CN112232579A - 一种基于蚁群算法的电力物资调配方法 - Google Patents
一种基于蚁群算法的电力物资调配方法 Download PDFInfo
- Publication number
- CN112232579A CN112232579A CN202011156353.2A CN202011156353A CN112232579A CN 112232579 A CN112232579 A CN 112232579A CN 202011156353 A CN202011156353 A CN 202011156353A CN 112232579 A CN112232579 A CN 112232579A
- Authority
- CN
- China
- Prior art keywords
- transportation
- electric power
- power material
- factor
- demand
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 241000257303 Hymenoptera Species 0.000 claims description 33
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000032683 aging Effects 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000009472 formulation Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 239000003921 oil Substances 0.000 claims description 6
- 239000000295 fuel oil Substances 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 239000002305 electric material Substances 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000003016 pheromone Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 101100037618 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) ant-1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 230000009467 reduction 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
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于蚁群算法的电力物资调配方法,其包括电力物资数据采集、电力物资数据预处理、建立基于自适应蚁群算法的电力物资调配模型以及获得电力物资最佳调配方案四个步骤流程。在蚁群算法的基础上,提出了适用于电力物资调配需求的算法模型,可以获得电力物资调配的最佳方案,最大程度降低电力物资调配的成本和时间,有效提高了电力物资的调配效率和电力系统的管理水平。
Description
技术领域
本发明涉及一种电力物资调配方法,尤其涉及一种基于蚁群算法的电力物资调配方法,属于电力系统运维技术领域。
背景技术
随着我国经济的快速发展,电网建设也随之进入了发展的快车道。智能电网、特高压、直流输电、新能源等技术得到了大力发展。目前,电力系统内各类设备的安装量和使用量不断增加,同时电力企业减员增效工作持续推进,全面加强电力物资的调配效率和管理水平、提高高弹性电网的可靠性和效能性的现实需求逐渐明确。因此,借助人工智能等新技术来提高电力物资的调配效率和管理水平是一种有效的解决途径。
发明内容
本发明主要是解决现有技术中存在的不足,提供一种智能制定电力物资的最佳调配方案,以提高电力系统的运维效率和管理水平的一种基于蚁群算法的电力物资调配方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种基于蚁群算法的电力物资调配方法,按以下步骤进行:包括:电力物资数据采集、电力物资数据预处理、建立基于自适应蚁群算法的电力物资调配模型、获得电力物资最佳调配方案四个步骤流程;
(一)、电力物资数据采集:
通过电力物资台账系统、PMS系统获取各供应点的电力物资数据,如各供应点A1,A2,A3,…,An的地理位置、所储存的物资种类、物资数量相关数据;同时,采集各需求点B1,B2,B3,…,Bm的地理位置、所需求的物资种类、物资数量相关数据;
PMS系统是指电网工程生产管理系统;
(二)、电力物资数据预处理:
将电力物资需求划分为计划性需求和应急性需求两类;针对不同需求所考虑的因素不同,建立了集成运输成本因素Cij和运输时效因素Dij的综合评价指标模型;通过对运输成本因素和运输时效因素的权重调整,实现对计划性需求和应急性需求的电力物资调配策略的自适应制定;
在运输成本因素Cij中,考虑了综合用工成本、车辆损耗、燃油费用、保养费用相关多种参量;在运输时效因素Dij中,考虑了不同电力物资的运输条件;
(三)、建立基于自适应蚁群算法的电力物资调配模型:
根据第一步和第二步输入的相关数据,完成电力物资调配的最优策略制定;
(四)、获得电力物资最佳调配方案:
结合第一步和第二步输入的相关数据,以及第三步中基于自适应蚁群算法的电力物资调配模型的输出结果,进行路径翻译,以文本信息的形式输出电力物资最佳调配方案。
作为优选,其特征在于按以下步骤进行:
步骤(一)中,结合地图软件获得各供应点至各需求点的运输距离Lij、车辆油耗o1i、路程时间Tij相关数据;
步骤(二)中,电力物资需求事件发生后,可以划分为计划性需求和应急性需求两类;对于计划性需求来说,其主要根据检修计划、建设规划相关工作提前开展有针对性的电力物资调配;对于这类需求,运输成本是主要考虑的指标;而对于应急性需求来说,其需求较为急迫,必须快速地将物资运达需求点,避免因缺乏物资而导致的工作延期、停电延长、人员浪费相关情况,影响正常社会用电,造成经济损失及其他连锁效应;为获取最优的运输计划,两方面因素分别为运输成本因素Cij和运输时效因素Dij;通常,计划性需求主要考虑运输成本因素,而应急性需求则主要考虑运输时效因素,其综合评价指标Fij为
其中,γ为运输成本因素的参考权重,φ为运输时效因素的参考权重;这两个权重参量的设置主要依据电力物资调配需求来制定,进而可以实现对计划性需求和应急性需求的电力物资调配策略自适应制定;
(1)运输成本因子Cij:
运输成本因素Cij包括综合用工成本、车辆损耗、燃油费用、保养费用相关多种参量;具体而言,运输成本因素Cij越大,则运输成本越高;因此,运输成本因素Cij越小越好;
综合用工成本Cij1为每位司机驾车每公里的工资c1i与运输计划公里数Lij的乘积,即
Cij1=c1i×Lij
车辆损耗Cij2为此次运输任务的损耗,即
其中,Lmax为同型号或相近型号车辆报废平均公里数,c2为车辆价格;
燃油费用Cij3为
Cij3=o1i×Lij
其中,o1i为同型号或相近型号车辆平均每公里油耗;
保养费用Cij4为
Cij4=hi×Lij
其中,hi为同型号或相近型号车辆平均每公里的保养费用;
本次运输任务的总运输成本Cij为
Cij=Cij1+Cij2+Cij3+Cij4
(2)运输时间因子Dij:
由于地图软件输出的路程时间Tij为标准车辆的运输时间,对于大型或是易碎的电力物资而言,其需要的运输时间将会更长;为此,本发明引入运输系数mi的概念;该运输系数mi针对不同类型的电力物资运输条件设置了不同的参数;具体而言,在运输小型的备品备件、安全工器具相关运输条件不苛刻的物资时,mi设置为1.0;在运输较为易碎、变形的物资,需要较为合适的路况时,mi设置为1.25;在运输昂贵、易碎的物资需,要更为平稳的路况时, mi设置为1.5;在运输体积很大、重量很大且昂贵的设备时,mi设置为2;
因此,运输时间因子Dij可以表示为
Dij=mi·Tij
步骤(三)中,根据第一步和第二步输入的相关数据,同时在第二步的综合评价指标Fij为的约束条件下,建立基于自适应蚁群算法的电力物资调配模型,其步骤为:
(1)初始化参数:令时间t=0和循环次数τ=0,设置最大循环次数即迭代次数Nc=0,将m只蚂蚁放在n个位置上,令有向图上每条边(i,j)的初始化信息量τij(t)=const,其中const表示常数,且初始时刻Δτij(0)=0;
(2)循环次数Nc+1→Nc;
(3)蚂蚁的禁忌索引号k=1,且蚂蚁数目k+1→k;
(4)蚂蚁个体根据状态转移概率公式计算的概率选择位置j并前进,j ∈C-tabuk,并且
其中,ρk ij(t)表示在t时刻蚂蚁k由位置i转移到位置j的状态转移概率;j∈allowedk=C-tabuk表示蚂蚁k下一步允许选择的位置;α为启发式因子,表示轨迹的相对重要性,反映了蚂蚁在运动过程中所积累的信息,在蚂蚁运动时所起的作用,其值越大,则该蚂蚁越倾向于选择其他蚂蚁经过的路径,蚂蚁之间的协作性越强;β为期望启发式因子,表示能见度的相对重要性,反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度,其值越大,则该状态转移概率越接近于贪心规则;ηis(t)为启发函数,表达式为
(5)修改禁忌表指针,即选择好之后将蚂蚁移动到新的位置,并把该位置移动到该蚂蚁个体的禁忌表中;
(6)若集合C中位置未遍历完,即k<m,则跳转到第(3)步,否则执行第(7)步;
(7)根据公式更新每条路径上的信息量:
τij(t+n)=(1-ρ)·τij(t)+Δτij(t)
(8)若满足结束条件,即如果循环次数,则循环结束并输出程序计算结果,否则清空禁忌表并跳转到第(2)步;
步骤(四)中,将需求点的地理位置、需求的电力物资种类与数量输入本电力物资调配模型,通过调用当前电力物资分布状况数据、路况信息等,利用基于自适应蚁群算法的电力物资调配模型的输出结果,并进行路径翻译,以文本信息的形式输出电力物资最佳调配方案。
蚁群算法是一种基于仿生学的人工智能优化算法,用以模拟自然界蚁群在搜寻食物过程中探索线路的行为。蚁群优化算法是指蚂蚁在路径上前进时会根据前边走过的蚂蚁所分泌的信息素来选择路径,其选择一条路径的概率与该线路上分泌的信息素强度成正比。因此,在蚂蚁经过的路径上会形成一种信息的反馈现象,即选择某一条路径的蚂蚁数量越多,该路径上所留下的信息素就越多,后面的蚂蚁选择该条路径的可能性就越大,以此达到寻找到最短路径的目的。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)高效性。本发明通过建立基于自适应蚁群算法的电力物资调配模型对电力物资调配事件进行分析,可以获得电力物资调配最佳方案,极大地提高电力物资的调配效率和电力系统的管理水平。
(2)智能性。本发明建立了一种自适应的调配策略,充分考虑电力物资调配需求,可以对计划性需求和应急性需求制定相应的调配策略,以更高的智能程度来提高电网物资调配的科学性和合理性。
(3)经济性。本发明的基于自适应蚁群算法的电力物资调配模型,在保证完成电力物资调配任务完成的前提下,可智能实现最优路径规划,最大程度降低电力物资调配的成本和时间。
本发明提供一种基于蚁群算法的电力物资调配方法,实现最优化。
附图说明
图1为本发明提供的基于自适应蚁群算法的电力物资调配方法的步骤图;
图2为本发明提供的基于自适应蚁群算法的流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例1:如图所示,一种基于自适应蚁群算法的电力物资调配方法,其流程包括电力物资数据采集、电力物资数据预处理、建立基于自适应蚁群算法的电力物资调配模型、获得电力物资最佳调配方案四个部分。
第一步:电力物资数据采集。
通过电力物资台账系统、PMS系统(电网工程生产管理系统)等信息系统获取各供应点的电力物资数据,如各供应点(A1,A2,A3,…,An)的地理位置、所储存的物资种类、物资数量等数据。同时,采集各需求点(B1,B2,B3,…, Bm)的地理位置、所需求的物资种类、物资数量等数据。
进一步,结合地图软件获得各供应点至各需求点的运输距离Lij、车辆油耗o1i、路程时间Tij等相关数据。
第二步:电力物资数据预处理。
电力物资需求事件发生后,可以划分为计划性需求和应急性需求两类。对于计划性需求来说,其主要根据检修计划、建设规划等工作提前开展有针对性的电力物资调配。对于这类需求,运输成本是主要考虑的指标。而对于应急性需求来说,其需求较为急迫,必须快速地将物资运达需求点,避免因缺乏物资而导致的工作延期、停电延长、人员浪费等情况,影响正常社会用电,造成经济损失及其他连锁效应。为获取最优的运输计划,本发明令这两方面因素分别为运输成本因素Cij和运输时效因素Dij。通常,计划性需求主要考虑运输成本因素,而应急性需求则主要考虑运输时效因素,其综合评价指标Fij为
其中,γ为运输成本因素的参考权重,φ为运输时效因素的参考权重。这两个权重参量的设置主要依据电力物资调配需求来制定,进而可以实现对计划性需求和应急性需求的电力物资调配策略自适应制定。
(1)运输成本因子Cij
运输成本因素Cij包括综合用工成本、车辆损耗、燃油费用、保养费用等多种参量。具体而言,运输成本因素Cij越大,则运输成本越高。因此,运输成本因素Cij越小越好。
综合用工成本Cij1为每位司机驾车每公里的工资c1i与运输计划公里数Lij的乘积,即
Cij1=c1i×Lij
车辆损耗Cij2为此次运输任务的损耗,即
其中,Lmax为同型号或相近型号车辆报废平均公里数,c2为车辆价格;
燃油费用Cij3为
Cij3=o1i×Lij
其中,o1i为同型号或相近型号车辆平均每公里油耗;
保养费用Cij4为
Cij4=hi×Lij
其中,hi为同型号或相近型号车辆平均每公里的保养费用;
本次运输任务的总运输成本Cij为
Cij=Cij1+Cij2+Cij3+Cij4
(2)运输时间因子Dij
由于地图软件输出的路程时间Tij为标准车辆的运输时间,对于大型或是易碎的电力物资而言,其需要的运输时间将会更长。为此,本发明引入运输系数mi的概念。该运输系数mi针对不同类型的电力物资运输条件设置了不同的参数。具体而言,在运输小型的备品备件、安全工器具等运输条件不苛刻的物资时,mi设置为1.0;在运输较为易碎、变形的物资,需要较为合适的路况时,mi设置为1.25;在运输昂贵、易碎的物资需,要更为平稳的路况时, mi设置为1.5;在运输体积很大、重量很大且昂贵的设备时,mi设置为2。
因此,运输时间因子Dij可以表示为
Dij=mi·Tij
第三步:建立基于自适应蚁群算法的电力物资调配模型
根据第一步和第二步输入的相关数据,同时在第二步的综合评价指标Fij为的约束条件下,建立基于自适应蚁群算法的电力物资调配模型,其步骤为:
(1)初始化参数。令时间t=0和循环次数τ=0,设置最大循环次数即迭代次数Nc=0,将m只蚂蚁放在n个位置上,令有向图上每条边(i,j)的初始化信息量τij(t)=const,其中const表示常数,且初始时刻Δτij(0)=0;
(2)循环次数Nc+1→Nc
(3)蚂蚁的禁忌索引号k=1,且蚂蚁数目k+1→k
(4)蚂蚁个体根据状态转移概率公式计算的概率选择位置j并前进,j ∈C-tabuk,并且
其中,ρk ij(t)表示在t时刻蚂蚁k由位置i转移到位置j的状态转移概率;j∈allowedk=C-tabuk表示蚂蚁k下一步允许选择的位置;α为启发式因子,表示轨迹的相对重要性,反映了蚂蚁在运动过程中所积累的信息,在蚂蚁运动时所起的作用,其值越大,则该蚂蚁越倾向于选择其他蚂蚁经过的路径,蚂蚁之间的协作性越强;β为期望启发式因子,表示能见度的相对重要性,反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度,其值越大,则该状态转移概率越接近于贪心规则;ηis(t)为启发函数,表达式为
(5)修改禁忌表指针,即选择好之后将蚂蚁移动到新的位置,并把该位置移动到该蚂蚁个体的禁忌表中;
(6)若集合C中位置未遍历完,即k<m,则跳转到第(3)步,否则执行第(7)步。
(7)根据公式更新每条路径上的信息量:
τij(t+n)=(1-ρ)·τij(t)+Δτij(t)
(8)若满足结束条件,即如果循环次数,则循环结束并输出程序计算结果,否则清空禁忌表并跳转到第(2)步。
综合步骤(1)-(8),其流程图如附图2所示。
第四步:获得电力物资最佳调配方案。
将需求点的地理位置、需求的电力物资种类与数量输入本电力物资调配模型,通过调用当前电力物资分布状况数据、路况信息等,利用基于自适应蚁群算法的电力物资调配模型的输出结果,并进行路径翻译,以文本信息的形式输出电力物资最佳调配方案。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于蚁群算法的电力物资调配方法,其特征在于按以下步骤进行:包括:电力物资数据采集、电力物资数据预处理、建立基于自适应蚁群算法的电力物资调配模型、获得电力物资最佳调配方案四个步骤流程;
(一)、电力物资数据采集:
通过电力物资台账系统、PMS系统获取各供应点的电力物资数据,如各供应点A1,A2,A3,…,An的地理位置、所储存的物资种类、物资数量相关数据;同时,采集各需求点B1,B2,B3,…,Bm的地理位置、所需求的物资种类、物资数量相关数据;
PMS系统是指电网工程生产管理系统;
(二)、电力物资数据预处理:
将电力物资需求划分为计划性需求和应急性需求两类;针对不同需求所考虑的因素不同,建立了集成运输成本因素Cij和运输时效因素Dij的综合评价指标模型;通过对运输成本因素和运输时效因素的权重调整,实现对计划性需求和应急性需求的电力物资调配策略的自适应制定;
在运输成本因素Cij中,考虑了综合用工成本、车辆损耗、燃油费用、保养费用相关多种参量;在运输时效因素Dij中,考虑了不同电力物资的运输条件;
(三)、建立基于自适应蚁群算法的电力物资调配模型:
根据第一步和第二步输入的相关数据,完成电力物资调配的最优策略制定;
(四)、获得电力物资最佳调配方案:
结合第一步和第二步输入的相关数据,以及第三步中基于自适应蚁群算法的电力物资调配模型的输出结果,进行路径翻译,以文本信息的形式输出电力物资最佳调配方案。
2.根据权利要求1所述的一种基于蚁群算法的电力物资调配方法,其特征在于按以下步骤进行:
步骤(一)中,结合地图软件获得各供应点至各需求点的运输距离Lij、车辆油耗o1i、路程时间Tij相关数据;
步骤(二)中,电力物资需求事件发生后,可以划分为计划性需求和应急性需求两类;对于计划性需求来说,其主要根据检修计划、建设规划相关工作提前开展有针对性的电力物资调配;对于这类需求,运输成本是主要考虑的指标;而对于应急性需求来说,其需求较为急迫,必须快速地将物资运达需求点,避免因缺乏物资而导致的工作延期、停电延长、人员浪费相关情况,影响正常社会用电,造成经济损失及其他连锁效应;为获取最优的运输计划,两方面因素分别为运输成本因素Cij和运输时效因素Dij;通常,计划性需求主要考虑运输成本因素,而应急性需求则主要考虑运输时效因素,其综合评价指标Fij为
其中,γ为运输成本因素的参考权重,φ为运输时效因素的参考权重;这两个权重参量的设置主要依据电力物资调配需求来制定,进而可以实现对计划性需求和应急性需求的电力物资调配策略自适应制定;
(1)运输成本因子Cij:
运输成本因素Cij包括综合用工成本、车辆损耗、燃油费用、保养费用相关多种参量;具体而言,运输成本因素Cij越大,则运输成本越高;因此,运输成本因素Cij越小越好;
综合用工成本Cij1为每位司机驾车每公里的工资c1i与运输计划公里数Lij的乘积,即
Cij1=c1i×Lij
车辆损耗Cij2为此次运输任务的损耗,即
其中,Lmax为同型号或相近型号车辆报废平均公里数,c2为车辆价格;
燃油费用Cij3为
Cij3=o1i×Lij
其中,o1i为同型号或相近型号车辆平均每公里油耗;
保养费用Cij4为
Cij4=hi×Lij
其中,hi为同型号或相近型号车辆平均每公里的保养费用;
本次运输任务的总运输成本Cij为
Cij=Cij1+Cij2+Cij3+Cij4
(2)运输时间因子Dij:
由于地图软件输出的路程时间Tij为标准车辆的运输时间,对于大型或是易碎的电力物资而言,其需要的运输时间将会更长;为此,本发明引入运输系数mi的概念;该运输系数mi针对不同类型的电力物资运输条件设置了不同的参数;具体而言,在运输小型的备品备件、安全工器具相关运输条件不苛刻的物资时,mi设置为1.0;在运输较为易碎、变形的物资,需要较为合适的路况时,mi设置为1.25;在运输昂贵、易碎的物资需,要更为平稳的路况时,mi设置为1.5;在运输体积很大、重量很大且昂贵的设备时,mi设置为2;
因此,运输时间因子Dij可以表示为
Dij=mi·Tij
步骤(三)中,根据第一步和第二步输入的相关数据,同时在第二步的综合评价指标Fij为的约束条件下,建立基于自适应蚁群算法的电力物资调配模型,其步骤为:
(1)初始化参数:令时间t=0和循环次数τ=0,设置最大循环次数即迭代次数Nc=0,将m只蚂蚁放在n个位置上,令有向图上每条边(i,j)的初始化信息量τij(t)=const,其中const表示常数,且初始时刻Δτij(0)=0;
(2)循环次数Nc+1→Nc;
(3)蚂蚁的禁忌索引号k=1,且蚂蚁数目k+1→k;
(4)蚂蚁个体根据状态转移概率公式计算的概率选择位置j并前进,j∈C-tabuk,并且
其中,ρk ij(t)表示在t时刻蚂蚁k由位置i转移到位置j的状态转移概率;j∈allowedk=C-tabuk表示蚂蚁k下一步允许选择的位置;α为启发式因子,表示轨迹的相对重要性,反映了蚂蚁在运动过程中所积累的信息,在蚂蚁运动时所起的作用,其值越大,则该蚂蚁越倾向于选择其他蚂蚁经过的路径,蚂蚁之间的协作性越强;β为期望启发式因子,表示能见度的相对重要性,反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度,其值越大,则该状态转移概率越接近于贪心规则;ηis(t)为启发函数,表达式为
(5)修改禁忌表指针,即选择好之后将蚂蚁移动到新的位置,并把该位置移动到该蚂蚁个体的禁忌表中;
(6)若集合C中位置未遍历完,即k<m,则跳转到第(3)步,否则执行第(7)步;
(7)根据公式更新每条路径上的信息量:
τij(t+n)=(1-ρ)·τij(t)+Δτij(t)
(8)若满足结束条件,即如果循环次数,则循环结束并输出程序计算结果,否则清空禁忌表并跳转到第(2)步;
步骤(四)中,将需求点的地理位置、需求的电力物资种类与数量输入本电力物资调配模型,通过调用当前电力物资分布状况数据、路况信息等,利用基于自适应蚁群算法的电力物资调配模型的输出结果,并进行路径翻译,以文本信息的形式输出电力物资最佳调配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156353.2A CN112232579B (zh) | 2020-10-26 | 2020-10-26 | 一种基于蚁群算法的电力物资调配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156353.2A CN112232579B (zh) | 2020-10-26 | 2020-10-26 | 一种基于蚁群算法的电力物资调配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232579A true CN112232579A (zh) | 2021-01-15 |
CN112232579B CN112232579B (zh) | 2024-06-28 |
Family
ID=74109340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156353.2A Active CN112232579B (zh) | 2020-10-26 | 2020-10-26 | 一种基于蚁群算法的电力物资调配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232579B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990783A (zh) * | 2021-04-30 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 一种物资调配方法、系统、设备和介质 |
CN113269495A (zh) * | 2021-06-01 | 2021-08-17 | 国网山东省电力公司嘉祥县供电公司 | 基于电力物资配送的优化方法及系统 |
CN114399249A (zh) * | 2021-12-29 | 2022-04-26 | 南方电网供应链(广东)有限公司 | 一种电力物资配送路径选择优化方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN105787596A (zh) * | 2016-02-29 | 2016-07-20 | 泰华智慧产业集团股份有限公司 | 一种基于改进蚁群算法的应急物流路径优化方法 |
KR102138901B1 (ko) * | 2019-12-24 | 2020-07-29 | 김오성 | O2o 기반 배달대행 플랫폼을 이용한 구두 관리 서비스 제공 시스템 |
AU2020102041A4 (en) * | 2020-08-28 | 2020-10-08 | Lin, Shudong Mr | Construction and maintenance of satellite-to-ground and inter-satellite laser communication network based on ants colony algorithm |
-
2020
- 2020-10-26 CN CN202011156353.2A patent/CN112232579B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN105787596A (zh) * | 2016-02-29 | 2016-07-20 | 泰华智慧产业集团股份有限公司 | 一种基于改进蚁群算法的应急物流路径优化方法 |
KR102138901B1 (ko) * | 2019-12-24 | 2020-07-29 | 김오성 | O2o 기반 배달대행 플랫폼을 이용한 구두 관리 서비스 제공 시스템 |
AU2020102041A4 (en) * | 2020-08-28 | 2020-10-08 | Lin, Shudong Mr | Construction and maintenance of satellite-to-ground and inter-satellite laser communication network based on ants colony algorithm |
Non-Patent Citations (1)
Title |
---|
朱颖;张红;: "改进的蚁群算法在优化物流配送管理系统中的应用", 计算机时代, no. 04 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990783A (zh) * | 2021-04-30 | 2021-06-18 | 明品云(北京)数据科技有限公司 | 一种物资调配方法、系统、设备和介质 |
CN113269495A (zh) * | 2021-06-01 | 2021-08-17 | 国网山东省电力公司嘉祥县供电公司 | 基于电力物资配送的优化方法及系统 |
CN114399249A (zh) * | 2021-12-29 | 2022-04-26 | 南方电网供应链(广东)有限公司 | 一种电力物资配送路径选择优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112232579B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112232579A (zh) | 一种基于蚁群算法的电力物资调配方法 | |
Shafiei et al. | Comparative analysis of hydrogen, biofuels and electricity transitional pathways to sustainable transport in a renewable-based energy system | |
Li-ying et al. | Multiple charging station location-routing problem with time window of electric vehicle. | |
He et al. | A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles | |
Lee et al. | Optimal fleet, battery, and charging infrastructure planning for reliable electric bus operations | |
Pina et al. | Energy reduction potential from the shift to electric vehicles: The Flores island case study | |
Yan et al. | Hierarchical predictive energy management of fuel cell buses with launch control integrating traffic information | |
CN111325483B (zh) | 一种基于电池容量预测的电动公交车辆排班方法 | |
Masuch et al. | Wind power-aware vehicle-to-grid algorithms for sustainable EV energy management systems | |
CN109724616A (zh) | 电动车导航方法、系统、可读存储介质及终端设备 | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
CN109615268A (zh) | 一种分时电价的公交充电经济调度方法及系统 | |
WO2013069717A1 (ja) | 運転計画システム及び運転計画作成方法 | |
CN112101637B (zh) | 基于分时电价和能耗控制的动态充电优化方法及其应用 | |
CN106845857A (zh) | 一种智能电表的配送任务排程优化方法 | |
CN104124724A (zh) | 充电控制装置和方法 | |
CN115169994B (zh) | 一种多种清洁能源互补控制决策处理方法及系统 | |
CN116316567A (zh) | 一种阶梯碳交易机制下综合能源需求响应优化方法 | |
CN113344267A (zh) | 一种基于合作的物流网络资源配置优化方法 | |
Xiao et al. | Effect of an electric vehicle promotion policy on China’s islands: A case study of hainan island | |
Ioakimidis et al. | Introduction of plug-in hybrid electric vehicles in an isolated island system | |
CN117543581A (zh) | 考虑电动汽车需求响应的虚拟电厂优化调度方法及其应用 | |
Zhao et al. | Model and algorithm for the first-level maintenance operation optimization of EMU trains | |
CN106251025A (zh) | 一种电力物资配送路线推荐系统和方法 | |
US20240028992A1 (en) | Planning device |
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 |