基于自适应分辨率栅格和改进蚁群算法的输电线路智能选线方法

技术领域

本发明涉及输电线路智能选线技术领域，尤其是一种基于自适应分辨率栅格和改进蚁群算法的输电线路智能选线方法。

背景技术

输电线路作为输变电工程的重要组成部分，其路线选择关系着整个电网的规划建设，对当地区域的经济发展和居民生活有着深远的影响。

传统选线方法工作量大，工期长，其主要缺点是人为因素影响较大。面对电网规模日趋复杂的形势，数字化设计正广泛运用于各个领域，沿用传统的人为输电线线路规划难以满足电网建设的更高需求。此外，传统人工不仅费时费力，还难以保证地理环境的时效性，由于人工工期长，会造成地理环境发生变化，规划好路线的出现无法满足要求的情况。利用计算机借助智能算法进行输电线的选线能显著缩短工期，结合多个输电线路的评价指标，能很快算出符合要求的造价成本，使用科学合理的布局规划对输变电工程意义重大。

目前，现有的用于智能选线方法有动态规划、Dijkstra算法、遗传算法和A*算法等，这些方法适用于目的比较单一、地理环境变化不复杂、不涉及复杂成本值计算的实际问题。而蚁群算法由于其智能性和较强的鲁棒性，适合涉及路线长度、拐角数、不同环境施工成本等因素的选线问题，现广泛用于输电线路规划和道路规划等用途。此外，在输电线路规划区域范围广的情况下，将规划区域地图栅格化后，栅格数量庞大会出现规划速度慢，算法运行效率低问题，这样使智能选线效率不理想，若扩大栅格尺寸减小了栅格数，虽使算法运行速度加快，但会使规划出的线路位置精度低。

发明内容

为解决蚁群算法的运行速度慢、选线效率低的问题，本发明的目的在于提供一种有助于辅助人工选择造价成本符合需要的路线，并加快选线效率的基于自适应分辨率栅格和改进蚁群算法的输电线路智能选线方法。

为实现上述目的，本发明采用了以下技术方案：一种基于自适应分辨率栅格和改进蚁群算法的输电线路智能选线方法，该方法包括下列顺序的步骤：

(1)根据遥感图像，将遥感图像栅格化后进行自适应四叉树图像分割，得到完整的自适应分辨率栅格地图；

(2)根据影响输电线路选线成本的四个影响因素建立层次分析模型，得到每个栅格区域内的输电线建设成本即栅格成本，根据自适应分辨率栅格地图和栅格成本建立自适应分辨率栅格地图成本模型；

(3)根据自适应分辨率栅格地图成本模型，通过改进的蚁群算法得到经过拐点校正的输电线路路径。

所述步骤(1)具体包括以下步骤：

(1a)将遥感图像进行地物识别，得到地物识别图，再读取并转为灰度图；

(1b)将灰度图栅格化，得到由规则排列的初始栅格拼接而成的灰度图，依次对每个初始栅格进行自适应四叉树图像分割；

(1c)将每个分割好的初始栅格按步骤(1b)中的栅格化后的排列顺序进行排列，得到完整的自适应分辨率栅格地图。

所述步骤(2)具体包括以下步骤：

(2a)所述影响输电线路选线成本的四个影响因素为环境因素、社会因素、建设因素和运维因素，将环境因素、社会因素、建设因素和运维因素细分为多个评价指标，其中，所述环境因素包括林地、水域和荒漠化地表，社会因素包括工业用地、居民区和城市规划影响，建设因素包括已有线路的交叉跨越、地质和气象条件，运维因素包括运行安全和维护费用；

(2b)将栅格成本作为目标层，将环境因素、社会因素、建设因素和运维因素作为因素层，将评价指标作为评价指标层，以此构建层次模型；

(2c)采用层析分析法AHP将层次模型构建为层次分析模型，根据层析分析法AHP中的0.1至0.9标度对每个因素层下的评价指标进行量化评估，得到评价数据，然后基于模糊层次分析法FAHP对评价数据构造出优先关系矩阵E，通过优先关系矩阵E求解出每个因素层下的评价指标的权重，求解出各个评价指标对目标选线成本的综合权重，根据综合权重得到栅格成本；

