(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210914304.3 (22)申请日 2022.08.01 (71)申请人 中国能源建 设集团安徽省电力设计 院有限公司 地址 230601 安徽省合肥市经济技 术开发 区繁华大道3 69号 (72)发明人 谢枫　张家倩　孟宪乔　邵松涛　 吴睿　周贺　刘耀中　阮勇　包华　 王锦涛　张炜　 (74)专利代理 机构 合肥国和专利代理事务所 (普通合伙) 34131 专利代理师 吴娜 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06N 3/00(2006.01) (54)发明名称 基于自适应节点优化蚁群算法的输电线路 智能选线方法 (57)摘要 本发明涉及一种基于自适应节点优化蚁群 算法的输电线路智 能选线方法， 包括： 基于地理 信息系统明确环境因素， 建立递阶层次分析模 型， 量化各个环境因素； 基于GIS栅格地图， 将地 理空间分成多个正方形单元 组成的规则矩阵,结 合递阶层次分析模型得到每个基本区域的输电 线建设成本， 得到路线总成本； 根据路线总成本 和GIS栅格地图， 通过自适应节点优化蚁群算法 进行智能选线， 得到最优路径。 相比传统的用于 智能选线的蚁群算法， 本发明使用的蚁群算法增 加了自适应调整、 局部变异以及节点优化机制， 提高了算法的收敛精度和稳定性； 本发明实现了 新的架空电力线路自动优化布线方法， 有助于自 动选择最经济的路线， 以建立 新的线路。 权利要求书4页 说明书8页 附图2页 CN 115186929 A 2022.10.14 CN 115186929 A 1.一种基于自适应节点优化蚁群算法的输电线路智能选线方法， 其特征在于： 该方法 包括下列顺序的步骤： (1)基于地理信息系统明确环境因素， 建立 递阶层次分析模型， 量 化各个环境因素； (2)基于GIS栅格地 图， 将地理空间分成多个正方形单元组成的规则矩阵,定义相应的 二维坐标系， 每个正方形单元表示一个基本区域和位置， 结合递 阶层次分析模型得到每个 基本区域的输电线建 设成本， 得到路线总成本； (3)根据路线总成本和GIS栅格地 图， 通过自适应节点优化蚁群算法进行智能选线， 得 到最优路径best_path 。 2.根据权利要求1所述的基于自适应节点优化蚁群算法的输电线路智能选线方法， 其 特征在于： 所述 步骤(1)具体包括以下步骤： (1a)根据GIS栅格地图获取的地形图中的地理信息， 地理信息包括地质类型、 交叉跨 越、 建筑设施和导线成本； (1b)将步骤(1a)中的四种地理信息分别作为四个准则， 采用层次分析法AHP建立输电 线路选线的环境因素 的递阶层次分析模型， 即四个准则作为准则层决定建设成本， 同时每 个准则被多个环境因素所影响， 环境因素包括森林、 建设用地、 水域、 自然保护区、 房屋、 公 共设施和道路； (1c)根据AHP中的1 ‑9标注法对某一准则下的各环境因素进行量化评价， 得到评价数 据， 然后基于现有的主成分分析法PCA对评价数据构造出综合判断矩阵B， 通过综合判断矩 阵B求解出某一准则环境因素权重， 进而求解出各个元素对总目标建设成本的综合权重 向 量。 3.根据权利要求1所述的基于自适应节点优化蚁群算法的输电线路智能选线方法， 其 特征在于： 所述 步骤(2)具体包括以下步骤： (2a)基于GIS栅格地 图将地理空间分成一个正方形单元的规则矩阵,每个单元表示一 个基本区域和位置； 对于给定的GIS栅格地图， 定义相应的二 维坐标系用来定位每个栅格区 域， 即一个离 散的二维空间； (2b)在GIS栅格地图中， 假设一条线路经 过k+1个基本单元格， 则用集 合R来表示: R＝{r0,..,rk,...,rK} ＝{(i0,j0),...,(ik,jk),...,(iK,jK)} 式中， (i,j)表示选线路径中顶点的基本单元即地理位置信息， 定义线段lk是顶点rk‑1和 rk之间连线， 则对于集 合R所构成的路径用集 合L表示： L＝{l1,..,lk,...,lK}； (2c)采用以下公式计算 一条路线的总成本： 其中， g(rk)是由递阶层次分析模型得到每个基本区域rk的输电线建设成本， h(lk)是线 段lk的线长成本， pt是路线的转角成本 。 4.根据权利要求1所述的基于自适应节点优化蚁群算法的输电线路智能选线方法， 其 特征在于： 所述 步骤(3)具体包括以下步骤：权　利　要　求　书 1/4 页 2 CN 115186929 A 2(3a)信息素矩阵η中每一个值对应GIS栅格地图每一个基本区域的信息素值， 初始化信 息素矩阵η＝η0、 迭代次数K、 每组搜索次数M， 初始化邻居栅格成本影响因子α、 信息素影响 因子β 、 信息素挥发因子ρ 、 信息素强度常数Q、 变异次数n和最优路径best_path； (3b)根据下一节点概率计算得到Pi， 通过转轮 赌法选择下一步怎么走， 找 到下一个位置 点； (3c)确定路径点和路径长度， 按照自适应机制更新信息素变量， 对标记初始解的路径 path进行自适应变异， 根据上一次迭代路径长度L ′确定变异长度l， 随机产生变异点{b1, b2}， 然后按照以b1为起点， b2为结束点进行n次局部路径搜索， 记录变异后的搜索路径 pathb， 并将变异搜索路径与历史路径信息进行对比； (3d)更新路径成本值、 禁忌表， 记录和更新历史局部最优和最差路径， 并进行信息素更 新； (3e)记下每次迭代中每只蚂 蚁的搜索 路线和路线成本值并更新当前最优搜索 路径， 判 断是否完成循环， 若没达 到， 返回步骤(3b)， 否则， 进入步骤(3f)； (3f)迭代结束后， 输出当前的最优路径best_path； (3g)对最优路径best_path进行节点优化并输出。 5.根据权利要求2所述的基于自适应节点优化蚁群算法的输电线路智能选线方法， 其 特征在于： 所述 步骤(1c)具体包括以下步骤： (1c1)采用以下公式求解权重， 即通过求解综合判断矩阵B的最大特征值及其对应的特 征向量： 其中， a′ij， aij分别为两个判断矩阵对应元 素， bij为综合判断矩阵B对应元 素； (1c2)采用以下公式求解权重， 即通过求解综合判断矩阵B的最大特征值及其对应的特 征向量： B ζ ＝ λ ζ 其中， ζ为特征向量， λ为特征向量对应的特征值； 由此求出某一准则下各环境因素权重 值； (1c3)采用以下公式求出 各个元素对总目标的综合权 重向量： 其中， 表示第i层各个因素对总目标的权重值， 为第i 层全部元素分别 对第j层的个元素的权重值， 而 表示第i层的因素对i ‑1层以第j个为 准则的权 重值， 求出 各个元素相对目标层的权 重值。 6.根据权利要求4所述的基于自适应节点优化蚁群算法的输电线路智能选线方法， 其权　利　要　求　书 2/4 页 3 CN 115186929 A 3