CN112084609B - 电力行业的供电分区划分方法 - Google Patents
电力行业的供电分区划分方法 Download PDFInfo
- Publication number
- CN112084609B CN112084609B CN202010815020.XA CN202010815020A CN112084609B CN 112084609 B CN112084609 B CN 112084609B CN 202010815020 A CN202010815020 A CN 202010815020A CN 112084609 B CN112084609 B CN 112084609B
- Authority
- CN
- China
- Prior art keywords
- road
- power supply
- lattices
- lattice
- similarity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005192 partition Methods 0.000 title claims abstract description 14
- 230000005484 gravity Effects 0.000 claims description 16
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 8
- 230000018109 developmental process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Discrete Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种供电分区划分方法,将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图并基于障碍物的阻碍系数、路格间的相似度,得到连接线权重,基于贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格,通过边界条件对供电网格进行处理,并采用与供电网格划分相同的方法得到供电单元,提升供电网格划分的准确性和细致性。
Description
技术领域:
本发明涉及电力行业咨询规划技术领域,特别是涉及一种电力行业的供电分区划分方法。
背景技术:
负荷预测和负荷分区是电网规划及运营工作的基础,随着智能电网的快速发展,每年都会有各种各样的电网规划项目,如按省、市、区、网格、园区,范围大小不等,但整体的规划内容大同小异,规划的过程对历史数据的依赖程度较大,每次需要大量的数据收集,而往往存在数据不全的情况,对数据的处理则需要凭经验,同时在规划的过程中参数的选择也存在随机性,如有多种可选的情况下,如何能较好的适应当前规划区域则没有一定的分析说明。
因此传统的电网规划需要引入一定的智能分析方法,辅助规划过程中人为经验或随机性的判断。
发明内容:
本发明所要解决的技术问题是:克服现有技术的不足,将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图得到连接线权重并生成供电网格,通过边界条件对供电网格进行处理得到供电单元,提升供电网格划分的准确性和细致性的电力行业的供电分区划分方法。
本发明的技术方案是:一种电力行业的供电分区划分方法,将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图并基于障碍物的阻碍系数、路格间的相似度,得到连接线权重,基于贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格,通过边界条件对供电网格进行处理,并采用与供电网格划分相同的方法得到供电单元,其具体步骤是:
S1:将地块信息合并为路格信息;
S2:判别路格之间的邻接关系,生成基于道路隔离的邻接图;
S3:基于邻接图,计算两地的分类属性、序数类属性的相似度;
S4:基于邻接图,计算两地障碍物的阻碍系数;
S5:基于S3、S4的结果,计算连接线的权重;
S6:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格。
S7:删除穿越供电网格边界的连接线,生成各网格内部的邻接图;
S8:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电单元。
进一步的,所述S1中,基于地块的属性信息,对同一路格的地块进行汇总处理,得到路格信息,包括:路格的负荷、面积、用地性质、供电线路、供电变电站、开发状态及时序、坐标及方位等信息。
进一步的,根据地块内的现状负荷密度,结合市政规划时序安排,对路格的状态进行设定,将路格重心的坐标设定为路格的坐标,以此确定路格在空间上所处的位置,并进一步得出路格以另一个地理元素为参照的相对位置。
进一步的,所述S2中,基于路格的重心点,以及道路隔离方法,将面模式转换为点模式,经过拓扑邻接转换后得到无向图。
进一步的,将面模式转换为点模式的方法,包括以下步骤:
1)、基于道路宽度与单条街道长度,在道路连接点画一个符合要求的圆;
