CN112906934A - 基于gis地图的城市配电网故障抢修路径优化方法及系统 - Google Patents
基于gis地图的城市配电网故障抢修路径优化方法及系统 Download PDFInfo
- Publication number
- CN112906934A CN112906934A CN202011273332.9A CN202011273332A CN112906934A CN 112906934 A CN112906934 A CN 112906934A CN 202011273332 A CN202011273332 A CN 202011273332A CN 112906934 A CN112906934 A CN 112906934A
- Authority
- CN
- China
- Prior art keywords
- fault
- emergency
- team
- repair
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 230000003068 static effect Effects 0.000 claims abstract description 18
- 241000238097 Callinectes sapidus Species 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Navigation (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于GIS地图的城市配电网故障抢修路径优化方法及系统,其方法,包括:建立城市配电网抢修的静态路网模型;根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。本发明提供的实施例,当城市配电网发生故障时,根据发生故障的地点以及抢修队目前所处的位置,及时派出抢修人员到达现场,从而缩短停电时间,减少经济损失。
Description
技术领域
本发明涉及故障处理领域,具体涉及了基于GIS地图的城市配电网故障抢修路径优化方法及系统。
背景技术
地理信息系统(Geographic Information System,GIS)是一项以计算机为基础的新兴技术,现代信息技术的发展,使商用GIS系统逐渐成熟,GIS 系统中可包括自动制图、设备管理、客服系统、外业管理、线损管理等功能,并且还与电力企业的其他类型应用系统(自动化系统、ERP)进行互操作,GIS在电力系统规划、运行、检修、销售领域得到了广泛的应用。
GIS的主要用途是以地理信息为背景,将图形和数据库结合来描述和管理各种电力设备的参数属性及电网内的运行控制信息。在面向电网运行方面,GIS主要是与SCADA的系统结合,通过互相交换运行数据和图形数据为调度员提供准确的电网地理信息;在面向用户方面,系统还可以支持客户服务的热线服务。
国内各省电力公司所应用的GIS管理系统平台众多,有MapInfo公司 MapXtreme平台、ESRI公司的ArcIMS平台、Intergraph公司的 GeoMediaWebMap平台、雅都公司的GROW平台等,并没有形成统一的管理,各平台也是各有特点。配电GIS管理系统中的数据大部分都与地理空间信息有关,大致可分为两类:第一类是以地理坐标为基础的空间数据;第二类是描述设备或事物特征的非空间数据。
配电网故障抢修最佳路径问题,是GIS系统网络分析中的一个研究热点,其目的是根据发生故障的地点以及抢修队目前所处的位置,及时派出抢修人员到达现场,从而缩短停电时间,减少经济损失。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于GIS 地图的城市配电网故障抢修路径优化方法及系统,当前时刻路网实时通行能力,建立基于实时路网信息的路段权值计算模型,以故障点到达时间最短为目标。
为了解决上述技术问题,本发明实施例提供了一种基于GIS地图的城市配电网故障抢修路径优化方法,其方法,包括:
建立城市配电网抢修的静态路网模型;
根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;
根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
所述建立城市配电网抢修的静态路网模型,包括:以城市配电网所属区域的道路拓扑关系为基础,依托于GIS地图技术建立适用于城市配电网抢修的静态路网模型。
所述确定抢修队伍距故障点的最短抢修路径,包括:基于贝叶斯的优选抢修队伍决策方法,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
所述基于贝叶斯的优选抢修队伍决策方法,包括:
从SCADA读取故障相关信息;
判断是否存在故障;
根据SCADA故障信息和开关状态在GIS基础上完成网络拓扑;
建立故障开关所在支路区域的开关上下级关系;
计算比较出现故障的概率大小;
确定故障点;
确定抢修队最优派遣方案。
所述计算比较出现故障的概率大小,包括:
已有的故障抢修研究经验说明配电网多馈线出现故障时,满足以下条件:
在假设馈线上发生多重故障的概率为0的情况下,如果用S表示开关Si所在支路Li发生故障是单一故障事件,则S1,S2,…,Sn构成完备事件组;
