CN116415748A - 基于三维数字化融合数据的输变电智能规划方法及系统 - Google Patents
基于三维数字化融合数据的输变电智能规划方法及系统 Download PDFInfo
- Publication number
- CN116415748A CN116415748A CN202310513185.5A CN202310513185A CN116415748A CN 116415748 A CN116415748 A CN 116415748A CN 202310513185 A CN202310513185 A CN 202310513185A CN 116415748 A CN116415748 A CN 116415748A
- Authority
- CN
- China
- Prior art keywords
- data
- site selection
- planning
- line
- area
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 230000009466 transformation Effects 0.000 title claims abstract description 32
- 230000004927 fusion Effects 0.000 title claims abstract description 28
- 238000012876 topography Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 11
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012549 training 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了基于三维数字化融合数据的输变电智能规划方法及系统，该方法包括以下步骤：S1：获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；S2：提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；S3：提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。本发明能够将电网规划的全要素数据融合到三维数字化平台，并以此为数据支持，对变电站智能选址以及输电线线路选取提供智能化的规划方案。
Description
技术领域
本发明涉及变电站规划技术领域，具体涉及基于三维数字化融合数据的输变电智能规划方法及系统。
背景技术
变电站和输电线路是电力系统重要的组成部分，因此如何提高变电站站址规划、输电线路路径规划的安全性和经济性是电力运行和管理人员、相关科研院所研究人员历来关注的焦点。同时，变电站及输电线路建设发展与国家的土地发展规划产生冲突，二者的建设发展相互制约，造成了变电站及电力线路较严重的影响和发展，变电站及电力线路的建设是社会发展的重要发展动力，必须进行有效的规划。
目前，变电站及输电线路路径的规划主要通过软件仿真平台依据现有的卫星矢量数据进行最优方案、路径的规划，实际设计以及架设中往往以设计人员的经验作为设计可靠性的评价依据。但是，随着工程规模的不断扩大，复杂性的不断提高，给设计工作带来了巨大挑战。因此，如何智能规划变电站选址、线路选线成为输电线路设计的难点。
发明内容
本发明提供的基于三维数字化融合数据的输变电智能规划方法及系统，能够将电网规划的全要素数据融合到三维数字化平台，并以此为数据支持，对变电站智能选址以及输电线线路选取提供智能化的规划方案，从而能够解决上述过程中的技术问题。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供了基于三维数字化融合数据的输变电智能规划方法，包括以下步骤：
S 1：获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
S2：从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
S3：从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。
在一些实施例中，所述S1包括：
S11：获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
S12：获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
S13：获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
S14：获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
在一些实施例中，所述S2包括：
S21：从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
S22：根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
更具体来说，所述变电站选址模型采用深度学习训练和推理的资源配置优化的强化学习算法，该方法通过执行一系列实验来考虑将权重值赋予哪个选址影响因素上，该模型方法的关键是使用序列到序列(sequence-to-sequence)模型来评估影响因素以及它们之间的依赖关系，将评分用作奖励信号以训练递归模型，从而随着迭代给出更好的选址方案。
具体来说，所述模型定义状态空间：
s＝(o1，o2，...，oM)表示选址方案集合，该集合由M个方案{o1，o2，...，oM}组成；定义选址资源空间/>
其中a＝(a1，a2，...，aM)表示关于选址方案集合s的资源配置，其中，ai∈{1，2，...，D}，i＝1，2，...，M，而{1，2，...，D}表示可获得的资源；定义代价r(s，a)，其中/>
r(s，a)表示一个完整选址方案集合的执行代价；进而，模型制定随机性策略：π(a|s，θ)，θ是智能体的基于注意力机制的sequence-to-sequence深度神经网络参数向量；定义评分：Ut＝Rt+γRt+1+γ2Rt+2+γ3Rt+3+…，这里Rt＝-r(St，At)，St为第t轮迭代的选址方案集合，At为第t轮迭代的资源配置。定义选址方案集合的优良度衡量计算/>
该计算函数可以根据选址的特定化考量依据而定义，进而，以目标函数/>
为目标，求解最优化的策略函数Π(a/s，θ*)，从而依据该策略函数实现选址方案。
以上模型的求解方式包括：初始化状态空间
