CN114186718A - 一种基于卫星影像的输变电工程智能管理方法及系统 - Google Patents

一种基于卫星影像的输变电工程智能管理方法及系统 Download PDF

Info

Publication number
CN114186718A
CN114186718A CN202111391889.7A CN202111391889A CN114186718A CN 114186718 A CN114186718 A CN 114186718A CN 202111391889 A CN202111391889 A CN 202111391889A CN 114186718 A CN114186718 A CN 114186718A
Authority
CN
China
Prior art keywords
power transmission
node
data
transformation project
management method
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
CN202111391889.7A
Other languages
English (en)
Inventor
杨珂
王立
杨世平
王斌
刘影
彭军
汪玉翔
张裕
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202111391889.7A priority Critical patent/CN114186718A/zh
Publication of CN114186718A publication Critical patent/CN114186718A/zh
Pending legal-status Critical Current

Links

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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (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

本发明公开了一种基于卫星影像的输变电工程智能管理方法及系统，包括：利用数据采集模块采集输变电工程的空间与地理信息并进行数据预处理；利用算法应用模块对数据预处理后的数据进行计算求解出相应区域的最优位置；将求解出的最优位置传递给人机交互模块，通过人机交互模块呈现出的可视化界面得到合理的方案。本发明将输电线路管理方法及系统的各种功能进行细分和层次化，是一套面向可视化输电线路管理、具有高重用度的软件体系结构，克服了现有输变电工程选线选址费时费力、规划结果不现实的不足，高效地为输变电工程站址、线路路径分别智能推荐2个及以上方案，实现工程项目经济性辅助决策，有效的指导电网规划工作。

