CN111445093B - 一种输电线路应急抢修路径优化系统及方法 - Google Patents
一种输电线路应急抢修路径优化系统及方法 Download PDFInfo
- Publication number
- CN111445093B CN111445093B CN202010324839.6A CN202010324839A CN111445093B CN 111445093 B CN111445093 B CN 111445093B CN 202010324839 A CN202010324839 A CN 202010324839A CN 111445093 B CN111445093 B CN 111445093B
- Authority
- CN
- China
- Prior art keywords
- module
- emergency repair
- fault
- information
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005540 biological transmission Effects 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 239000000463 material Substances 0.000 claims abstract description 45
- 210000000349 chromosome Anatomy 0.000 claims description 34
- 239000003016 pheromone Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 241000257303 Hymenoptera Species 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005215 recombination Methods 0.000 claims description 2
- 230000006798 recombination Effects 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 1
- 239000013077 target material Substances 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
一种输电线路应急抢修路径优化系统及方法，其中，系统包括：故障定位装置，定位故障发生点的位置；调度中心，根据抢修人员手持终端或抢修车辆上GPS跟踪设备确定人员和车辆位置，选取抢修人员和车辆；调度中心根据各物资库现有所需物资库存情况，选择目标物资库；调度中心按照本发明的应急抢修路径优化方法确定最佳路径并下发到抢修人员和车辆的导航设备；抢修人员和车辆按照导航设备的最佳路线指示迅速到达物资库领取所需抢修物资并到达抢修现场。
Description
技术领域
本发明属于计算机应用技术领域，具体地，涉及一种输电线路应急抢修路径优化系统及方法。
背景技术
在整个发电、变电、输电、用电过程中，输电是保证电网稳定供电的重要环节，能在输电线路发生故障后迅速完成调度及抢修对于提高电网运行效率、减小停电面积、缩短停电时间等都具有重要意义。完成调度及抢修的关键步骤之一就是抢修车辆能沿着最优路径快速获取抢修物资并到达抢修现场。
目前有很多算法来求解路径优化问题,如Dijkstra算法、模拟退火算法、蚁群算法和遗传算法，但每种算法都存在自身缺点，其中：Dijkstra算法随着网络规模的不断扩大执行效率会严重下降；模拟退火算法中的某些收敛条件不容易实现，且实际应用效果不佳；遗传算法局部搜索能力较差,很容易出现早熟收敛现象；蚁群算法存在四个控制参数(n、β、ρ、q0)选取难问题，过小收敛速度慢，过大容易得到局部最优解。
发明内容
本发明是为了克服现有路径优化算法存在的缺陷，提出一种输电线路应急抢修路径优化系统及方法。
为实现上述发明目的，本发明提供一种输电线路应急抢修路径优化系统，其特征在于：包括故障定位装置、调度中心、手持或车载移动端，其中，故障定位装置通过移动基站与调度中心进行信息交互，调度中心与手持车载移动端通过无线网络进行信息交互；
