AGV path plan-ning with double-path constraints by using an improved genetic algorithmJ.PLOS ONE,2017,12(7):1-16.7 傅利，周步祥，林虹江。基于混合变量动态优化算法的含风电电力系统多目标动态优化调度J电测与仪表，2 0 1 5，52（1 0）：1-7.Fu Li,Zhou Buxiang,Lin Hongjiang.Dynamic optimization algorithmbased on hybrid variable containing wind power system multi-objectivedynamic optimization schedulingJ.Electrical Measurement&Instru-mentation,2015,52(10):1-7.8陈宁，刘宪林，梁欢欢基于改进遗传算法的配电网络重构研究J：电测与仪表，2 0 1 5，52（1 3）：1 1 1-1 1 4.Chen Ning,Liu Xianlin,Liang Huanhuan.Research on the reconfigu-ration of distribution network based on improved genetic algorithm J.Electrical Measurement&Instrumentation,2015,52(13):111-114.9 Mesyan Z,Mitchell J,Morayne M,et al.Topological graph inversesemigroupsJJ.Topology and its Applications,2016,208:106-126.(下转第1 56 页)一1 49 一第6 0 卷第8 期2023年8 月1 5日3张波，李伟特、超高压交、直流并行输电线路周围混合电场的测量方法J.高电压技术，2 0 1 2，3 8（9：2 1 57-2 1 6 2.Zhang Bo,Li Wei.Method for Measuring the Electric Field UnderUHV/EHV DC/AC Hybrid Transmission Lines J.High Voltage Engi-neering,2012,38(9):2157-2162.4 H.Li,Z.Fu,L.Liu,Z.Lin,W.Deng,L.Feng.Analysis of theLight Propagation Model of the Optical Voltage Sensor for Suppressin-gUnreciprocal ErrorsJ.Sensors,2017,(1):85.5 Li Changsheng,Shen Xiaoli,Zeng Rong.Optical electric-field sensorbased on angular optical bias using single-BaB204 crystalJ.Ap-plied 0ptics,2013,52(31):7580.6潘峰光学电压传感器研究D武汉：华中科技大学，2 0 1 1.Pan Feng.Studies on Optical Voltage sensor D.Wu Han:HuazhongUniversity of Science and Technology,2011.7 Feng X,Li L,Wang X,et al.Birefringence elimination of bismuth ger-manate crystal in quasi-reciprocal reflective optical voltage sensor J.Applied Optics,2013,52(8).【8 黄荔生，马善军，徐灿华，等光学电压互感器偏光干涉测量模式：（一)常见偏光干涉测量模式局限性分析J电力系统自动化,2 0 1 4,3 8(2):9 7-1 0 4.Huang Lisheng,Ma Shanjun,Xu Canhua,et al.Polarization interfer-ence measuring mode of optical voltage transducer part one limitation a-nalysis of polarization interference measuring mode J.Automation ofElectric Power Systems,2014,38(2):97-104.9徐长宝，高吉普，鲁彩江，等光学电子式电压互感器暂态特性及其测试技术研究J：电测与仪表，2 0 1 6，53（4）：8 4-8 9.Xu Changbao,Gao Jipu,Lu Caijiang,et al.Research on the transientcharacteristics of optical voltage transformer and its testing technology J.Electrical Measurement&Instrucmentation,2016,53(4):84-89.电测与仪表Electrical Measurement&Instrumentation1 0 李彦，章敏，冯秀娟，等准互易光学电压互感器数字闭环信号处理方法J.电测与仪表，2 0 1 1，48（7）：3 2-3 6，6 0.Li Yan,Zhang Min,Feng Xiujuan,et al.Digital Closed-loop SignalProcessing System for the Quasi-reciprocal Optical Voltage Sensor J.Electrical Measurement&Instrucmentation,2011,48(7):32-36,60.11张朕搏，李岩松，张敏，刘君光学电场传感器的仿真与实验研究J.电气技术，2 0 1 7(1 0)：2 7-3 0,3 5.Zhang Zhenbo,Li Yansong,Zhang Min,Liu Jun.Simulation and Ex-perimental Study of Optical Electric Field Sensor J.Electrical Engi-neering,2017(10):27-30,35.12陈金玲，肖霞，张庆，等用DSP提高光学电压互感器的性能J.电测与仪表，2 0 0 2，3 9 8）：48-50.Chen Jinling,Xiao Xia,Zhang Qing,et al.Improve the performance ofan OVT using DSP J.Electrical Measurement&Instrucmentation,2002,39(8):48-50.作者简介：高利（1 9 9 6 一），男，硕士研究生，从事应用光学、光学传感方面研究。Email:gaoli218g 刘君(1 9 7 0 一),女,副教授,硕士生导师,研究方向为先进输变电技术、电力系统分析与控制。Email：l i u j u n l i s h u 1 2 6.c o m收稿日期：2 0 2 0-0 4-2 8；修回日期：2 0 2 1-0 5-1 1(杜景飞编发)Vol.60 No.8Aug.15,2023李岩松（1 9 7 0 一），男，教授，博士，从事电力系统分析与控制、光学互感器等相关技术研究。Email:liyansong811 (上接第1 49 页）10JWu M,Chen E,Shi Q,et al.Path planning of mobile robot based o