CN114217609A - 一种满足多约束条件的电网线路走廊带智能划分方法 - Google Patents
一种满足多约束条件的电网线路走廊带智能划分方法 Download PDFInfo
- Publication number
- CN114217609A CN114217609A CN202111423118.1A CN202111423118A CN114217609A CN 114217609 A CN114217609 A CN 114217609A CN 202111423118 A CN202111423118 A CN 202111423118A CN 114217609 A CN114217609 A CN 114217609A
- Authority
- CN
- China
- Prior art keywords
- grid
- path
- matrix
- power grid
- ant
- 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 70
- 238000000638 solvent extraction Methods 0.000 title description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 62
- 239000003016 pheromone Substances 0.000 claims description 39
- 241000257303 Hymenoptera Species 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 239000004927 clay Substances 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000013278 delphi method Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 4
- 238000010276 construction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种满足多约束条件的电网线路走廊带智能划分方法，包括：将起止点之间的预设区域作为线路规划范围，根据线路路径规划的业务特点对空间区域进行网格化分割；基于综合线路路径规划的因素及约束条件将区域数据划分为价值域单元；构建评价体系模型，根据指定区块的价值域划分结果，针对输电线路走廊规划的影响要素进行价值域综合评分；通过智能路径规划‑蚁群算法计算确定电网线路走廊初始最优路径，结合空间地理位置信息和影响因素表现形式综合分析得到所述电网线路走廊最佳路径。本发明无需人工干预，自动形成线路路径，作为参考方案，辅助设计人员高效准确地选择出最优线路路径设计方案，提升设计效率和质量。
Description
技术领域
本发明涉及路径规划的技术领域，尤其涉及一种满足多约束条件的电网线路走廊带智能划分方法。
背景技术
架空线路的路径选择除了需要统筹技术要求、施工难度、运维难度、交通条件、运行工况、路径长度等因素外，还要与城市及用地总体规划相匹配。随着社会发展及城市化程度不断提高，土地供应紧张的矛盾也越发突出，以上因素均在一定程度上压缩了输电线路走廊的布置空间，路径走廊带的划分也越来越困难，工作越来越繁琐。
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：随着社会发展及城市化程度不断提高，土地供应紧张的矛盾也越发突出，影响路径选择的因素均在一定程度上压缩了输电线路走廊的布置空间，路径走廊带的划分也越来越困难，工作越来越繁琐。
为解决上述技术问题，本发明提供如下技术方案：将起止点之间的预设区域作为线路规划范围，根据线路路径规划的业务特点对空间区域进行网格化分割；基于综合线路路径规划的因素及约束条件将区域数据划分为价值域单元；构建评价体系模型，根据指定区块的价值域划分结果，针对输电线路走廊规划的影响要素进行价值域综合评分；通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径，结合空间地理位置信息和影响因素表现形式综合分析得到所述电网线路走廊最佳路径。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：所述约束条件包括，地形：陡坡、悬崖峭壁、滑坡、崩塌区，计分值策略：坡度0°-5°为10分，5°-15°为8分，15°-30°为5分，30°以上为2分；土地性质及其计分值策略：普通区域为10分，冰区、舞动区的可穿越的区域为8分，交叉跨越物为6分，居民区为3分，自然保护区、风景名胜区、军事区为0分；地质及其计分值策略：粘土为9分，黄土为8分，砂岩为7分，粉土为5分，沙土为3分；交通便利性及其计分值策略：由近到远为9-2分。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：所述因素及约束条件的权重计算策略包括，采用Delphi法，由专家对在上层准则影响下同一层次的指标进行两两重要性比较，并利用三角模糊数构造模糊判断矩阵，利用所述模糊判断矩阵A确定各因素的权重：
