CN112330068A - 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 - Google Patents
一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 Download PDFInfo
- Publication number
- CN112330068A CN112330068A CN202011363723.XA CN202011363723A CN112330068A CN 112330068 A CN112330068 A CN 112330068A CN 202011363723 A CN202011363723 A CN 202011363723A CN 112330068 A CN112330068 A CN 112330068A
- Authority
- CN
- China
- Prior art keywords
- pheromone
- transmission line
- power transmission
- areas
- ant colony
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 36
- 230000005540 biological transmission Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003016 pheromone Substances 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 25
- 241000257303 Hymenoptera Species 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 8
- 230000002431 foraging effect Effects 0.000 claims description 4
- 230000007123 defense Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 239000005712 elicitor Substances 0.000 description 2
- 239000003623 enhancer Substances 0.000 description 2
- 108010023321 Factor VII Proteins 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- -1 i.e. Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000007704 transition 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于蚁群算法与地理信息系统的变电站输电线路规划方法,首先采用栅格化算法对拟架设线路区域进行划分编号,根据线路规划红线区域,将GIS数据输入到模型中,经栅格化后得到栅格化线路规划原始图,而后依据蚁群智能优化模型对输电线路进行优化并赋给参数,每次的迭代过程都会产生一个最短路径L,最终得到优化结果,获得最优的输电线路规划路径。
Description
专利领域
本发明属于电力系统领域,涉及变电站输电线路优化选择的方法研究,尤其涉及一种基于蚁群算法与地理信息系统的变电站输电线路规划方法。
背景技术
输电线路路径设计是要在送电线路起终点之间,选择一条全面符合国家各项方针政策的线路路径。在路径设计时,既要考虑电力系统本行业的运行安全可靠、经济合理、施工运行方便,又要不影响其他线路的正常工作,还应保护好沿线的自然风貌和生态环境。
传统的线路选择要求线路设计人员应综合考虑国家方针政策、地区发展规划与系统运行要求,多方案综合比较。选线工作一般按照设计阶段分为四步进行,即室内选线、收集资料、初勘与终勘选线。整个过程工序繁琐,工作量大,人员和设备投入很大。
随着计算机技术的不断进步,路径优化算法的使用为输电线路寻优提供了新的技术手段。强大的地理信息数据可以辅助完成输电线路路径选择。现阶段,基于GIS地理信息系统实现输电线路路径选择方面已有大量的研究应用,这些应用大致分为智能算法研究、基于有向图的最短路径研究以及基于GIS数据处理三个方面。
蚁群算法(AG)是利用机器蚂蚁模拟真实自然环境下蚂蚁群体行进方式等群体行为的模拟优化算法,AG由意大利学者Dorigo M等人在一九九一年第一次提出,并第一次尝试用于解决旅行商问题(TSP)。之后,又有学者系统研究了蚁群算法的基本原理和数学模型。蚁群算法的基本思想来源于自然界蚂蚁觅食的最短路径原理,根据昆虫科学家的观察,发现自然界的蚂蚁虽然视觉不发达,但它们可以在没有任何提示的情况下找到从食物源到巢穴的最短路径,并在周围环境发生变化后,自适应地搜索新的最佳路径。
蚁群算法的基本原理:
1、蚂蚁在路径上释放信息素。
2、碰到还没走过的路口,就随机挑选一条路走。同时,释放与路径长度有关的信息素。
3、信息素浓度与路径长度成反比。后来的蚂蚁再次碰到该路口时,就选择信息素浓度较高路径。
4、最优路径上的信息素浓度越来越大。
5、最终蚁群找到最优寻食路径。
将蚁群算法与GIS系统结合进行路径优化将具有广阔的应用场景。
发明目的
本发明的目的在于,将蚁群算法与地理信息系统相结合,探究变电站输电线路的优化选择路径,构建可靠的变电站输电线路选择优化系统,通过输入地理信息数据来输出最优规划路径。
发明内容
本发明公开了一种基于蚁群算法与地理信息系统的变电站输电线路优化方法,包括以下步骤:
步骤1、构建拟架设线路区域的格栅模型,包括:对变电站拟架设输电线路的区域采用栅格化算法进行划分编号,根据线路规划不可架设的红线区域,将地理信息系统GIS数据输入到模型中,经栅格化后得到栅格化线路规划原始图,其中用深底色格栅标出不可架设的红线区域;
步骤2、构建蚁群算法优化模型并赋给参数,所述参数包括初始栅格信息素浓度、起点坐标(x0,y0)、终点坐标(x,y)、迭代次数n、单次迭代蚁群的蚂蚁数量m、信息素增强系数α、信息素启发函数因子β、信息素挥发因子ρ和信息素常数1,所述格栅信息素浓度是单位面积内的格栅数量;
步骤3、运行蚁群智能优化算法,将m只蚂蚁放在起始点,启动k轮蚂蚁觅食活动,开始迭代;
步骤4、判断是否有可行格栅点集,如有,移动前进点并执行步骤5,否则执行步骤6;
步骤5、判断蚂蚁是否移动到终点,若是,执行步骤6,否则,执行步骤4;
步骤6、判断是否遍历所有蚂蚁,若是,执行步骤7,否则返回步骤3;
步骤7、判断是否满足所设定的迭代次数,若是,则收敛算法完成迭代,输出最优规划线路,否则返回步骤3。
优选地,所述对变电站拟架设输电线路的区域指以起点坐标(x0,y0)和终点坐标(x,y)之间的连线为对角线的矩形范围内所涵盖的区域。
优选地,迭代次数n=100、单次迭代蚁群的蚂蚁数量m=50、信息素增强系数α=1、信息素启发函数因子β=7、信息素挥发因子ρ=0.3。
优选地,所述不可架设的红线区域包括军事设施、国防设施、涉及国安与保密的划定区、大型工矿企业的重要设施、禁止开发区和限制开发区、国家级或省级的自然保护区和不支持架设施工的风景名胜区。
优选地,所述不可架设的红线区域包括不良地质地带、重冰区、地质震动区、气象条件恶劣地区及可能影响线路设备安全建设与稳定运行的其他地理区域。
附图说明
图1为本发明实施例中蚁群优化模型的栅格化线路规划原始图。
图2为本发明实施例中蚁群优化模型单次迭代最短距离L随迭代次数变化的曲线图。
图3为本发明实施例通过蚁群智能优化算法优化后的最优输电路径图。
具体实施方式
以下结合附图详细说明本发明。
本发明公开了一种基于蚁群算法与地理信息系统的变电站输电线路优化方法,首先采用栅格化算法对区域进行划分编号,根据线路规划红线区域,将GIS数据输入到模型中,经栅格化后得到栅格化线路规划原始图,而后依据蚁群智能优化模型对输电线路进行优化并赋给参数,每次的迭代过程都会产生一个最短路径L,最终得到优化结果。通过模型对输电线路设计阶段的整个过程加以分析,并实现了选线的智能化,实证分析证明了该模型的科学性和有效性。
以下是基于栅格图的路径寻优原理:
(1)状态转移
为了避免残留信息素过多而淹没启发信息,在每只蚂蚁走完一步或者完成对所有n个城市的遍历(也即一个循环结束)后,要对残留信息进行更新处理。由此,t+n时刻在路径(i,j)上的信息量可按如下规则进行调整,如式(1)、(2)所示:
τij(t+n)=(1-ρ)*τij(t)+Δτij(t)
(2)信息素更新
(2.1)局部信息激素更新规则
单只工蚁前进一步,进行局部信息激素更新,如式(3)所示:
τij(t)←τij(t-1)ρ+ρ
(3)
公式(3)中,ρ是介于0到1之间的量,称为挥发系数,可以降低局部寻优的速度,避免过早陷入局部解。
(2.2)全局信息素更新规则
τij(t)←(1-α)τij(t-1)+αΔ
公式(4)中,α为介于0到1间的全局挥发系数,可以增强算法在空间中的探索能力。
(3)自适应参数
蚁群算法中需要设置启发函数,通过启发函数可以引导蚂蚁以更高的效率和更大的概率向目标进行路径规划。输电线路规划问题中模型的启发函数如下式(5)所示:
上式(5)中d(ωk)表示人工蚂蚁所在图元与规划的终点单元格距离,t为常量,此处取值t为28.3。
如此一来,图元越接近终点,启发函数就越大。同时,图元前进方向的概率判断式变为如式(6)所示:
公式(6)中,α和β分别是信息激素和启发函数的权重指数,即信息素增强因子和信息素启发函数因子,Z表示在ωk-1图元处可以选择的后续图元。
本发明主要考虑了输电线路路径长度对输电线路设计成本的影响,并且将地理维度设定为二维,构建蚁群优化模型的步骤包括:
1.输入路径规划区域GIS数据,建立栅格化数据结构,在GIS嵌入栅格化模型,对输电线路不可架设区域进行线路规避。对于不可架设区域,作如下考虑:
根据电力线路路径选择办法,结合大量工程实际研究,路径规划中需要在地理信息采集阶段重点考虑某些因素:
首先,应当严格避开军事设施、国防设施等涉及国安与保密的工程、线路与设备。大型工矿企业等重要设施、禁止开发区和限制开发区、国家级或省级的自然保护区和不支持风景名胜区等也需要采集到地图信息中并严格回避。
其次,路径选择应该尽量避开不良地质地带、重冰区、地质震动区、气象条件恶劣地区及可能影响线路设备安全建设与稳定运行的其他地理区域。
无法避让时,应当在地图上进行标识。在算法规划完成后,经过充分的施工与运行论证,并采取必要的建设保护、运行强化措施。
所述不可架设区域从目标层、中间层、分类层、因素层4各层面进行考虑,如表1所示:
表1输电线路不可架设区域
2.对蚁群算法优化模型计算参数进行初始化,初始栅格信息素浓度、起点、终点、最大迭代次数、单次迭代蚁群数量、信息素增强系数、信息启发因子、信息素挥发因子和信息素常数,如表2所示:
表2蚁群优化模型的参数赋值表
参数 | 参数取值 |
信息素增强因子 | α |
信息素启发函数因子 | β |
信息素挥发因子 | ρ |
信息素常数 | 1 |
起点 | (x<sub>0</sub>,y<sub>0</sub>) |
终点 | (x,y) |
单次迭代蚁群的蚂蚁数量 | m |
迭代次数 | n |
3.运行蚁群算法进行优选,将m只蚂蚁放在起始点,启动k轮蚂蚁觅食活动,开始迭代,每次产生一个最短路径。
4.判断是否有可行点集,如有,移动前进点并执行步骤5,否则执行步骤6。
5.判断蚂蚁是否移动到终点,若是,执行步骤6,否则,执行步骤4。
6.判断是否遍历所有蚂蚁,若是,执行步骤7,否则返回步骤3。
7.判断是否满足最大迭代次数要求,若是,进入步骤10,否则返回步骤3。
8.输出最优路径规划方案。
实施例1
选取东经118°20′到东经118°21′,北纬32°42′到32°41′的矩形区域作为实例来验证本文提出算法的有效性。采用栅格化方法将这块矩形区域划分为20*20的栅格,将单元格按照从左至右、从上往下的顺序将各个栅格编号为1~400。
考虑表1所示的不可架设区域进行规避后,将GIS数据输入到模型中,经栅格化后得到如图1所示的栅格化线路规划原始图,图中涂黑的栅格表示需要规避的不可架设区域。
定义蚁群优化模型赋给参数对输电线路进行路径寻找,如表3所示:
表3蚁群优化模型赋给参数
参数 | 参数取值 |
信息素增强因子 | 1 |
信息素启发函数因子 | 7 |
信息素挥发因子 | 0.3 |
信息素常数 | 1 |
起点 | (0,20) |
终点 | (20,0) |
单次迭代蚁群的蚂蚁数量 | 50 |
迭代次数 | 100 |
每次的迭代过程都会产生一个最短路径L,图2是L在算法运行中随迭代次数的变化曲线。
最终的优化结果如图3所示,最短路径长度为31.2(栅格单位)。根据优化结果,可以发现该蚁群优化模型对变电站输电线路的方案设计有着良好的参考性和辅助预警功能。
Claims (5)
1.一种基于蚁群算法与地理信息系统GIS的变电站输电线路规划方法,其特征在于,包括以下步骤:
步骤1、构建拟架设线路区域的格栅模型,包括:对变电站拟架设输电线路的区域采用栅格化算法进行划分编号,根据线路规划不可架设的红线区域,将地理信息系统GIS数据输入到模型中,经栅格化后得到栅格化线路规划原始图,其中用深底色格栅标出不可架设的红线区域;
步骤2、构建蚁群算法优化模型并赋给参数,所述参数包括初始栅格信息素浓度、起点坐标(x0,y0)、终点坐标(x,y)、迭代次数n、单次迭代蚁群的蚂蚁数量m、信息素增强系数α、信息素启发函数因子β、信息素挥发因子ρ和信息素常数1,所述格栅信息素浓度是单位面积内的格栅数量;
步骤3、运行蚁群算法进行优选,将m只蚂蚁放在起始点,启动k轮蚂蚁觅食活动,开始迭代,每次产生一个最短路径;
步骤4、判断是否有可行格栅点集,如有,移动前进点并执行步骤5,否则执行步骤6;
步骤5、判断蚂蚁是否移动到终点,若是,执行步骤6,否则,执行步骤4;
步骤6、判断是否遍历所有蚂蚁,若是,执行步骤7,否则返回步骤3;
步骤7、判断是否满足所设定的迭代次数,若是,则收敛算法完成迭代,输出最优规划线路,否则返回步骤3。
2.根据权利要求1所述的变电站输电线路规划方法,其特征在于,其中,所述对变电站拟架设输电线路的区域指以起点坐标(x0,y0)和终点坐标(x,y)之间的连线为对角线的矩形范围内所涵盖的区域。
3.根据权利要求1所述的变电站输电线路规划方法,其特征在于,其中,迭代次数n=100、单次迭代蚁群的蚂蚁数量m=50、信息素增强系数α=1、信息素启发函数因子β=7、信息素挥发因子ρ=0.3。
4.根据权利要求1所述的变电站输电线路规划方法,其特征在于,其中,所述不可架设的红线区域包括军事设施、国防设施、涉及国安与保密的划定区、大型工矿企业的重要设施、禁止开发区和限制开发区、国家级或省级的自然保护区和不支持架设施工的风景名胜区。
5.根据权利要求1所述的变电站输电线路规划方法,其特征在于,其中,所述不可架设的红线区域包括不良地质地带、重冰区、地质震动区、气象条件恶劣地区及可能影响线路设备安全建设与稳定运行的其他地理区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011363723.XA CN112330068A (zh) | 2020-11-27 | 2020-11-27 | 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011363723.XA CN112330068A (zh) | 2020-11-27 | 2020-11-27 | 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330068A true CN112330068A (zh) | 2021-02-05 |
Family
ID=74308471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011363723.XA Pending CN112330068A (zh) | 2020-11-27 | 2020-11-27 | 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330068A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256011A (zh) * | 2021-06-01 | 2021-08-13 | 国网安徽省电力有限公司经济技术研究院 | 基于gis多目标动态规划技术的输电线路智能选线方法 |
CN114969237A (zh) * | 2022-07-26 | 2022-08-30 | 广州晨安网络科技有限公司 | 一种地理信息系统的地址自动分析匹配方法 |
CN115828479A (zh) * | 2022-11-21 | 2023-03-21 | 四川电力设计咨询有限责任公司 | 一种输电线路施工便道的规划方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989612A (zh) * | 2019-12-17 | 2020-04-10 | 哈工大机器人(合肥)国际创新研究院 | 一种基于蚁群算法的机器人路径规划方法及装置 |
-
2020
- 2020-11-27 CN CN202011363723.XA patent/CN112330068A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989612A (zh) * | 2019-12-17 | 2020-04-10 | 哈工大机器人(合肥)国际创新研究院 | 一种基于蚁群算法的机器人路径规划方法及装置 |
Non-Patent Citations (1)
Title |
---|
郭嘉等: "基于蚁群算法的输电线路路径优化研究", 《2018智能电网新技术发展与应用研讨会》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256011A (zh) * | 2021-06-01 | 2021-08-13 | 国网安徽省电力有限公司经济技术研究院 | 基于gis多目标动态规划技术的输电线路智能选线方法 |
CN114969237A (zh) * | 2022-07-26 | 2022-08-30 | 广州晨安网络科技有限公司 | 一种地理信息系统的地址自动分析匹配方法 |
CN115828479A (zh) * | 2022-11-21 | 2023-03-21 | 四川电力设计咨询有限责任公司 | 一种输电线路施工便道的规划方法 |
CN115828479B (zh) * | 2022-11-21 | 2024-06-21 | 四川电力设计咨询有限责任公司 | 一种输电线路施工便道的规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330068A (zh) | 一种基于蚁群算法与地理信息系统的变电站输电线路规划方法 | |
Van Toll et al. | Navigation meshes for realistic multi-layered environments | |
Botea et al. | Near optimal hierarchical path-finding. | |
Sun et al. | AGV path planning based on improved Dijkstra algorithm | |
CN110389595A (zh) | 双属性概率图优化的无人机集群协同目标搜索方法 | |
Luo et al. | A rule-based city modeling method for supporting district protective planning | |
CN105043379A (zh) | 一种基于时空约束的景区浏览路径规划方法、装置 | |
CN111080786A (zh) | 基于bim的室内地图模型构建方法及装置 | |
CN103295080A (zh) | 基于高程图和蚁群寻食的三维路径规划方法 | |
Luo et al. | Analysis of urban ventilation potential using rule-based modeling | |
CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
CN115355922A (zh) | 一种基于改进蚁群算法的出行路径规划方法及系统 | |
Li et al. | Multi-mechanism swarm optimization for multi-UAV task assignment and path planning in transmission line inspection under multi-wind field | |
Baik et al. | Applying digital methods for documenting heritage building in Old Jeddah: A case study of Hazzazi House | |
CN113706715B (zh) | 一种随机可控城市生成方法 | |
Sujit et al. | Multiple agent search of an unknown environment using game theoretical models | |
CN112797997B (zh) | 一种基于栅格路网的应急路径规划架构和方法 | |
Shi et al. | Multi-Objective Optimization of Smart Grid Based on Ant Colony Algorithm. | |
Wu et al. | An application of space syntax to critical working space analysis: The case of building construction | |
Hasmadi et al. | Geographic information system-allocation model for forest path: a case study in Ayer Hitam Forest Reserve, Malaysia | |
Xu et al. | A Method of Planning Disaster Emergency Rescue Paths in Road‐Free Environment | |
CN114186718B (zh) | 一种基于卫星影像的输变电工程智能管理方法及系统 | |
Li | The management model of construction plane layout based on Pareto ant colony genetic algorithm | |
Rashevskiy et al. | Using Generative Design Technologies to Create Park Area Layouts for Urban Improvement | |
Lin et al. | TRANSMISSION SUITABILITY ROUTE MAP USING THE LEAST COST PATH ANALYSIS (LCPA) |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |