CN104166761B - 一种基于遗传算法的输电线路机械除冰次序优化方法 - Google Patents

Abstract

本发明公开了一种基于遗传算法的输电线路机械除冰次序优化方法，采用遗传算法的思想，通过智能优化选择除冰次序，用最小的代价达到最大的覆盖率，找到保证除冰过程中杆塔和导线所受不平衡力除冰次序，该方法主要包括：1、编码策略和适应度函数建立，2、遗传算法策略制定，即遗传算子的设计和遗传算法运行参数的确定，3、除冰次序生成及优化过程。该方法能够解决现有的机械除冰过程中不考虑除冰次序，使杆塔承受不平衡力超过杆塔设计强度，引起杆塔故障的问题。通过遗传算法计算较优的除冰次序，从而保证除冰过程中的安全。

Description

一种基于遗传算法的输电线路机械除冰次序优化方法

技术领域

本发明属电力系统覆冰灾害安全防御，特别是一种基于遗传算法的输电线路机械除冰次序优化方法。

背景技术

输电线路除冰技术将是输电线路覆冰灾害防御的重要手段。随着机器人除冰技术的发展，在已有的除冰方法中，机械除冰方法是最具有大规模应用潜力的方法之一。而机械除冰是分档距进行除冰，如果不考虑除冰策略，可能在除冰过程中引起负效应。在除冰过程中，即使输电线路覆冰不是很严重，杆塔两侧不平衡力也可能会引起杆塔受力超过其极限。有学者通过对2008年覆冰灾害中倒塔线路分析，发现杆塔两端的不平衡力引起杆塔直接倒塔以及牵引倒塔是导致大范围倒塔的重要原因。因此，为了保证机械除冰方法的有效应用，需要对机械除冰方法的除冰次序进行优化。

输电线路除冰次序优化问题是典型的TSP(旅行商)问题(也即组合优化问题)。TSP问题已经被证明是一个NP问题，找不到一个多项式时间算法来求解其最优解。TSP问题易于陈述但难于求解，自1932年提出以来，已引起许多学者的兴趣，但至今尚未找到非常有效的精确求解方法。

大体上可以将现有的求解TSP问题的优化算法分两种类型：与问题本身特征相关的局部启发式搜索算法和独立于问题的经典优化算法。局部启发式搜索算法对于寻找TSP问题的局部最优解非常有效，但是这些算法过于依赖问题本身特征，易陷入局部最优解。随着人工智能的发展，出现了许多独立于问题的智能优化算法，如遗传算法，蚁群算法，模拟退火，离子群优化算法等，通过模拟或解释某些自然现象而得以发展，为解决复杂问题提供了新的思路和方法。在优化领域，由于这些算法构造的直观性和自然机理，通常被称为智能优化算法或现代启发式算法。这类算法虽然不能保证在有限的时间内获得最优解，但选择充分多个解验证后，错误概率可降低到可以接受的程度。在几种经典优化算法中，遗传算法对TSP效果比较明显。传统解法(如贪心法)非常在意得到路径的过程，而遗传算法直接将目标指向距离最短，因此能较快地得到问题的解答。近十几年来，遗传算法在组合优化领域得到了相当广泛的研究和应用，并已在解决诸多典型组合优化问题中显示了良好的性能和效果，例如，求解背包问题，八皇后问题，作业调度问题等。但至今尚没有学者将遗传算法等优化算法用于优化输电线路除冰次序，解决输电线路除冰负效应问题。

专利号为201310418516.3和201310418811.9的中国专利分别公开了一种基于输电线路滑轮辗压铲刮的除冰方法和基于输电线路线缆除冰机器人的除冰方法，这两个专利提出了调整输电线路除冰次序的方法来解决输电线路除冰负效应。除每一档的冰都要先计算剩余档间电线应力，先除水平应力相对大的，从而降低除冰过程中杆塔遇到的最大水平张力。不足之处在于以下两点：1、每次除冰都是先除档间水平张力最大的，在一定程度上能减小除冰不平衡力，但由于没有全面考虑在整个除冰过程中各个杆塔的最大不平衡张力，所以并不能最大程度上减小除冰不平衡力。2、手工循环计算，每次除冰后都要计算一次，并用冒泡法选择一次，当档距较大时，这种寻优方法不够智能。