2)、将圆经过的相互邻接的路格,以任意路格的重心为起点,顺时针连接其它与之相邻的路格的重心;
3)、直至回到起始的路格重心为止,形成一个两两连接的邻接图;
4)、重复之前步骤,直至建立包含了所有路格位置的邻接图。
进一步的,所述S3中,将路格属性中用作分类的属性作为字符变量,对于两个路格,如果同一属性的值相同,则标记为1,不同则标记为0;采用类似分析二元变量属性相似度的方式进行相似度分析,并在计算时为每一个属性添加权重系数,得到路格间相似度参数;
将路格属性中用作序数的属性,采用一定数值进行替代,将序数属性转换为标度变量,采用差值法进行相似度计算;
其中,分类的属性包括:供电线路、供电变电站、开发状态;用作序数的属性为用地性质。
进一步的,所述S4中,基于S2中的点模型、路格间障碍物属性,对所述路格边界类型进行分析,根据阻碍物的性质,设定一定的数值,表征两个相邻路格之间障碍物的阻碍系数。
进一步的,所述S5中,基于空间作用力模型,将两地的分类属性相似度、两地序数类属性的相似度和障碍物的阻碍系数,带入相互作用力模型,得到路格间连接线的权重。
进一步的,所述S6中,基于带权邻接图,构建权重最小的生成树,基于网格总负荷的取值要求,使用深度优先的搜索方法,对最小生成树进行分割聚类,对分裂成果进行筛选划分,得到网格划分结果。
本发明的有益效果是:
本发明将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图得到连接线权重并生成供电网格,通过边界条件对供电网格进行处理得到供电单元,提升供电网格划分的准确性和细致性。
附图说明:
图1是本申请实施例提供的供电网格划分方法的流程图
图2是本申请实施例提供的路格合并示意图:
图3是本申请实施例提供的真实邻接图生成示意图;
具体实施方式:
实施例:参见图1,图2和图3。
一种电力行业的供电分区划分方法,将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图并基于障碍物的阻碍系数、路格间的相似度,得到连接线权重,基于贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格,通过边界条件对供电网格进行处理,并采用与供电网格划分相同的方法得到供电单元,提升供电网格划分的准确性和细致性。
下面结合附图和实施例对本申请进行详细描述。
由于网格划分时,除了考虑路格的距离外,还需考虑路格的供电线路、供电变电站、开发状态及时序等属性信息,因此,路格的相似性采用空间相互作用模型将路格数据的属性特征和拓扑相邻关系综合起来进行评判。借鉴物理学中的两物体的相互作用力计算模型,i、j两地的空间相互作用模型为:
Fij为i、j两地的相互作用力,d为两地的空间距离,b为距离摩擦系数,Mij表示两地的分类属性相似度、Nij为两地序数类属性的相似度,Eij为两地所属供电线路相同时的相似度,Fij为两地所属变电站相同时的相似度,Gij为两地开发状态及时序相同时的相似度,Ri、Rj分别为i、j两地用地类型的秩,k、α、β为系数,A为常量。
最小生成树(MinimumSpanningTree,MST)最小生成树其实是最小权重生成树的简称。一个有n个结点的连通图的生成树是原图的极小连通子图,且包含原图中的所有n个结点,并且有保持图连通的最少的边。最小生成树可以用 kruskal(克鲁斯卡尔)算法或Prim(普里姆)算法求出。
深度优先搜索(Depth First Search)深度优先搜索属于图算法的一种,其过程简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次。
贪心算法(greedy algorithm)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,算法得到的是在某种意义上的局部最优解。
第一步S1:将地块信息合并为路格信息,其中:
路格负荷:路格负荷为地块负荷考虑一定同时率后的合计值;
路格面积:路格面积为路格内所包含地块面积的代数和;
用地性质:将路格的用地性质设定为路格所包含地块中负荷最大值所属的用地性质。
供电线路:对于已有配电网络覆盖的区域,根据已有供电线路的数量配置情况进行选取是否将供电线路作为网格化划分的依据。对于建成区,配电网网架结构已基本成型,网格化划分的方式应充分结合当前的配电网结构,所以应路格所属的供电线路的异同作为网格化划分的依据。对于待建区,供电线路的布置较少,且规划年度的网架布局和拓扑结构均会发生较大变化,因此可不考虑路格所属供电线路的异同。将网格内挂接配电变压器容量较大的线路作为网格的主供电线路。
供电变电站:将距离网格重心最近的两座变电站作为该网格的供电变电站。在进行变电站设定时,需考虑规划变电站的布点情况。
开发状态及时序:根据地块内的现状负荷密度,结合市政规划时序安排,对路格的状态进行设定。
坐标及方位:将路格重心的坐标设定为路格的坐标,以此确定路格在空间上所处的位置,并进一步得出路格以另一个地理元素为参照的相对位置。
第二步S2:判别路格之间的邻接关系,生成基于道路隔离的真实邻接图;
其中,取路格的中心点或重心点来代替面。整个多边形区域经过拓扑邻接转换后形成无向图。