Description

一种基于卫星影像的输变电工程智能管理方法及系统
技术领域
本发明涉及电网规划的技术领域，尤其涉及一种基于卫星影像的输变电工程智能管理方法及系统。
背景技术
输变电工程选线选址是电网规划的重要环节，直接影响到规划区域电网的结构、投资及运行的经济性与可靠性。电网规划是一项规模大、涉及领域多且不确定因素多的工程系统。传统的输变电工程规划主要靠人工经验和实地踏勘进行判断，工作量大、工期长，大部分规划人员缺乏系统性的优化理念，随着电网建设的快速发展，电网架构越来越复杂，传统的规划作业模式，越来越不能满足现代电网建设的要求。因此，科学合理的输变电工程选线选址是关系到规划区域未来可持续发展的重要问题。
传统基于粒子群、遗传算法等智能算法的输变电工程规划方法由于没有考虑地理因素，规划结果较粗糙。现代的高分二号卫星影像数据允许输变电工程规划技术在多元海量异构地理信息数据的基础上进行。对于输变电工程规划来说，是否建立在一个合适的位置，对于节约能源，提升公司的经济效益、减少损耗都息息相关。需确定所处位置是否为敏感区域，然后并结合输变电工程建设区域市政府建设用地规划确定最终输变电工程的建设地址。充分研究输变电工程选址问题，不仅能够在规划前期对于输变电工程建设的经济性以及各方面合理性进行较为科学的理论论证，还可以加深规划人员的工程经验与提高决策者的工程决断能力，对于提高工程的水平，不论是硬实力还是软实力，都有重大的意义。面对纵横交错的电网分布、日益复杂的电力设施、时刻变化的电网信息、不断变迁的城市道路与建筑，尤其是电网中许多与空间位置有关的数据，如何在需要的时候迅速准确地掌握完整的相关信息，如何将各种地理空间数据、电力系统属性数据、相关设备地理空间分布等信息进行统一管理，是解决这一重要问题的关键。
在电网建设规模不断扩大及电网信息化快速发展的背景下，这些新型技术的发展和成熟为实现输变电工程前期智能辅助决策提供了技术基础。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：传统的输变电工程规划靠人工经验和实地踏勘进行判断，工作量大、工期长，大部分规划人员缺乏系统性的优化理念，随着电网建设的快速发展，电网架构越来越复杂，传统的规划作业模式越来越不能满足现代电网建设的要求。传统基于粒子群、遗传算法的智能算法不能考虑输变电工程规划方法的地理因素，规划结果粗糙。
为解决上述技术问题，本发明提供如下技术方案：利用数据采集模块采集输变电工程的空间与地理信息并进行数据预处理；利用算法应用模块对数据预处理后的数据进行计算求解出相应区域的最优位置；将求解出相应区域的最优位置传递给人机交互模块，通过所述的人机交互模块呈现出的可视化界面得到合理的方案。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述数据采集模块采集的信息包括，地形地貌数据、影像数据、影像坐标信息数据、影像投影信息数据，PHOTO数据表、遥感影像实例属性信息及SMPIMG数据表、反映地面照片和遥感影像实例对应关系的PHOTO＿IMG关系表。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述数据预处理包括，采用几何纠正技术，建立严格轨道参数模型，对所述数据进行精度与准确度校正。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述算法应用模块的求解步骤包括，选择阶段：从根节点A0开始，根据节点选择下一个需扩展的点A1，确定树的生长方向，每一步A1展开，若有一步A1未展开，游戏结束；当每个A1被扩展时，完成A0的搜索，通过比较每个A1节点的累计得分，选择最大的A1进行下一次搜索；如果A1未扩展，则在剩余的A1中随机选取一个节点进行扩展，当A0博弈结束时，节点直接从所述节点反向传播，更新父节点的节点累计得分；拓展阶段：选择完成后，如果A1没有终止节点，则根据当前可选动作展开A1的子节点A2；模拟阶段：给新节点A2分配分数，所述A2开始到结束随机进行游戏，游戏结束作为A2得分的基础；反向传播：当A2的模拟游戏结束时，A2的所有父节点根据游戏结果更新其累计节点分数；如果A2为游戏结束，根据结束得到的结果更新每个父节点的累计得分。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：利用蒙特卡洛树搜索策略求解出相应区域的最优位置包括，当前节点受过去影响的结果以及未来可能性的叠加，决策树决定下一步搜索、拓展,使用上限置信区间UCB算法函数；