由上可知，现有的输电线路机械除冰方法一般不考虑除冰次序，由于除冰次序的随意设定，在除冰过程中杆塔承受不平衡力可能出现不降反升的现象，即机械除冰的负效应现象。而在严重的情况下，杆塔不平衡力可能超出设计强度，危害杆塔安全。因此，解决除冰负效应问题的关键在于调整输电线路除冰次序，手工调整除冰次序工作量大，过程繁琐，而众多智能优化算法发展至今，已广泛运用于各个领域，其中，遗传算法对组合优化问题的求解性能良好，效果明显，但至今尚未将其应用于输电线路除冰，解决输电线路除冰负效应问题。

发明内容

本发明所解决的技术问题在于提供一种基于遗传算法的输电线路机械除冰次序优化方法。

实现本发明目的的技术解决方案为：一种基于遗传算法的输电线路机械除冰次序优化方法，包括如下步骤：

步骤1、确定覆冰厚度信息和架空线路信息，覆冰厚度信息即连续档各档的覆冰厚度，架空线路信息具体包括导线型号、该导线型号对应的弹性系数E、截面积A、外径D、单位长度质量q、计算拉断力lim_b、安全系数sec_cof、导线的温度膨胀系数α、各档档距l_i0、各档高差h_i0、各档高差角β_i0、各基直线塔上悬垂串的长度λ_i、垂向荷载G_i、覆冰时的温度t、架线时温度t₀、架线气温下各档水平应力σ₀、设计覆冰厚度；

步骤2、构建输电线路除冰组合，对除冰组合的编码采用顺序编码，设其档距号分别为1，2，…，n，每档都被除一次冰且仅一次，染色体由除冰的顺序表示为T＝(C₁，C₂，…，C_n)，设C_i表示第i个除冰档的档距序号；

之后随机生成M个第一代除冰组合，作为算法的初始父代，所述M为正整数；

步骤3、将当前代除冰组合交叉、变异生成子代，具体为：将当前代除冰组合两两交叉生成中间代，所述中间代由N个中间代个体组成，再对每一个中间代个体进行变异操作，生成子代种群；所述N为正整数，N≤M；

将当前代除冰组合两两交叉生成中间代时，采用有序交叉算子进行交叉操作；对每一个中间代个体进行变异操作时，采用重组变异算子实现基因变异。

步骤4、确定父代与子代除冰组合的适应度，具体为：根据建立的适应度函数，确定各个子代除冰组合的适应度值；

所述适应度函数为连续档各杆塔除冰过程中的最大不平衡力百分比，其数学模型为：

式中：lim_b为电线的计算拉断力；sec_cof为安全系数；FC为杆塔的不平衡力张力差占最大使用张力的百分比；σ_i为第i档水平应力；i为从1到n-1的正整数，n为杆塔的数目；A为导线截面积；ΔF_i为第i基杆塔除冰过程中所承受的不平衡张力差。

所述σ_i通过联立以下三个公式确定：

A)档距变化与电线应力间的关系式

式中σ_i——待求值，为第i档水平应力，具体为第i档在气温为t、比载为γ_i下的电线水平应力；

σ₀——架线温度下各档水平应力；

l_i0——第i档档距；

γ₀、γ_i——导线覆冰前比载和导线覆冰后比载，γ₀为q*g/A，γ_i为q*g/A+0.027728(b(b+D)/A)，其中q为导线单位长度质量，g为重力加速度，A为导线截面积，b为导线覆冰厚度，D为导线外径；

