基于智能優(yōu)化算法的輸電線路路徑優(yōu)化問題的研究.pdf

1、日常生活和生產(chǎn)活動(dòng)每時(shí)每刻都在消耗著電力，電力系統(tǒng)可以說是現(xiàn)代社會(huì)生活的命脈，由于需求量的急劇增加，新的輸電線路需要建設(shè)。輸電線路的前期設(shè)計(jì)對(duì)于后期的施工、建成后的使用及運(yùn)行維護(hù)情況都影響很大，因此設(shè)計(jì)一條既經(jīng)濟(jì)合理又保證電力安全運(yùn)行的線路十分重要。傳統(tǒng)設(shè)計(jì)方法既耗時(shí)費(fèi)力又往往得不到較好的線路，本文欲借助Google Earth和CAD技術(shù)進(jìn)行輔助設(shè)計(jì)，改善優(yōu)化結(jié)果，提高效率。
　　輸電線路在地球表面呈線形，因此優(yōu)化目標(biāo)相當(dāng)于是在

2、一個(gè)三維表面上尋找一條滿足各項(xiàng)要求的最優(yōu)線路。輸電線路路徑優(yōu)化時(shí)，要考慮的影響因素有許多，有地形地貌信息、建筑及社會(huì)因素、工程技術(shù)條件等，是一個(gè)多目標(biāo)規(guī)劃的復(fù)雜問題。傳統(tǒng)的數(shù)學(xué)規(guī)劃方法在面對(duì)多目標(biāo)多約束的問題時(shí)，求解難度很大，而近年來才迅速發(fā)展起來的智能優(yōu)化算法，在處理這一類復(fù)雜問題時(shí)有很大的優(yōu)勢(shì)，因?yàn)橹悄軆?yōu)化算法并不是求精確最優(yōu)解，而是求近似精確的滿意解，以損失一部分精確度為代價(jià)，換取計(jì)算的效率。
　　本文是考慮輸電線路路徑優(yōu)化

3、問題時(shí)，將需要考慮的約束因素進(jìn)行取舍，簡化模型便于優(yōu)化和計(jì)算，意在先設(shè)計(jì)出一條大致滿意的線路，給設(shè)計(jì)人員以參考，后續(xù)在考慮細(xì)節(jié)上可以再進(jìn)行更改。本文將模型簡化為求在三維表面上，兩點(diǎn)之間的最短距離。使用柵格模型，在實(shí)際的地表上，用Google Earth提取地理信息數(shù)據(jù)，然后進(jìn)行處理計(jì)算，將地形和所初步設(shè)計(jì)的線路模擬顯示出，最后再通過坐標(biāo)的反轉(zhuǎn)換，將最終的線路顯示在Google Earth上。
　　在計(jì)算所提出模型中最優(yōu)線路時(shí)，本文

4、介紹了兩種方法，蟻群算法和遺傳-蟻群混合算法。蟻群算法和遺傳算法都是來源于生物界的近似算法，都有較強(qiáng)的計(jì)算效率和較好的收斂效果。本文先用蟻群算法進(jìn)行了路徑優(yōu)化，根據(jù)文中實(shí)際問題需要，并做出了一定的改進(jìn)和創(chuàng)新，將信息素存留在柵格模型的單元格上，減少計(jì)算量也降低了計(jì)算空間。另外，考慮到坡度的限制，本文中在計(jì)算路徑長度時(shí)，在海拔距離差上加入了一個(gè)權(quán)重來避免陡坡。
　　由于遺傳算法在柵格模型圖中，生成初始解時(shí)容易有大量的非可行解，且在變異

5、和交叉中容易造成路徑中斷，不適合單獨(dú)使用在本文問題中，但遺傳算法又有較好的全局搜索能力，因此，將兩者結(jié)合起來使用。先使用蟻群算法生成初始解，再通過遺傳算法進(jìn)行交叉和變異操作，其中在變異操作中，融合了蟻群算法，加快了算法的收斂速度。通過這兩種算法的混合，吸收各自的優(yōu)點(diǎn)，加快了搜索速度和提高解的質(zhì)量。
　　本文的創(chuàng)新點(diǎn)主要在于以下幾點(diǎn)：
　　(1)將輸電線路路徑優(yōu)化問題建立一個(gè)適宜在計(jì)算機(jī)上進(jìn)行模擬計(jì)算的模型。
　　(2)