变电站是我国电网的重要组成部分,其在电路的电压变换、电流变换及传递和传输过程中发挥着不可或缺的作用。因此,保证变电站的安全对我国社会民生起到了至关重要的重要。对此,变电站的巡检工作成为了电力工作人员的日常性工作。然而,基于人力的巡检工作是一项机械而复杂的工作,并受限于巡检人员的专业技能水平、心理素质和身体机能等,这对变电站的安全是十分不利的。在另一方面,2012年来,人工智能的发展为变电站的巡检提供了新的思路,智能移动机器人可通过内部的算法和预先录入的知识图谱,完成变电站的巡检工作。日前,已有越来越多的机器人开始在变电站巡检的岗位上工作。因此,机器人代替人力完成变电站的巡检将是智能电网的必然趋势。在机器人于变电站应用的众多方面中,快速响应突发事件并到达指定位置进行检修是至关重要的一环,若事故无法快速处理,则会对社会经济造成不可估量的损失。为达成该目标,机器人的路径规划则成为了重中之重。而面对变电站复杂的环境,传统的路径规划算法则无法满足变电站的工作需求。因此,基于现有的路径规划算法,提出了一种基于深度强化学习的变电站移动机器人路径规划算法。其首先考虑到变电站环境的复杂性,采用了基于UE5的3D建模策略,并通过影响因素分析,将变电站环境的动态成分融入于3D模型中,进一步提高了环境建模的精确性。随后,其结合环境建模的特点,设计和研究了一套基于CNN-BNN深度网络、卡尔曼滤波和PID控制的三重预估校正定位系统。接着,通过定位系统和环境建模的配合,将其融入到深度强化学习算法中,并设计了策略网络、奖赏函数、损失函数等参数,使其更好完成机器人的路径规划工作。最后,通过基于UE5的仿真测试,验证了在实际工程环境下机器人路径规划算法的有效性、鲁棒性和精确性。