CN117251974A - 一种变电站防鸟装置布局方案生成系统 - Google Patents
一种变电站防鸟装置布局方案生成系统 Download PDFInfo
- Publication number
- CN117251974A CN117251974A CN202311518618.2A CN202311518618A CN117251974A CN 117251974 A CN117251974 A CN 117251974A CN 202311518618 A CN202311518618 A CN 202311518618A CN 117251974 A CN117251974 A CN 117251974A
- Authority
- CN
- China
- Prior art keywords
- bird
- total station
- layout scheme
- transformer substation
- preventing device
- 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.)
- Granted
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 57
- 241000287127 Passeridae Species 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 239000005871 repellent Substances 0.000 claims description 16
- 230000002940 repellent Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 4
- 241000271566 Aves Species 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005686 electrostatic field Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种变电站防鸟装置布局方案生成系统,包括:输入模块,用于输入变电站和防鸟装置基本信息;计算模块,用于根据预测算法计算变电站涉鸟故障风险等级,再根据风险等级计算对应的防鸟装置布局方案;输出模块,用于输出变电站涉鸟故障风险等级和防鸟装置布局方案,包括全站型防鸟装置的布局方案和设备型防鸟装置的尺寸;所述全站型防鸟装置的布局方案是通过采用佳点集生成初始种群,再使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案,最终结合成本和覆盖率确定全站型防鸟装置的数量以及最终的布局方案。本发明能够迅速确认变电站涉鸟故障的风险等级并给出变电站防鸟装置布局方案,为变电站防治涉鸟故障提供指导和帮助。
Description
技术领域
本发明涉及变电站防鸟装置布局技术领域,具体为一种变电站防鸟装置布局方案生成系统。
背景技术
如果鸟类在变电站区域频繁活动,鸟类的筑巢、飞行、泄粪等活动会引起变电设备发生故障。针对此类问题,国内外学者研究了许多种防鸟装置,例如防鸟挡板、防鸟刺、声波防鸟装置、药剂防鸟装置、激光防鸟装置、综合智能型防鸟装置等,用来阻止鸟类在变电站内活动,但是不同变电站的风险等级不同,如何根据风险等级的差异给出对应的经济、有效的防鸟装置布局方案是亟待解决的问题。目前对于防鸟装置如何优化布局尚未有相关研究,因此需要提出一种变电站防鸟装置布局方案生成系统及方法,为变电站防治涉鸟故障提供指导和帮助。
发明内容
本发明的目的是克服现有技术的缺点和不足,提出一种变电站防鸟装置布局方案生成系统,本发明能够迅速确认变电站涉鸟故障的风险等级并给出变电站防鸟装置布局方案,且可以及时根据变电站和防鸟装置的信息变化进行调整,为变电站防治涉鸟故障提供指导和帮助。
本发明的目的是这样实现的:一种变电站防鸟装置布局方案生成系统,包括:
输入模块,用于输入变电站和防鸟装置基本信息;
计算模块,用于根据预测算法计算变电站涉鸟故障风险等级,再根据风险等级计算对应的防鸟装置布局方案;
输出模块,用于输出变电站涉鸟故障风险等级和防鸟装置布局方案;所述根据风险等级计算对应的防鸟装置布局方案,具体是指对于风险等级为低的变电站,计算的是重点防护区域全站型防鸟装置的布局方案;对于风险等级为中的变电站,计算的是整个变电站全站型防鸟装置的布局方案;对于风险等级为高的变电站,计算的是整个变电站全站型防鸟装置的布局方案以及变电设备上安装的设备型防鸟装置的尺寸。
进一步优选,所述变电站和防鸟装置基本信息包括变电站平面图、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比、防鸟装置中拟采用的全站型防鸟装置的防鸟范围,其中系统通过读取变电站平面图获得变电站总范围、各类变电设备的电压等级和数量、重点防护区域的范围。
进一步优选,所述计算变电站涉鸟故障风险等级,具体是指:首先系统内置了所有已经明确了风险等级的变电站的基本信息,然后根据输入的未明确风险等级的变电站的各类变电设备电压等级和数量、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比,采用预测算法计算变电站涉鸟故障风险等级。
进一步优选,所述重点防护区域是指隔离开关和构架聚集数量最多的区域。
进一步优选,所述全站型防鸟装置的布局方案的生成过程包括以下步骤:
步骤S1:全站型防鸟装置布局参数初始化;
步骤S2:通过佳点集生成初始种群;
步骤S3:使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案;
步骤S4:结合成本和覆盖率确定全站型防鸟装置的数量以及最终的布局方案。
进一步优选,所述全站型防鸟装置布局参数初始化,包括待安装全站型防鸟装置的变电站或重点防护区域的范围、全站型防鸟装置数量、全站型防鸟装置的防鸟范围。
进一步优选,所述通过佳点集生成初始种群,包括以下步骤:
步骤S21:计算佳点值a,a=(a1,a2,…,an),其中n是空间的维数,第j维空间的佳点值aj={2cos(2πj/p)},j=1,…,n,p是满足(p-3)/2≥n的最小素数,{}代表取小数部分,由于防鸟装置是在二维空间布局,所以n=2;
步骤S22:构建佳点集Pn(i)=({a1×i},…, {an×i}),i=1,…,m,i 是全站型防鸟装置编号,m是全站型防鸟装置的总数量;
步骤S23:将佳点集映射到种群所在的可行域上:
(1);
其中Xi(j)代表第i个全站型防鸟装置在第j维上的位置,ubj和lbj分别表示第j维的上、下界。
进一步优选,所述使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案,包括以下步骤:
步骤S31:设置参数,包括发现者比例PD、警戒者比例SD、最大迭代次数tmax;
步骤S32:计算每只麻雀的适应度fi,对适应度进行排序,选取最优适应度fb和最差适应度fw以及对应的整体最优的位置Xb和整体最差的位置Xw;
步骤S33:选择适应度前PD×m的麻雀作为新的发现者,并根据式(2)更新发现者位置并确定当前发现者中最优的位置Xp;
(2);
其中,t为当前迭代次数,为最大迭代次数,/>代表第t次迭代时第i只麻雀在第j维上的位置,/>代表第t+1次迭代时第i只麻雀在第j维上的位置,μ∈(0,1]是一个随机数,R2∈[0,1]代表预警值,ST∈[0.5,1]代表安全值,Q是一个随机数且服从正态分布,L是一个1×n的全一矩阵;
步骤S34:选取剩下的麻雀作为加入者,并根据式(3)更新加入者位置;
(3);
其中,是第t次迭代时整体最差的位置,/>是第t+1次迭代时发现者最优的位置,c是加入者的数量,A是一个1×n的矩阵,其中每个元素随机赋值1或-1,且满足A+=AT(AAT)-1,T表示矩阵转置;
步骤S35:随机抽取SD×m的麻雀作为新的警戒者,并根据式(4)更新警戒者位置;
(4);
其中,是第t次迭代时整体最优的位置,/>是一个随机数且服从正态分布,用来控制步长,k∈[-1,1],/>是一个极小的常数,用来避免分母为0;
步骤S36:计算总适应度f,同时更新麻雀位置;
步骤S37:判断是否满足输出条件,满足则输出,不满足则重复步骤S32~步骤S36;
步骤S38:根据此时麻雀的位置得到全站型防鸟装置的布局方案。
进一步优选,所述的发现者、加入者和警戒者的数量总和是全站型防鸟装置的总数量m。
进一步优选,所述的适应度是指:
待安装全站型防鸟装置的变电站或重点防护区域的范围是n1×n2,将此范围离散化分解为n1×n2个面积相同的网格,n1和n2分别为两个维度上的网格数量,网格的中心记为s,第i台全站型防鸟装置Di与第q个网格中心sq之间的欧式距离为:
(5);
其中,是第i个全站型防鸟装置Di的二维坐标,/>是第q个网格中心sq的二维坐标,i=1,…,m,q=1,…,n1×n2;
第q个网格中心sq被第i个全站型防鸟装置Di覆盖到的概率为:
(6);
其中,r为全站型防鸟装置的防鸟范围的半径;
第q个网格中心sq被覆盖到的概率为:
(7);
全站型防鸟装置的覆盖率F就是被覆盖到的网格与所有网格数量的比值,即:
(8);
所述的每只麻雀的适应度是单个全站型防鸟装置的覆盖率,即单个全站型防鸟装置覆盖的网格数量与网格总数的比值。
进一步优选,所述的输出条件是总适应度f最小。
进一步优选,所述变电设备上安装的设备型防鸟装置的尺寸,是根据变电设备的电压等级,采用内置模型通过静电场计算出风险区域的大小,最终根据风险区域的大小确定需要安装的设备型防鸟装置的尺寸。
