CN113256011A - 基于gis多目标动态规划技术的输电线路智能选线方法 - Google Patents

基于gis多目标动态规划技术的输电线路智能选线方法 Download PDF

Info

Publication number
CN113256011A
CN113256011A CN202110608066.9A CN202110608066A CN113256011A CN 113256011 A CN113256011 A CN 113256011A CN 202110608066 A CN202110608066 A CN 202110608066A CN 113256011 A CN113256011 A CN 113256011A
Authority
CN
China
Prior art keywords
line
cost
transmission line
power transmission
selection
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
Application number
CN202110608066.9A
Other languages
English (en)
Inventor
张天忠
姜克儒
刘军
盛金马
张金锋
葛成
张家倩
谢枫
吴睿
刘大平
何辉
常江
蔡冰冰
周贺
刘耀中
朱晓峰
金文�
包华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Anhui Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd
Original Assignee
State Grid Anhui Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Anhui Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd, China Energy Engineering Group Anhui Electric Power Design Institute Co Ltd filed Critical State Grid Anhui Electric Power Co Ltd
Priority to CN202110608066.9A priority Critical patent/CN113256011A/zh
Publication of CN113256011A publication Critical patent/CN113256011A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0206Price or cost determination based on market factors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于GIS多目标动态规划技术的输电线路智能选线方法,与现有技术相比解决了人工选线效率低、分析主观性强的缺陷。本发明包括以下步骤:输电线路选线栅格地图生成;输电线路选线成本的建模;输电线路进行智能选线。本发明基于地理信息系统,采用动态规划模型进行路径优化,利用地理信息系统的计算能力和可视化表示能力,实现了新的架空电力线路自动优化布线方法。