所述的故障定位装置包括主控模块、故障检测模块、数据收发模块和定位模块，故障检测模块将故障信息发送给主控模块，定位模块将定位数据传送给主控模块，主控模块将故障及位置信息发送给数据收发模块，数据收发模块向调度中心发送故障信息及故障点位置信息；
调度中心软系统包括故障管理模块、人员车辆管理模块、物资库管理模块、路径优化模块和统计分析模块，其中：
通过故障管理模块用于实时接收故障信息，发出报警提示音及信息，并自动计算故障点的位置与变电站之间的距离，计算出距离故障点最近的杆塔，获得杆塔号及杆塔信息；
结合GIS系统，用于在地图上动态查看抢修人员及车辆位置，查看所有物资库位置，同时查看每个物资库的物资库存信息；
路径优化模块用于根据故障点的位置、抢修人员和车辆位置、物资库位置及库存信息，结合改进的遗传-蚁群算法，迅速自动求解应急抢修最佳路径，并在地图上显示，同时可下发至抢修人员和车辆；
通过人员车辆管理模块和物资库管理模块对抢修人员、车辆及物资库进行信息的管理和维护；
统计分析模块用于存储和处理历史故障信息、抢修现场发送的所有信息、抢修人员及车辆的所有历史轨迹结构化、半结构化及非结构化数据，对常见故障点及故障所需物资、抢修及抢修最优路径进行统计分析，供日后参考及决策使用。
所述的手持移动端软系统包括任务模块、导航模块、信息查询模块及信息交互模块，其中：
任务模块用于下载当前调度中心下发的任务，查看任务所涉及的输电线路、杆塔、抢修物资信息，上传现场照片，同时对工作票进行管理；
导航模块用于下载导航路径，供抢修人员依据导航路径到达故障杆塔，进行抢修；
信息交互模块用于抢修人员在抢修现场与调度中心实时进行沟通，包括文字、语音、图像、视频信息；抢修人员通过信息查询模块查看本辖区所有输电线路信息、杆塔信息、历史抢修记录及故障处理操作手册文件。
一种输电线路应急抢修路径优化方法，其特征在于包括下列步骤：
故障定位装置定位故障发生点的位置；
调度中心根据抢修人员手持终端或抢修车辆上GPS跟踪设备，确定人员和车辆位置，选取抢修人员和车辆；
调度中心根据各物资库现有所需物资库存情况，选择目标物资库；
调度中心确定最佳路径并下发到抢修人员和车辆的导航设备；
抢修人员和车辆按照导航设备的最佳路线指示迅速到达物资库，领取所需抢修物资并迅速到达抢修现场。
进一步地，结合GIS系统将整个输电线路变成地理数据，故障定位装置定位故障发生点的位置并将其显示在地图上，通过计算故障点的位置与变电站之间的距离，计算出距离故障点最近的杆塔，获得杆塔号。
进一步地，抢修人员手持终端或抢修车辆上GPS跟踪设备24小时开启，抢修人员和抢修车辆信息通过无线数据网络传送到调度中心并显示在电子地图上，方便管理中心管理员进行统一定位、调度及管理。
进一步地，电子地图上能够查看各物资库位置，通过单击动态查看物资库中各种物资库存情况，调度中心根据各物资库与抢修人员和抢修车辆的距离及所需物资的库存量，确定获取物资的物资库。
进一步地，建立路网数学模型，将道路的交叉路口抽象为拓扑图中的节点，道路抽象为拓扑图中的边，将路网抽象为拓扑图，采用行驶时间作为每段路段的权值，在图中搜寻一条从起始点到目标点的路径，使路径权值最小。
进一步地，将搜索区域进行动态划分，以起始点A和目标点B的距离为直径建立圆形搜索区域，减少搜索节点的数目，进而减小问题的规模。
进一步地，采用改进的遗传-蚁群算法求解输电线路应急抢修路径，建立矩阵，存储不同时间段的路段平均等待时间dtij＝1/(pjcj-mij)和通过交叉路口时间ttij＝1/pjcj，其中pj为j路口的绿灯信号比，cj为j路口通行能力，mij为此路段的实际车流量，用于计算蚁群算法中能见度ηij的值，将故障发生时间作为系统输入值，按照其所属的时间段，将能见度ηij的值更新为1/Wij+λ/(dtij+ttij),其中λ是该路段等待时间发生概率，取值在[0,1]之间，Wij＝d/v，其中，d为路段长度，v为路段限制速度。
进一步地，抢修人员利用移动设备或车载导航系统动态下载、查看导航路径，同时，在抢修现场实时查看目的杆塔和线路的相关信息，通过文字、语音、图像及视频信息与调度中心实时进行沟通。
进一步地，基于建立的私有云平台，系统采用海量数据存储和管理技术，现场发送的所有信息及抢修人员及车辆的轨迹结构化、半结构化及非结构化数据全部进行自动保存和管理，用于数据的统计、分析及决策所需。