在配电网的任意一个回路中,该回路中的所有开关所在的支路故障都是等概率的,这里设为P(Si)=P;
由于一些外界因素的影响,故障信息上传到SCADA系统时可能出现错误,这里记为q,现实中,出错的概率很小所以q<<1。
所述确定故障点,包括:
基于贝叶斯的故障定位公式为(2);
所述Dijkstra算法,包括:
首先确定源点s,对于最佳抢修路径而言,就是抢修的出发点,并且将源点纳入红点集S={s},即最短路径节点集合;此时的最短距离SD(v)=0;
算法从蓝点集中找到一个顶点,该顶点与红点集距离最短,并且将该顶点作为下一个红点,纳入到红点集中;这里的距离最短,实际上是与整个红点集合的最短,而不是单独与前一个红点的距离最短;
重复步骤,当蓝点集中仅剩下最短距离为的蓝点时,就求出了到所有顶点的最短路径;当源点和目的点之间没有连通的路径时,可以认为此时最短路径为一条长度为无穷大的虚拟路径。
所述层次分析法,包括:将决策的边权值、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图;
根据层次分析法可以更新边权值,由公式(3)得到抢修过程总花费时间,其中,Li为道路长度,ui为平均车流速度,ai为路口速度损失;
一种基于GIS地图的城市配电网故障抢修路径优化系统,其系统,包括:
静态路网模块用于建立城市配电网抢修的静态路网模型;
路径模块用于根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;
决策模块用于根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
所述确定抢修队伍距故障点的最短抢修路径,包括:基于贝叶斯的优选抢修队伍决策方法,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
本发明实施例提供了一种基于GIS地图的城市配电网故障抢修路径优化方法及系统,考虑当前时刻路网实时通行能力,建立基于实时路网信息的路段权值计算模型,以故障点到达时间最短为目标。当城市配电网发生故障时,根据发生故障的地点以及抢修队目前所处的位置,及时派出抢修人员到达现场,从而缩短停电时间,减少经济损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是基于GIS地图的城市配电网故障抢修路径优化方法的流程示意图。
图2是城市配电网馈线示例图。
图3是基于Dijkstra算法的抢修路径动态协调优化算法流程示意图。
图4是基于层次分析法的抢修路径优化算法流程图示意图。
图5是一个典型的具备边权值的有向图G示意图。
图6是基于GIS地图的城市配电网故障抢修路径优化系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例
参阅图1,图1是基于GIS地图的城市配电网故障抢修路径优化方法的流程示意图。
一种基于GIS地图的城市配电网故障抢修路径优化方法,其方法,包括:
S101建立城市配电网抢修的静态路网模型。以城市配电网所属区域的道路拓扑关系为基础,依托于GIS地图技术建立适用于城市配电网抢修的静态路网模型。
S102根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径。基于贝叶斯的优选抢修队伍决策方法确定故障点位置,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
需要说明的是,所述基于贝叶斯的优选抢修队伍决策方法,包括:
从SCADA读取故障相关信息;
判断是否存在故障;
根据SCADA故障信息和开关状态在GIS基础上完成网络拓扑;
建立故障开关所在支路区域的开关上下级关系;
计算比较出现故障的概率大小;
确定故障点;
确定抢修队最优派遣方案。
需要说明的是,所述计算比较出现故障的概率大小,包括:已有的故障抢修研究经验说明配电网多馈线出现故障时,满足以下条件:
在假设馈线上发生多重故障的概率为0的情况下,如果用S表示开关 Si所在支路Li发生故障是单一故障事件,则S1,S2,…,Sn构成完备事件组;
在配电网的任意一个回路中,该回路中的所有开关所在的支路故障都是等概率的,这里设为P(Si)=P;
由于一些外界因素的影响,故障信息上传到SCADA系统时可能出现错误,这里记为q,现实中,出错的概率很小所以q<<1。
需要说明的,所述确定故障点,包括:基于贝叶斯的故障定位公式为 (2);
需要说明的是,所述Dijkstra算法确定最短抢修路径,包括:
首先确定源点s,对于最佳抢修路径而言,就是抢修的出发点,并且将源点纳入红点集S={s},即最短路径节点集合;此时的最短距离SD(v)=0;
算法从蓝点集中找到一个顶点,该顶点与红点集距离最短,并且将该顶点作为下一个红点,纳入到红点集中;这里的距离最短,实际上是与整个红点集合的最短,而不是单独与前一个红点的距离最短;
重复步骤,当蓝点集中仅剩下最短距离为的蓝点时,就求出了到所有顶点的最短路径;当源点和目的点之间没有连通的路径时,可以认为此时最短路径为一条长度为无穷大的虚拟路径。
S103根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。利用层次分析法,将决策的边权值、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图;根据层次分析法可以更新边权值,由公式(3)得到抢修过程总花费时间,其中,Li为道路长度,ui为平均车流速度,ai为路口速度损失;