Description

基于GIS多目标动态规划技术的输电线路智能选线方法
技术领域
本发明涉及输电线路技术领域,具体来说是基于GIS多目标动态规划技术的输电线路智能选线方法。
背景技术
随着我国电力工业体制改革的深入,电力工程项目管理的体制与方法也在不断探索与改进,但是,由于电力体制改革时间较短,电力工程项目的建设管理模式、方法在很多方面依然很落后。尤其其中的电力输变电工程项目,其科学项目管理思想应用目前还处在探索阶段,因此将优化管理的思想引入到科学管理电力输变电工程中来,将成为电力系统研究所关注的方向。
在现有的输电线路的选线技术中,每条线路的规划很大程度上依赖设计人员的经验,其存在设计周期长、劳动强度大、主观性较强、智能化程度低等缺点。但随着计算机技术和GIS地理信息系统在电力系统中的广泛应用,如何设计一种智能化的输电线路选线方法已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中人工选线效率低、分析主观性强的缺陷,提供一种基于GIS多目标动态规划技术的输电线路智能选线方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种基于GIS多目标动态规划技术的输电线路智能选线方法,包括以下步骤:
11)输电线路选线栅格地图的生成:基于GIS栅格地图将输电线路所规划的地理空间分成一个正方形单元的规则矩阵,每个单元表示一个基本区域和位置;基于GIS栅格地图定义二维坐标系,定义其对应的选线路径位置信息;
12)输电线路选线成本的建模:基于最优选线依据进行选线成本的建模,生成选线成本模型;
13)输电线路进行智能选线:根据选线路径和选线成本模型,利用最优选线方法进行输电线路的智能选线。
所述输电线路选线栅格地图的生成包括以下步骤:
21)对于输电线路所规划的地理空间对应其GIS栅格地图,定义二维坐标系用来定位每个栅格区域,即一个离散的二维空间,M、N分别为GIS栅格地图的长、宽,Ω代表GIS覆盖的地图范围,(i,j)表示选线路径中顶点的基本单元;
22)在二维空间Ω中,假设一条线路经过k+1个基本单元格,则用下面集合来表示:
Figure BDA0003094817310000021
其中,rk表示坐标(ik,jk)的单元格;
23)定义线段lk是顶点rk-1和rk之间连线,则对于前面的集合R所构成的路径用下面集合表示:
L={l1,..,lk,...,lK};
24)进行选线路径的选择:
对于每个单元格顶点rk,下一个单元格的选择都有8种可选择的方向,即{(1,2,3,4,5,6,7,8)≡(W,NW,N,NE,E,SE,S,SW)};
用集合
Figure BDA0003094817310000022
来表示,亦即有8个坐标顶点供选择。
所述输电线路选线成本的建模步骤为对于最优选线算法实现,选线考虑依据地理环境因素和线路建设成本因素;其包括以下步骤:
31)针对地理环境因素,通过层次分析法建立输电线路路径优化设计的环境因素层次模型,量化各环境因素对线路路径建设的影响程度;
32)针对线路建设成本因素包括以下步骤:
321)建立以建设成本为目标的影响因素的层次结构;
322)根据常用的1~9标度法形成判断矩阵;
323)校验判断矩阵的一致性即校验判断矩阵中权值系数的合理性;
324)求解判断矩阵的权重向量,判断矩阵满足一致性要求后,即利用几何平均法、算术平均法或特征向量法求判断矩阵的权重向量;
325)计算综合权重,在层次结构中计算得到各个相邻层级之间的权重向量后,即按照由底层向顶层的顺序逐层向上计算,直至求解出底层因素对目标层即建设成本的综合权重向量。
所述输电线路进行智能选线包括以下步骤:
41)设定最小成本模型:基于地理环境因素和线路建设成本因素,建立动态规划算法最小成本函数为:
Figure BDA0003094817310000031
式中,f(rk-1,rk)相邻单元格有向路径的权重,
Figure BDA0003094817310000032
单元格环境因素权重,c1,c2为相应的惩罚系数,l有向路径长度,n为有向路径转角数目;
42)初始化累积代价矩阵g0(r0);
43)针对每个单元格rk,结合动态规划顺序法模型gt(rk)=gt,t-1(rk-1)+f(lk),计算到达其每个相邻单元格rk的累积成本,选择最小成本路径,在第t次迭代的最优结果,用*gt(rk)表示:
Figure BDA0003094817310000033
其中:t表示相应迭代次数,
Figure BDA0003094817310000034
rk-1是围绕路径顶点rk的八个相邻单元之一;gt,t-1(rk-1)表示前一个迭代次数t-1时到达顶点rk-1中的最小累计成本;f(lk)表示的是从顶点rk到rk-1之间线路成本;
44)根据上述公式记录作为最小值的后连接单元格,其表达式如下:
Figure BDA0003094817310000035
即得到对应最优路径程度和单元格位置信息lk *(t);
45)找出最小成本的状态点,并输出,此为输电线路的智能选线结果。
有益效果