本发明提供的一种输电线路应急抢修路径优化方法，调度中心实时接收到故障信息后，迅速定位故障发生点的位置及抢修人员和车辆位置，基于距离及物资库存情况选择目标物资库，采用改进的遗传-蚁群算法求解应急抢修最佳路径，引导抢修人员及车辆以最短时间到达抢修现场，解决了传统人工查找故障点，根据经验到达抢修现场方法存在用时较长、效率低下的问题。同时，建立私有云平台，抢修人员能及时了解需抢修杆塔及线路的相关数据，包括杆塔经纬度、杆塔类型等等，并能存储以往的抢修路径、各种类型的历史信息供分析和决策使用。
附图说明
图1为本发明实施例中输电线路应急抢修路径优化系统的结构图；
图2为本发明实施例中输电线路应急抢修路径优化方法流程图；
图3为本发明实施例中输电线路应急抢修路径优化方法中蚁群算法详细流程图。
具体实施方式
参照图1，本发明具体实施方式的系统具体包括：故障定位装置、调度中心、手持(车载)移动端。其中，故障定位装置通过移动基站与调度中心进行信息交互，调度中心与手持车载移动端通过无线网络进行信息交互。
所述的故障定位装置包括主控模块、故障检测模块、数据收发模块和定位模块，故障检测模块将故障信息发送给主控模块，定位模块将定位数据传送给主控模块，主控模块将故障及位置信息发送给数据收发模块，数据收发模块向调度中心发送故障信息及故障点位置信息。
调度中心软系统包括故障管理模块、人员车辆管理模块、物资库管理模块、路径优化模块和统计分析模块，其中：
通过故障管理模块实时接收故障信息，发出报警提示音及信息，并自动计算故障点的位置与变电站之间的距离，计算出距离故障点最近的杆塔，获得杆塔号及杆塔信息；
结合GIS系统，在地图上动态查看抢修人员及车辆位置，查看所有物资库位置，同时查看每个物资库的物资库存信息；
路径优化模块根据故障点的位置、抢修人员和车辆位置、物资库位置及库存信息，结合改进的遗传-蚁群算法，迅速自动求解应急抢修最佳路径，并在地图上显示，同时可下发至抢修人员和车辆；
通过人员车辆管理模块和物资库管理模块可对抢修人员、车辆及物资库进行信息的管理和维护；
统计分析模块用于存储和处理历史故障信息、抢修现场发送的所有信息、抢修人员及车辆的所有历史轨迹结构化、半结构化及非结构化数据，对常见故障点及故障所需物资、抢修及抢修最优路径进行统计分析，供日后参考及决策使用。
手持移动端软系统括任务模块、导航模块、信息查询模块及信息交互模块，其中：
任务模块用于下载当前调度中心下发的任务，查看任务所涉及的输电线路、杆塔、抢修物资信息，上传现场照片，同时对工作票进行管理；
抢修人员通过导航模块下载导航路径，按照导航路径到达故障杆塔，进行抢修；
抢修人员可通过信息交互模块在抢修现场与调度中心实时进行沟通，包括文字、语音、图像、视频等信息。抢修人员通过信息查询模块可查看本辖区所有输电线路信息、杆塔信息、历史抢修记录及故障处理操作手册等文件。
参照图2，输电线路应急抢修路径优化方法包括建立路网数学模型，动态划分搜索区域，用改进的遗传-蚁群算法求得蚁群算法参数的最佳组合，将得到的最佳参数组合用于蚁群算法求解时间最短的最优路径。
建立路网数学模型的过程为：将道路网络抽象为拓扑图，路网中的交叉路口抽象为拓扑图中的节点，道路抽象为拓扑图中的边，将路网抽象为拓扑图G(V，E)，其中V为节点的集合，E为边的集合。规划最优路径问题就是在图中搜索，找到一条从起始点到目标点的权值最小的路径。因为故障抢修最关注的是时间最短，因此采用行驶时间作为路段权值，通过路段(i,j)的行驶时间可定义为Wij＝d/v，d为路段(i,j)长度，v为路段(i,j)限制行驶速度。
动态划分搜索区域时将搜索区域设定为以起始点A和目标点B的连线为直径的圆的范围内。具体实现过程如下：
(1)存储所有节点的坐标，设起始点A的坐标为(XA，YA)，目标点B的坐标为(XB，YB)，则A、B之间的距离即为圆的直径
半径r＝d/2。圆心o的坐标为(XO，YO)，则XO＝(XA+XB)/2，YO＝(YA+YB)/2。
(2)搜索时判断节点是否在圆内：对任意节点C(XC，YC)，求出C到圆心的距离
如果S<r，则点C在圆内；如果S＝r，则点C在圆上；如果S>r，则点C在圆外。搜索中只选择圆上和圆内的点。
改进的遗传-蚁群算法求得蚁群算法参数的最佳组合的过程为：