本方法以城市配电网所属区域的道路拓扑关系为基础,依托于GIS地图技术建立适用于城市配电网抢修的静态路网模型,根据网内抢修队伍定位信息与故障点位置信息,引入贝叶斯决策优化算法,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径,根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
参阅图2,图2是城市配电网馈线示例图。
基于贝叶斯的优选抢修队伍决策方法的一个基础是基于条件概率的贝叶斯公式,如(1)所示。
其中,P(A)为A成立的先验概率;P(Bi|A)为条件概率。
图2为城市配电网中的某条馈线,其中S1,S2,…,Sn表示馈线开关, L1,L2,…,Ln表示各个负荷点。各个馈线开关将检测到的故障电流上传到SCADA系统中,这里用一个故障信息序列G={g1,g2,…,gn}表示。有故障电流流过的开关,该开关的故障信息状态用1表示;若没有则用0表示。例如Si有过流电流,则gi=1;反之,gi=0。
已有的故障抢修研究经验说明配电网多馈线出现故障时,满足以下条件:
在假设馈线上发生多重故障的概率为0的情况下,如果用S表示开关 Si所在支路Li发生故障是单一故障事件,则S1,S2,…,Sn构成完备事件组。
在配电网的任意一个回路中,该回路中的所有开关所在的支路故障都是等概率的,这里设为P(Si)=P。
由于一些外界因素的影响,故障信息上传到SCADA系统时可能出现错误,这里记为q,现实中,出错的概率很小所以q<<1。
因此,基于贝叶斯的故障定位公式为(2)。
当故障发生在L9时,故障回路为[S1,S2,S3,S8,S9],故障信息为 G=[1,1,1,1,1]。因此根据上述算法可以得到判断结果为故障回路区段 S9的故障概率最大,此处离L9最近,派遣最近的可调度抢修队前往。而 SCADA系统报告故障信息时出现错误,若错误信息为G=[1,0,1,1,1];判断结果仍为S9故障概率最大。
参阅图3,图3是基于Dijkstra算法的抢修路径动态协调优化算法流程示意图。
在城市配电网故障抢修过程中,可将道路和交叉路口等抽象成图中的线和节点,交通拥堵程度则可以用路径的权值来量化表示。利用具有加权边的图来解决最佳抢修路径问题。GIS地图提供边的综合权值,此时城市配电网抢修路径优化策略可以表示为图论中的最短路径问题,利用经典Dijkstra 算法可进行最短路径的生成计算。在基于Dijkstra算法配网抢修路径优化方法中,考虑了实时的天气情况、交通条件等实时动态变量,因此该抢修路径优化方法为动态协调优化。
算法搜索开始的顶点称为源点,结束的顶点定义为终点。并且把图中所有的顶点分为两个部分,一部分是源点s到目的点d,已经确定最小权重的最短路径的节点集合,此处我们称之为红点集;另一部分是除去最短路径的红点集,还没有确定最小权重,即图中剩余节点的集合,称之为蓝点集。同时用SD(v)来表示从源点到目的点最短路径的长度,即最短距离。
算法搜索的主要过程如下:
(1)首先确定源点s,对于最佳抢修路径而言,就是抢修的出发点,并且将源点纳入红点集S={s},即最短路径节点集合。此时的最短距离SD(v)=0。
(2)算法从蓝点集中找到一个顶点,该顶点与红点集距离最短,并且将该顶点作为下一个红点,纳入到红点集中。这里的距离最短,实际上是与整个红点集合的最短,而不是单独与前一个红点的距离最短。
(3)重复步骤,当蓝点集中仅剩下最短距离为的蓝点时,就求出了到所有顶点的最短路径。当源点和目的点之间没有连通的路径时,可以认为此时最短路径为一条长度为无穷大的虚拟路径。
首先通过GIS地图技术将现有故障定位技术与抢修队伍属性结合;安排相应的操作人员与专业检修人员的工作分工;其次,收集城市配网路况信息,建立路网模型与实时通行能力指标;最后得到研究操作人员与专业检修人员执行抢修路径优化方法。
参阅图4和图5,图4是基于层次分析法的抢修路径优化算法流程图示意图,图5是一个典型的具备边权值的有向图G示意图。
城市配电网的各种地理信息对配电网优化抢修路径的影响程度不同,因此需要加入层次分析法,进行分类分析。利用层次分析法,将决策的目标 (边权值)、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图,如图4。模糊化评估后输出各道路边权值,输入Dijkstra算法计算得到最短路径。
根据层次分析法可以更新边权值,由公式(3)得到抢修过程总花费时间,其中,Li为道路长度,ui为平均车流速度,ai为路口速度损失;
图5是一个典型的具备边权值的有向图G示意图,可以用来演示算法的具体搜索过程和结果。表中如果某点被纳入红点集,则该点后面将有标志 (s),同时如果该节点在搜索过程中有前一个节点,则用[x]表示前一个节点是x。
首先将源点0纳入到红点集,此时距离为0。很明显,将节点0先加入到红点集,再查看该红点与其他节点的距离,如表1所示。
表1第一轮距离查询
第二轮查询如表2所示。由于在上一轮查询中,红点集合中只有源点 0,则应以源点0开始,寻找与其距离最短的节点,并将其纳入到红点集。
表2第二轮距离查询