Δl_i——待求值，为第i档档距l_i0的增量，具体为第i档档距比架线情况悬垂串处于中垂位置时档距的增长量，当档距缩短时Δl_i本身为负值；

Δh_i——待求值，为第i档高差h_i0的增量，具体为第i档两端悬垂串偏斜后悬挂点间高差h_i0的变化量，右悬挂点高左悬挂点者h_i0及高差角β_i0为正值；

t、t₀——分别为覆冰时的温度和架线温度；

E、α——导线弹性系数、导线温度膨胀系数；

i——从1到n的正整数，n为连续档档数；

B)第i档高差变化与第i基塔悬挂点偏移间的关系式

式中Δh_i——待求值，第i档高差h_i0的增量；

δ_i、δ_i-1——第i档两端第i和第i-1基塔上悬挂点偏移的水平距离，其中两端耐张塔的δ为0；

λ——各杆塔上的悬垂绝缘子串长度；

C)悬垂串偏斜与电线应力间的关系方程

式中δ_i＝δ_i-1+Δl_i

h_i0、h_(i+1)0——第i档和第i+1档高差，具体为悬垂串均处于中垂位置时，分别为第i基直线塔上电线悬挂点对邻塔第i-1和第i+1基悬挂点间的高差，大号比小号塔高者h本身值为正值，反之为负值；

上述三个数学模型共有3n个方程，有Δl_i、Δh_i、σ_i共3n个未知数。

步骤5、将父代和子代所有除冰组合按按适应度值进行从小到大的排序，之后选择前N个除冰组合作为新一代父代种群；

对当前父代和当前子代个体进行排序是按适应度函数值将个体排序，适应度值小的个体排序靠前。

步骤6、判断是否到达迭代终止条件，如果到达，则输出本次遗传进化的最优除冰次序，也即适应度值最小的个体，否则转步骤3，所述迭代终止条件参照中重冰区架空线路设计标准设定：对设计覆冰厚度≤20mm的覆冰情景，迭代终止条件为：当前代最优个体适应度值≤12％；对设计覆冰厚度>20mm的覆冰情景，迭代终止条件为：当前代最优个体适应度值≤24％。

本发明与现有技术相比，其显著优点为：1)本发明首次将智能优化算法中的遗传算法应用于输电线路除冰中，有效解决杆塔在除冰过程中所承受的不平衡力可以不降反升的现象，即输电线路除冰负效应问题；2)相比其它现有的调整除冰次序的计算方法，本发明运用智能优化算法中的遗传算法，在所有可能的除冰组合中，以除冰过程中杆塔的最大不平衡力百分大最小为进化方向，寻找除冰最为安全的除冰组合，在除冰工作开始前通过程序运算就能直接得到最优或较优的除冰组合。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明的基于遗传算法的输电线路机械除冰次序优化方法的流程图。

具体实施方式

结合图1，本发明的一种基于弧垂数据的连续档输电线路覆冰厚度确定方法，包括如下步骤：

步骤1、确定覆冰厚度信息和架空线路信息，覆冰厚度信息即连续档各档的覆冰厚度，架空线路信息具体包括导线型号、该导线型号对应的弹性系数E、截面积A、外径D、单位长度质量q、计算拉断力lim_b、安全系数sec_cof、导线的温度膨胀系数α、各档档距l_i0、各档高差h_i0、各档高差角β_i0、各基直线塔上悬垂串的长度λ_i、垂向荷载G_i、覆冰时的温度t、架线时温度t₀、架线气温下各档水平应力σ₀、设计覆冰厚度；其中，各基直线塔上悬垂串的长度λ_i查线路设计值获得，垂向荷载G_i由悬垂串型号查表得；覆冰时的温度t由现场测量获得，架线时温度t₀一般可取15℃，架线气温下各档水平应力σ₀和设计覆冰厚度通过架线设计值查得；

步骤2、随机初始化M个第一代除冰组合，作为算法的初始父代；其中，对除冰组合的编码采用顺序编码，设其档距号分别为1，2，…，n，每档都被除一次冰且仅一次，染色体由除冰的顺序表示为T＝(C₁，C₂，…，C_n)，设C_i表示第i个除冰档的档距序号；