本发明的有益效果:本发明可以根据输入的变电站和防鸟装置基本信息,计算变电站涉鸟故障风险等级,再根据风险等级计算对应的防鸟装置布局方案,最终输出变电站的涉鸟故障风险等级以及防鸟装置布局方案。本发明能够迅速确认变电站涉鸟故障的风险等级并给出变电站防鸟装置布局方案,且可以及时根据变电站和防鸟装置的信息变化进行调整,为变电站防治涉鸟故障提供指导和帮助。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术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申请的一些实施例,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他的附图。
图1为本发明实施例的系统示意图。
图2为全站型防鸟装置的布局方案预期效果图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图1所示,一种变电站防鸟装置布局方案生成系统,包括:
输入模块101,用于输入变电站和防鸟装置基本信息;所述变电站和防鸟装置基本信息包括变电站平面图、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比、防鸟装置中拟采用的全站型防鸟装置的防鸟范围,其中系统通过读取变电站平面图获得变电站总范围、各类变电设备的电压等级和数量、重点防护区域的范围;
计算模块102,用于根据预测算法计算变电站涉鸟故障风险等级,再根据风险等级计算对应的防鸟装置布局方案;所述计算变电站涉鸟故障风险等级,具体是指:首先系统内置了所有已经明确了风险等级的变电站的基本信息,然后根据输入的未明确风险等级的变电站的各类变电设备电压等级和数量、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比,采用预测算法计算变电站涉鸟故障风险等级;所述风险等级分为低、中、高三类;
输出模块103,用于输出变电站涉鸟故障风险等级和防鸟装置布局方案。所述根据风险等级计算对应的防鸟装置布局方案,具体是指对于风险等级为低的变电站,计算的是重点防护区域全站型防鸟装置的布局方案;对于风险等级为中的变电站,计算的是整个变电站全站型防鸟装置的布局方案;对于风险等级为高的变电站,计算的是整个变电站全站型防鸟装置的布局方案以及变电设备上安装的设备型防鸟装置的尺寸。
本实施例所述重点防护区域是指隔离开关和构架聚集数量最多的区域。
本实施例所述全站型防鸟装置的布局方案是通过采用佳点集生成初始种群,再使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案,最终结合成本和覆盖率确定全站型防鸟装置的数量以及最终的布局方案,包括以下步骤:
步骤S1:全站型防鸟装置布局参数初始化;
步骤S2:通过佳点集生成初始种群;
步骤S3:使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案;
步骤S4:结合成本和覆盖率确定全站型防鸟装置的数量以及最终的布局方案。
所述全站型防鸟装置布局参数初始化,包括待安装全站型防鸟装置的变电站或重点防护区域的范围、全站型防鸟装置数量、全站型防鸟装置的防鸟范围。
所述通过佳点集生成初始种群,包括以下步骤:
步骤S21:计算佳点值a,a=(a1,a2,…,an),其中n是空间的维数,第j维空间的佳点值aj={2cos(2πj/p)},j=1,…,n,p是满足(p-3)/2≥n的最小素数,{}代表取小数部分,由于防鸟装置是在二维空间布局,所以n=2;
步骤S22:构建佳点集Pn(i)=({a1×i},…, {an×i}),i=1,…,m,i 是全站型防鸟装置编号,m是全站型防鸟装置的总数量;
步骤S23:将佳点集映射到种群所在的可行域上:
(1);
其中Xi(j)代表第i个全站型防鸟装置在第j维上的位置,ubj和lbj分别表示第j维的上、下界。
通过引入佳点集生成初始种群可以使初始种群均匀分布在变电站范围内,节省后续寻优迭代的次数和时间,提高得到的最优解的质量。
所述使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案,包括以下步骤:
步骤S31:设置参数,包括发现者比例PD、警戒者比例SD、最大迭代次数tmax;
步骤S32:计算每只麻雀的适应度fi,对适应度进行排序,选取最优适应度fb和最差适应度fw以及对应的整体最优的位置Xb和整体最差的位置Xw;
步骤S33:选择适应度前PD×m的麻雀作为新的发现者,并根据式(2)更新发现者位置并确定当前发现者中最优的位置Xp;
(2);
其中,t为当前迭代次数,为最大迭代次数,/>代表第t次迭代时第i只麻雀在第j维上的位置,/>代表第t+1次迭代时第i只麻雀在第j维上的位置,μ∈(0,1]是一个随机数,R2∈[0,1]代表预警值,ST∈[0.5,1]代表安全值,Q是一个随机数且服从正态分布,L是一个1×n的全一矩阵;
步骤S34:选取剩下的麻雀作为加入者,并根据式(3)更新加入者位置;
(3);
其中,是第t次迭代时整体最差的位置,/>是第t+1次迭代时发现者最优的位置,c是加入者的数量,A是一个1×n的矩阵,其中每个元素随机赋值1或-1,且满足A+=AT(AAT)-1,T表示矩阵转置;
步骤S35:随机抽取SD×m的麻雀作为新的警戒者,并根据式(4)更新警戒者位置;
(4);
其中,是第t次迭代时整体最优的位置,/>是一个随机数且服从正态分布,用来控制步长,k∈[-1,1],/>是一个极小的常数,用来避免分母为0;
步骤S36:计算总适应度f,同时更新麻雀位置;
步骤S37:判断是否满足输出条件,满足则输出,不满足则重复步骤S32~步骤S36;
步骤S38:根据此时麻雀的位置得到全站型防鸟装置的布局方案。
所述的发现者、加入者和警戒者的数量总和是全站型防鸟装置的总数量m;
所述的适应度是指:
待安装全站型防鸟装置的变电站或重点防护区域的范围是n1×n2,将此范围离散化分解为n1×n2个面积相同的网格,n1和n2分别为两个维度上的网格数量,网格的中心记为s,第i台全站型防鸟装置Di与第q个网格中心sq之间的欧式距离为:
(5);
其中,是第i个全站型防鸟装置Di的二维坐标,/>是第q个网格中心sq的二维坐标,i=1,…,m,q=1,…,n1×n2;
第q个网格中心sq被第i个全站型防鸟装置Di覆盖到的概率为:
(6);
其中,r为全站型防鸟装置的防鸟范围的半径;
第q个网格中心sq被覆盖到的概率为:
(7);
全站型防鸟装置的覆盖率F就是被覆盖到的网格与所有网格数量的比值,即:
(8);
由于麻雀搜索算法是寻找最小值,而全站型防鸟装置的布局目的是使覆盖率最大,因此适应度函数为未覆盖率1-F,适应度最小,覆盖率F就会最大。
所述的每只麻雀的适应度是单个全站型防鸟装置的覆盖率,即单个全站型防鸟装置覆盖的网格数量与网格总数的比值。
如图2所示为全站型防鸟装置的布局方案预期效果图,在图2中,圆心表示站型防鸟装置的布置点,圆表示全站型防鸟装置的防鸟范围,待安装全站型防鸟装置的变电站或重点防护区域的范围为100m×100m、全站型防鸟装置数量为30个、全站型防鸟装置的防鸟范围为半径10m。
所述的输出条件是总适应度f最小。
所述变电设备上安装的设备型防鸟装置的尺寸,是根据变电设备的电压等级,采用内置模型通过静电场计算出风险区域的大小,最终根据风险区域的大小确定需要安装的设备型防鸟装置的尺寸。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种变电站防鸟装置布局方案生成系统,其特征在于,包括:
输入模块,用于输入变电站和防鸟装置基本信息;
计算模块,用于根据预测算法计算变电站涉鸟故障风险等级,再根据风险等级计算对应的防鸟装置布局方案;
输出模块,用于输出变电站涉鸟故障风险等级和防鸟装置布局方案;对于风险等级为低的变电站,计算的是重点防护区域全站型防鸟装置的布局方案;对于风险等级为中的变电站,计算的是整个变电站全站型防鸟装置的布局方案;对于风险等级为高的变电站,计算的是整个变电站全站型防鸟装置的布局方案以及变电设备上安装的设备型防鸟装置的尺寸;
所述全站型防鸟装置的布局方案的生成过程包括以下步骤:
步骤S1:全站型防鸟装置布局参数初始化;
步骤S2:通过佳点集生成初始种群;
步骤S3:使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案;
步骤S4:结合成本和覆盖率确定全站型防鸟装置的数量以及最终的布局方案。
2.根据权利要求1所述的变电站防鸟装置布局方案生成系统,其特征在于,所述变电站和防鸟装置基本信息包括变电站平面图、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比、防鸟装置中拟采用的全站型防鸟装置的防鸟范围,其中系统通过读取变电站平面图获得变电站总范围、各类变电设备的电压等级和数量、重点防护区域的范围。
3.根据权利要求1所述的变电站防鸟装置布局方案生成系统,其特征在于,所述计算变电站涉鸟故障风险等级,具体是指:首先系统内置了所有已经明确了风险等级的变电站的基本信息,然后根据输入的未明确风险等级的变电站的各类变电设备电压等级和数量、变电站所属地区的污秽度、降雨量、变电站周围各类生境的占比,采用预测算法计算变电站涉鸟故障风险等级。
4.根据权利要求1所述的变电站防鸟装置布局方案生成系统,其特征在于,所述重点防护区域是指隔离开关和构架聚集数量最多的区域。
5.根据权利要求1所述的变电站防鸟装置布局方案生成系统,其特征在于,所述全站型防鸟装置布局参数初始化,包括待安装全站型防鸟装置的变电站或重点防护区域的范围、全站型防鸟装置数量、全站型防鸟装置的防鸟范围。
6.根据权利要求1所述的变电站防鸟装置布局方案生成系统,其特征在于,所述通过佳点集生成初始种群,包括以下步骤:
步骤S21:计算佳点值a,a=(a1,a2,…,an),其中n是空间的维数,第j维空间的佳点值aj={2cos(2πj/p)},j=1,…,n,p是满足(p-3)/2≥n的最小素数,{}代表取小数部分;
步骤S22:构建佳点集Pn(i)=({a1×i},…, {an×i}),i=1,…,m,i 是全站型防鸟装置编号,m是全站型防鸟装置的总数量;
步骤S23:将佳点集映射到种群所在的可行域上:
(1);
其中Xi(j)代表第i个全站型防鸟装置在第j维上的位置,ubj和lbj分别表示第j维的上、下界。
7.根据权利要求6所述的变电站防鸟装置布局方案生成系统,其特征在于,所述使用麻雀搜索算法得到不同数量全站型防鸟装置的布局方案,包括以下步骤:
步骤S31:设置参数,包括发现者比例PD、警戒者比例SD、最大迭代次数tmax;
步骤S32:计算每只麻雀的适应度fi,对适应度进行排序,选取最优适应度fb和最差适应度fw以及对应的整体最优的位置Xb和整体最差的位置Xw;
步骤S33:选择适应度前PD×m的麻雀作为新的发现者,并根据式(2)更新发现者位置并确定当前发现者中最优的位置Xp;
(2);
其中,t为当前迭代次数,为最大迭代次数,/>代表第t次迭代时第i只麻雀在第j维上的位置,/>代表第t+1次迭代时第i只麻雀在第j维上的位置,μ∈(0,1]是一个随机数,R2∈[0,1]代表预警值,ST∈[0.5,1]代表安全值,Q是一个随机数且服从正态分布,L是一个1×n的全一矩阵;
步骤S34:选取剩下的麻雀作为加入者,并根据式(3)更新加入者位置;
(3);
其中,是第t次迭代时整体最差的位置,/>是第t+1次迭代时发现者最优的位置,c是加入者的数量,A是一个1×n的矩阵,其中每个元素随机赋值1或-1,且满足A+=AT(AAT)-1,T表示矩阵转置;
步骤S35:随机抽取SD×m的麻雀作为新的警戒者,并根据式(4)更新警戒者位置;
(4);
其中,是第t次迭代时整体最优的位置,/>是一个随机数且服从正态分布,用来控制步长,k∈[-1,1],/>是一个极小的常数,用来避免分母为0;
步骤S36:计算总适应度f,同时更新麻雀位置;
步骤S37:判断是否满足输出条件,满足则输出,不满足则重复步骤S32~步骤S36;
步骤S38:根据此时麻雀的位置得到全站型防鸟装置的布局方案。
8.根据权利要求7所述的变电站防鸟装置布局方案生成系统,其特征在于,所述的发现者、加入者和警戒者的数量总和是全站型防鸟装置的总数量m。
9.根据权利要求7所述的变电站防鸟装置布局方案生成系统,其特征在于,所述的适应度是指:
待安装全站型防鸟装置的变电站或重点防护区域的范围是n1×n2,将此范围离散化分解为n1×n2个面积相同的网格,n1和n2分别为两个维度上的网格数量,网格的中心记为s,第i台全站型防鸟装置Di与第q个网格中心sq之间的欧式距离为:
(5);
其中,是第i个全站型防鸟装置Di的二维坐标,/>是第q个网格中心sq的二维坐标,i=1,…,m,q=1,…,n1×n2;
第q个网格中心sq被第i个全站型防鸟装置Di覆盖到的概率为:
(6);
其中,r为全站型防鸟装置的防鸟范围的半径;
第q个网格中心sq被覆盖到的概率为:
(7);
全站型防鸟装置的覆盖率F就是被覆盖到的网格与所有网格数量的比值,即:
(8);
每只麻雀的适应度是单个全站型防鸟装置的覆盖率,即单个全站型防鸟装置覆盖的网格数量与网格总数的比值。
10.根据权利要求7所述的变电站防鸟装置布局方案生成系统,其特征在于,所述的输出条件是总适应度f最小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311518618.2A CN117251974B (zh) | 2023-11-15 | 2023-11-15 | 一种变电站防鸟装置布局方案生成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311518618.2A CN117251974B (zh) | 2023-11-15 | 2023-11-15 | 一种变电站防鸟装置布局方案生成系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117251974A true CN117251974A (zh) | 2023-12-19 |
CN117251974B CN117251974B (zh) | 2024-03-12 |
Family
ID=89133580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311518618.2A Active CN117251974B (zh) | 2023-11-15 | 2023-11-15 | 一种变电站防鸟装置布局方案生成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117251974B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006166887A (ja) * | 2004-12-13 | 2006-06-29 | Yukio Hirose | 送電線用の害鳥忌避用具 |
US20060225907A1 (en) * | 2005-04-06 | 2006-10-12 | Robert Pringle | Avian guard apparatus for protection of high voltage transmission equipment |
CN105023283A (zh) * | 2015-06-24 | 2015-11-04 | 云南电网有限责任公司电力科学研究院 | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 |
RU184179U1 (ru) * | 2018-03-01 | 2018-10-18 | Бахтиёр Эламонович Ядгаров | Устройство для исключения возможности посадки и гнездования птиц на траверсах опор воздушных линий электропередачи |
CN110074089A (zh) * | 2019-05-31 | 2019-08-02 | 宋崇兰 | 一种新型变电站驱鸟装置安装方法 |
CN113971328A (zh) * | 2021-09-22 | 2022-01-25 | 广州杰赛科技股份有限公司 | 一种监控设备的布局方法 |
CN114386675A (zh) * | 2021-12-21 | 2022-04-22 | 国网江苏省电力有限公司苏州供电分公司 | 变电站智能鸟害防治管理系统和装置 |
CN115630270A (zh) * | 2022-12-19 | 2023-01-20 | 国网江西省电力有限公司电力科学研究院 | 一种变电站防鸟装置应用效果评估方法及系统 |
CN115879775A (zh) * | 2023-02-27 | 2023-03-31 | 国网江西省电力有限公司电力科学研究院 | 一种三维变电站涉鸟故障风险等级评估方法及系统 |
-
2023
- 2023-11-15 CN CN202311518618.2A patent/CN117251974B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006166887A (ja) * | 2004-12-13 | 2006-06-29 | Yukio Hirose | 送電線用の害鳥忌避用具 |
US20060225907A1 (en) * | 2005-04-06 | 2006-10-12 | Robert Pringle | Avian guard apparatus for protection of high voltage transmission equipment |
CN105023283A (zh) * | 2015-06-24 | 2015-11-04 | 云南电网有限责任公司电力科学研究院 | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 |
RU184179U1 (ru) * | 2018-03-01 | 2018-10-18 | Бахтиёр Эламонович Ядгаров | Устройство для исключения возможности посадки и гнездования птиц на траверсах опор воздушных линий электропередачи |
CN110074089A (zh) * | 2019-05-31 | 2019-08-02 | 宋崇兰 | 一种新型变电站驱鸟装置安装方法 |
CN113971328A (zh) * | 2021-09-22 | 2022-01-25 | 广州杰赛科技股份有限公司 | 一种监控设备的布局方法 |
CN114386675A (zh) * | 2021-12-21 | 2022-04-22 | 国网江苏省电力有限公司苏州供电分公司 | 变电站智能鸟害防治管理系统和装置 |
CN115630270A (zh) * | 2022-12-19 | 2023-01-20 | 国网江西省电力有限公司电力科学研究院 | 一种变电站防鸟装置应用效果评估方法及系统 |
CN115879775A (zh) * | 2023-02-27 | 2023-03-31 | 国网江西省电力有限公司电力科学研究院 | 一种三维变电站涉鸟故障风险等级评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
汪新浩,等: "220kv变电站立体防鸟害系统及其应用效果", 电工技术, pages 138 - 144 * |
Also Published As
Publication number | Publication date |
---|---|
CN117251974B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Optimisation for offshore wind farm cable connection layout using adaptive particle swarm optimisation minimum spanning tree method | |
Huang et al. | One‐day‐ahead hourly forecasting for photovoltaic power generation using an intelligent method with weather‐based forecasting models | |
CN110502006A (zh) | 一种矿区废弃地移动机器人全覆盖路径规划方法 | |
CN103778477B (zh) | 监视台站布站方法和装置 | |
Wagh et al. | Route discovery for vehicular ad hoc networks using modified lion algorithm | |
Jiang et al. | Solar irradiance capturing in cloudy sky days–a convolutional neural network based image regression approach | |
Gia Ing et al. | Optimum distribution network operation considering distributed generation mode of operations and safety margin | |
Neshat et al. | Optimisation of large wave farms using a multi-strategy evolutionary framework | |
CN113343167A (zh) | 一种多场景置信间隙决策风光储联合规划方法 | |
Zaimen et al. | A survey of artificial intelligence based wsns deployment techniques and related objectives modeling | |
CN116169776A (zh) | 电力系统云边协同人工智能调控方法、系统、介质及设备 | |
CN117251974B (zh) | 一种变电站防鸟装置布局方案生成系统 | |
Khan et al. | Placement optimization for renewable energy sources: Ontology, tools, and wake models | |
CN109784465A (zh) | 基于物联网的森林火灾监测系统节点有效动态覆盖方法 | |
CN109615142A (zh) | 一种基于小波分析的风电场风速组合预测方法 | |
Zhang et al. | Research on complete coverage path planning for unmanned surface vessel | |
Yeng et al. | The saturation of population fitness as a stopping criterion in genetic algorithm. | |
Tran et al. | Decision support systems using hybrid neurocomputing | |
Yang et al. | Complete Area ϵ-Probability Coverage in Solar Insecticidal Lamps Internet of Things | |
Wu et al. | Study on forecast scenarios for simulation of future urban growth in Shenyang City based on SLEUTH model | |
CN112288167A (zh) | 一种位置受限的太阳能杀虫灯节点部署方法 | |
CN114219125A (zh) | 一种高弹性城市电网多维智能分区方法 | |
Hajizadeh et al. | Controlled deployment in wireless sensor networks based on a novel Multi Objective Bee Swarm Optimization algorithm | |
Liu et al. | A novel compact particle swarm optimization for optimizing coverage of 3d in wireless sensor network | |
Kumar et al. | AI based Economic Load Dispatch incorporating wind power penetration |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |