论文部分内容阅读
【摘 要】在电网的建设过程中，其最优路径选择问题至关重要，小则影响到项目成本的经济性，大则影响到整个电网的布局，对于电力系统的整体稳定运行具有非常重要的影响。基于此，文章对送电线路最优路径选择进行研究，以期能够提供一个借鉴。
【关键词】送电线路；最优路径；选择措施
1.送电线路路径选择的原则
1.1技术可行性
技术可行性，首先全面考虑路径可行性，重点探讨施工方便与否和运行安全与否。尽可能的选择路径较短，且特殊跨越少，同时水文、地质条件比较好的送电线路路径。具体来讲，选择地形位置时应尽量避开森林密集区，绿化区，果木林，以及公园，防护林带，房屋等等，如果实在无法避免，应尽量选取最少或最窄的线路模式，满足环境保护的要求。
山区选线时，由于地形起伏比较大，因此线路中出现风偏现象较多，且交通不便，会给施工和运行造成困难，同时可以利用地形，充分发挥“杆塔”使用条件，适当降低杆塔的高度。在山区易出现线路对树木或者对地放电的现象，可以在选择线路路径时，应力沿自然的山脊走，或者从山脊平缓处，不能从较窄的山沟中通过。
同时注意避免通过陆坡，悬崖峭壁，滑坡崩塌区，泥石流溶洞等不良地质区。跨河段在选择线路时，为了防止塔位被洪水淹没或冲刷，首先详细了解最高的洪水位淹没范围以及冲刷情况，尽量预估出跨河塔位，同时初测出跨越档距，避免特殊塔设计出现。
在重冰地区，路径选择时，应注意调查附近的电力线路，通信线路以及植被覆冰情况，并多收集在线路附近，沿线周围的覆冰厚度，覆冰时的季节风向以及覆冰类型等等资料，同时划分出来较切合实际情况的分区，确定冰区后路径选择时的目标是：避开极其严重的覆冰地段，同时，路径应该沿着起伏不很大的地形，减少覆冰的机会以及减轻覆冰的程度。
1.2经济最优原则
在线路选择设计方案中，在考虑所有其他要素的情况下，需要设计经济最优。第一步，在所选方案均要在合理预算范围之内，超过预算范围的方案应该被舍弃。第二步，列出经济的目标函数，在本目标函数中，注意不仅仅包含成本因素，而且要有其他因素的经济表现形式列入，取这个目标函数的极小值，以此评判项目的最优性。
例如，在线路选择过程中，如果对居民的通信产生很大的影响，这个行为在一般情况下是坚决不允许的，因此，为其选择的罚因子是无穷大，计入到成本函数中，迫使这一行为发生的概率为零，坚决杜绝这一现象发生。
2.最优路径选择常用的方法
2.1基于层次空间推理的最优路径算法
基于层次空间推理的算法研究重点是如何在方向策略及贪心策略基础上，能够利用人类的思维层次空间推理方法，建立起空间启发式的搜索策略，提高网络最短路径算法的效率以及适用性，使得最优路径选择符合人们的思维特点。
层次空间推理是人们在解决一类具有空间特征向题时，常常使用的方法。人类对于所处世界的了解认识，具有明显空间层次的特征，即每层次都包含解决问题的信息，并且从不同的空间尺度上，认识复杂地学问题，由浅入深的把握到问题本质。
例如，当我们出行时，拿有新地方的交通地图，不经过大量思考以及细致的计算，我们大概可以找到一条比较短的路径，可能这条路径不是最短，即最优，但是他一定是一条有参考价值的备选最优方案。在这个过程中，人们无意的使用了一种思维方式：层次空间推理办法。正如以上的例子中，我们没有完全展开细节，进行复杂的运算，只是在概化的层次上，进行判断得出最优路径。
在推理过程中，我们按照一定的规则，讲问题依据空间或者任务进行划分层次，从而进行推理。在划分层次过程中，每一个层次或子区都具有极其相似或相同的结构，极其相似或相同的对象间关系和其操作，这些与被划分为不同层次的同一任务有关系。
2.2基于模拟退火算法的曲面最短路径算法