本发明的基于GIS多目标动态规划技术的输电线路智能选线方法,与现有技术相比基于地理信息系统,采用动态规划模型进行路径优化,利用地理信息系统的计算能力和可视化表示能力,实现了新的架空电力线路自动优化布线方法,有助于自动选择最经济的路线以建立新的输电线路。
附图说明
图1为本发明的方法顺序图;
图2为本发明中GIS栅格地图中心单元与八个相邻单元的连接示意图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的基于GIS多目标动态规划技术的输电线路智能选线方法,其中重点是处理了大量相关环境因素,实现了基于GIS地理信息系统的各个地理环境信息的自动获取,技术难点是将GIS地图划分网格,并且量化每个单元格的环境因素的综合权重,建立动态规划算法最小成本搜索模型。其包括以下步骤:
第一步,输电线路选线路径的生成:基于GIS栅格地图将输电线路所规划的地理空间分成一个正方形单元的规则矩阵,每个单元表示一个基本区域和位置;基于GIS栅格地图定义二维坐标系,定义其对应的选线路径。其具体步骤如下:
(1)基于GIS栅格地图将地理空间分成一个正方形单元的规则矩阵,每个单元表示一个基本区域和位置。如图2所示,对于输电线路所规划的地理空间对应其GIS栅格地图,定义二维坐标系用来定位每个栅格区域,即一个离散的二维空间,M、N分别为GIS栅格地图的长、宽,Ω代表GIS覆盖的地图范围,(i,j)表示选线路径中顶点的基本单元(地理位置位置)。
(2)在二维空间Ω中,假设一条线路经过k+1个基本单元格,则用下面集合来表示:
Figure BDA0003094817310000041
其中,rk表示坐标(ik,jk)的单元格。
(3)定义线段lk是顶点rk-1和rk之间连线,则对于前面的集合R所构成的路径用下面集合表示:
L={l1,..,lk,...,lK}。
(4)进行选线路径的选择:
对于每个单元格顶点rk,下一个单元格的选择都有8种可选择的方向,即{(1,2,3,4,5,6,7,8)≡(W,NW,N,NE,E,SE,S,SW)};
用集合
Figure BDA0003094817310000051
来表示,亦即有8个坐标顶点供选择。
第二步,输电线路选线成本的建模:基于最优选线依据进行选线成本的建模,生成选线成本模型。
对于最优的选线,选线的依据是线路成本,对线路的成本进行建模可以根据实际应用的需要从多个方面来综合考虑,主要包括非地理成本、地理成本。
(1)非地理成本:
每公里成本的相关部分与线路设备有关,且与地理特征无关,这种非地理成本分量(NGC)与穿过相邻单元rk和rk-1的线路相关联。对于任何单元格rk的非地理成本函数记为
Figure BDA0003094817310000052
(2)地理相关成本,与地理信息相关的几种常见成本分析如下:
①“可达性”成本:表示为电网覆盖范围,包括设备运输、安装和维护的额外成本。它们依赖于地理位置,并用最小代价距离空间函数计算。因此,需要GIS覆盖道路和穿越的成本来衡量它们。
②因地理区域的“特定特征”而产生的成本:
基于土地利用、植被覆盖率、城市区域、海岸附近腐蚀性区域和高环境影响区域的特点是网格覆盖而产生的额外成本,由于地形所有权,额外成本取决于土地的实际使用情况和每次使用的土地价格估计。植被覆盖还造成额外的安装和维护费用的削减和修剪。此外,环境限制可被视为外部成本、用架空线代替地下电缆的成本或不可能的位置的极高成本。其他额外成本以网格覆盖为特征,由于地形所有权而产生额外成本,这取决于土地的实际使用和每种使用的土地价格估计。
③“障碍物”造成的成本:公路、铁路、河流、住宅区和其他电力线路可能成为路线设计的障碍。为了机械和电气安全,跨越这些元件需要在两个侧塔中加强绝缘子。此成本与交叉单元元素相关联,表示要考虑的地理成本。靠近其他地理障碍物或基础设施(或其他设施)涉及与信号设备(如机场附近)相关的额外成本或越障(如湖泊或水坝)的增加成本。
大多数这些地理成本在路线模型(在光栅结构下)中被建模为跨越单元的成本。地理成本导致路径不直,从而导致与偏离塔相关的额外成本。在本文的路线选择算法中,对由于方向变化而产生的代价进行了建模。
有关穿过基本单元格rk
Figure BDA0003094817310000061
的成本的信息,其中包括大部分地理成本;
转角成本
Figure BDA0003094817310000062
存储在一个地理网格中,如果方向在特定点rk-1发生改变,即在rk、rk-2之间,而产生了额外成本的信息;
总的成本函数表示:描述从每个始发地单元出发的位置和费用(出发成本,例如,g0(r0),与原始单元格r0相关。
但在此,本发明不针对实际应用中线路成本考虑因素进行分析,此为实际应用中行业专家的共同讨论结果,也基于此,输电线路选线成本的建模步骤为对于最优选线算法实现,选线考虑依据地理环境因素和线路建设成本因素;其包括以下步骤:
(1)针对地理环境因素,通过层次分析法建立输电线路路径优化设计的环境因素层次模型,量化各环境因素对线路路径建设的影响程度;
(2)针对线路建设成本因素包括以下步骤:
A1)建立以建设成本为目标的影响因素的层次结构;
A2)根据常用的1~9标度法形成判断矩阵;
A3)校验判断矩阵的一致性即校验判断矩阵中权值系数的合理性;
A4)求解判断矩阵的权重向量,判断矩阵满足一致性要求后,即利用几何平均法、算术平均法或特征向量法求判断矩阵的权重向量;
A5)计算综合权重,在层次结构中计算得到各个相邻层级之间的权重向量后,即按照由底层向顶层的顺序逐层向上计算,直至求解出底层因素对目标层即建设成本的综合权重向量。
第三步,输电线路进行智能选线:根据选线路径和选线成本模型,利用最优选线方法进行输电线路的智能选线。
所述输电线路进行智能选线包括以下步骤:
(1)设定最小成本模型:基于地理环境因素和线路建设成本因素,建立动态规划算法最小成本函数为:
Figure BDA0003094817310000071
式中,f(rk-1,rk)相邻单元格有向路径的权重,
Figure BDA0003094817310000072
单元格环境因素权重,c1,c2为相应的惩罚系数,l有向路径长度,n为有向路径转角数目。
(2)初始化累积代价矩阵g0(r0)。
(3)针对每个单元格rk,结合动态规划顺序法模型gt(rk)=gt,t-1(rk-1)+f(lk),计算到达其每个相邻单元格rk的累积成本,选择最小成本路径,在第t次迭代的最优结果,用*gt(rk)表示:
Figure BDA0003094817310000073
其中:t表示相应迭代次数,
Figure BDA0003094817310000074
rk-1是围绕路径顶点rk的八个相邻单元之一;gt,t-1(rk-1)表示前一个迭代次数t-1时到达顶点rk-1中的最小累计成本;f(lk)表示的是从顶点rk到rk-1之间线路成本。
(4)根据上述公式记录作为最小值的后连接单元格,其表达式如下:
Figure BDA0003094817310000076
即得到对应最优路径程度和单元格位置信息lk *(t);
(5)找出最小成本的状态点,并输出,此为输电线路的智能选线结果。
在实际应用中,本发明利用了一个真实的地图信息来选择最小成本路线,其中地理数据(安装、维护、运营成本、土地利用等)和计算结果以栅格格式表示,而不是矢量格式。为了应用动态规划算法获得最优的路线,首先根据GIS网格地图,给出电力线路建设的成本参数(包括地理和非地理成本函数),即参数
Figure BDA0003094817310000075
然后,通过DP算法对其进行最优路径规划,采用迭代的方法选择最优路径。具体为:设计了DP算法。
应用于“GIS栅格”线路布线的迭代DP程序的算法如下:
研究区域的分辨率r以分割成尺寸为r的单元格;
(1)初始化:用一个简单的初始状态初始化累积代价矩阵g0(r0)(例如,只有“走出”原点的成本,其他单元格中没有“数据”)。可以使用数字地形cNGC
(2)对于状态t的每个单元格节点(rk∈Ω);
(3)对于每个相邻单元
Figure BDA0003094817310000081
对于状态t(如果更新),或者对于状态t-1;
(4)计算相邻单元格的地形环境交叉权重成本
Figure BDA0003094817310000082
转向成本
Figure BDA0003094817310000083
和过渡成本:
Figure BDA0003094817310000084
(5)计算累计成本gt(rk)=gt,t-1(rk-1)+f(lk);
(6)转到八个相邻单元格
Figure BDA0003094817310000085
循环至3;
(7)选择单元格
Figure BDA0003094817310000086
及其编码,作为指向gt(rk),*gt(rk)最小值的“后”连接单元格;
(8)结合gt(rk)的最小值,即*gt(rk)存储最小代价路径,对于状态t和阶段k用于单元格rk
(9)转到地图覆盖范围中的以下单元格(rk)。(循环至2);
(10)在整个覆盖范围内比较*gt(rk)与*gt-1(rk);
(11)转到(2)进行新的迭代,直到在整个覆盖范围内没有发现任何更改(在步骤(10)中进行判断)。
首先定义了计算网格的分辨率,并初始化t=0累计成本网格,并为后续计算安排数据。在步骤(2)和(10)之间,对网格的每个单元执行累积成本网格的计算(仅初始化原点);然后在每次迭代时从原点到每个单元计算累积成本。对于步骤(3)到步骤(6),该算法计算一个中心单元和八个相邻单元之间的转移代价,包括所有代价分量。在步骤(7)和(9)中,选择相邻单元之间的转移序列(其定义具有最小代价的路径)作为“后向”连接。在步骤(10)和(11)中,该算法开始下面的迭代,并在没有检测到迭代之间的变化时停止。在以前的迭代中,可以通过使用不导致全局最小成本路径的其他原点来选择成本路径。当连续迭代之间没有检测到任何变化时,我们已经到达覆盖范围内每个单元格的最小累积成本路径,并选择“后”连接单元格,从而得到起点和目的地之间成本最低的路径。
其动态算法过程如表1所示:
表1动态规划算法过程表
Figure BDA0003094817310000091
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (4)

1.一种基于GIS多目标动态规划技术的输电线路智能选线方法,其特征在于,包括以下步骤:
11)输电线路选线栅格地图的生成:基于GIS栅格地图将输电线路所规划的地理空间分成一个正方形单元的规则矩阵,每个单元表示一个基本区域和位置;基于GIS栅格地图定义二维坐标系,定义其对应的选线路径位置信息;
12)输电线路选线成本的建模:基于最优选线依据进行选线成本的建模,生成选线成本模型;
13)输电线路进行智能选线:根据选线路径和选线成本模型,利用最优选线方法进行输电线路的智能选线。
2.根据权利要求1所述的基于GIS多目标动态规划技术的输电线路智能选线方法,其特征在于,所述输电线路选线栅格地图的生成包括以下步骤:
21)对于输电线路所规划的地理空间对应其GIS栅格地图,定义二维坐标系用来定位每个栅格区域,即一个离散的二维空间,M、N分别为GIS栅格地图的长、宽,Ω代表GIS覆盖的地图范围,(i,j)表示选线路径中顶点的基本单元;
22)在二维空间Ω中,假设一条线路经过k+1个基本单元格,则用下面集合来表示:
Figure FDA0003094817300000011
其中,rk表示坐标(ik,jk)的单元格;
23)定义线段lk是顶点rk-1和rk之间连线,则对于前面的集合R所构成的路径用下面集合表示:
L={l1,..,lk,...,lK};
24)进行选线路径的选择:
对于每个单元格顶点rk,下一个单元格的选择都有8种可选择的方向,即{(1,2,3,4,5,6,7,8)≡(W,NW,N,NE,E,SE,S,SW)};
用集合
Figure FDA0003094817300000012
来表示,亦即有8个坐标顶点供选择。
3.根据权利要求1所述的基于GIS多目标动态规划技术的输电线路智能选线方法,其特征在于,所述输电线路选线成本的建模步骤为对于最优选线算法实现,选线考虑依据地理环境因素和线路建设成本因素;其包括以下步骤:
31)针对地理环境因素,通过层次分析法建立输电线路路径优化设计的环境因素层次模型,量化各环境因素对线路路径建设的影响程度;
32)针对线路建设成本因素包括以下步骤:
321)建立以建设成本为目标的影响因素的层次结构;
322)根据常用的1~9标度法形成判断矩阵;
323)校验判断矩阵的一致性即校验判断矩阵中权值系数的合理性;
324)求解判断矩阵的权重向量,判断矩阵满足一致性要求后,即利用几何平均法、算术平均法或特征向量法求判断矩阵的权重向量;
325)计算综合权重,在层次结构中计算得到各个相邻层级之间的权重向量后,即按照由底层向顶层的顺序逐层向上计算,直至求解出底层因素对目标层即建设成本的综合权重向量。
4.根据权利要求1所述的基于GIS多目标动态规划技术的输电线路智能选线方法,其特征在于,所述输电线路进行智能选线包括以下步骤:
41)设定最小成本模型:基于地理环境因素和线路建设成本因素,建立动态规划算法最小成本函数为:
Figure FDA0003094817300000021
式中,f(rk-1,rk)相邻单元格有向路径的权重,
Figure FDA0003094817300000024
为单元格环境因素权重,c1,c2为惩罚系数,l有向路径长度,n为有向路径转角数目;
42)初始化累积代价矩阵g0(r0);
43)针对每个单元格rk,结合动态规划顺序法模型gt(rk)=gt,t-1(rk-1)+f(lk),计算到达其每个相邻单元格rk的累积成本,选择最小成本路径,在第t次迭代的最优结果,用*gt(rk)表示:
Figure FDA0003094817300000022
其中:t表示相应迭代次数,
Figure FDA0003094817300000023
rk-1是围绕路径顶点rk的八个相邻单元之一;gt,t-1(rk-1)表示前一个迭代次数t-1时到达顶点rk-1中的最小累计成本;f(lk)表示的是从顶点rk到rk-1之间线路成本;
44)根据上述公式记录作为最小值的后连接单元格,其表达式如下:
Figure FDA0003094817300000031
即得到对应最优路径程度和单元格位置信息lk *(t);
45)找出最小成本的状态点,并输出,此为输电线路的智能选线结果。
CN202110608066.9A 2021-06-01 2021-06-01 基于gis多目标动态规划技术的输电线路智能选线方法 Pending CN113256011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110608066.9A CN113256011A (zh) 2021-06-01 2021-06-01 基于gis多目标动态规划技术的输电线路智能选线方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110608066.9A CN113256011A (zh) 2021-06-01 2021-06-01 基于gis多目标动态规划技术的输电线路智能选线方法

Publications (1)

Publication Number Publication Date
CN113256011A true CN113256011A (zh) 2021-08-13

Family

ID=77185682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110608066.9A Pending CN113256011A (zh) 2021-06-01 2021-06-01 基于gis多目标动态规划技术的输电线路智能选线方法

Country Status (1)

Country Link
CN (1) CN113256011A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210390650A1 (en) * 2020-06-15 2021-12-16 Arizona Board Of Regents On Behalf Of Arizona State University Method and apparatus for voter precinct optimization
CN116629478A (zh) * 2023-05-30 2023-08-22 泰州敬道电力工程有限公司 一种基于gis技术的供电线路规划优化方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971184A (zh) * 2014-05-29 2014-08-06 国家电网公司 基于gis空间地理信息系统的输电线路路径生成方法
CN109992923A (zh) * 2018-11-20 2019-07-09 国网陕西省电力公司 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
CN110046213A (zh) * 2018-11-20 2019-07-23 国网陕西省电力公司 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法
CN112086958A (zh) * 2020-07-29 2020-12-15 国家电网公司西南分部 一种基于多步回溯强化学习算法的输电网扩展规划方法
CN112085280A (zh) * 2020-09-11 2020-12-15 东南大学 一种考虑地理因素的输电通道路径优化方法
CN112330068A (zh) * 2020-11-27 2021-02-05 国网江苏省电力有限公司经济技术研究院 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
CN112465247A (zh) * 2020-12-04 2021-03-09 上海电力大学 一种计及地质灾害的输电线路路径选择方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971184A (zh) * 2014-05-29 2014-08-06 国家电网公司 基于gis空间地理信息系统的输电线路路径生成方法
CN109992923A (zh) * 2018-11-20 2019-07-09 国网陕西省电力公司 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
CN110046213A (zh) * 2018-11-20 2019-07-23 国网陕西省电力公司 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法
CN112086958A (zh) * 2020-07-29 2020-12-15 国家电网公司西南分部 一种基于多步回溯强化学习算法的输电网扩展规划方法
CN112085280A (zh) * 2020-09-11 2020-12-15 东南大学 一种考虑地理因素的输电通道路径优化方法
CN112330068A (zh) * 2020-11-27 2021-02-05 国网江苏省电力有限公司经济技术研究院 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
CN112465247A (zh) * 2020-12-04 2021-03-09 上海电力大学 一种计及地质灾害的输电线路路径选择方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
C. MONTEIRO: "GIS spatial analysis applied to electric line routing optimization", 《 IEEE TRANSACTIONS ON POWER DELIVERY》 *
GHASEM DERAKHSHAN: "Management and operation of electricity distribution networks on geographic information system platform", 《22ND INTERNATIONAL CONFERENCE AND EXHIBITION ON ELECTRICITY DISTRIBUTION (CIRED 2013)》 *
于跃等: "基于GIS的输电线路路径智能优选研究", 《地理空间信息》 *
付仲良等: "GIS技术支持下的电力智能选线", 《测绘地理信息》 *
张强等: "基于优化算法的输电线路路径研究", 《东北电力技术》 *
王刚等: "输电线路路径智能优选研究", 《电力勘测设计》 *
王庆斌等: "基于改进粒子群算法的输电线路路径规划研究", 《广东电力》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210390650A1 (en) * 2020-06-15 2021-12-16 Arizona Board Of Regents On Behalf Of Arizona State University Method and apparatus for voter precinct optimization
US11763404B2 (en) * 2020-06-15 2023-09-19 Arizona Board Of Regents On Behalf Of Arizona State University Systems, methods, and apparatuses for implementing a geo-demographic zoning optimization engine
CN116629478A (zh) * 2023-05-30 2023-08-22 泰州敬道电力工程有限公司 一种基于gis技术的供电线路规划优化方法及系统