其中，n为每个指标层中因素的个数，矩阵中aij＝(lij，mij，uij)为三角模糊数，代表指标Ci相对于指标Cj的重要程度，lij和uij分别为下界和上届，mij为lij和uij的中值，矩阵中aij＝(1/lij,1/mij,1/lij)为对应的逆三角模糊数，所构造的三角模糊数取值依据1-9标度法。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：所述模糊判断矩阵计算过程包括，对判断矩阵构造模糊评价因子矩阵E，计算公式如下：
其中，
为标准利差率，其值反映了专家评判的模糊程度，sij越大，模糊程度越大，反之，模糊程度越小；
计算调整判断矩阵Q，下式中矩阵M为判断矩阵中所有三角模糊数中值mij组成的矩阵。
将所述调整判断矩阵Q按列转换成对角线为1的判断矩阵，记为判断矩阵P，则P＝(pij)n×n,且满足pij＝1/pji；
用相容矩阵分析法对矩阵P进行变换，得相容矩阵R＝(rij)n×n，R满足一致性条件rij＝rik.rkj(k＝1,2,...,n)，且rii＝1,rij＝1/rji，rij按下式进行计算：
利用下式计算评估指标在本层次得权重ωi：
对准则层中所有准则同样采取该方法求得相应准则的权重，根据求得的准则权重及相应准则下的指标权重进行综合权重计算。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：基于模糊层次分析法的构建所述评价体系模型。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径包括，地图信息以及参数初始化；根据地图以及各个区域的划分情况，根据F(j)计算每一个栅格的每个栅格的避障安全度函数，进而根据τ(i,j)(0)初始化信息素；判断是否有蚂蚁未放入地图，若是，将一只蚂蚁放入初始栅格，否则，跳至步骤六；计算启发函数，由
计算基于信息素和多启发因素的转移概率，选择蚂蚁下一步要走的栅格；判断蚂蚁是否走到终点栅格，若是，返回判断是否有蚂蚁未放入地图步骤，否则，返回计算启发函数步骤；计算所有蚂蚁走过的路径的长度Lm(t)、转弯次数Tm(t)及高度均方差Fm(t)，计算综合指标Sm(t)，找出本次迭代的最优路径；比较各次迭代的最优路径，找出当前最优路径；判断是否达到最大迭代次数，若是，则输出当前最优路径，结束算法，否则，继续执行算法；根据τi，j(t+1)和改进的
计算各路径上新增的信息素，进而更新地图的信息素，重置蚂蚁，返回判断是否有蚂蚁未放入地图的步骤。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：还包括，
其中，m表示蚂蚁编号，i表示当前位置标号，j表示待转移的下一位置标号，t表示当前迭代次数，τ表示信息素，η表示启发式函数，α、β分别表示信息素和启发式因素的相对重要性，ai表示标号为i的栅格处可行邻接栅格标号的集合，ρ表示信息素挥发剩余度，Q为信息素常数，两者根据需要进行赋值，Lm为第m只蚂蚁在本次循环中走过的路径总长度，W为蚂蚁总数，
表示第m只蚂蚁在第t次迭代中到第k号栅格为止所访问过的栅格标号的有序集合，k表示目标点的栅格标号。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：还包括，在选择启发式函数时对所述智能路径规划-蚁群算法做了相应的改进：
为了体现目标栅格的吸引度，引入修正距离函数γ(i,j,k)表示为i号栅格的某一相邻栅格j的中心到目标栅格中心的修正距离，根据不同环境位置而变化的修正参数w,u，各个相邻栅格中和目标栅格距离的最大值和最小值为dmax和dmin:
在考虑山区平缓度上，引入了平滑行启发函数r(i,j)，栅格高度矩阵为h，hmax和hmin为相邻栅格中和当前栅格高度差的最大值和最小值，λ、α为高度修正参数：
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：还包括，在曲折度上，曲折平滑性启发常量u，百分比η，表示直行的重要程度，二者根据需要进行赋值，ai表示标号为i的栅格处可行邻接栅格标号的集合表示标号为i的栅格处可行邻接栅格标号的集合，
表示第m只蚂蚁在第t次迭代中到第i号栅格为止所访问过的栅格标号的有序集合，g表示标号为i的栅格的前一个蚂蚁走过的栅格的标号，end-1表示集合中的倒数第二个元素，
表示第m只蚂蚁在第t次迭代中由第g号栅格转移到第i号栅格的转向标号，
