油田开采作为现代能源生产的重要部门,当遇到极端天气或重大自然灾害,油田电力系统一旦遭遇故障,将直接造成油井的大规模停机,严重影响油井产量,而且油井的长时间中断开采,将会造成油井报废,损失将无法估计。传统方式在面对多处影响程度不同的故障点且调度中心应急队伍数量有限的情况下,通常依靠管理人员的直觉和经验来将队伍分配到现场。这种解决方法存在进度慢,效率低,抢修效果难以满足预期等问题。首先,本文针对道路正常行驶时,对抢修时间短和抢修时间内损失小的多目标函数优化方法进行了研究;然后,针对在极端路段处重新生成路径的方法进行了研究:最后,将改进算法与虚拟现实技术相结合模拟了灾后场景和抢修过程。本文主要工作如下:在道路可正常行驶的情况下,本文在现有的路径下结合电力抢修任务的需求,将其归结为多目标优化问题。选择带精英策略的非支配排序遗传算法作为任务规划的基本算法。针对原始算法拥挤距离筛选方式存在的局限性可能导致个体分布均匀性和分布性变差这一缺陷,本文使用快速搜索聚类算法替代拥挤距离筛选策略,从而实现剔除分布较差的个体以及改善个体分布性的优势;针对算法在剔除分布性较差个体后,导致种群多样性变差,进而造成提前收敛的问题,本文引入差分进化算法,实现在分布性较好的个体间生成新个体,从而提高种群多样性和收敛速度,改进算法在ZDT和DTLZ测试函数上测试,与其它算法进行性能比较分析,验证算法的可行性。在极端道路情况下,需重新规划出安全的路径。针对自然灾害造成的极端道路区域结合了虚拟现实技术,在虚拟空间建模阶段,采用导航网格法覆盖极端路段,剔除不可行走区域,只保留可行走区域的网格.且真实描述地形轮廓;在路径搜索阶段,针对灾后实际环境变化产生危险性较高的狭窄通道,将A*算法改进,融合人工势场法斥力场,寻找出一条相对安全的路径网格。并在路径网格上对拐点法进行改进,以与障碍物边界保持安全间距且路径最短为条件,生成出理想路径;最后,将改进算法在测试场景测试,通过示例仿真和性能指标分析验证了算法的可行性。改进算法在油田电力抢修任务中的应用问题。建立虚拟场景,搭建抽油机及电力设备,明确故障点数目及位置。根据层次递进规划思想,研究分析了油田电力抢修任务的总体步骤。首先通过人工标记出极端路段,采用改进的A*方法;然后对极端路段处重新生成路径并计算故障点之间的行驶时间。在电力抢修任务规划阶段,首先根据电力抢修的数学模型和目标函数,应用第三章改进多目标优化算法,获得一组最优非支配解个体;然后通过模糊理论求取这组解个体中的综合能力较优的折中解;最后在之前建立的虚拟场景下展示抢修路径结果,并与相关算法的运行结果比较和分析。