基于模拟退火算法的曲面最短路径算法概念简单、编程实现方便、参数设置相对较少、收敛性能好、效率高，近年来受到各国学者的广泛关注。该算法已经成功运用到了许多领域首先分析路径节点序列的内在关联性，该算法通过以上分析提出适合曲面的最短路径问题邻域结构，并使得整段的路径优化问题可以通过局部的调整来得以实现，并将模拟退火算法框架引入到路径的寻优问题中，提出解决曲面最短路径随机搜索算法。
首先，随机初始化一群没有体积没有质量的粒子，每个粒子都作为优化问题的一个可行解，粒子的好与坏根据适应度函数来确定。每个粒子将在可行解空间中运动，每个粒子有一个速度变量，这决定了粒子运行的方向和距离。每个粒子将追随当前的最优粒子，经过一代一代的搜索，得到最优解。在每一代中，粒子将跟踪两个极值：个体极值一每个粒子本身迄今为止找到的最优解；全局极值一所有的粒子迄今为止找到的最优解。
（1）粒子群优化算法
粒子群算法，也称粒子群优化算法（ParticleSwarmOptimza-tion），缩写为PSO，是近年来发展起來的一种新的进化算法。PSO算法基本思想是对鸟类的群体行为进行建模和仿真研究结果的启发，属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”（Crossover）和“变异”（Mutation）操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。
（2）基于模拟退火算法的曲面最短路径算法
基于模拟退火算法的曲面最短路径算法概念简单、编程实现方便、参数设置相对较少、收敛性能好、效率高，近年来受到各国学者的广泛关注。该算法已经成功运用到了许多领域首先分析路径节点序列的内在关联性，该算法通过以上分析提出适合曲面的最短路径问题邻域结构，并使得整段的路径优化问题可以通过局部的调整来得以实现，并将模拟退火算法框架引入到路径的寻优问题中，提出解决曲面最短路径随机搜索算法。
【关键词】送电线路；最优路径；选择措施
1.送电线路路径选择的原则
1.1技术可行性
技术可行性，首先全面考虑路径可行性，重点探讨施工方便与否和运行安全与否。尽可能的选择路径较短，且特殊跨越少，同时水文、地质条件比较好的送电线路路径。具体来讲，选择地形位置时应尽量避开森林密集区，绿化区，果木林，以及公园，防护林带，房屋等等，如果实在无法避免，应尽量选取最少或最窄的线路模式，满足环境保护的要求。
山区选线时，由于地形起伏比较大，因此线路中出现风偏现象较多，且交通不便，会给施工和运行造成困难，同时可以利用地形，充分发挥“杆塔”使用条件，适当降低杆塔的高度。在山区易出现线路对树木或者对地放电的现象，可以在选择线路路径时，应力沿自然的山脊走，或者从山脊平缓处，不能从较窄的山沟中通过。
同时注意避免通过陆坡，悬崖峭壁，滑坡崩塌区，泥石流溶洞等不良地质区。跨河段在选择线路时，为了防止塔位被洪水淹没或冲刷，首先详细了解最高的洪水位淹没范围以及冲刷情况，尽量预估出跨河塔位，同时初测出跨越档距，避免特殊塔设计出现。
在重冰地区，路径选择时，应注意调查附近的电力线路，通信线路以及植被覆冰情况，并多收集在线路附近，沿线周围的覆冰厚度，覆冰时的季节风向以及覆冰类型等等资料，同时划分出来较切合实际情况的分区，确定冰区后路径选择时的目标是：避开极其严重的覆冰地段，同时，路径应该沿着起伏不很大的地形，减少覆冰的机会以及减轻覆冰的程度。
1.2经济最优原则
在线路选择设计方案中，在考虑所有其他要素的情况下，需要设计经济最优。第一步，在所选方案均要在合理预算范围之内，超过预算范围的方案应该被舍弃。第二步，列出经济的目标函数，在本目标函数中，注意不仅仅包含成本因素，而且要有其他因素的经济表现形式列入，取这个目标函数的极小值，以此评判项目的最优性。
