Les véhicules aériens sans pilote (drones) ont acquis un haut niveau de confiance pratique en raison de leur facilité d'utilisation dans différentes applications ainsi que de leurs avantages tels que la flexibilité, la facilité d'utilisation et le faible coût. Dans cet article, nous proposons l'utilisation de drones équipés de capteurs embarqués pour surveiller l'état des réseaux de distribution électrique. Plus précisément, nous formulons une approche d'optimisation multi-objectifs pour la conscience de la situation des réseaux de distribution, qui vise à minimiser deux objectifs contradictoires. Il s'agit du coût annuel total et de la perte d'observabilité. L'approche proposée décide du nombre optimal de drones, de leurs batteries, des nœuds à visiter et du plan de voyage. Afin d'obtenir un ensemble de solutions de Pareto, nous utilisons l'algorithme génétique de tri non dominé (NDSGA) en conjonction avec l'algorithme branch-and-bound pour minimiser les deux objectifs. Pour valider la performance de l'approche proposée, nous l'avons appliquée à un système de distribution pratique selon différents scénarios de fréquence de surveillance et d'heures de travail. Les résultats obtenus prouvent l'efficacité de l'approche proposée.

Los vehículos aéreos no tripulados (drones) han ganado un alto nivel de confianza práctica debido a su facilidad de uso en diferentes aplicaciones, así como a sus ventajas como la flexibilidad, la facilidad de operación y el bajo costo. En este trabajo, proponemos el uso de drones equipados con sensores a bordo para monitorear el estado de las redes de distribución eléctrica. Específicamente, formulamos un enfoque de optimización multiobjetivo para la conciencia situacional de las redes de distribución, que tiene como objetivo minimizar dos objetivos en conflicto. Estos son el coste anual total y la pérdida de observabilidad. El enfoque propuesto decide el número óptimo de drones, sus baterías, los nodos a visitar y el plan de viaje. Para obtener un conjunto de soluciones de Pareto, utilizamos el algoritmo genético de clasificación no dominado (NDSGA) junto con el algoritmo de ramificación y unión para minimizar ambos objetivos. Para validar el desempeño del enfoque propuesto, lo aplicamos a un sistema de distribución práctico bajo diferentes escenarios de frecuencia de monitoreo y horas de trabajo. Los resultados obtenidos demuestran la eficacia del enfoque propuesto.

Unmanned aerial vehicles (drones) have gained a high level of practical confidence due to their ease of use in different applications as well as their advantages such as flexibility, ease of operation and low cost. In this paper, we propose the use of drones equipped with onboard sensors for monitoring the status of electrical distribution networks. Specifically, we formulate a multi-objective optimization approach for distribution networks' situational awareness, which aims to minimize two conflicting objectives. These are the total annual cost and loss of observability. The proposed approach decides the optimal number of drones, their batteries, the nodes to be visited, and the trip plan. In order to obtain a set of Pareto solutions, we utilize the non-dominated sorting genetic algorithm (NDSGA) in conjunction with branch-and-bound algorithm to minimize both objectives. To validate the performance of the proposed approach, we applied it to a practical distribution system under different scenarios of monitoring frequency and working hours. The obtained results prove the effectiveness of the proposed approach.

اكتسبت الطائرات بدون طيار (Drones) مستوى عالٍ من الثقة العملية بسبب سهولة استخدامها في التطبيقات المختلفة بالإضافة إلى مزاياها مثل المرونة وسهولة التشغيل والتكلفة المنخفضة. في هذه الورقة، نقترح استخدام طائرات بدون طيار مجهزة بأجهزة استشعار على متن الطائرة لمراقبة حالة شبكات التوزيع الكهربائية. على وجه التحديد، نقوم بصياغة نهج تحسين متعدد الأهداف للوعي الظرفي لشبكات التوزيع، والذي يهدف إلى تقليل هدفين متعارضين. هذه هي التكلفة السنوية الإجمالية وفقدان القابلية للملاحظة. يحدد النهج المقترح العدد الأمثل للطائرات بدون طيار وبطارياتها والعقد التي سيتم زيارتها وخطة الرحلة. من أجل الحصول على مجموعة من حلول باريتو، نستخدم خوارزمية الفرز الجيني غير المسيطر عليها (NDSGA) جنبًا إلى جنب مع خوارزمية الفروع والقيود لتقليل كلا الهدفين. للتحقق من صحة أداء النهج المقترح، قمنا بتطبيقه على نظام توزيع عملي في ظل سيناريوهات مختلفة لرصد التكرار وساعات العمل. تثبت النتائج التي تم الحصول عليها فعالية النهج المقترح.