(1)将路网抽象为拓扑图后，假设图中有n个节点，现定义m只蚂蚁，用蚁群算法的α、β、ρ、q0和λ五个参数(α和β分别表示信息素和启发式因子的相对重要程度，ρ为路径上信息素的蒸发系数，λ是路段等待时间发生概率，q0是寻径中开发最优解或探寻搜索空间的选择门限值)的一组取值构成一条染色体，其中，每个参数用7位二进制表示，共35位二进制；随机产生若干条染色体，作为遗传算法的求解空间。
(2)在(1)中随机产生的若干条染色体中随机选取4条。
(3)用随机选取的每一条染色体对应的五个参数的组合值进行一次完整的蚁群算法寻径，方法为：
a)将定义好的m只蚂蚁放置在起始节点上，并将整个路网拓扑中所有链路的相应信息素值初始化最大值，即τ0＝max；
b)根据蚁群算法中的状态转移规则、信息素局部更新规则及全局更新规则，搜寻一条整体花费时间最小的路径；
c)将m只蚂蚁寻得的所有最优路径进行比较，取其中最优一条路径的值作为该染色体的适应度值；同时，需要设置一个变量count，表示m只蚂蚁搜寻得到的所有路径中，选中适应度值最大的路径(最优路径)次数；
d)重复步骤(3)，直到4条染色体适应度值全部得到。
(4)对每条染色体的最大适应度值及count值进行比较，进一步，对选中的4条染色体进行排序。比较和排序的原则为：适应度值越大表示选中的路径越好，即此染色体越好；若两个被比较的适应度值相等，则表示被选中的两条路径效果相当，这时候就需要进一步比较选中最好路径的次数(count值)，若某条路径的count值大，则表示选中该路径的次数多，即命中率大，代表此条染色体相对较好。
(5)对排序后的染色体进行遗传算法的交叉和变异。具体做法为：从排序的4条染色体中选择2条相对较好的染色体作为父代，按设定的交叉概率pc(0<pc≤1)进行交叉运算。交叉运算的步骤为：
a)选择要交叉的一对染色体；
b)设染色体长度为L(本方法中L＝35)，在要交叉的两条染色体中随机选取区间(1，L-1)中一位或多位作为交叉位置；
c)按照交叉概率pc进行交叉运算，两条染色体相互交换交叉位置处的内容，形成一对新的染色体。
对交叉后新产生的两条染色体，将每条染色体某个位置的内容进行逆变，即把1变为0或把0变为1，按变异概率pm进行变异。
用2条交叉变异后产生的新染色体代替原来4条染色体中性能较差的2条染色体，把重组后的4条染色体放到最初产生的若干条染色体中，完成一次循环；
(6)重复(2)(3)(4)(5)，直至达到循环次数。
参照图3，用蚁群算法求解时间最短的最优路径的过程为：
(1)规定蚁群群体规模为m。
(2)初始化算法参数及信息素。为使蚂蚁在算法的初始化阶段能够更多地搜索新的解决方案,将信息素初始化为最大值τmax。
(3)按照状态转移规则求得每只蚂蚁的搜索路径。将初始节点S置于各蚂蚁K的解集Ck中,蚂蚁K(K＝1,2,…,m)按状态转移规则式(3.1)和(3.2)移至下一个节点j,并将j加入当前解集CK中。
其中:PK ij表示转移概率；allowedK表示蚂蚁K下一步将要选择的节点；τij表示边(i,j)上残留的信息量；ηij表示边(i,j)的能见度，ηij＝1/Wij+λ/(dtij+ttij)，其中dtij为不同时间段的路段平均等待时间，dtij＝1/(pjcj-mij)(pj为j路口的绿灯信号比，cj为j路口通行能力，mij为此路段的实际车流量)，ttij为通过交叉路口时间，ttij＝1/pjcj，λ是该路段等待时间发生概率，取值在[0,1]之间(本方法将当前抢修时间点作为系统输入值，判断其属于哪个时间段，提前按照不同时间段建立各路段通过时间(dtij+ttij)矩阵并存储)；q0是寻径中开发最优解或探寻搜索空间的选择门限值。
(4)局部更新。计算各蚂蚁的目标函数值,记录最好解。为加快收敛速度,用局部搜索算法对其进行优化,得到最优值Ct best。
(5)全局信息素更新规则
τij(t+1)＝ρτij(t)+Δτij (3.3)
每次迭代只允许本次迭代最优的那只蚂蚁进行信息素的更新。同时为避免搜索停滞,把每条边的信息素浓度限制在[τmin,τmax]之内。
(6)重复(3)-(5),直至达到最大迭代次数,或者所有蚂蚁均选择了同一条路径,则算法终止,输出全局最优解。
综上，本发明实施例提供的一种输电线路应急抢修路径优化系统及方法，能在输电线路发生故障后按就近原则迅速调度应急人员及车辆，充分考虑道路拥堵及路口等待等因素的前提下，沿着时间最短的最优路径快速获取抢修物资并到达故障位置进行抢修，解决了目前有很多算法在求解路径优化问题存在自身缺点、效果不佳的问题。同时，通过建立私有云平台，存储以往的抢修路径等各种类型的历史信息供分析和决策使用。