步骤3、将当前代除冰组合交叉、变异生成子代，采用交叉算子将当前代除冰组合两两交叉生成中间代(由N个中间代个体组成(N≤M))，采用变异算子对每一个中间代个体进行变异操作，生成子代种群；

使用有序交叉算子解决除冰路径构造问题。假设一待除冰连续档共有九档，交叉操作的过程为：

首先，选择两个划分点，用“|”标志，划分点任意插入到双亲路径中的相同位置，如：

P₁＝(192|4657|83)

P₂＝(459|1876|23)

再将双亲中划分点中间的部分复制到后代中：

C₁＝(***|4657|**)

C₂＝(***|1876|**)

从一个双亲路径的第二个划分点开始，从另外一个双亲路径中来的次序按相同的顺序复制。当字符串的结尾到达时，转从字符串的开始处继续，最终得到两个子代：

C₁＝(239|4657|18)

C₂＝(392|1876|45)

变异操作采用重组算子：随机选择两点，翻转这两点内的基因片断(包括这两点)，如有染色体239465718，随机选择第二位和第六位，得到256493718；

步骤4、建立适应度函数，计算父代与子代除冰组合的适应度值；

步骤5、将父代和子代除冰组合按适应度值从小到大排序，之后选择前N个除冰组合作为新一代父代种群；

步骤6、判断是否到达迭代终止条件，如果到达，则输出最优除冰次序，也即适应度值最小的个体，否则转步骤3。所述迭代终止条件参照中重冰区架空线路设计标准设定：对设计覆冰厚度≤20mm的覆冰情景，迭代终止条件为：当前代最优个体适应度值≤12％；对设计覆冰厚度>20mm的覆冰情景，迭代终止条件为：当前代最优个体适应度值≤24％。

在上述实施步骤中，确定线路信息，利用遗传进化算法，随机生成初始化群体作为第一代的父代，再经过若干代的有序交叉、重组变异、选择，直至找到目标解或到达设定的进化代数找到最优解或次优解。在该遗传算法中，以除冰过程中杆塔最大不平衡力百分比直接作为适应度函数，适应度函数值越小，则个体的适应度越好，每一次选择操作都是父代和子代共同参与适应度排序，保证了在进化过程中每一代的最优解都能传递到下一代。因此，最终进化得到的最优除冰组合，其除冰全过程最大不平衡力百分比较小，将其用于机械除冰，能有效保证除冰过程中各杆塔及导线最大不平衡力在安全范围内。

其中步骤4需要计算各个体的适应度，即各杆塔最大不平衡力百分比：

杆塔不平衡张力差计算模型如下：

ΔF_i＝(σ_i+1-σ_i)A＝F_i+1-F_i

式中：σ_i+1和σ_i分别为第i+1档和第i档电线的水平应力(N/mm²)；A为电线的截面积(mm²)；F_i+1和F_i分别为第i+1和第i档电线的水平张力(N)；ΔF_i为第i基杆塔除冰过程中所承受的不平衡张力差；i为从1到n-1的正整数，n为杆塔的数目。

杆塔最大不平衡张力百分比如下：

式中：lim_b为电线的计算拉断力；sec_cof为安全系数；FC为杆塔的不平衡力张力差占最大使用张力的百分比；σ_i+1和σ_i分别为第i+1档和第i档电线的水平应力(N/mm²)；i为从1到n-1的正整数，n为杆塔的数目；A为导线截面积；ΔF_i为第i基杆塔除冰过程中所承受的不平衡张力差。

适应度函数即为上式中杆塔最大不平衡张力百分比，个体的适应度值即为个体对应的除冰次序除冰时杆塔最大不平衡张力百分比。

其中，各档不同的电线应力值需要采用精确应力计算模型求解，应力值的求解过程包括如下4个步骤：

1、构建档距变化与电线应力间的关系式

(式1)