(2d)根据栅格成本，结合自适应分辨率栅格地图得到自适应分辨率栅格地图成本模型。

所述步骤(3)具体包括以下步骤：

(3a)传统蚁群算法中以地图上的每一个栅格为一个基本单位进行路径搜索，对传统蚁群算法进行改进，读取自适应分辨率栅格地图成本模型中的地图信息，以地图上的每一个自适应分辨率栅格为一个基本单位进行路径搜索，栅格采用多中心点的邻域结构，中心点数量的制定规则是：尺寸为最小栅格尺寸L

(3b)初始化信息素矩阵τ＝τ

(3c)根据栅格选择的概率公式计算得到p

(3d)蚂蚁m完成本次路径搜索后，记录下路线成本和路线长度，m≤M；

(3e)在M只蚂蚁完成搜索后，对信息素矩阵τ和方向引导参数的影响因子γ进行更新，完成第k次迭代，k≤K；

(3f)记录每次迭代后成本值最小的路线，并判断k是否等于K，若是，则进入步骤(3g)，否则跳转到步骤(3c)；

(3g)所有迭代结束，输出所有迭代结果中成本值最小的路线并进行拐点校正去除多余的拐点，即输出经过拐点校正的输电线路路径。

所述步骤(1b)具体包括以下步骤：

(1b1)设定整个自适应分辨率栅格地图中最小的栅格尺寸为L

(1b2)若当前栅格尺寸大于L

(1b3)若当前栅格的灰度值方差大于方差阈值V

(1b4)将当前栅格经四叉树分割划分为4个相同尺寸的第二代子栅格，这4个子栅格为同一代栅格，当前栅格为4个子栅格的上一代栅格，将4个第二代子栅格依次跳转到步骤(1b2)进行判断是否要进行分割；

(1b5)若当前栅格的同一代的其他栅格还有未进行分割判断的，则跳转至步骤(1b2)依次进行判断，否则对上一代的其他栅格进行判断，且转至步骤(1b2)，直到整个图像的每个栅格都不满足分割判断条件为止。

所述步骤(2c)具体包括以下步骤：

(2c1)评价指标层中的林地、水域和荒漠化地表对因素层中的环境因素的相对重要性构建优先关系矩阵E

E

其中，i，j＝1,2…n，n为环境因素下对应的评价指标的数量，e

(2c2)矩阵E

其中，i＝1,2…n，求

同理得到

(2c3)求林地、水域和荒漠化地表第i个元素对上一层环境因素的权重q

其中，i＝1,2…n，且μ≤(n-1)/2，由此得出环境因素下林地、水域和荒漠化地表这3个评价指标的权重ω

(2c4)计算评价指标层所有的评价指标对栅格成本的综合权重为ω

ω

评价指标层每个评价指标的评分等级为[s

c＝ω

在步骤(3c)中，所述根据栅格选择的概率公式计算得到栅格选择概率

(3c1)蚂蚁当前所在栅格位置为a，下一步待选栅格为b

(3c2)

其中，

其中，S为ab

(3c3)引入方向引导参数o，o的定义如下：

其中，θ为当前栅格位置a到待选栅格b

(3c4)由步骤(3c2)和步骤(3c3)得到改进后的蚁群算法的栅格选择概率

其中，

所述步骤(3e)具体包括以下步骤：

(3e1)信息素浓度随着每次迭代而更新，栅格的信息素浓度按下式更新：

其中，Δτ

其中，c(m)为蚂蚁m搜索得到的路线的成本，Q为修正系数；

(3e2)在每进行完一次迭代之后对γ进行更新，更新方式如下：

γ(k+1)＝(1-λ)·γ(k)

其中，λ为方向挥发系数，γ(k+1)为第k+1次迭代时o的控制参数，γ(k)为第k次迭代的控制参数。

所述步骤(3g)具体包括以下步骤：

(3g1)在拐点校正过程中，是从起点到终点进行处理，一条路线是由f个点连成route＝{v

(3g2)首先处理v

(3g3)重复步骤(3g2)直至处理到最后一个点v

由上述技术方案可知，本发明的有益效果为：第一，改进的蚁群算法加快了算法的迭代收敛，并与适应分辨率栅格结合，栅格数的减少能显著提高算法的效率；第二，自适应分辨率栅格的大小根据遥感图上地形变化而变化，地形变化剧烈或地形种类多的区域的栅格尺寸小且密集，如此能避免出现规划出的线路位置精度低的问题；第三，对规划出的路线进行的拐点校正，减少了需要建造的转角塔的数量，节省了造价成本。

附图说明

图1为本发明的方法流程图；

图2为本发明的自适应四叉树图像分割流程图；

图3为本发明的多中心点邻域结构示意图；

图4为本发明的拐点校正示意图。

具体实施方式

如图1所示，一种基于自适应分辨率栅格和改进蚁群算法的输电线路智能选线方法，该方法包括下列顺序的步骤：

(1)根据遥感图像，将遥感图像栅格化后进行自适应四叉树图像分割，得到完整的自适应分辨率栅格地图；

(2)根据影响输电线路选线成本的四个影响因素建立层次分析模型，得到每个栅格区域内的输电线建设成本即栅格成本，根据自适应分辨率栅格地图和栅格成本建立自适应分辨率栅格地图成本模型；

(3)根据自适应分辨率栅格地图成本模型，通过改进的蚁群算法得到经过拐点校正的输电线路路径。

所述步骤(1)具体包括以下步骤：

(1a)将遥感图像进行地物识别，得到地物识别图，再读取并转为灰度图；

(1b)将灰度图栅格化，得到由规则排列的初始栅格拼接而成的灰度图，依次对每个初始栅格进行自适应四叉树图像分割；

(1c)将每个分割好的初始栅格按步骤(1b)中的栅格化后的排列顺序进行排列，得到完整的自适应分辨率栅格地图。

所述步骤(2)具体包括以下步骤：

(2a)所述影响输电线路选线成本的四个影响因素为环境因素、社会因素、建设因素和运维因素，将环境因素、社会因素、建设因素和运维因素细分为多个评价指标，其中，所述环境因素包括林地、水域和荒漠化地表，社会因素包括工业用地、居民区和城市规划影响，建设因素包括已有线路的交叉跨越、地质和气象条件，运维因素包括运行安全和维护费用；

(2b)将栅格成本作为目标层，将环境因素、社会因素、建设因素和运维因素作为因素层，将评价指标作为评价指标层，以此构建层次模型；

(2c)采用层析分析法AHP将层次模型构建为层次分析模型，根据层析分析法AHP中的0.1至0.9标度对每个因素层下的评价指标进行量化评估，得到评价数据，然后基于模糊层次分析法FAHP对评价数据构造出优先关系矩阵E，通过优先关系矩阵E求解出每个因素层下的评价指标的权重，求解出各个评价指标对目标选线成本的综合权重，根据综合权重得到栅格成本；

(2d)根据栅格成本，结合自适应分辨率栅格地图得到自适应分辨率栅格地图成本模型。

如图3所示，所述步骤(3)具体包括以下步骤：

(3a)传统蚁群算法中以地图上的每一个栅格为一个基本单位进行路径搜索，对传统蚁群算法进行改进，读取自适应分辨率栅格地图成本模型中的地图信息，以地图上的每一个自适应分辨率栅格为一个基本单位进行路径搜索，栅格采用多中心点的邻域结构，中心点数量的制定规则是：尺寸为最小栅格尺寸L

(3b)初始化信息素矩阵τ＝τ

(3c)根据栅格选择的概率公式计算得到p

(3d)蚂蚁m完成本次路径搜索后，记录下路线成本和路线长度，m≤M；

(3e)在M只蚂蚁完成搜索后，对信息素矩阵τ和方向引导参数的影响因子γ进行更新，完成第k次迭代，k≤K；

(3f)记录每次迭代后成本值最小的路线，并判断k是否等于K，若是，则进入步骤(3g)，否则跳转到步骤(3c)；

(3g)所有迭代结束，输出所有迭代结果中成本值最小的路线并进行拐点校正去除多余的拐点，即输出经过拐点校正的输电线路路径。

如图2所示，所述步骤(1b)具体包括以下步骤：

(1b1)设定整个自适应分辨率栅格地图中最小的栅格尺寸为L

(1b2)若当前栅格尺寸大于L

(1b3)若当前栅格的灰度值方差大于方差阈值V

(1b4)将当前栅格经四叉树分割划分为4个相同尺寸的第二代子栅格，这4个子栅格为同一代栅格，当前栅格为4个子栅格的上一代栅格，将4个第二代子栅格依次跳转到步骤(1b2)进行判断是否要进行分割；

(1b5)若当前栅格的同一代的其他栅格还有未进行分割判断的，则跳转至步骤(1b2)依次进行判断，否则对上一代的其他栅格进行判断，且转至步骤(1b2)，直到整个图像的每个栅格都不满足分割判断条件为止。

所述步骤(2c)具体包括以下步骤：

(2c1)评价指标层中的林地、水域和荒漠化地表对因素层中的环境因素的相对重要性构建优先关系矩阵E

E

其中，i，j＝1,2…n，n为环境因素下对应的评价指标的数量，e

(2c2)矩阵E

其中，i＝1,2…n，求

同理得到

(2c3)求林地、水域和荒漠化地表第i个元素对上一层环境因素的权重q

其中，i＝1,2…n，且μ≤(n-1)/2，由此得出环境因素下林地、水域和荒漠化地表这3个评价指标的权重ω

(2c4)计算评价指标层所有的评价指标对栅格成本的综合权重为ω

ω

评价指标层每个评价指标的评分等级为[s

c＝ω

在步骤(3c)中，所述根据栅格选择的概率公式计算得到栅格选择概率p

(3c1)蚂蚁当前所在栅格位置为a，下一步待选栅格为b

(3c2)

其中，

其中，S为ab

(3c3)引入方向引导参数o，o的定义如下：

其中，θ为当前栅格位置a到待选栅格b

(3c4)由步骤(3c2)和步骤(3c3)得到改进后的蚁群算法的栅格选择概率

其中，

所述步骤(3e)具体包括以下步骤：

(3e1)信息素浓度随着每次迭代而更新，栅格的信息素浓度按下式更新：

其中，Δτ

其中，c(m)为蚂蚁m搜索得到的路线的成本，Q为修正系数；

(3e2)在每进行完一次迭代之后对γ进行更新，更新方式如下：

γ(k+1)＝(1-λ)·γ(k)

其中，λ为方向挥发系数，γ(k+1)为第k+1次迭代时o的控制参数，γ(k)为第k次迭代的控制参数。

如图4所示，所述步骤(3g)具体包括以下步骤：

(3g1)在拐点校正过程中，是从起点到终点进行处理，一条路线是由f个点连成route＝{v

(3g2)首先处理v

(3g3)重复步骤(3g2)直至处理到最后一个点v

综上所述，本发明采用改进的蚁群算法加快了算法的迭代收敛，并与适应分辨率栅格结合，栅格数的减少能显著提高算法的效率；自适应分辨率栅格的大小根据遥感图上地形变化而变化，地形变化剧烈或地形种类多的区域的栅格尺寸小且密集，如此能避免出现规划出的线路位置精度低的问题；对规划出的路线进行的拐点校正，减少了需要建造的转角塔的数量，节省了造价成本。