表示第m只蚂蚁在第t次迭代中由第i号栅格转移到第j号栅格的转向标号，引入曲折平滑函数为：
为满足最优路径最短、更加平滑的需求，做如下更改：
Sm(t)＝＝xLm(t)+yFm(t)+zTm(t)
其中，Sm(t)为第t次迭代中第m只蚂蚁走过的综合指标，根据综合指标进行信息素分配，指标越小，路径越优，Lm(t)为路径长度，Fm(t)为走过栅格高度的均方差，Tm(t)为转弯次数，x,y,z为各因素的调节系数，根据需要的路径性质进行取值。
作为本发明所述的满足多约束条件的电网线路走廊带智能划分方法的一种优选方案，其中：还包括，为了更好的让所述蚁群算法趋于收敛，改进初始化信息素，以便找到最优的路径，对上述算法改进：
τ(i，j)(0)＝C+F(j)
其中，C为常数，F(j)为避障安全度函数，Cu为补集符号，u为当前栅格的邻接栅格集合。
本发明的有益效果：本发明基于多源海量异构地理信息，考虑各类约束条件，无需人工干预，自动形成线路路径，作为参考方案，辅助设计人员高效准确地选择出最优线路路径设计方案，提升设计效率和质量。
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满足多约束条件的电网线路走廊带智能划分方法的基本流程示意图；
图2为本发明一个实施例提供的一种满足多约束条件的电网线路走廊带智能划分方法的地形示意图
图3为本发明一个实施例提供的一种满足多约束条件的电网线路走廊带智能划分方法的廊道示意图
图4为本发明一个实施例提供的一种满足多约束条件的电网线路走廊带智能划分方法的重冰区避让示意图。
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
参照图1，为本发明的一个实施例，提供了一种满足多约束条件的电网线路走廊带智能划分方法，包括：
S1：将起止点之间的预设区域作为线路规划范围，根据线路路径规划的业务特点对空间区域进行网格化分割。
需要说明的是，基于多源海量异构地理信息的满足多约束条件的电网线路走廊带智能划分方法，是确定线路的起始桩点后，选定一个包含起止桩点的区域范围，在此范围内自动将此地块划分成栅格网状，支持手工设置网格大小，也可以利用元胞自动机模型进行网格的划分。将每个影响线路走廊的因素定义为一种约束条件，以路径空间区域内不同价值域单元等级计算值作为线路走廊优劣的依据，计算路径走廊规划区域所有因素按照权重相加，计分值越高代表线路走廊越优，从而得到分数最高即最优的线路走廊方案，将线路路径结果数据按线路前进方向加载并渲染三维场景中。
S2：基于综合线路路径规划的因素及约束条件将区域数据划分为价值域单元。
需要说明的是，约束条件包括：
地形：陡坡、悬崖峭壁、滑坡、崩塌区，计分值策略：坡度0°-5°为10分，5°-15°为8分，15°-30°为5分，30°以上为2分；
土地性质及其计分值策略：普通区域为10分，冰区、舞动区的可穿越的区域为8分，交叉跨越物为6分，居民区为3分，自然保护区、风景名胜区、军事区为0分；
地质及其计分值策略：粘土为9分，黄土为8分，砂岩为7分，粉土为5分，沙土为3分；
交通便利性及其计分值策略：由近到远为9-2分。
进一步的，因素及约束条件的权重计算策略包括：
采用Delphi法，由专家对在上层准则影响下同一层次的指标进行两两重要性比较，并利用三角模糊数构造模糊判断矩阵，利用模糊判断矩阵A确定各因素的权重：
其中，n为每个指标层中因素的个数，矩阵中aij＝(lij，mij，uij)为三角模糊数，代表指标Ci相对于指标Cj的重要程度，lij和uij分别为下界和上届，mij为lij和uij的中值，矩阵中aij＝(1/lij,1/mij,1/lij)为对应的逆三角模糊数，所构造的三角模糊数取值依据1-9标度法。
表1：1-9标度法及其含义表。
| 标度 | 含义 |
| 1 | 两元素同等重要 |
| 3 | 前一个元素比后一个元素稍微重要 |
| 5 | 前一个元素比后一个元素明显重要 |
| 7 | 前一个元素比后一个元素强烈重要 |
| 9 | 前一个元素比后一个元素绝对重要 |
| 2,4,6,8 | 上述两个标度的中值 |
进一步的，模糊判断矩阵计算过程包括：
对判断矩阵构造模糊评价因子矩阵E，计算公式如下：
其中，
为标准利差率，其值反映了专家评判的模糊程度，sij越大，模糊程度越大，反之，模糊程度越小；
计算调整判断矩阵Q，下式中矩阵M为判断矩阵中所有三角模糊数中值mij组成的矩阵。
将调整判断矩阵Q按列转换成对角线为1的判断矩阵，记为判断矩阵P，则P＝(pij)n×n,且满足pij＝1/pji；
用相容矩阵分析法对矩阵P进行变换，得相容矩阵R＝(rij)n×n，R满足一致性条件rij＝rik.rkj(k＝1,2,...,n)，且rii＝1,rij＝1/rji，rij按下式进行计算：
利用下式计算评估指标在本层次得权重ωi：
对准则层中所有准则同样采取该方法求得相应准则的权重，根据求得的准则权重及相应准则下的指标权重进行综合权重计算，例如，准则1在总目标的权重为
则n个指标相对于总目标的权重
S3：构建评价体系模型，根据指定区块的价值域划分结果，针对输电线路走廊规划的影响要素进行价值域综合评分。
需要说明的是，基于模糊层次分析法的构建评价体系模型。
具体的，层次分析法(AHP)是由美国著名的运筹学家SATTY教授于20世纪70年代中期提出的一种定性和定量相结合、系统化的、层次化的分析方法。然而，在建立判断矩阵过程中.AHP无法准确考虑人的判断的模糊性和不确定性.同时很难对判断矩阵的一致性作出检验.且检验标准CR<0.1缺乏科学依据。因此，荷兰学者F.J.M.Van Laarhoven和W.Pedrycz提出用三角模糊数表示模糊比较判断的方法，将其与AHP结合，得出指标权重的排序，这使得判断过程和计算结果更加科学可靠，鉴于此，本文通过三角模糊层次分析法来确定各因素的权重，弥补了层次分析法的缺陷，同时解决了模糊信息的处理和计算问题，准确反映主观判断的模糊性，使之更具有科学性。
S4：通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径，结合空间地理位置信息和影响因素表现形式综合分析得到电网线路走廊最佳路径。
需要说明的是，智能路径规划算法-蚁群算法：该算法模拟了自然界蚂蚁群体觅食的行为特征，是一种群智能的并行计算方法，具有较强的鲁棒性和较好的搜索最优解的能力，但也存在搜索效率低，容易陷入局部最优等缺点，在路径规划中本次主要采用受多因素影响的蚁群算法，通过考虑山区的因素，即表现在平缓因素上，对于选线禁区也采用此因素，此外在选线的时候仍会将曲折度列入考量范围，在单位范围内线路越曲折对应后期铁塔性能要求越高，成本也就越高。让蚂蚁已多类信息为基础找到合适的网格，使得搜索的路径在综合多因素的基础上表现为最优，并结合多因素的信息因素更新选线路径，再结合改进的栅格网地图建模发，利用非均匀初始信息素加快算法的收敛，得到最优解的方案。
蚁群算法好比蚂蚁种群要从起始位置出发，到未知位置寻找食物的过程，蚂蚁经过的路径上会留下信息素，以引导后续蚂蚁的前进，决定每只蚂蚁走向的有两个因素，即信息素和局部启发式信息，信息素相当于群体发出的指向信息，路径上信息素越多，越能引导蚂蚁沿该路径行走，而启发式信息则是每只蚂蚁根据自身所处环境进行自我判断的信息，结合个体和群体的信息确定下一步如何转移。
具体的，通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径包括：
(1)地图信息以及参数初始化；
(2)根据地图以及各个区域的划分情况，根据F(j)计算每一个栅格的每个栅格的避障安全度函数，进而根据τ(i,j)(0)初始化信息素；
(3)判断是否有蚂蚁未放入地图，若是，将一只蚂蚁放入初始栅格，否则，跳至步骤六；
(4)计算启发函数，由
计算基于信息素和多启发因素的转移概率，选择蚂蚁下一步要走的栅格；
(5)判断蚂蚁是否走到终点栅格，若是，返回步骤(3)，否则，返回步骤(4)；
(6)计算所有蚂蚁走过的路径的长度Lm(t)、转弯次数Tm(t)及高度均方差Fm(t)，计算综合指标Sm(t)，找出本次迭代的最优路径。
(7)比较各次迭代的最优路径，找出当前最优路径；
(8)判断是否达到最大迭代次数，若是，则输出当前最优路径，结束算法，否则，继续执行算法；
(9)根据τi，j(t+1)和改进的
计算各路径上新增的信息素，进而更新地图的信息素，重置蚂蚁，返回步骤(3)。
更加具体的：
其中，m表示蚂蚁编号，i表示当前位置标号，j表示待转移的下一位置标号，t表示当前迭代次数，τ表示信息素，η表示启发式函数，α、β分别表示信息素和启发式因素的相对重要性，ai表示标号为i的栅格处可行邻接栅格标号的集合，ρ表示信息素挥发剩余度，Q为信息素常数，两者根据需要进行赋值，Lm为第m只蚂蚁在本次循环中走过的路径总长度，W为蚂蚁总数，
表示第m只蚂蚁在第t次迭代中到第k号栅格为止所访问过的栅格标号的有序集合，k表示目标点的栅格标号。
在算法前期，蚂蚁运动是非常混乱，进而会影响后期算法的收敛速度，在选择启发式函数时对智能路径规划-蚁群算法做了相应的改进：
在考虑最短路程上，即为当前栅格的各个相邻栅格中心到目标栅格中心的欧式距离，为了体现目标栅格的吸引度，引入修正距离函数γ(i,j,k)表示为i号栅格的某一相邻栅格j的中心到目标栅格中心的修正距离，根据不同环境位置而变化的修正参数w,u，各个相邻栅格中和目标栅格距离的最大值和最小值为dmax和dmin:
在考虑山区平缓度上，引入了平滑行启发函数r(i,j)，栅格高度矩阵为h，hmax和hmin为相邻栅格中和当前栅格高度差的最大值和最小值，λ、α为高度修正参数：
在曲折度上，曲折平滑性启发常量u，百分比η，表示直行的重要程度，二者根据需要进行赋值，αi表示标号为i的栅格处可行邻接栅格标号的集合表示标号为i的栅格处可行邻接栅格标号的集合，
表示第m只蚂蚁在第t次迭代中到第i号栅格为止所访问过的栅格标号的有序集合，g表示标号为i的栅格的前一个蚂蚁走过的栅格的标号，end-1表示集合中的倒数第二个元素，
表示第m只蚂蚁在第t次迭代中由第g号栅格转移到第i号栅格的转向标号，
表示第m只蚂蚁在第t次迭代中由第i号栅格转移到第j号栅格的转向标号，引入曲折平滑函数为：
在信息素上，传统的信息素更新方式为蚁周模型，实际上最优路径不但要求路径最短，而且需要更加平滑，做如下更改：
Sm(t)＝＝xLm(t)+yFm(t)+zTm(t)
其中，Sm(t)为第t次迭代中第m只蚂蚁走过的综合指标，根据综合指标进行信息素分配，指标越小，路径越优，Lm(t)为路径长度，Fm(t)为走过栅格高度的均方差，Tm(t)为转弯次数，x,y,z为各因素的调节系数，根据需要的路径性质进行取值。
为了更好的让蚁群算法趋于收敛，改进初始化信息素，以便找到最优的路径，对上述算法改进：
τ(i，j)(0)＝C+F(j)
其中，C为常数，F(j)为避障安全度函数，Cu为补集符号，u为当前栅格的邻接栅格集合。
该函数用于计算转移栅格的邻接障碍栅格个数的倒数，即转移栅格离障碍物越近，该路线的初始信息素越小，反之就越大，从而能快速指导蚂蚁行进和避障，防止蚂蚁走入死路，避免蚂蚁走向错误的路线，加快算法收敛速度。
针对可穿越区按重冰区或强舞动区到普通区域细分级别上，在智能路径规划算法中采用蚁群算法，将对应的禁区平滑因素引入，即改变r(i，j)对应的参数数值，对于设置的区域等级，设置η数值，即可得到对应的最优方案。
实施例2
参照图2～4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，提供了一种满足多约束条件的电网线路走廊带智能划分方法的验证测试，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对比测试，以科学论证的手段验证本方法所具有的真实效果。
本实施例以西南贵州地区为例构建模型，如图2所示，现将研究区域规则网格化成244*201的平面网格，如图3所示，网格即为元胞自动机模型的各个元胞，研究区域纵向距离为290km，横向距离为238km，元胞自动机模拟的单元划分需要栅格数据与之对应，则需利用ArcGIS对基础矢量地图进行栅格化处理，以便于后续模型的建立，并利用ArcGIS一一建立上述12个影响因素的图层，最后只需将量化后的评价指标，按照空间上一一对应分别赋值给各个元胞网格，即可通过相应运算规则对线路成本进行计算。
从图2～3所示的实验结果可以看出实验结果和理论分析具有较高的吻合性，证明了此方法用于构建输电线路径优选模型，具有一定的可行性，从方格的前后左右按照起点到终点的大致方向选择一个最优的方格作为下一步线路路径，如图3所示，所用方法可以清晰的规划出一条准确的路径，对于加油站、河流等地物做到了有效避让，喀斯特溶洞和悬崖边缘等地形做到了选择局部平缓地区通行，降低了施工成本提高了安全性，关于重冰区则选择覆冰较薄的地区通行，交叉跨域位置主要考虑施工成本和施工安全做到了施工经济安全，为了降低线路长度，做到了减少线路转角等，如上图4显示了尽可能使线路短转角少又能避开所有重冰区避让情况。
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 (10)
1.一种满足多约束条件的电网线路走廊带智能划分方法，其特征在于，包括：
将起止点之间的预设区域作为线路规划范围，根据线路路径规划的业务特点对空间区域进行网格化分割；
基于综合线路路径规划的因素及约束条件将区域数据划分为价值域单元；
构建评价体系模型，根据指定区块的价值域划分结果，针对输电线路走廊规划的影响要素进行价值域综合评分；
通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径，结合空间地理位置信息和影响因素表现形式综合分析得到所述电网线路走廊最佳路径。
2.如权利要求1所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：所述约束条件包括，
地形：陡坡、悬崖峭壁、滑坡、崩塌区，计分值策略：坡度0°-5°为10分，5°-15°为8分，15°-30°为5分，30°以上为2分；
土地性质及其计分值策略：普通区域为10分，冰区、舞动区的可穿越的区域为8分，交叉跨越物为6分，居民区为3分，自然保护区、风景名胜区、军事区为0分；
地质及其计分值策略：粘土为9分，黄土为8分，砂岩为7分，粉土为5分，沙土为3分；
交通便利性及其计分值策略：由近到远为9-2分。
3.如权利要求1或2所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：所述因素及约束条件的权重计算策略包括，