根据市政规划的相关经验和约束性文件,在大城市级别以上的城市,快速路及服务于机动车通勤的交通性主干路道路红线约为50~60米,主干道道路红线约为36~50米,主要为道路两侧生活用地服务的次干路不大于30米,支路的宽度在24米以下。单条街道的长度一般在200米以上。因此,在构建适用于网格化划分的路格拓扑邻接关系时,采用如下方法:
1):以任意两条道路的连接点(路口)为圆心,画一个直径为100米的圆,被圆的边覆盖到的路格认为是邻接的;
2):将第一步确定的相互邻接的路格,以任意路格的重心为起点,顺时针连接其它与之相邻的路格的重心,直至回到起始的路格重心为止。形成一个两两连接的邻接图;
3):对其他所有的道路连接点(路口)进行第一步和第二步操作,直至建立包含了所有路格位置的邻接图。
第三步S3:基于邻接图,计算两地的分类属性、序数类属性的相似度;
基于点模型、路格间障碍物属性,对所述路格边界类型进行分析。基于本地市政规划相关资料确定用地类型的秩,带入相互作用力模型可得两地序数类属性的相似度。其中
Nij=A-(Ri-Rj)
Nij为两地序数类属性的相似度,Ri、Rj分别为i、j两地用地类型的秩,A 为常量。
基于邻接图,计算两地的分类属性相似度;
将路格属性中用作分类的属性(供电线路、供电变电站、开发状态)作为字符变量,对于两个路格,如果同一属性的值相同,则标记为1,不同则标记为 0。采用类似分析二元变量属性相似度的方式进行相似度分析,并在计算时为每一个属性添加权重系数,得到路格间分类属性相似度。
带入相互作用力模型可得路格间的相似度。其中
Mij=EijFijGij
Mij表示两地的分类属性相似度、Eij为两地所属供电线路相同时的相似度, Fij为两地所属变电站相同时的相似度,Gij为两地开发状态及时序相同时的相似度。
第四步S4:基于邻接图,计算两地障碍物的阻碍系数;
基于点模型、路格间障碍物属性,对所述路格边界类型进行分析,以不同障碍物对网格划分的阻碍程度,得出两地障碍物的阻碍系数
第五步S5:基于S3、S4的结果,计算连接线的权重;
基于空间作用力模型,对S3、S4结果进行处理,得到路格间连接线的权重
Fij为i、j两地的相互作用力,d为两地的空间距离,b为距离摩擦系数,Mij表示两地的分类属性相似度、Nij为两地序数类属性的相似度,k、α、β为系数。
第六步S6:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格。
基于带权邻接图,构建权重最小的生成树,基于网格负荷要求,对分裂成果进行筛选划分,得到网格划分结果。其中,具体步骤如下:
1):将所有连接线按照权重递增排序;
2):逐一比较所有连接线两端点是否属于同一个聚簇;
3):若两端点不属于同一聚簇就将两端点连接,否者略过;
4):若所有点都已连接,进入下一步,否者跳回2);
5):基于网格负荷要求,使用深度优先的搜索方法,对最小生成树进行分割,得出最优解(即每个网格负荷之和都在负荷要求区间以内)。
第七步S7:删除穿越供电网格边界的连接线,生成各网格内部的邻接图;
通过删除穿越供电网格边界的连接线,得到符合网格边界的内部邻接图。
第八步S8:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电单元。
以供电单元相关要求为边界条件,重复S6,得到供电单元划分结果。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (7)
1.一种供电分区划分方法,将地块信息合并为路格信息,并基于临近关系生成邻接图,依据生成的邻接图并基于障碍物的阻碍系数、路格间的相似度,得到连接线权重,基于贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格,通过边界条件对供电网格进行处理,并采用与供电网格划分相同的方法得到供电单元,其具体步骤是:
S1:将地块信息合并为路格信息;
S2:判别路格之间的邻接关系,生成基于道路隔离的邻接图;
所述S2中,基于路格的重心点,以及道路隔离方法,将面模式转换为点模式,经过拓扑邻接转换后得到无向图;
将面模式转换为点模式的方法,包括以下步骤:
1)、基于道路宽度与单条街道长度,在道路连接点画一个符合要求的圆;
2)、将圆经过的相互邻接的路格,以任意路格的重心为起点,顺时针连接其它与之相邻的路格的重心;
3)、直至回到起始的路格重心为止,形成一个两两连接的邻接图;
4)、重复之前步骤,直至建立包含了所有路格位置的邻接图;
S3:基于邻接图,计算两地的分类属性、序数类属性的相似度;
S4:基于邻接图,计算两地障碍物的阻碍系数;
S5:基于S3、S4的结果,计算连接线的权重;
S6:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电网格;
S7:删除穿越供电网格边界的连接线,生成各网格内部的邻接图;
S8:综合采用贪心算法、基于簇集约束和深度优先的层次聚类算法、最小生成树算法,对邻接图进行聚类,生成供电单元。
2.根据权利要求1所述的供电分区划分方法,其特征是:所述S1中,基于地块的属性信息,对同一路格的地块进行汇总处理,得到路格信息,包括:路格的负荷、面积、用地性质、供电线路、供电变电站、开发状态及时序、坐标及方位信息。
3.根据权利要求2所述的供电分区划分方法,其特征是:根据地块内的现状负荷密度,结合市政规划时序安排,对路格的状态进行设定,将路格重心的坐标设定为路格的坐标,以此确定路格在空间上所处的位置,并进一步得出路格以另一个地理元素为参照的相对位置。
4.根据权利要求1所述的供电分区划分方法,其特征是:所述S3中,将路格属性中用作分类的属性作为字符变量,对于两个路格,如果同一属性的值相同,则标记为1,不同则标记为0;采用类似分析二元变量属性相似度的方式进行相似度分析,并在计算时为每一个属性添加权重系数,得到路格间相似度参数;
将路格属性中用作序数的属性,采用一定数值进行替代,将序数属性转换为标度变量,采用差值法进行相似度计算;
其中,分类的属性包括:供电线路、供电变电站、开发状态;用作序数的属性为用地性质。
5.根据权利要求1所述的供电分区划分方法,其特征是:所述S4中,基于S2中的点模型、路格间障碍物属性,对所述路格边界类型进行分析,根据阻碍物的性质,设定一定的数值,表征两个相邻路格之间障碍物的阻碍系数。
6.根据权利要求1所述的供电分区划分方法,其特征是:所述S5中,基于空间作用力模型,将两地的分类属性相似度、两地序数类属性的相似度和障碍物的阻碍系数,带入相互作用力模型,得到路格间连接线的权重。
7.根据权利要求1所述的供电分区划分方法,其特征是:所述S6中,基于带权邻接图,构建权重最小的生成树,基于网格总负荷的取值要求,使用深度优先的搜索方法,对最小生成树进行分割聚类,对分裂成果进行筛选划分,得到网格划分结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815020.XA CN112084609B (zh) | 2020-08-13 | 2020-08-13 | 电力行业的供电分区划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815020.XA CN112084609B (zh) | 2020-08-13 | 2020-08-13 | 电力行业的供电分区划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084609A CN112084609A (zh) | 2020-12-15 |
CN112084609B true CN112084609B (zh) | 2023-12-26 |
Family
ID=73728952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010815020.XA Active CN112084609B (zh) | 2020-08-13 | 2020-08-13 | 电力行业的供电分区划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084609B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971183A (zh) * | 2014-05-27 | 2014-08-06 | 华北电力大学 | 一种光伏电站的优化选址与容量配置方法 |
CN106651000A (zh) * | 2016-10-27 | 2017-05-10 | 国网浙江省电力公司 | 一种基于半监督谱聚类的黑启动分区方法 |
CN107194541A (zh) * | 2017-04-24 | 2017-09-22 | 国网江西省电力公司赣州供电分公司 | 一种基于自适应权重Voronoi图的配电网供电分区方法 |
CN110322170A (zh) * | 2019-07-16 | 2019-10-11 | 国网山东省电力公司经济技术研究院 | 一种配电网模块化规划层级的划分方法 |
CN111126236A (zh) * | 2019-12-19 | 2020-05-08 | 国网江苏省电力有限公司经济技术研究院 | 基于拓扑特征与模式识别的标准接线类型识别方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166942B (zh) * | 2014-07-02 | 2017-12-19 | 国家电网公司 | 基于cim模型的跨区域供电范围搜索方法及其系统 |
-
2020
- 2020-08-13 CN CN202010815020.XA patent/CN112084609B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971183A (zh) * | 2014-05-27 | 2014-08-06 | 华北电力大学 | 一种光伏电站的优化选址与容量配置方法 |
CN106651000A (zh) * | 2016-10-27 | 2017-05-10 | 国网浙江省电力公司 | 一种基于半监督谱聚类的黑启动分区方法 |
CN107194541A (zh) * | 2017-04-24 | 2017-09-22 | 国网江西省电力公司赣州供电分公司 | 一种基于自适应权重Voronoi图的配电网供电分区方法 |
CN110322170A (zh) * | 2019-07-16 | 2019-10-11 | 国网山东省电力公司经济技术研究院 | 一种配电网模块化规划层级的划分方法 |
CN111126236A (zh) * | 2019-12-19 | 2020-05-08 | 国网江苏省电力有限公司经济技术研究院 | 基于拓扑特征与模式识别的标准接线类型识别方法和装置 |
Non-Patent Citations (5)
Title |
---|
一种改进最小生成树算法在配电网架优化规划中的应用;陈勇;韩启银;;广东电力(第03期);6-11 * |
基于图划分的大电网拓扑分析;郎燕生;李静;罗雅迪;伍凌云;李强;赵军;王顺江;;电力系统保护与控制(第23期);108-115 * |
基于图论的电网数据库设计及应用;陈妹啟;湖北电力(第05期);34-36 * |
基于层次空间推理的城市配电网多级网格划分;宣菊琴;张林垚;吴桂联;黄达洋;叶祥满;;科技通报(第02期);55-58+64 * |
基于贪婪算法的配电网网格负荷预测与规划方法;邢亚虹;杜欣慧;;计算机工程(第11期);316-321 * |
Also Published As
Publication number | Publication date |
---|---|
CN112084609A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peuquet | Time in GIS and geographical databases | |
Gao et al. | A deep reinforcement learning approach to mountain railway alignment optimization | |
CN109272170B (zh) | 一种基于Louvain算法的交通小区划分系统 | |
CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
CN109146204A (zh) | 一种多层次综合评估的风电场升压站自动选址方法 | |
CN109949574B (zh) | 一种数据驱动的城市路网交通小区多级划分方法 | |
CN109992923B (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
Anwar et al. | Capturing the spatiotemporal evolution in road traffic networks | |
CN110689187B (zh) | 一种基于多条件约束的变电站自动选址方法 | |
CN110781267A (zh) | 一种基于地理国情的多尺度空间分析评价方法及系统 | |
Karimi et al. | Urban expansion modeling using an enhanced decision tree algorithm | |
CN114418215A (zh) | 一种基于人工智能的智慧城市输电线路规划方法 | |
Guo et al. | Monitoring and simulation of dynamic spatiotemporal land use/cover changes | |
CN116775661A (zh) | 基于北斗网格技术的空间大数据存储与管理方法 | |
CN113076336A (zh) | 偏远地区水厂选址gis宏微观决策支持系统 | |
CN115238950A (zh) | 一种基于蚁群算法的输电线路路径智能选择方法及系统 | |
CN107818338A (zh) | 一种面向地图综合的建筑物群组模式识别的方法及系统 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN112084609B (zh) | 电力行业的供电分区划分方法 | |
WO2024103770A1 (zh) | 空间划分方法、装置及存储介质 | |
CN116703132A (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN113343565A (zh) | 顾及空间异质性的邻域效应模式构建与ca模拟方法及系统 | |
Leśniara et al. | Highway2vec: Representing OpenStreetMap microregions with respect to their road network characteristics | |
Courtat | Promenade dans les cartes de villes-phénoménologie mathématique et physique de la ville-une approche géométrique | |
Satyananda et al. | Deep learning to handle congestion in vehicle routing problem: A review |
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 |