由图5可知,节点1、3和4均与节点0连通,因此它们的前一节点均暂为节点0,标示为[0]。由表2可明显看出,节点1与源点0距离最短,所以将节点1纳入红点集。第三轮距离查询结果如表3所示。
表3第三轮距离查询
当前红点集中只有0和1这两个节点,从图中的连通性可以看出,节点1的连通节点只有节点2,因此从源点0到节点2的距离为10+50=60,它的前一节点为[1]。但是,可以发现节点3与红点集中节点0的距离为30,为最小,因此该将节点3纳入红点集。
第四轮距离查询如表4所示。在节点3加入红点集之后,计算从源点经过节点3至其连通节点的距离。与其连通的是节点2和节点4,但是,此时源点0到节点2和4的距离均发生了改变,不再是60和100,而是通过节点3的中转,变成了50和90。本轮被添加到红点集的则应是节点2。
表4第四轮距离查询
第五轮距离查询如表5所示。上一轮被添加到红点集的节点2可以连通到节点4,因此节点4的距离被改为60,前一节点被改为[2]。
表5第五轮距离查询
第六轮距离查询如表6所示。节点4是蓝点集中的最后一个节点,它在本轮距离查询中被添加进红点集。算法执行完毕。在图5中,从源点0到节点4的最短路径就可以反推出,从表6可知,节点4的前一个节点为2, 2而节点的前一节点为3节点,3节点的前一节点为0,故可以得到从源点 0到节点4的最短路径为0-3-2-4。将其归结到最佳抢修路径上,权值代表的就是基于交通量和距离等折算的层次分析法结果,则源点0对应就是抢修车的起始位置,节点4即故障地点,这样就可以利用Dijkstra算法与层次分析法搜索寻找到抢修的最佳路径为0-3-2-4。
表6第六轮距离查询
参阅图6,图6是基于GIS地图的城市配电网故障抢修路径优化系统的结构示意图。
一种基于GIS地图的城市配电网故障抢修路径优化系统,其系统,包括:
静态路网模块601用于建立城市配电网抢修的静态路网模型;
路径模块602用于根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;
决策模块603用于根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
静态路网模块601,以城市配电网所属区域的道路拓扑关系为基础,依托于GIS地图技术建立适用于城市配电网抢修的静态路网模型。
路径模块602,基于贝叶斯的优选抢修队伍决策方法确定故障点位置,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
需要说明的是,所述基于贝叶斯的优选抢修队伍决策方法,包括:
从SCADA读取故障相关信息;
判断是否存在故障;
根据SCADA故障信息和开关状态在GIS基础上完成网络拓扑;
建立故障开关所在支路区域的开关上下级关系;
计算比较出现故障的概率大小;
确定故障点;
确定抢修队最优派遣方案。
需要说明的是,所述计算比较出现故障的概率大小,包括:已有的故障抢修研究经验说明配电网多馈线出现故障时,满足以下条件:
在假设馈线上发生多重故障的概率为0的情况下,如果用S表示开关 Si所在支路Li发生故障是单一故障事件,则S1,S2,…,Sn构成完备事件组;
在配电网的任意一个回路中,该回路中的所有开关所在的支路故障都是等概率的,这里设为P(Si)=P;
由于一些外界因素的影响,故障信息上传到SCADA系统时可能出现错误,这里记为q,现实中,出错的概率很小所以q<<1。
需要说明的,所述确定故障点,包括:基于贝叶斯的故障定位公式为 (2);
需要说明的是,所述Dijkstra算法确定最短抢修路径,包括:
首先确定源点s,对于最佳抢修路径而言,就是抢修的出发点,并且将源点纳入红点集S={s},即最短路径节点集合;此时的最短距离SD(v)=0;
算法从蓝点集中找到一个顶点,该顶点与红点集距离最短,并且将该顶点作为下一个红点,纳入到红点集中;这里的距离最短,实际上是与整个红点集合的最短,而不是单独与前一个红点的距离最短;
重复步骤,当蓝点集中仅剩下最短距离为的蓝点时,就求出了到所有顶点的最短路径;当源点和目的点之间没有连通的路径时,可以认为此时最短路径为一条长度为无穷大的虚拟路径。
决策模块603,利用层次分析法,将决策的目标(边权值)、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图;根据层次分析法可以更新边权值,由公式(3)得到抢修过程总花费时间,其中,Li为道路长度,ui为平均车流速度,ai为路口速度损失;
本发明实施例提供了一种基于GIS地图的城市配电网故障抢修路径优化方法及系统,考虑当前时刻路网实时通行能力,建立基于实时路网信息的路段权值计算模型,以故障点到达时间最短为目标。当城市配电网发生故障时,根据发生故障的地点以及抢修队目前所处的位置,及时派出抢修人员到达现场,从而缩短停电时间,减少经济损失。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的基于GIS地图的城市配电网故障抢修路径优化方法及系统进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于GIS地图的城市配电网故障抢修路径优化方法,其特征在于,所述方法,包括:
建立城市配电网抢修的静态路网模型;
根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;
根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