初始化策略网络π(a|s，θ0)，这里，θ0是深度神经网络初始化的参数向量；初始化智能体的状态价值网络v(s，w0)，这里，w0是初始化的深度神经网络参数向量；设置学习率αθ，αw；进而，进行策略网络参数优化，定义N个回合，在每个回合(episode)n(这里，n＝1，2，…N)接收初始化的状态观测：/>
在第n个回合每个时间步t(这里，t＝1，2，…，Tn，Tn是第n个回合中最大时间步数)观测到st，根据策略网络生成资源配置动作并执行at～π(·|st，θt)，将观测到rt+1和新的st+1，价值网络打分：/>
计算TD目标(Temporal Difference Target)：/>
计算时序差分(TemporalDifference Error)：/>
更新智能体的价值网络参数向量：
这里，αw是学习率超参数，/>
是价值网络v(s，w)关于参数向量w的梯度；更新策略网络参数向量：
这里，αθ是学习率超参数，
是lnπ(at|st，θt)关于参数向量θ的梯度；最终，输出智能体的策略网络优化后的最优参数向量θ*，得到最优配置策略函数：π(a|s，θ*)。
在一些实施例中，所述S3中“对起讫点之间的区域进行地块价值分析”包括：
S31：将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
S32：根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
S33：根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
在一些实施例中，所述S3中“根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径”包括：
S34：根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
S35：根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
第二方面，本发明提供了基于三维数字化融合数据的输变电智能规划系统，包括：
数据融合模块，用于获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
智能选址模块，用于从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
线路规划模块，用于从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。
在一些实施例中，所述数据融合模块包括：
坐标建立子模块，用于获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
专题数据子模块，用于获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
空间数据子模块，用于获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
规程数据子模块，用于获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
在一些实施例中，所述智能选址模块包括：
选址模型构建子模块，用于从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
选址方案选取子模块，用于根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
在一些实施例中，所述线路规划模块包括：
网格划分子模块，用于将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
预设权重子模块，用于根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
线路规划范围选取子模块，用于根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
在一些实施例中，所述线路规划模块还包括：
可穿越性评价子模块，用于根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
最优线路路径选取子模块，用于根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
本申请的有益效果是：
本申请提供的基于三维数字化融合数据的输变电智能规划方法及系统，能够将电网规划的全要素数据融合到三维数字化平台，并利用三维全要素数据平台成果，结合基础数据和工程三维模型采用智能避让等手段，实现变电站多方案比选及线路路径多方案智能规划，辅助设计人员完成选址选线，提高工程选站选线效率、工作的可行性和精确性。
附图说明
图1为本申请的基于三维数字化融合数据的输变电智能规划方法流程图；
图2为本申请步骤S1的子流程图；
图3为本申请步骤S2的子流程图；
图4为本申请步骤S3的子流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。基于所描述的本申请的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
图1为本申请的基于三维数字化融合数据的输变电智能规划方法流程图。
基于三维数字化融合数据的输变电智能规划方法，结合图1，包括以下步骤：
S1：获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
在一些实施例中，结合图2即本方案步骤S1的子流程图，所述S1包括：
S11：获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
S12：获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
S13：获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
S14：获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
具体的，本方案通过对用于输变电工程的多源异构数据进行采集以及融合，并存储在数据库中，从而形成全要素数据平台。其中用于输变电工程的多源异构数据包括了基础地理信息数据、电网专题数据、电网空间数据以及规程数据，而基础地理信息数据则包括地形地貌、卫星影像、高程、铁路、机场、公路、河流、森林公园、地质公园、湿地公园、风景名胜区、自然保护区、公益林、水源保护区、水土流失重点预防区和重点治理区、水文、气象等影像、高程、基础矢量数据的基础地理信息；电网专题数据包含了电网专题数据包括了污秽区、气象区、覆冰区、震区、雷害区、规划区、自然保护区、风景区、矿区等数据；电网空间数据包括发电场(站)、变电站、现状电网数据等；规程数据包括设计规程、规范、政府文件、工程设计资料、地市规划区、区县规划区、特殊保护区、文物保护区、地质构造图、冰舞污区分布图等。以上异构数据的结构包括了矢量图形(shp，tif)、DOM、DEM、文本文件、三维模型文件、工测相关数据文件、激光点云文件等。而上述异构数据融合过程为数据结构化定义的过程，首先获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系，然后根据空间坐标系，将电网专题数据和规程数据通过空间坐标进行外键约束，以及将原有的电网空间数据对空间坐标系进行位置配准，从而形成基础地理信息数据、电网专题数据、电网空间数据以及规程数据的结构化定义，从而将这些数据融合，存储在数据库中，并形成全要素数据平台。
S2：从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
在一些实施例中，结合图3即本申请步骤S2的子流程图，所述S2包括：
S21：从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
S22：根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
具体的，变电站站址方案设计过程中往往需要选择多个站址方案进行比较，最终确定最优方案，而本方案全要素数据平台就具备了变电站站址多方案比选的能力。本方案变电站选址过程具体为，首先需要获取变电站选址的影响因素，如城乡规划、电网结构、负荷分布、出现走廊、地理位置等，这些选址影响因素都能够在全要素数据平台中直接获取。而不同选址影响因素对变电站选址的影响程度显然是不一样的，我们可以对不同的选址影响因素，根据其对变电站选址的影响程度大小来赋予相应的权重，从而在选址时能够根据一个或多个不同的选址影响因素来计算出变电站选址的适合程度，也可以用评分来表示，那么对于不同的选址方案的优劣，能够很直观地看出，也就实现了自动从一组方案中选取最优的变电站选址方案。
S3：从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径；
在一些实施例中，结合图4即本申请步骤S3的子流程图，所述S3中“对起讫点之间的区域进行地块价值分析”包括：
S31：将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
S32：根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
S33：根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围；
具体的，输电线线路规划同样是输变电智能规划中很重要的一环，区别于变电站选址，输电线线路是对输电线路径的研究，因此输电线线路路径规划比变电站选址更为复杂。本方案对输电线线路的规划实际是对线路规划范围的地块综合价值的分析和研判，首先需要确定输电线线路的起讫点，并指定包含有起止桩点的某一个区域范围作为线路规划范围，需要说明的是，线路规划范围的确定可以根据实际需求或条件来进行调整；然后，对线路规划范围中的空间区域进行网格化分割，形成多个网格区域，同样的对于线路规划范围的网格化分割，也能够根据实际需求或条件来调整其分割参数的；网格化分割完成之后，从全要素平台中直接获取线路规划影响因素，并据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；最后，根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
在一些实施例中，所述S3中“根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径”包括：
S34：根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
S35：根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
具体的，当确定了最优的线路规划范围后，需要进行最后一步，即选取最优的线路路径。本方案通过对最优线路规划范围的地势情况进行分析，并对每一个网格区域进行可穿越性评价，然后综合整个线路规划范围的网格区域，即可据此对比优选出线路路径最优方案。
本发明第二方面还提供了基于三维数字化融合数据的输变电智能规划系统，包括：
数据融合模块，用于获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
智能选址模块，用于从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
线路规划模块，用于从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。
在一些实施例中，所述数据融合模块包括：
坐标建立子模块，用于获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
专题数据子模块，用于获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
空间数据子模块，用于获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
规程数据子模块，用于获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
在一些实施例中，所述智能选址模块包括：
选址模型构建子模块，用于从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
选址方案选取子模块，用于根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
在一些实施例中，所述线路规划模块包括：
网格划分子模块，用于将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
预设权重子模块，用于根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
线路规划范围选取子模块，用于根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
在一些实施例中，所述线路规划模块还包括：
可穿越性评价子模块，用于根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
最优线路路径选取子模块，用于根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
虽然结合附图描述了本申请的实施方式，但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于三维数字化融合数据的输变电智能规划方法，其特征在于，包括以下步骤：
S1：获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
S2：从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
S3：从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。
2.根据权利要求1所述的基于三维数字化融合数据的输变电智能规划方法，其特征在于，所述S1包括：
S11：获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
S12：获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
S13：获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
S14：获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
3.根据权利要求1所述的基于三维数字化融合数据的输变电智能规划方法，其特征在于，所述S2包括：
S21：从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
S22：根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
4.根据权利要求1所述的基于三维数字化融合数据的输变电智能规划方法，其特征在于，所述S3中“对起讫点之间的区域进行地块价值分析”包括：
S31：将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
S32：根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
S33：根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
5.根据权利要求4所述的基于三维数字化融合数据的输变电智能规划方法，其特征在于，所述S3中“根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径”包括：
S34：根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
S35：根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
6.基于三维数字化融合数据的输变电智能规划系统，其特征在于，包括：
数据融合模块，用于获取用于输变电工程的多源异构数据，对各类多源异构数据进行结构化定义，并存储在全要素数据平台中；
智能选址模块，用于从全要素数据平台中提取变电站选址影响因素，根据选址影响因素，对不同站址方案进行评分，并选取评分最高的选址方案；
线路规划模块，用于从全要素数据平台中提取线路规划影响因素以及线路起讫点之间区域的地势情况，根据线路规划影响因素和线路起讫点，对起讫点之间的区域进行地块价值分析，并根据起讫点之间区域的地块价值以及地势情况，选取最优线路路径。
7.根据权利要求6所述的基于三维数字化融合数据的输变电智能规划系统，其特征在于，所述数据融合模块包括：
坐标建立子模块，用于获取基础地理信息数据，并根据基础地理信息数据建立空间坐标系；
专题数据子模块，用于获取电网专题数据，并根据空间坐标系，对电网专题数据设置对应的空间坐标的外键约束；
空间数据子模块，用于获取电网空间数据，并根据空间坐标系，对现有的电网空间数据进行空间坐标的配准；
规程数据子模块，用于获取规程数据，提取规程数据的地理特征，并根据空间坐标系以及规程数据的地理特征，对规程数据设置对应的空间坐标的外键约束。
8.根据权利要求6所述的基于三维数字化融合数据的输变电智能规划系统，其特征在于，所述智能选址模块包括：
选址模型构建子模块，用于从全要素数据平台中提取变电站选址影响因素，根据不同选址影响因素对变电站选址的影响程度，预先对不同选址影响因素赋予相应的权重，构建基于选址影响因素的变电站选址模型；
选址方案选取子模块，用于根据变电站选址模型以及所选取的站址方案，计算不同选址方案的评分，并选取评分最高的选址方案。
9.根据权利要求6所述的基于三维数字化融合数据的输变电智能规划系统，其特征在于，所述线路规划模块包括：
网格划分子模块，用于将起讫点之间的指定区域作为线路规划范围，并对线路规划范围的空间区域进行网格化分割，划分为多个网格区域；
预设权重子模块，用于根据不同的线路规划影响因素对线路规划的影响程度，对不同的线路规划影响因素赋予相应的价值权重；
线路规划范围选取子模块，用于根据每个网格区域所对应的线路规划影响因素，计算每一个网格区域的应用价值，并综合每一个网格区域的应用价值，对线路规划范围的综合应用价值进行评价，确定最优线路规划范围。
10.根据权利要求9所述的基于三维数字化融合数据的输变电智能规划系统，其特征在于，所述线路规划模块还包括：
可穿越性评价子模块，用于根据最优线路规划范围的地势情况，以及输电线在不同地势区域的可穿越性，对每一个网格区域进行可穿越性评价；
最优线路路径选取子模块，用于根据起讫点，以及每一个网格区域的可穿越性评价指标，选取出最优线路路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310513185.5A CN116415748A (zh) | 2023-05-08 | 2023-05-08 | 基于三维数字化融合数据的输变电智能规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310513185.5A CN116415748A (zh) | 2023-05-08 | 2023-05-08 | 基于三维数字化融合数据的输变电智能规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116415748A true CN116415748A (zh) | 2023-07-11 |
Family
ID=87056232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310513185.5A Pending CN116415748A (zh) | 2023-05-08 | 2023-05-08 | 基于三维数字化融合数据的输变电智能规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116415748A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117689983A (zh) * | 2023-10-09 | 2024-03-12 | 北京国遥新天地信息技术股份有限公司 | 基于动态泛感知与地理实景融合的电力通道多元重构方法 |
-
2023
- 2023-05-08 CN CN202310513185.5A patent/CN116415748A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117689983A (zh) * | 2023-10-09 | 2024-03-12 | 北京国遥新天地信息技术股份有限公司 | 基于动态泛感知与地理实景融合的电力通道多元重构方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Effat et al. | Designing and evaluation of three alternatives highway routes using the Analytical Hierarchy Process and the least-cost path analysis, application in Sinai Peninsula, Egypt | |
| Yang et al. | Multi-objective highway alignment optimization incorporating preference information | |
| Li et al. | Approach for Optimizing 3D Highway Alignments Based on Two-stage Dynamic Programming. | |
| CN109359350A (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
| CN110046213A (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 | |
| Elmahmoudi et al. | Elaboration of a wind energy potential map in morocco using gis and analytic hierarchy process | |
| CN106780739A (zh) | 一种变电站智能巡检三维gis系统建立方法 | |
| CN108876204A (zh) | 一种城市配电网规划多级网格划分的方法 | |
| 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 | |
| CN110059860A (zh) | 一种城市的公共充电站位置布局多目标优化方法 | |
| Zubir et al. | Identifying the Optimal Placement of Spatial Wind Energy Farms in Selangor, Malaysia | |
| Kaushik et al. | Assessing land suitability for managing urban growth: an application of GIS and RS | |
| Li et al. | Effective rural electrification via optimal network: Optimal path-finding in highly anisotropic search space using multiplier-accelerated A* algorithm | |
| Suleiman et al. | Optimal route location by least cost path (LCP) analysis using (GIS) a case study | |
| Rahimi et al. | Optimal siting of edutainment energy parks through the modelling of weighted spatial decision criteria | |
| CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
| CN115409237A (zh) | 一种基于ca算法的输电线路路径评价方法及系统 | |
| Yang et al. | Transmission Line Planning Based on Artificial Intelligence in Smart Cities | |
| Azzioui et al. | Determining Optimal Wind Energy Farms Locations Based on MCDM and GIS: a Case Study from Morocco | |
| Lin et al. | Least cost path analysis for electrical transmission route suitability | |
| AlFanatseh | Assessing Spatial Distribution And Accessibility Of Public Primary Schools In Mafraq City, Jordan: A Gis-Based Approach | |
| Lin et al. | TRANSMISSION SUITABILITY ROUTE MAP USING THE LEAST COST PATH ANALYSIS (LCPA) | |
| Placide et al. | Optimal wind farm sites-selection using Geographic Information System based mathematical modelling and fuzzy logic tools: A case study of Burundi | |
| 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 | |
| Abdel-Bary Ebrahim et al. | Planning road networks in new cities using GIS: The case of New Sohag, Egypt |
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 |