摘要
使用多无人机系统对大规模电力输电网络进行自主巡检面临诸多重大挑战，例如由于拓扑异质性导致的空间最优划分问题，以及由于几何敏感性和数据稀缺性导致的个体轨迹规划问题。为解决这些问题，本文提出了一种两阶段协调规划方法。在所提出的方法中，设计了一种感知分布的重加权离散均衡谱聚类（DAR-DBSC）算法，用于动态划分电网。通过动态反馈优化机制，该算法在保持局部空间亲和结构的同时提升了工作负载均衡性。此外，提出了一种基于注意力的深度强化学习求解器，称为空间对称几何一致性与逐步平滑熵退火算法（SSGC-PSEA），用于局部轨迹生成。在所提出的SSGC-PSEA算法中，SSGC提取几何不变特征以提高鲁棒性，而PSEA缓解梯度冲击以确保训练稳定性。此外，引入了一种"仿真到现实"课程学习策略以克服真实世界数据稀缺问题。在真实电网数据集上的大量实验表明，所提出的方法在工作负载均衡性、优化精度和跨尺度泛化能力方面均优于所考虑的基线方法。