所述UCB算法函数的公式：
Figure BDA0003364336060000031
其中，Wi是节点累计获胜的次数，Ni是节点累计参与模拟的次数，N是当前待决策根节点参与模拟的次数，也就是其下一步所有子节点参与模拟的次数之和，C是一个可以调整的参数。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：采用所述UCB算法函数评估所述UCT算法在蒙特卡洛树搜索的节点质量包括，所述UCT算法的表达公式为UCT＝MCTS+UCB，UCT的选择过程中，每次都选择UCB值最大、未被探索完全的下层节点，假设有n个未拓展完全的下层节点，则下一个被选择的未拓展完全的下层节点N可表示公式：
Figure BDA0003364336060000032
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：采用所述UCB算法的蒙特卡罗博弈树搜索改进节点，控制搜索范围的方法包括，节点的排序策略；节点的拓展策略；节点的剪枝策略。
作为本发明所述的基于卫星影像的输变电工程智能管理方法，其特征在于：人机交互模块所展示的内容包括，输变电工程建设消耗；负荷点和负荷中心的位置；环境影响与影响环境因素；交通便利因素。
为解决上述技术问题，本发明还提供了一种基于卫星影像的输变电工程智能管理系统：数据采集模块，所述的数据采集模块用于采集输变电工程的空间与地理信息并进行数据预处理；算法应用模块与所述数据采集模块相连接，用于对数据预处理后的数据进行计算求解出相应区域的最优位置；人机交互模块与所述算法应用模块相连接，所述人机交互模块通过可视化界面展示所述算法应用模块求解出的相应区域的最优位置。
本发明的有益效果：本发明提供了一种基于卫星影像的输变电工程智能管理方法及系统，将输电线路管理系统的各种功能进行细分和层次化，是一套面向可视化输电线路管理、具有高重用度的软件体系结构。本发明克服了现有输变电工程选线选址费时费力、规划结果不现实的不足，能够高效地为输变电工程站址、线路路径分别智能推荐2个及以上方案，实现工程项目经济性辅助决策，能够有效的指导电网规划工作。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于卫星影像的输变电工程智能管理方法及系统的基础架构示意图；
图2为本发明一个实施例提供的一种基于卫星影像的输变电工程智能管理方法及系统的流程及实施方式示意图；
图3为本发明一个实施例提供的一种基于卫星影像的输变电工程智能管理方法及系统的影像解译数据整理方法模型示意图；
图4为本发明一个实施例提供的一种基于卫星影像的输变电工程智能管理方法及系统的变电站选址的结果展示示意图；
图5为本发明一个实施例提供的一种基于卫星影像的输变电工程智能管理方法及系统的模块结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
在电网建设规模不断扩大以及电网信息化快速发展的背景下，综合考虑电网规划业务发展方向，需要基于GIS技术、大数据技术、人工智能技术等新型信息技术，整合各专业信息资源、深入挖掘数据潜在价值，实现输变电工程智能、高效的选线选址。
GIS技术具有数据采集管理与存储功能，可结合地理、电力、计算机等领域为电网规划提供数据支持。GIS技术拥有强大的空间数据查询与空间分析能力，面对复杂的电网架构，可完成电网的空间定位及动态分析，为前期电网规划提供决策支持，有利于科学管理空间能量分布，提高规划效率。
人工智能技术能够搜集、处置并且反馈部分信息。在输变电工程选线选址中运用人工智能技术，其设计、决策、评价过程会愈加优质和高效，可在一定程度上实现智能自主化。该技术的应用能够有效提高选址工作的科学性和有效性，同时有助于提高输变电工程选址的综合决策量化水平。
参照图1～3，为本发明的一个实施例，提供了一种基于卫星影像的输变电工程智能管理方法，包括：
S1：利用数据采集模块100采集输变电工程的空间与地理信息并进行数据预处理。
需要说明的是，数据处理模块100通过高分二号影像获取输变电工程的空间与地理信息，数据预处理采用几何纠正技术，建立严格轨道参数模型，并将得到的数据进行精度与准确度校正；
高分二号卫星的设计包括：亚米级、大幅宽成像技术，宽覆盖、高重访率轨道优化设计，高稳定度快速姿态侧摆机动控制技术，图像高定位精度设计，图像高辐射质量设计，影像解译技术包括：
表1：影像判读方法。
Figure BDA0003364336060000061
Figure BDA0003364336060000071
数据采集模块100采集的信息包括：地形地貌数据、影像数据、影像坐标信息数据、影像投影信息数据，PHOTO数据表、遥感影像实例属性信息及SMPIMG数据表、反映地面照片和遥感影像实例对应关系的PHOTO＿IMG关系表。
S2：利用算法应用模块200对数据预处理后的数据进行计算求解出相应区域的最优位置。
需要说明的是，算法应用模块200使用MCTS算法应用于输变电工程选址，蒙特卡罗方法是概率统计的随机模拟方法，通过大量的重复随机实验，从实验结果中推断出一个估计的随机变量；
算法应用模块200的求解步骤包括：
选择阶段：从根节点A0开始，根据节点选择下一个需扩展的点A1，确定树的生长方向，每一步A1展开，若有一步A1未展开，游戏结束；当每个A1被扩展时，完成A0的搜索，通过比较每个A1节点的累计得分，选择最大的A1进行下一次搜索；如果A1未扩展，则在剩余的A1中随机选取一个节点进行扩展，当A0博弈结束时，节点直接从所述节点反向传播，更新父节点的节点累计得分；
拓展阶段：选择完成后，如果A1没有终止节点，则根据当前可选动作展开A1的子节点A2；
模拟阶段：给新节点A2分配分数，所述A2开始到结束随机进行游戏，游戏结束作为A2得分的基础；
反向传播：当A2的模拟游戏结束时，A2的所有父节点根据游戏结果更新其累计节点分数；如果A2为游戏结束，根据结束得到的结果更新每个父节点的累计得分。
S3：利用蒙特卡洛树搜索策略求解出相应区域的最优位置。
需要说明的是，将蒙特卡罗方法应用于博弈树，产生蒙特卡罗树搜索，玩家有秩序的在动态博弈中行动，按顺序发展玩家的每个行动树状图；
当决策数为N时，在2^N空间中进行启发式搜索，根据搜索结果的反馈找到最优树结构，开始一个蒙特卡罗树搜索时，搜索树只有一个根节点，搜索树中的每个节点包含三条信息：当前情况、该节点被访问的次数、该节点的累计得分；
当前的访问节点数和节点得分决定了树的搜索方向，当前节点受过去的影响结果以及未来的可能性叠加决定下一步搜索、拓展，使用上限置信区间UCB算法函数：
Figure BDA0003364336060000081
其中，Wi是节点累计获胜的次数，Ni是节点累计参与模拟的次数，N是当前待决策根节点参与模拟的次数，也就是其下一步所有子节点参与模拟的次数之和，C是一个可以调整的参数。
S4：采用UCB算法函数评估UCT算法在蒙特卡洛树搜索时的节点质量。
需要说明的是，节点评估函数公式利用已有知识和探索未知节点组成，利用和探索的平衡由C的大小决定，C大偏重于未知节点的探索，C小则偏重已有知识的利用；当C取1.96时，置信区间的置信度达到95％；
UCT算法即上限置信界算法，采用UCB算法函数评估UCT算法在蒙特卡洛树搜索时的节点质量，UCT算法的表达公式为UCT＝MCTS+UCB，UCT的选择过程中，每次都选择UCB值最大、未被探索完全的下层节点，假设有n个未拓展完全的下层节点，则下一个被选择的未拓展完全的下层节点N可表示公式：
Figure BDA0003364336060000082
S5：采用UCB算法的蒙特卡罗博弈树搜索改进节点，控制搜索范围。
需要说明的是，根据S3～S4求解出的相应区域最优位置节约遍历树的时间，保证搜索到好的节点；
节点的排序策略：围棋每一步的思考时间是有限的，输变电工程选址的思考时间可长于围棋选择着点的思考时间，将输变电工程选址的决策时间控制在短的时间内；UCT算法的遍历树时间是有限的，叶节点的访问次数也是有限的；同一层次中，排在前面的点比排在后面的节点容易被访问到，将获胜概率更高的点排在前面，缩短搜索时间；
节点的拓展策略：在UCT算法中，一次性拓展所有的节点容易造成空间与时间的浪费，在节点被访问次数达到一定指标后，再拓展节点；
节点的剪枝策略：在UCT算法中，对博弈树进行剪枝来排除表现不好的节点，以节约空间，提高搜索准确性，提高搜索速度的目的；
在蒙特卡洛树搜索的输变电工程的选址方法中，要根据实际可行情况来对节点的拓展进行改进，选择适应输变电工程选址方法的拓展策略。
S6：将求解出相应区域的最优位置传递给人机交互模块300，通过人机交互模块300呈现出的可视化界面得到合理的方案。
需要说明的是，人机交互模块300所展示的内容包括：
输变电工程建设消耗：在单个输变电工程选址的情况下，由输变电工程容量确定，输变电工程建设消耗是恒定的；在多个输变电工程选址的情况下，需计算待建输变电工程数量和容量的组合；
负荷点和负荷中心的位置：与输变电工程选址相关，影响输变电工程进出线的分布和输变电工程的经济性，结合输变电工程年运行损耗，用传统数学模型评估，对每个点的经济性进行打分，所需花费越多的地点，选址分数越低；输变电工程选址倾向于综合投资低，输变电工程综合经济性因素所占权重高于地区差异所占的权重。
环境影响与影响环境因素：不可建设点将分数权重置零，如居民居住区、环境保护区距离不可着点越近，选址分数应该越低，且建筑物内部分数置零。
交通便利因素：根据交通条件，由远至近增大分数权重，与其他影响因素叠加评估，且交通线路上的分数置零。
本发明将输电线路管理系统的各种功能进行细分和层次化，是一套面向可视化输电线路管理、具有高重用度的软件体，克服了现有输变电工程选线选址费时费力、规划结果不现实的不足，能够高效地为输变电工程站址、线路路径分别智能推荐2个及以上方案，实现工程项目经济性辅助决策，能够有效的指导电网规划工作。
实施例2
参照图4为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种基于卫星影像的输变电工程智能管理方法的验证测试，为对本方法中采用的技术效果加以验证说明，本实施例采用本发明方法进行测试，以科学论证的手段验证本方法所具有的真实效果。
本实施例分为主干公路、环境保护区、居民住宅区和已有变电站几个区域，负荷点用黑点表示，内部线框标示的区域A、B分别为居民住宅区A和居民住宅区B；线段c、d为两条主干公路；线段e为一条河流，河流属于环境保护区；点f表示负荷中心的位置；点P1、P2为已有变电站站址；外界线框标示出了备选区域的边界，具体的变电站选址算法流程如下：
(1)对算例进行分析并根据环境类型进行分区，得到算例分区及负荷点坐标；
(2)根据分区类型，使用层次分析法，基于变电站选址原则对分区的影响力权重进行计算，加入已有变电站的影响权重；
(3)根据算例分区坐标及负荷点坐标，分别计算各个分区赋权后对于环境的影响力；
(4)模拟新建变电站站址，从区域的第一个点开始搜索，对负荷点进行分区，计算并加入负荷点的影响，得到区域选址分数；
(5)将区域外的不可选址点置零；
(6)选择出分数最大的点作为选址结果。
选址结果受各个因素的权重大小影响较大，第一次选址受负荷中心的影响最大，在其他条件允许的情况下接近负荷中心；第二次选址时，由于近负荷中心已有变电站P1，第二次选址在剩下负荷需求较大的地方选择了近公路而离居民区较远的点P2；第三次选址则在前两次选址的影响下，选择了剩下负荷需求较大的区域得到选址结果P3。
本实施例中，当算例中某一因素的权重明显高于其他因素时，选址结果会迅速反映这一点；当对选址结果不满意时，可以调节权重来改变选址结果，以得到选址结果的最优解。
实施例3
参照图5示意为本实施例提出的一种基于卫星影像的输变电工程智能管理系统，上述基于卫星影像的输变电工程智能管理方法能够依托于本系统实现。
具体的，该系统包括数据采集模块100，算法应用模块200，人机交互模块300，其中，数据采集模块100用于采集输变电工程的空间与地理信息并进行数据预处理；算法应用模块200与数据采集模块100相连接，用于对数据预处理后的数据进行计算求解出相应区域的最优位置；人机交互模块300与算法应用模块200相连接，人机交互模块300通过可视化界面展示算法应用模块200求解出的相应区域的最优位置。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于卫星影像的输变电工程智能管理方法，其特征在于，包括：
利用数据采集模块(100)采集输变电工程的空间与地理信息并进行数据预处理；
利用算法应用模块(200)对数据预处理后的数据进行计算求解出相应区域的最优位置；
将求解出相应区域的最优位置传递给人机交互模块(300)，通过所述的人机交互模块(300)呈现出的可视化界面得到合理的方案。
2.如权利要求1所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述数据采集模块(100)采集的信息包括，
地形地貌数据、影像数据、影像坐标信息数据、影像投影信息数据，PHOTO数据表、遥感影像实例属性信息及SMPIMG数据表、反映地面照片和遥感影像实例对应关系的PHOTO＿IMG关系表。
3.如权利要求1所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述数据预处理包括，
采用几何纠正技术，建立严格轨道参数模型，对所述数据进行精度与准确度校正。
4.如权利要求1所述的基于卫星影像的输变电工程智能管理方法，其特征在于：所述算法应用模块(200)的求解步骤包括，
选择阶段：从根节点A0开始，根据节点选择下一个需扩展的点A1，确定树的生长方向，每一步A1展开，若有一步A1未展开，游戏结束；
当每个A1被扩展时，完成A0的搜索，通过比较每个A1节点的累计得分，选择最大的A1进行下一次搜索；
如果A1未扩展，则在剩余的A1中随机选取一个节点进行扩展，当A0博弈结束时，节点直接从所述节点反向传播，更新父节点的节点累计得分；
拓展阶段：选择完成后，如果A1没有终止节点，则根据当前可选动作展开A1的子节点A2；
模拟阶段：给新节点A2分配分数，所述A2开始到结束随机进行游戏，游戏结束作为A2得分的基础；
反向传播：当A2的模拟游戏结束时，A2的所有父节点根据游戏结果更新其累计节点分数；
如果A2为游戏结束，根据结束得到的结果更新每个父节点的累计得分。
5.如权利要求4所述的基于卫星影像的输变电工程智能管理方法，其特征在于：利用蒙特卡洛树搜索策略求解出相应区域的最优位置包括，
当前节点受过去影响的结果以及未来可能性的叠加，决策树决定下一步搜索、拓展,使用上限置信区间UCB算法函数；
所述UCB算法函数的公式：
Figure FDA0003364336050000021
其中，Wi是节点累计获胜的次数，Ni是节点累计参与模拟的次数，N是当前待决策根节点参与模拟的次数，也就是其下一步所有子节点参与模拟的次数之和，C是一个可以调整的参数。
6.如权利要4所述的基于卫星影像的输变电工程智能管理方法，其特征在于：采用所述UCB算法函数评估所述UCT算法在蒙特卡洛树搜索的节点质量包括，
所述UCT算法的表达公式为UCT＝MCTS+UCB，UCT的选择过程中，每次都选择UCB值最大、未被探索完全的下层节点，假设有n个未拓展完全的下层节点，则下一个被选择的未拓展完全的下层节点N可表示公式：
Figure FDA0003364336050000022
7.如权利要求4所述的基于卫星影像的输变电工程智能管理方法，其特征在于：采用所述UCB算法的蒙特卡罗博弈树搜索改进节点，控制搜索范围的方法包括，
节点的排序策略；
节点的拓展策略；
节点的剪枝策略。
8.如权利要求1所述的基于卫星影像的输变电工程智能管理方法，其特征在于：人机交互模块(300)所展示的内容包括，
输变电工程建设消耗；
负荷点和负荷中心的位置；
环境影响与影响环境因素；
交通便利因素。
9.一种基于卫星影像的输变电工程智能管理系统，其特征在于，包括：
数据采集模块(100)，所述的数据采集模块(100)用于采集输变电工程的空间与地理信息并进行数据预处理；
算法应用模块(200)与所述数据采集模块(100)相连接，用于对数据预处理后的数据进行计算求解出相应区域的最优位置；
人机交互模块(300)与所述算法应用模块(200)相连接，所述人机交互模块(300)通过可视化界面展示所述算法应用模块(200)求解出的相应区域的最优位置。
CN202111391889.7A 2021-11-19 2021-11-19 一种基于卫星影像的输变电工程智能管理方法及系统 Pending CN114186718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111391889.7A CN114186718A (zh) 2021-11-19 2021-11-19 一种基于卫星影像的输变电工程智能管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111391889.7A CN114186718A (zh) 2021-11-19 2021-11-19 一种基于卫星影像的输变电工程智能管理方法及系统

Publications (1)

Publication Number Publication Date
CN114186718A true CN114186718A (zh) 2022-03-15

Family

ID=80541201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111391889.7A Pending CN114186718A (zh) 2021-11-19 2021-11-19 一种基于卫星影像的输变电工程智能管理方法及系统

Country Status (1)

Country Link
CN (1) CN114186718A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107050839A (zh) * 2017-04-14 2017-08-18 安徽大学 基于uct算法的亚马逊棋机器博弈系统
WO2019242657A1 (zh) * 2018-06-19 2019-12-26 清华大学 微电网重构方法、装置、微电网保护控制中心和存储介质
CN111967636A (zh) * 2020-06-08 2020-11-20 北京大学 用于辅助决策配电网维修策略的系统和方法
CN113051755A (zh) * 2021-03-23 2021-06-29 广东电网有限责任公司 一种可划分地域的配电网运行可靠性判断的方法及系统
CN113609746A (zh) * 2021-05-11 2021-11-05 四川大学 基于蒙特卡洛树搜索及强化学习算法的配电网规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107050839A (zh) * 2017-04-14 2017-08-18 安徽大学 基于uct算法的亚马逊棋机器博弈系统
WO2019242657A1 (zh) * 2018-06-19 2019-12-26 清华大学 微电网重构方法、装置、微电网保护控制中心和存储介质
CN111967636A (zh) * 2020-06-08 2020-11-20 北京大学 用于辅助决策配电网维修策略的系统和方法
CN113051755A (zh) * 2021-03-23 2021-06-29 广东电网有限责任公司 一种可划分地域的配电网运行可靠性判断的方法及系统
CN113609746A (zh) * 2021-05-11 2021-11-05 四川大学 基于蒙特卡洛树搜索及强化学习算法的配电网规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张小川;王宛宛;彭丽蓉;: "一种军棋机器博弈的多棋子协同博弈方法", 智能系统学报, no. 02, pages 399 - 404 *
邹婧怡: "基于胜负评估地图与MCTS的变电站选址方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 1, 15 January 2022 (2022-01-15), pages 042 - 1422 *

Similar Documents

Publication Publication Date Title
Xiong et al. Multi-LOD seismic-damage simulation of urban buildings and case study in Beijing CBD
Chen et al. The α-reliable path problem in stochastic road networks with link correlations: A moment-matching-based path finding algorithm
CN104008241B (zh) 一种输电线路多窗口联动选线、排塔定位系统及方法
CN1987906A (zh) 土地利用变化动态预测的方法
CN110569580B (zh) 城市街道空间活力模拟方法、系统、计算机设备及介质
CN103336894B (zh) 一种城市容积率自动分区方法
CN101419623B (zh) 地理模拟优化系统
Luo et al. Analysis of urban ventilation potential using rule-based modeling
CN112945239B (zh) 核电厂房三维寻路导航方法及系统
CN115759499A (zh) 一种基于优化算法的路径规划方法、装置、设备及介质
CN104732091A (zh) 基于自然选择蚁群算法的元胞自动机河床演变预测方法
CN106971087A (zh) 一种基于二次爬山教与学算法的平面度误差评定方法
CN116050689B (zh) 一种广域空间铁路线路智能搜索方法、系统、终端及介质
Aguilar et al. On the performance and scalability of an HPC enhanced multi agent system based evacuation simulator
Liu et al. Warehouse-oriented optimal path planning for autonomous mobile fire-fighting robots
Zaraza et al. Generative design to reduce embodied GHG emissions of high-rise buildings
Al Qeisi et al. Generative Urban Design Concepts and Methods: A Research Review
Cosido et al. Automatic calculation of bicycle routes by combining meta-heuristics and GIS techniques within the framework of smart cities
Wang et al. Areawide dynamic traffic noise simulation in urban built-up area using beam tracing approach
Sharifzadegan et al. Assessing the strategic plan of Tehran by sustainable development approach, using the method of “Strategic Environmental Assessment (SEA)”
CN114186718A (zh) 一种基于卫星影像的输变电工程智能管理方法及系统
Wang et al. A decision-making model of development intensity based on similarity relationship between land attributes intervened by urban design
CN116415748A (zh) 基于三维数字化融合数据的输变电智能规划方法及系统
Xu et al. Research on Collaborative Optimization Model of Tourism Resources and Highway Network Based on IoT Network and Deep Learning
CN114613159A (zh) 基于深度强化学习的交通信号灯控制方法、装置及设备

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