Similar Documents

Publication Publication Date Title
Monteiro et al. GIS spatial analysis applied to electric line routing optimization
Pu et al. Mountain railway alignment optimization using stepwise & hybrid particle swarm optimization incorporating genetic operators
Kang et al. Optimisation of pipeline route in the presence of obstacles based on a least cost path algorithm and laplacian smoothing
Jong et al. An evolutionary model for simultaneously optimizing three-dimensional highway alignments
De Smith Determination of gradient and curvature constrained optimal paths
KR101548647B1 (ko) 3차원 지형정보 가시화 프로세서 및 그 동작방법
CN113256011A (zh) 基于gis多目标动态规划技术的输电线路智能选线方法
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
Yagoub et al. Prediction of land cover change using Markov and cellular automata models: case of Al-Ain, UAE, 1992-2030
CN107092978B (zh) 一种面向虚拟地球的最短路径分层规划方法
CN108053060B (zh) 一种基于风电场场内道路自动选线的升压站选址系统及选址方法
CN104200044A (zh) 一种基于gis的三维输电线路路径选择方法
CN106127855B (zh) 一种海量路网实时精细化三维模型的渲染方法
CN112328722B (zh) 电力变电站三维gis和模型数据快速加载方法和系统
Ficzere et al. Time–space analysis of transport system using different mapping methods
CN114659530A (zh) 用于智能机器人路径规划的网格模型地图构建方法
CN113706715B (zh) 一种随机可控城市生成方法
Ai et al. A map generalization model based on algebra mapping transformation
CN116933607B (zh) 一种矿山资源模型的创建方法、装置、设备及存储介质
CN113987969A (zh) 多高程尺度水流网的陆地水动态仿真模型
CN113704945B (zh) 管网道路的关联分析方法及装置、存储介质、电子设备
CN114419877B (zh) 基于道路特征的车辆轨迹预测数据处理方法和装置
Peng et al. Key technologies for an urban overland flow simulation system to support what-if analysis
CN110672100B (zh) 基于多分辨率的快速地形路径规划并行化方法
Ghusti et al. Substation placement optimization method using Delaunay Triangulation Algorithm and Voronoi Diagram in East Java case study

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: 20210813

RJ01 Rejection of invention patent application after publication