式中σ_i——待求值，为第i档水平应力，具体为第i档在气温为t、比载为γ_i下的电线水平应力，单位为：N/mm²；

σ₀——架线温度下各档水平应力，单位为：N/mm²；

l_i0——第i档档距，单位为：m；

γ₀、γ_i——导线覆冰前比载和导线覆冰后比载，单位为：N/(m·mm²)，γ₀为q*g/A，γ_i为q*g/A+0.027728(b(b+D)/A)，其中q为导线单位长度质量，单位为：kg/m，g为重力加速度，A为导线截面积，单位为：mm²，b为导线覆冰厚度，单位为：mm，D为导线外径，单位为：mm；

Δl_i——待求值，为第i档档距l_i0的增量，具体为第i档档距比架线情况悬垂串处于中垂位置时档距的增长量，当档距缩短时Δl_i本身为负值，单位为：m；

Δh_i——待求值，为第i档高差h_i0的增量，具体为第i档两端悬垂串偏斜后悬挂点间高差h_i0的变化量，右悬挂点高左悬挂点者h_i0及高差角β_i0为正值，单位为：m；

t、t₀——分别为覆冰时的温度和架线温度，单位为：℃；

E、α——导线弹性系数、导线温度膨胀系数；

i——从1到n的正整数，n为连续档档数。

2、构建第i档高差变化与第i基塔悬挂点偏移间的关系式

(式2)

式中Δh_i——待求值，第i档高差h_i0的增量，单位为：m；

δ_i、δ_i-1——第i档两端第i和第i-1基塔上悬挂点偏移的水平距离，其中两端耐张塔的δ为0，单位为：m；

λ——各杆塔上的悬垂绝缘子串长度，单位为：m；

3、构建悬垂串偏斜与电线应力间的关系方程

(式3)

式中δ_i＝δ_i-1+Δl_i(式4)

h_i0、h_(i+1)0——第i档和第i+1档高差，具体为悬垂串均处于中垂位置时，分别为第i基直线塔上电线悬挂点对邻塔第i-1和第i+1基悬挂点间的高差，大号比小号塔高者h本身值为正值，反之为负值，单位为：m。

上述三个数学模型共有3n个方程，有Δl_i、Δh_i、σ_i共3n个未知数。

4、运算

由上述3n个方程，其中Δl_i、Δh_i、σ_i共3n个未知数可以得到求解。较为直接的求解方法是利用上述式1、式2、式4编制程序试凑求解。自编号的第1档开始，按如下顺序运算：

(1)设Δl₁＝δ₁、δ₀＝0代入式2得Δh₁，又由Δh₁、Δl₁代入式1得σ₁；

(2)由σ₁、δ₁代入式4得σ₂；

(3)由σ₂、设Δh₂＝0代入式1得Δl₂'，又由Δl₂'、Δl₁再代入式4得δ₂'，又由δ₂'、δ₁再代入式2得Δh₂'；

(4)由σ₂、Δh₂'再代入式1得Δl₂″，又由Δl₂″、Δl₁再代入式4得δ₂″，又由δ₂″、δ₁再代入式2得Δh₂″；

步骤(4)反复迭代直至Δl₂、δ₂、Δh₂无明显变化即为所求(也可采用更有效的便捷法迭代)；

(5)由δ_i0、Δh_i＝0代入式1，得Δl_i'，又由Δl_i'、δ_i-1代入式4得δ_i'，又由δ_i'、δ_i-1代入式2得Δh_i'；

(6)由步骤(5)开始的设Δh_i＝0换为Δh_i＝Δh_i'重复步骤(5)反复迭代直至Δl_i、Δh_i、δ_i无明显变化即为所求；

(7)由δ_n-1、σ_n-1代入式3得σ_n，又由δ_n-1、δ_n＝0代入式2得Δh_n，又由Δh_n、σ_n代入式1得Δl_n，再由Δl_n、δ_n-1代入式4得δ_n≈0；

即为所求解，如果不满足δ_n≈0应重新设Δl₁再进行上述(1)到(7)的运算直至δ_n≈0。最后计算得到的σ_i即为各档的电线水平应力。

下面结合实施例对本发明做进一步详细的描述：

实施例1

一覆冰场景，由一个耐张段连续的6档组成。输电线路导线型号为LGJ-300/40，该导线对应的弹性系数E＝73000N/mm²、截面积A＝338.99mm²、外径D＝23.94mm、单位长度质量q＝1.133kg/m、温度膨胀系数α＝19.6/℃、计算拉断力为92220N，安全系数为2.5、各档档距l_i0、各档高差h_i0、架线气温下各档初始应力σ₀、当前覆冰厚度等参数如表1所示，设计覆冰厚度为15mm，各基直线塔上悬垂串的长度λ_i(m)＝5.2m、垂向荷载G_i＝2300N、覆冰时的温度t＝-5℃、架线时温度t₀＝10℃。

表1 计算模型具体参数

步骤1、确定覆冰厚度信息和架空线路信息；

步骤2、随机初始化6个第一代除冰组合，作为算法的初始父代：P₁＝326514、P₂＝256431、P₃＝216345、P₄＝354216、P₅＝351246、P₆＝453126；

步骤3、将当前代除冰组合按0.8％的交叉概率交叉、按0.15％的变异概率变异，生成子代，将当前代除冰组合两两交叉生成6个中间代个体：643512、256431、216354、354216、351246、436125；

再对每一个中间代个体进行变异操作，生成子代种群：C₁＝643512、C₂＝256431、C₃＝216354、C₄＝345216、C₅＝351246、C₆＝436125；

步骤4、根据建立的适应度函数，计算父代与子代除冰组合的适应度；f_p1＝0.1535、f_p2＝0.2098、f_p3＝0.1889、f_p4＝0.1549、f_p5＝0.1486、f_p6＝0.1810、f_p7＝0.2041、f_p8＝0.2098、f_p9＝0.1742、f_p10＝0.1549、f_p11＝0.1486、f_p12＝0.1889；

步骤5、将父代和子代除冰组合按选择适应度值从小到大排序，之后选择前6个除冰组合作为新一代父代种群：P₁＝351246、P₂＝326514、P₃＝354216、P₄＝345216、P₅＝216354、P₆＝453126；新父代个体的适应度值分别为：f_p1＝0.1486、f_p2＝0.1535、f_p3＝0.1549、f_p4＝0.1549、f_p5＝0.1742、f_p6＝0.1810；

步骤6、判断当前代适应度值最小的个体是否到达迭代终止条件：适应度值≤12％，发现此时最优解P1＝351246，其适应度值为f_p1＝0.1486，未到达迭代终止条件，则转步骤3，直至满足迭代终止条件时，输出最优除冰顺序；在本次算例计算中，至到达迭代终止条件，进化各代的最优解适应度分别为：f_T1＝0.1486、f_T2＝0.1486、f_T3＝0.1485、f_T4＝0.1346、f_T5＝0.1346、f_T6＝0.1346、f_T7＝0.1346、f_T8＝0.1162，第8代满足迭代终止条件，f_T8＝0.1162，小于12％，输出最优除冰顺序为：214536。

从该实施例结果可以看出，本发明考虑了机械除冰负效应对除冰安全的影响，基于遗传算法对输电线路除冰次序进行优化，在实施步骤中，利用遗传进化算法，随机生成初始化群体作为第一代的父代，再经过若干代的有序交叉、重组变异、选择，直至找到目标解或到达设定的进化代数找到最优解或次优解。在该遗传算法中，以除冰过程中杆塔最大不平衡力百分比作为目标函数，加以转换后得到适应度函数，使适应度函数值越大，则个体的适应度越好，每一次选择操作中都是父代和子代共同参与适应度排序，保证了在进化过程中每一代的最优解都能传递到下一代。因此，最终进化得到的最优除冰组合，其除冰最大不平衡力百分比相以较小。因此，将智能优化算法中的遗传算法应用于输电线路除冰中，能有效解决输电线路除冰负效应问题，保证除冰过程中各杆塔及导线最大不平衡力在安全范围内。

Claims (5)

1.一种基于遗传算法的输电线路机械除冰次序优化方法，其特征在于，包括如下步骤：

步骤1、确定覆冰厚度信息和架空线路信息，覆冰厚度信息即连续档各档的覆冰厚度，架空线路信息具体包括导线型号、该导线型号对应的弹性系数E、截面积A、外径D、单位长度质量q、计算拉断力lim_b、安全系数sec_cof、导线的温度膨胀系数α、各档档距l_i0、各档高差h_i0、各档高差角β_i0、各基直线塔上悬垂串的长度λ_i、垂向荷载G_i、覆冰时的温度t、架线时温度t₀、架线气温下各档水平应力σ₀、设计覆冰厚度；

步骤2、构建输电线路除冰组合，对除冰组合的编码采用顺序编码，设其档距号分别为1，2，…，n，每档都被除一次冰且仅一次，染色体由除冰的顺序表示为T＝(C₁，C₂，…，C_n),设C_n表示第n个除冰档的档距序号；

之后随机生成M个第一代除冰组合，作为算法的初始父代，所述M为正整数；

步骤3、将当前代除冰组合交叉、变异生成子代，具体为：将当前代除冰组合两两交叉生成中间代，所述中间代由N个中间代个体组成，再对每一个中间代个体进行变异操作，生成子代种群；所述N为正整数，N≤M；

步骤4、确定父代与子代除冰组合的适应度，具体为：根据建立的适应度函数，确定各个子代的适应度值；

步骤5、将父代和子代所有除冰组合按适应度值进行从小到大的排序，之后选择前N个除冰组合作为新一代父代种群；

步骤6、判断是否到达迭代终止条件，如果到达，则输出本次遗传进化的最优除冰次序，也即适应度值最小的除冰组合，否则执行步骤3，所述迭代终止条件具体为：对设计覆冰厚度≤20mm的覆冰情景，迭代终止条件为：当前代适应度值最小的个体其适应度值≤12％；对设计覆冰厚度>20mm的覆冰情景，迭代终止条件为：当前代适应度值最小的个体其适应度值≤24％。

2.根据权利要求1所述的基于遗传算法的输电线路机械除冰次序优化方法，其特征在于，步骤3将当前代除冰组合两两交叉生成中间代时，采用有序交叉算子进行交叉操作；对每一个中间代个体进行变异操作时，采用重组变异算子实现基因变异。

3.根据权利要求1所述的基于遗传算法的输电线路机械除冰次序优化方法，其特征在于，步骤4中，所述适应度函数为连续档各杆塔除冰过程中的最大不平衡力百分比，其数学模型为：

$\max FC=\max (\frac{{\mathrm{\ΔF}}_i}{\lim \_b}*\sec \_cof*100\%)=\max (\frac{({\mathrm{\σ}}_{i+1}-{\mathrm{\σ}}_i)A}{\lim \_b}*\sec \_cof*100\%)$

式中：lim_b为电线的计算拉断力；sec_cof为安全系数；FC为杆塔的不平衡力张力差占最大使用张力的百分比；σ_i为第i档水平应力；i为从1到n-1的正整数，n为连续档档数；A为导线截面积；ΔF_i为第i基杆塔除冰过程中承受的不平衡张力差。

4.根据权利要求3所述的基于遗传算法的输电线路机械除冰次序优化方法，其特征在于，所述σ_i通过联立以下三个公式确定：

A)档距变化与电线应力间的关系式

$\begin{array}{c}{\mathrm{\Δl}}_i=\{\[{\left(\frac{{\mathrm{\γ}}_0}{{\mathrm{\σ}}_0}\right)}^2-{\left(\frac{{\mathrm{\γ}}_i}{{\mathrm{\σ}}_i}\right)}^2\]\frac{l_{i0}^2{\cos }^2{\mathrm{\β}}_{i0}}{24}+\left(\frac{{\mathrm{\σ}}_i-{\mathrm{\σ}}_0}{E{\mathrm{cos\β}}_{i0}}\right)+\mathrm{\α}(t-t_0)-\frac{{\mathrm{\Δh}}_i}{2l_{i0}}{\cos }^2{\mathrm{\β}}_{i0}\}\\ \×\frac{l_{i0}}{{\cos }^2{\mathrm{\β}}_{i0}(1+{\mathrm{\γ}}_i^2{l}_{i0}^2/8{{\mathrm{\σ}}_i}^2)}\end{array}$

式中σ_i——待求值，为第i档水平应力，具体为第i档在气温为t、比载为γ_i下的电线水平应力；

σ₀——架线温度下各档水平应力；

l_i0——第i档档距；

γ₀、γ_i——导线覆冰前比载和导线覆冰后比载，γ₀为q*g/A，γ_i为q*g/A+0.027728(b(b+D)/A)，其中q为导线单位长度质量，g为重力加速度，A为导线截面积，b为导线覆冰厚度，D为导线外径；

Δl_i——待求值，第i档档距的l_i0的增量，具体为第i档档距比架线情况悬垂串处于中垂位置时档距的增长量，当档距缩短时Δl_i本身为负值；

Δh_i——待求值，第i档高差h_i0的增量，具体为第i档两端悬垂串偏斜后悬挂点间高差h_i0的变化量，右悬挂点高左悬挂点者h_i0及高差角β_i0为正值；

t、t₀——分别为覆冰时的温度和架线时温度；

E、α——导线弹性系数、导线温度膨胀系数；

i——从1到n的正整数，n为连续档档数；

B)第i档高差变化与第i基塔悬挂点偏移间的关系式

${\mathrm{\Δh}}_i=(\mathrm{\λ}-\sqrt{{\mathrm{\λ}}^2-{{\mathrm{\δ}}_i}^2})-(\mathrm{\λ}-\sqrt{{\mathrm{\λ}}^2-{{\mathrm{\δ}}_{i-1}}^2})=\sqrt{{\mathrm{\λ}}^2-{{\mathrm{\δ}}_{i-1}}^2}-\sqrt{{\mathrm{\λ}}^2-{{\mathrm{\δ}}_i}^2}$

式中Δh_i——待求值，第i档高差h_i0的增量；

δ_i、δ_i-1——第i档两端第i和第i-1基塔上悬挂点偏移的水平距离，其中两端耐张塔的δ为0；

λ——各杆塔上的悬垂绝缘子串长度；

C)悬垂串偏斜与电线应力间的关系方程

$\begin{array}{c}{\mathrm{\σ}}_{i+1}=\{(\frac{G_i}{2A}+\frac{{\mathrm{\γ}}_i{l}_{i0}}{2{\mathrm{cos\β}}_{i0}}+\frac{{\mathrm{\γ}}_{(i+1)}{l}_{(i+1)0}}{2{\mathrm{cos\β}}_{(i+1)0}}+\frac{{\mathrm{\σ}}_i{h}_{i0}}{l_{i0}})+\frac{{\mathrm{\σ}}_i}{{\mathrm{\δ}}_i}\sqrt{{{\mathrm{\λ}}_i}^2-{{\mathrm{\δ}}_i}^2}\}\\ \÷(\frac{1}{{\mathrm{\δ}}_i}\sqrt{{{\mathrm{\λ}}_i}^2-{{\mathrm{\δ}}_i}^2}+\frac{h_{(i+1)0}}{l_{(i+1)0}})\end{array}$

式中δ_i＝δ_i-1+Δl_i

h_i0、h_(i+1)0——第i档和第i+1档高差，具体为悬垂串均处于中垂位置时，分别为第i基直线塔上电线悬挂点对邻塔第i-1和第i+1基悬挂点间的高差，大号比小号塔高者h本身值为正值，反之为负值；

上述三个数学模型共有3n个方程，有Δl_i、Δh_i、σ_i共3n个未知数。

5.根据权利要求1所述的基于遗传算法的输电线路机械除冰次序优化方法，其特征在于，步骤5中对当前父代和当前子代个体进行排序是按适应度函数值将个体排序，适应度值小的个体排序靠前。