Claims (3)
1.一种输电线路应急抢修路径优化系统，包括故障定位装置、调度中心、手持或车载移动端，其特征在于：
所述故障定位装置将故障发生点的位置信息发送给调度中心；
所述调度中心使用应急抢修路径优化方法确定最佳抢修路径；
所述手持或车载移动端下载最佳抢修路径并进行导航；其中：
所述调度中心软系统包括故障管理模块、人员车辆管理模块、物资库管理模块、路径优化模块和统计分析模块，所述故障管理模块用于实时接收故障信息，发出报警提示音及信息，并自动计算故障点的位置与变电站之间的距离，计算出距离故障点最近的杆塔，获得杆塔号及杆塔信息；结合GIS系统，在地图上动态查看抢修人员及车辆位置，查看所有物资库位置，同时查看每个物资库的物资库存信息；
所述的路径优化模块用于根据故障点的位置、抢修人员和车辆位置、物资库位置及库存信息，结合改进的遗传-蚁群算法，迅速自动求解应急抢修最佳路径，并在地图上显示，同时可下发至抢修人员和车辆；
人员车辆管理模块和物资库管理模块用于对抢修人员、车辆及物资库进行信息的管理和维护；
统计分析模块用于存储和处理历史故障信息、抢修现场发送的所有信息、抢修人员及车辆的所有历史轨迹结构化、半结构化及非结构化数据，对常见故障点及故障所需物资、抢修及抢修最优路径进行统计分析，供日后参考及决策使用；
所述路径优化模块执行下面的步骤：
建立路网数学模型；
动态划分搜索区域；
用改进的遗传-蚁群算法求得蚁群算法参数的最佳组合；
将得到的最佳参数组合用于蚁群算法求解时间最短的最优路径；
所述的建立路网数学模型的过程为：
将路网抽象为拓扑图，路网中的交叉路口抽象为拓扑图中的节点，道路抽象为拓扑图中的边，采用路段行驶时间作为各路段权值；通过建立矩阵，存储不同时间段的路段平均等待时间和通过交叉路口时间，用于计算蚁群算法中能见度的值；
所述的动态划分搜索区域的过程为：
求出以起始点A和目标点B的连线为直径的圆的圆心坐标，对任意节点C，求出C到圆心的距离，只选择距离小于等于圆的半径的点，即将搜索区域设定为以起始点A和目标点B的连线为直径的圆的范围内；
所述的用改进的遗传-蚁群算法求得蚁群算法参数的最佳组合的过程为：
随机产生遗传算法的若干条染色体，每条染色体用蚁群算法的α、β、ρ、q0和λ五个参数的一组取值构成；随机选取4条染色体分别进行一次蚁群算法寻径；选择2条相对较好的染色体进行交叉、变异；用交叉变异后的新染色体代替原来性能较差的2条染色体，把重组后的4条染色体放到最初产生的若干条染色体中；进行下一次循环，直至达到循环次数，确定最佳参数组合；
所述的将得到的最佳参数组合用于蚁群算法求解时间最短的最优路径的过程为：
（1）规定蚁群群体规模为m；
（2）初始化算法参数及信息素，为使蚂蚁在算法的初始化阶段能够更多地搜索新的解决方案, 将信息素初始化为最大值τmax；
（3）按照状态转移规则求得每只蚂蚁的搜索路径，将初始节点S 置于各蚂蚁K 的解集Ck中, 蚂蚁K ，K = 1, 2,…, m ， 按状态转移规则式(3.1)和(3.2) 移至下一个节点j, 并将j加入当前解集CK 中；
其中: PK ij表示转移概率；allowedK 表示蚂蚁K 下一步将要选择的节点； τij表示边(i, j )上残留的信息量；ηij表示边( i, j)的能见度，ηij= 1/Wij+λ/(dtij+ttij)，其中Wij=d/v，d为路段长度，v为路段限制速度；dtij为不同时间段的路段平均等待时间，dtij=1/(pjcj-mij)，pj为j路口的绿灯信号比，cj为j路口通行能力，mij为此路段的实际车流量，ttij为通过交叉路口时间，ttij=1/pjcj，λ是该路段等待时间发生概率，取值在[0,1]之间，将当前抢修时间点作为系统输入值，判断其属于哪个时间段，提前按照不同时间段建立各路段通过时间（dtij+ttij）矩阵并存储；q0是寻径中开发最优解或探寻搜索空间的选择门限值；
（4）局部更新，计算各蚂蚁的目标函数值, 记录最好解，为加快收敛速度, 用局部搜索算法对其进行优化, 得到最优值Ct best；
（5）全局信息素更新规则
每次迭代只允许本次迭代最优的那只蚂蚁进行信息素的更新，同时为避免搜索停滞,把每条边的信息素浓度限制在[τmin,τmax] 之内；