2.根据权利要求1所述的方法,其特征在于,所述建立城市配电网抢修的静态路网模型,包括:
以城市配电网所属区域的道路拓扑关系为基础,依托于GIS地图技术建立适用于城市配电网抢修的静态路网模型。
3.根据权利要求1所述的方法,其特征在于,所述确定抢修队伍距故障点的最短抢修路径,包括:
基于贝叶斯的优选抢修队伍决策方法,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
4.根据权利要求3所述的方法,其特征在于,所述基于贝叶斯的优选抢修队伍决策方法,包括:
从SCADA读取故障相关信息;
判断是否存在故障;
根据SCADA故障信息和开关状态在GIS基础上完成网络拓扑;
建立故障开关所在支路区域的开关上下级关系;
计算比较出现故障的概率大小;
确定故障点;
确定抢修队最优派遣方案。
5.根据权利要求4所述的方法,其特征在于,所述计算比较出现故障的概率大小,包括:
已有的故障抢修研究经验说明配电网多馈线出现故障时,满足以下条件:
在假设馈线上发生多重故障的概率为0的情况下,如果用S表示开关Si所在支路Li发生故障是单一故障事件,则S1,S2,…,Sn构成完备事件组;
在配电网的任意一个回路中,该回路中的所有开关所在的支路故障都是等概率的,这里设为P(Si)=P;
由于一些外界因素的影响,故障信息上传到SCADA系统时可能出现错误,这里记为q,现实中,出错的概率很小所以q<<1。
7.根据权利要求3所述的方法,其特征在于,所述Dijkstra算法,包括:
首先确定源点s,对于最佳抢修路径而言,就是抢修的出发点,并且将源点纳入红点集S={s},即最短路径节点集合;此时的最短距离SD(v)=0;
算法从蓝点集中找到一个顶点,该顶点与红点集距离最短,并且将该顶点作为下一个红点,纳入到红点集中;这里的距离最短,实际上是与整个红点集合的最短,而不是单独与前一个红点的距离最短;
重复步骤,当蓝点集中仅剩下最短距离为的蓝点时,就求出了到所有顶点的最短路径;当源点和目的点之间没有连通的路径时,可以认为此时最短路径为一条长度为无穷大的虚拟路径。
9.一种基于GIS地图的城市配电网故障抢修路径优化系统,其特征在于,所述系统,包括:
静态路网模块用于建立城市配电网抢修的静态路网模型;
路径模块用于根据网内抢修队伍定位信息与故障点位置信息,确定抢修队伍距故障点的最短抢修路径;
决策模块用于根据抢修队伍任务状态,基于层次分析法为抢修调度人员提供优选抢修队伍决策方案。
10.根据权利要求9所述的系统,其特征在于,所述确定抢修队伍距故障点的最短抢修路径,包括:
基于贝叶斯的优选抢修队伍决策方法,基于Dijkstra算法给出网内各抢修队伍距故障点的最短抢修路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273332.9A CN112906934A (zh) | 2020-11-13 | 2020-11-13 | 基于gis地图的城市配电网故障抢修路径优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273332.9A CN112906934A (zh) | 2020-11-13 | 2020-11-13 | 基于gis地图的城市配电网故障抢修路径优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112906934A true CN112906934A (zh) | 2021-06-04 |
Family
ID=76111303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011273332.9A Pending CN112906934A (zh) | 2020-11-13 | 2020-11-13 | 基于gis地图的城市配电网故障抢修路径优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906934A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902346A (zh) * | 2021-11-18 | 2022-01-07 | 广东电网有限责任公司 | 一种电力抢修队伍的智能调拨方法 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
CN114202079A (zh) * | 2021-12-15 | 2022-03-18 | 国网四川省电力公司天府新区供电公司 | 一种配电网故障抢修调度系统 |
CN115347562A (zh) * | 2022-08-23 | 2022-11-15 | 国网天津市电力公司 | 一种ai技术下配电网抢修快速抵达方法 |
CN115752493A (zh) * | 2022-11-07 | 2023-03-07 | 国网天津市电力公司 | 一种用于电力故障抢修的路径规划方法 |
-
2020
- 2020-11-13 CN CN202011273332.9A patent/CN112906934A/zh active Pending
Non-Patent Citations (4)
Title |
---|