采用Delphi法，由专家对在上层准则影响下同一层次的指标进行两两重要性比较，并利用三角模糊数构造模糊判断矩阵，利用所述模糊判断矩阵A确定各因素的权重：
其中，n为每个指标层中因素的个数，矩阵中aij＝(lij，mij，uij)为三角模糊数，代表指标Ci相对于指标Cj的重要程度，lij和uij分别为下界和上届，mij为lij和uij的中值，矩阵中aij＝(1/lij,1/mij,1/lij)为对应的逆三角模糊数，所构造的三角模糊数取值依据1-9标度法。
4.如权利要求3所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：所述模糊判断矩阵计算过程包括，
对判断矩阵构造模糊评价因子矩阵E，计算公式如下：
其中，
为标准利差率，其值反映了专家评判的模糊程度，sij越大，模糊程度越大，反之，模糊程度越小；
计算调整判断矩阵Q，下式中矩阵M为判断矩阵中所有三角模糊数中值mij组成的矩阵。
将所述调整判断矩阵Q按列转换成对角线为1的判断矩阵，记为判断矩阵P，则P＝(pij)n×n,且满足pij＝1/pij；
用相容矩阵分析法对矩阵P进行变换，得相容矩阵R＝(rij)n×n，R满足一致性条件rij＝rik.rkj(k＝1,2,...,n)，且rii＝1,rij＝1/rji，rij按下式进行计算：
利用下式计算评估指标在本层次得权重ωi：
对准则层中所有准则同样采取该方法求得相应准则的权重，根据求得的准则权重及相应准则下的指标权重进行综合权重计算。
5.如权利要求1所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：基于模糊层次分析法的构建所述评价体系模型。
6.如权利要求1所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：通过智能路径规划-蚁群算法计算确定电网线路走廊初始最优路径包括，
地图信息以及参数初始化；
根据地图以及各个区域的划分情况，根据F(j)计算每一个栅格的每个栅格的避障安全度函数，进而根据τ(i,j)(0)初始化信息素；
判断是否有蚂蚁未放入地图，若是，将一只蚂蚁放入初始栅格，否则，跳至步骤六；
计算启发函数，由
计算基于信息素和多启发因素的转移概率，选择蚂蚁下一步要走的栅格；
判断蚂蚁是否走到终点栅格，若是，返回判断是否有蚂蚁未放入地图步骤，否则，返回计算启发函数步骤；
计算所有蚂蚁走过的路径的长度Lm(t)、转弯次数Tm(t)及高度均方差Fm(t)，计算综合指标Sm(t)，找出本次迭代的最优路径；
比较各次迭代的最优路径，找出当前最优路径；
判断是否达到最大迭代次数，若是，则输出当前最优路径，结束算法，否则，继续执行算法；
根据τi，j(t+1)和改进的
计算各路径上新增的信息素，进而更新地图的信息素，重置蚂蚁，返回判断是否有蚂蚁未放入地图的步骤。
7.如权利要求6所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：还包括，
其中，m表示蚂蚁编号，i表示当前位置标号，j表示待转移的下一位置标号，t表示当前迭代次数，τ表示信息素，η表示启发式函数，α、β分别表示信息素和启发式因素的相对重要性，ai表示标号为i的栅格处可行邻接栅格标号的集合，ρ表示信息素挥发剩余度，Q为信息素常数，两者根据需要进行赋值，Lm为第m只蚂蚁在本次循环中走过的路径总长度，W为蚂蚁总数，
表示第m只蚂蚁在第t次迭代中到第k号栅格为止所访问过的栅格标号的有序集合，k表示目标点的栅格标号。
8.如权利要求6所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：还包括，
在选择启发式函数时对所述智能路径规划-蚁群算法做了相应的改进：
为了体现目标栅格的吸引度，引入修正距离函数γ(i,j,k)表示为i号栅格的某一相邻栅格j的中心到目标栅格中心的修正距离，根据不同环境位置而变化的修正参数w,u，各个相邻栅格中和目标栅格距离的最大值和最小值为dmax和dmin:
在考虑山区平缓度上，引入了平滑行启发函数r(i,j)，栅格高度矩阵为h，hmax和hmin为相邻栅格中和当前栅格高度差的最大值和最小值，λ、α为高度修正参数：
9.如权利要求6所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：还包括，
在曲折度上，曲折平滑性启发常量u，百分比η，表示直行的重要程度，二者根据需要进行赋值，ai表示标号为i的栅格处可行邻接栅格标号的集合表示标号为i的栅格处可行邻接栅格标号的集合，
表示第m只蚂蚁在第t次迭代中到第i号栅格为止所访问过的栅格标号的有序集合，g表示标号为i的栅格的前一个蚂蚁走过的栅格的标号，end-1表示集合中的倒数第二个元素，
表示第m只蚂蚁在第t次迭代中由第g号栅格转移到第i号栅格的转向标号，
表示第m只蚂蚁在第t次迭代中由第i号栅格转移到第j号栅格的转向标号，引入曲折平滑函数为：
为满足最优路径最短、更加平滑的需求，做如下更改：
Sm(t)＝＝xLm(t)+yFm(t)+zTm(t)
其中，Sm(t)为第t次迭代中第m只蚂蚁走过的综合指标，根据综合指标进行信息素分配，指标越小，路径越优，Lm(t)为路径长度，Fm(t)为走过栅格高度的均方差，Tm(t)为转弯次数，x,y,z为各因素的调节系数，根据需要的路径性质进行取值。
10.如权利要求6所述的满足多约束条件的电网线路走廊带智能划分方法，其特征在于：还包括，
为了更好的让所述蚁群算法趋于收敛，改进初始化信息素，以便找到最优的路径，对上述算法改进：
τ(i，j)(0)＝C+F(j)
其中，C为常数，F(j)为避障安全度函数，Cu为补集符号，u为当前栅格的邻接栅格集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111423118.1A CN114217609A (zh) | 2021-11-26 | 2021-11-26 | 一种满足多约束条件的电网线路走廊带智能划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111423118.1A CN114217609A (zh) | 2021-11-26 | 2021-11-26 | 一种满足多约束条件的电网线路走廊带智能划分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114217609A true CN114217609A (zh) | 2022-03-22 |
Family
ID=80698557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111423118.1A Pending CN114217609A (zh) | 2021-11-26 | 2021-11-26 | 一种满足多约束条件的电网线路走廊带智能划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114217609A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115310878A (zh) * | 2022-10-11 | 2022-11-08 | 天津市城市规划设计研究总院有限公司 | 一种基于国土空间要素数据的电力空间规划设计方法 |
| 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 |
| CN116934530A (zh) * | 2023-09-18 | 2023-10-24 | 深圳华越南方电子技术有限公司 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103116865A (zh) * | 2013-03-08 | 2013-05-22 | 华北电力大学 | 一种多维度协同电网规划的方法 |
| CN107578141A (zh) * | 2017-07-25 | 2018-01-12 | 南京航空航天大学 | 基于模糊层次分析和证据理论的机场跑道分配决策方法 |
| WO2021189720A1 (zh) * | 2020-03-23 | 2021-09-30 | 南京理工大学 | 基于改进蚁群算法的泊车agv路径规划方法 |
-
2021
- 2021-11-26 CN CN202111423118.1A patent/CN114217609A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103116865A (zh) * | 2013-03-08 | 2013-05-22 | 华北电力大学 | 一种多维度协同电网规划的方法 |
| CN107578141A (zh) * | 2017-07-25 | 2018-01-12 | 南京航空航天大学 | 基于模糊层次分析和证据理论的机场跑道分配决策方法 |
| WO2021189720A1 (zh) * | 2020-03-23 | 2021-09-30 | 南京理工大学 | 基于改进蚁群算法的泊车agv路径规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| 侯树森: "三角模糊数理论在国家科技重大专项评价指标赋权中的应用研究", 项目管理技术, pages 7 - 13 * |
| 李理: "多因素蚁群算法的移动机器人路径规划研究", 中国优秀硕士学位论文全文数据库信息科技辑, pages 140 - 35 * |
| 杨阔: "基于RS的输电线路路径选择决策支持系统研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, pages 042 - 2187 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115310878A (zh) * | 2022-10-11 | 2022-11-08 | 天津市城市规划设计研究总院有限公司 | 一种基于国土空间要素数据的电力空间规划设计方法 |
| CN115310878B (zh) * | 2022-10-11 | 2023-02-03 | 天津市城市规划设计研究总院有限公司 | 一种基于国土空间要素数据的电力空间规划设计方法 |
| 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 |
| CN116934530A (zh) * | 2023-09-18 | 2023-10-24 | 深圳华越南方电子技术有限公司 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
| CN116934530B (zh) * | 2023-09-18 | 2023-12-29 | 深圳华越南方电子技术有限公司 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105070042B (zh) | 一种交通预测的建模方法 | |
| CN109359350B (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
| CN114217609A (zh) | 一种满足多约束条件的电网线路走廊带智能划分方法 | |
| CN104462685B (zh) | 基于网格GIS和Floyd算法的输电线路设计方法 | |
| CN104008241B (zh) | 一种输电线路多窗口联动选线、排塔定位系统及方法 | |
| CN110046213B (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
| CN115630978B (zh) | 一种基于人口就业分布的多交通设施选址方法 | |
| 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 | |
| CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
| CN106250579A (zh) | 一种电力线路路径智能生成的方法及装置 | |
| CN109357678A (zh) | 一种基于异质化鸽群优化算法的多无人机路径规划方法 | |
| CN115713856A (zh) | 一种基于交通流预测与实际路况的车辆路径规划方法 | |
| CN115759499A (zh) | 一种基于优化算法的路径规划方法、装置、设备及介质 | |
| CN104361255A (zh) | 一种改进元胞自动机城市扩张模拟方法 | |
| Zhang et al. | Genetic algorithms and the corridor location problem: multiple objectives and alternative solutions | |
| CN112884229B (zh) | 基于差分进化算法的大型公共场所人流引导路径规划方法 | |
| CN112797997B (zh) | 一种基于栅格路网的应急路径规划架构和方法 | |
| CN110222133A (zh) | 一种考虑景观指数的多类土地利用模拟预测方法及装置 | |
| CN115310878B (zh) | 一种基于国土空间要素数据的电力空间规划设计方法 | |
| 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 | |
| KR101091053B1 (ko) | 유전자 알고리즘에 기반한 공사비 산정 장치 및 방법 | |
| CN106203681A (zh) | 一种数据驱动的公共交通导向型城市区域划分与挖掘方法 | |
| CN115329591A (zh) | 一种城市空间格局设计方法、系统及计算机存储介质 | |
| CN114199255B (zh) | 一种用于城区物流无人机终端配送航路网络的规划方法 | |
| Yang et al. | An adaptive workflow to generate street network and amenity allocation for walkable neighborhood design |
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 |