（6）重复（3）-（5）, 直至达到最大迭代次数, 或者所有蚂蚁均选择了同一条路径, 则算法终止, 输出全局最优解。
2.根据权利要求1所述的一种输电线路应急抢修路径优化系统，其特征在于：所述的故障定位装置包括主控模块、故障检测模块、数据收发模块和定位模块，故障检测模块、数据收发模块和定位模块分别与主控模块相连，故障检测模块将故障信息发送给主控模块，定位模块将定位数据传送给主控模块，主控模块将故障及位置信息发送给数据收发模块，数据收发模块向调度中心发送故障点信息。
3.根据权利要求1所述的一种输电线路应急抢修路径优化系统，其特征在于：所述的手持或车载移动端软系统包括任务模块、导航模块、信息查询模块及信息交互模块，其中：
任务模块用于下载当前调度中心下发的任务，查看任务所涉及的输电线路、杆塔、抢修物资信息，上传现场照片，同时对工作票进行管理；
导航模块用于下载导航路径，供抢修人员依据导航路径到达故障杆塔，进行抢修；
信息交互模块用于抢修人员在抢修现场与调度中心实时进行沟通，包括文字、语音、图像、视频信息；
信息查询模块用于查看本辖区所有输电线路信息、杆塔信息、历史抢修记录及故障处理操作手册文件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010324839.6A CN111445093B (zh) | 2020-04-23 | 2020-04-23 | 一种输电线路应急抢修路径优化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010324839.6A CN111445093B (zh) | 2020-04-23 | 2020-04-23 | 一种输电线路应急抢修路径优化系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111445093A CN111445093A (zh) | 2020-07-24 |
| CN111445093B true CN111445093B (zh) | 2023-04-07 |
Family
ID=71656174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010324839.6A Active CN111445093B (zh) | 2020-04-23 | 2020-04-23 | 一种输电线路应急抢修路径优化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111445093B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113112843B (zh) * | 2020-10-10 | 2022-05-27 | 广东中设智控科技股份有限公司 | 一种智慧城市快速应急人员车辆调度系统及方法 |
| CN112465165A (zh) * | 2020-11-23 | 2021-03-09 | 国网山东省电力公司惠民县供电公司 | 一种电网故障处理方法、系统及装置 |
| CN112985437B (zh) * | 2021-02-05 | 2022-02-08 | 国网吉林省电力有限公司长春供电公司 | 灾区场景下路径导航方法及装置 |
| CN113128788B (zh) * | 2021-05-17 | 2024-03-08 | 华北电力大学 | 一种电力应急物资输送路径优化方法、装置及存储介质 |
| CN113386633A (zh) * | 2021-06-02 | 2021-09-14 | 中铁建电气化局集团南方工程有限公司 | 一种接触网锚柱抢修工法 |
| CN113485305B (zh) * | 2021-07-28 | 2023-04-07 | 成都飞机工业（集团）有限责任公司 | 一种飞机外勤故障诊断系统与方法 |
| CN113313331B (zh) * | 2021-07-30 | 2022-01-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于库存缺口风险的应急物资多周期分割配送方法及装置 |
| CN115577946A (zh) * | 2022-10-14 | 2023-01-06 | 深圳市瑞安医疗服务有限公司 | 急救场景下人员定位与资源调度方法、装置、设备及介质 |