例如，在线路选择过程中，如果对居民的通信产生很大的影响，这个行为在一般情况下是坚决不允许的，因此，为其选择的罚因子是无穷大，计入到成本函数中，迫使这一行为发生的概率为零，坚决杜绝这一现象发生。
2.最优路径选择常用的方法
2.1基于层次空间推理的最优路径算法
基于层次空间推理的算法研究重点是如何在方向策略及贪心策略基础上，能够利用人类的思维层次空间推理方法，建立起空间启发式的搜索策略，提高网络最短路径算法的效率以及适用性，使得最优路径选择符合人们的思维特点。
层次空间推理是人们在解决一类具有空间特征向题时，常常使用的方法。人类对于所处世界的了解认识，具有明显空间层次的特征，即每层次都包含解决问题的信息，并且从不同的空间尺度上，认识复杂地学问题，由浅入深的把握到问题本质。
例如，当我们出行时，拿有新地方的交通地图，不经过大量思考以及细致的计算，我们大概可以找到一条比较短的路径，可能这条路径不是最短，即最优，但是他一定是一条有参考价值的备选最优方案。在这个过程中，人们无意的使用了一种思维方式：层次空间推理办法。正如以上的例子中，我们没有完全展开细节，进行复杂的运算，只是在概化的层次上，进行判断得出最优路径。
在推理过程中，我们按照一定的规则，讲问题依据空间或者任务进行划分层次，从而进行推理。在划分层次过程中，每一个层次或子区都具有极其相似或相同的结构，极其相似或相同的对象间关系和其操作，这些与被划分为不同层次的同一任务有关系。
2.2基于模拟退火算法的曲面最短路径算法
基于模拟退火算法的曲面最短路径算法概念简单、编程实现方便、参数设置相对较少、收敛性能好、效率高，近年来受到各国学者的广泛关注。该算法已经成功运用到了许多领域首先分析路径节点序列的内在关联性，该算法通过以上分析提出适合曲面的最短路径问题邻域结构，并使得整段的路径优化问题可以通过局部的调整来得以实现，并将模拟退火算法框架引入到路径的寻优问题中，提出解决曲面最短路径随机搜索算法。
首先，随机初始化一群没有体积没有质量的粒子，每个粒子都作为优化问题的一个可行解，粒子的好与坏根据适应度函数来确定。每个粒子将在可行解空间中运动，每个粒子有一个速度变量，这决定了粒子运行的方向和距离。每个粒子将追随当前的最优粒子，经过一代一代的搜索，得到最优解。在每一代中，粒子将跟踪两个极值：个体极值一每个粒子本身迄今为止找到的最优解；全局极值一所有的粒子迄今为止找到的最优解。
（1）粒子群优化算法
粒子群算法，也称粒子群优化算法（ParticleSwarmOptimza-tion），缩写为PSO，是近年来发展起來的一种新的进化算法。PSO算法基本思想是对鸟类的群体行为进行建模和仿真研究结果的启发，属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”（Crossover）和“变异”（Mutation）操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。
（2）基于模拟退火算法的曲面最短路径算法
基于模拟退火算法的曲面最短路径算法概念简单、编程实现方便、参数设置相对较少、收敛性能好、效率高，近年来受到各国学者的广泛关注。该算法已经成功运用到了许多领域首先分析路径节点序列的内在关联性，该算法通过以上分析提出适合曲面的最短路径问题邻域结构，并使得整段的路径优化问题可以通过局部的调整来得以实现，并将模拟退火算法框架引入到路径的寻优问题中，提出解决曲面最短路径随机搜索算法。