尹媛媛: "基于GIS的配电网故障定位及其最佳抢修路径的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
马永锋 等: "基于出行决策的公路网多目标最优路径算法", 《交通运输工程学报》 * |
高露雄 等: "基于多目标决策与层次分析法的最佳路径模型", 《测绘与空间地理信息》 * |
魏新宇: "消防灭火救援最优路径算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902346A (zh) * | 2021-11-18 | 2022-01-07 | 广东电网有限责任公司 | 一种电力抢修队伍的智能调拨方法 |
CN114202079A (zh) * | 2021-12-15 | 2022-03-18 | 国网四川省电力公司天府新区供电公司 | 一种配电网故障抢修调度系统 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
CN114004550B (zh) * | 2022-01-04 | 2022-04-08 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
CN115347562A (zh) * | 2022-08-23 | 2022-11-15 | 国网天津市电力公司 | 一种ai技术下配电网抢修快速抵达方法 |
CN115752493A (zh) * | 2022-11-07 | 2023-03-07 | 国网天津市电力公司 | 一种用于电力故障抢修的路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906934A (zh) | 基于gis地图的城市配电网故障抢修路径优化方法及系统 | |
Wang et al. | Coordinated planning strategy for electric vehicle charging stations and coupled traffic-electric networks | |
KR101104551B1 (ko) | 전력설비 네비게이션 시스템 | |
CN108053037B (zh) | 一种基于两网融合的配电网抢修策略制定方法及装置 | |
CN107169591A (zh) | 基于线性时序逻辑的移动端快递派送路径规划方法 | |
CN101807222A (zh) | 基于站点的城市公交线网优化配置方法 | |
CN105091889A (zh) | 一种热点路径的确定方法及设备 | |
CN112033428A (zh) | 一种配电抢修的路径规划方法 | |
CN110991913B (zh) | 繁忙机场高峰时间拥堵风险分析方法 | |
CN106530702A (zh) | 一种基于交通指数的随机动态网络交通规划方法 | |
CN115586557A (zh) | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 | |
CN115099646A (zh) | 基于模糊概率混合可靠性评估与风险分析的输电线路维修方法 | |
CN114386536A (zh) | 区域确定方法、装置、计算设备以及存储介质 | |
CN111414670A (zh) | 一种利用bpa数据自动生成地理接线图的方法 | |
CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
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 | |
CN110765563B (zh) | 一种基于多个必经点最短路径的配电网自动布线方法 | |
CN111080110A (zh) | 机场拥堵风险分析系统 | |
Temirov et al. | Integration of smart grid systems and geoinformation technologies: challenges and opportunities | |
CN114564809B (zh) | 一种考虑当前线网结构的公交线网优化方法 | |
CN115691126B (zh) | 一种基于深度优先搜索算法的交通网络冗余性测度方法 | |
CN109166308B (zh) | 一种基于空间约束距离的交通流的聚集特征可视化方法 | |
CN114910092B (zh) | 支持多样化内涝风险数据的车辆避险可选路径搜索方法 | |
CN110765562B (zh) | 一种基于多源信息多约束的目标网架自动生成方法 | |
Dai et al. | Auto Division Strategy of Power Supply Unit in Distribution Network Mesh Planning Based on Graph Theory |
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 |
Application publication date: 20210604 |
|
RJ01 | Rejection of invention patent application after publication |