| CN116223980B (zh) * | 2023-05-05 | 2023-07-28 | 山东恩光能源科技有限公司 | 一种超高压输电线路故障监测和应急处置方法 |
| CN116451876B (zh) * | 2023-06-15 | 2023-09-22 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修系统 |
| CN116631087A (zh) * | 2023-07-20 | 2023-08-22 | 厦门闽投科技服务有限公司 | 一种基于无人机的电力巡检系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103399868A (zh) * | 2013-07-08 | 2013-11-20 | 哈尔滨工业大学（威海） | 一种外贸物流路径的优化方法 |
| WO2016096226A1 (en) * | 2014-12-18 | 2016-06-23 | Be-Mobile Nv | A traffic data fusion system and the related method for providing a traffic state for a network of roads |
| CN109447344A (zh) * | 2018-10-26 | 2019-03-08 | 国网天津市电力公司 | 基于配网故障大数据的抢修驻点和路径优化方法及系统 |
| CN109489667A (zh) * | 2018-11-16 | 2019-03-19 | 楚天智能机器人（长沙）有限公司 | 一种基于权值矩阵的改进蚁群路径规划方法 |
| CN110275526A (zh) * | 2019-05-16 | 2019-09-24 | 贵州大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8131656B2 (en) * | 2006-01-31 | 2012-03-06 | The Board Of Trustees Of The University Of Illinois | Adaptive optimization methods |
| CN104682254A (zh) * | 2013-11-26 | 2015-06-03 | 国家电网公司 | 架空线路巡视终端及巡视方法 |
| CN105447772A (zh) * | 2015-12-26 | 2016-03-30 | 国网河北省电力公司衡水供电分公司 | 电力抢修智能调度系统 |
| CN205724644U (zh) * | 2016-04-15 | 2016-11-23 | 国家电网公司 | 输电线路应急抢修调度系统 |
| CN205791226U (zh) * | 2016-06-20 | 2016-12-07 | 长春工程学院 | 输电线路应急抢修调度系统 |
| CN106504117A (zh) * | 2016-10-31 | 2017-03-15 | 国家电网公司 | 电力外勤作业系统 |
-
2020
- 2020-04-23 CN CN202010324839.6A patent/CN111445093B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103399868A (zh) * | 2013-07-08 | 2013-11-20 | 哈尔滨工业大学（威海） | 一种外贸物流路径的优化方法 |
| WO2016096226A1 (en) * | 2014-12-18 | 2016-06-23 | Be-Mobile Nv | A traffic data fusion system and the related method for providing a traffic state for a network of roads |
| CN109447344A (zh) * | 2018-10-26 | 2019-03-08 | 国网天津市电力公司 | 基于配网故障大数据的抢修驻点和路径优化方法及系统 |
| CN109489667A (zh) * | 2018-11-16 | 2019-03-19 | 楚天智能机器人（长沙）有限公司 | 一种基于权值矩阵的改进蚁群路径规划方法 |
| CN110275526A (zh) * | 2019-05-16 | 2019-09-24 | 贵州大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 何珊珊 ; 朱文海 ; 庄需芹 ; .基于灾害抢修的应急物资多阶段配送路径研究.计算机仿真.2016,第33卷(第03期),第167-171页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111445093A (zh) | 2020-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111445093B (zh) | 一种输电线路应急抢修路径优化系统及方法 | |
| CN109000668B (zh) | 基于车联网的实时智能导航方法 | |
| Huang et al. | Performance evaluation of SUVnet with real-time traffic data | |
| Karimi et al. | A predictive location model for location-based services | |
| US20150345968A1 (en) | Navigation Method and System, Map Data Management Cloud and Data Update Method Thereof | |
| CN106297357B (zh) | 基于车联网的实时路径规划和poi信息检索系统及方法 | |
| CN110705742A (zh) | 一种基于改进蚁群算法的物流配送方法 | |
| US20070241882A1 (en) | User Interface for Real-Time Management of Vehicles | |
| CN101299861A (zh) | 一种基于最短回路的基站系统巡检路径自动化确定方法 | |
| CN108021686A (zh) | 一种快速匹配电子地图中公交线路与道路网络的方法 | |
| CN106570062A (zh) | 一种路网轨迹不确定移动对象范围查询系统及方法 | |
| CN105628044A (zh) | 基于位置实时更新与路段属性的车载导航装置与导航方法 | |
| CN106530702A (zh) | 一种基于交通指数的随机动态网络交通规划方法 | |
| Hassoune et al. | Dynamic parking guidance architecture using ant colony optimization and multiagent systems | |
| CN103700272A (zh) | 便捷式交通信息实时收发系统 | |
| CN112308315A (zh) | 一种多点智能路径规划方法及系统 | |
| CN107655490A (zh) | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 | |
| CN110689174A (zh) | 基于公共交通的人员路线规划方法及装置 | |
| CN114578848A (zh) | 一种基于离散点密度与全局规划的无人机巡检路径规划方法 | |
| CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
| CN113219994A (zh) | 一种包含交通信号灯的栅格地图最优路径规划方法 | |
| CN107588779B (zh) | 一种基于任意两节点间行程时间的车辆智能导航方法 | |
| CN112507047A (zh) | 一种基于兴趣点偏好的最优有序路径查询方法 | |
| CN110324087B (zh) | 综合业务接入区的生成方法、装置、设备及介质 | |
| CN112182431A (zh) | 参考地点推荐方法、装置、设备以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |