基于改进蚁群算法的输变电工程数据分析方法研究_刘宏志.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第15期No.152023年8月Aug.2023收稿日期：2021-12-21稿件编号：202112138基金项目：2021年国网山东省电力公司经济技术研究院“智慧”技经管理微应用课题（SGSDJY00JJXX2100251）作者简介：刘宏志（1986），男，山东滕州人，硕士，高级经济师。研究方向：电网工程造价管理。随着我国经济的快速发展及居民生活水平的提升，社会生产生活对于电力的需求与日俱增，电网也随之进入大建设时期1-2。而输变电工程作为电网的重要支撑项目，其具有建设过程复杂、周期长且投资金额较大等特点3。由于该工程在建设过程中所产生的造价、质量管控与流程管理等数据众多，因此如何合理有效地分析、管控其工程数据成为了亟待解决的问题4-5。针对海量工程数据的分析处理，目前已取得了基于改进蚁群算法的输变电工程数据分析方法研究刘宏志，杨晓营，王艳梅，张 灿（国网山东电力公司经济技术研究院，山东 济南 250021）摘要：针对电网工程数据处理过程中存在多源复杂且管控不理想等问题，提出了一种基于改进蚁群算法的输变电工程数据分析管控方法。该方法对数据进行标准化、校验等智能化预处理，并将处理后的数据输入改进蚁群算法加以计算，进而得到工程造价最小化的管控方案。同时通过状态转移概率及状态转移规则优化了信息素的更新过程，从而增强了蚁群算法的全局搜索能力。以某具体的工程数据为样本，在Matlab平台上进行的测试结果表明，所提方法的收敛速度更快，得到的工程造价显著降低，且管控效果较为理想。关键词：输变电工程；改进蚁群算法；工程造价最小化；状态转移；智能化预处理中图分类号：TN318；TN911文献标识码：A文章编号：1674-6236（2023）15-0056-04DOI：10.14022/j.issn1674-6236.2023.15.012Research on data analysis method of power transmission and transformation projectbased on improved ant colony algorithmLIU Hongzhi，YANG Xiaoying，WANG Yanmei，ZHANG Can（State Grid Shandong Electric Power Company Economic&Technological Research Institute，Jinan250021，China）Abstract:In view of the problems of multisource complexity and unsatisfactory control in the process ofpower grid engineering data processing，a data analysis and control method of power transmission andTransformation Engineering Based on improved ant colony algorithm is proposed in this paper.Thismethod first carries out intelligent preprocessing such as data standardization and verification，theninputs the processed data into the improved ant colony algorithm for calculation，and finally obtains thecontrol scheme of minimizing the project cost.This algorithm optimizes the pheromone update processthrough state transition probability and state transition rules，so as to enhance the global search ability ofant colony algorithm.Taking a specific engineering data as a sample，the test results on the Matlabplatform show that the convergence speed of the proposed method is faster，the engineering cost issignificantly reduced，and the control effect is ideal.Keywords:power transmission and transformation project；improved ant colony algorithm；minimizeproject cost；state transition；intelligent pretreatment-56一定的研究成果，如遗传算法、神经网络等6-7。但大部分方法存在对输变电工程多源多类型数据考虑不全面的问题，尤其在工程造价管控方面，难以实现各部门数据的共享且管控效率较低。为此，该文基于改进蚁群算法提出了一种输变电工程分析管控方法，将智能化处理后的数据输入改进蚁群算法进行分析，并根据优化方案进行工程管控。1改进蚁群算法1.1蚁群算法蚁群算法(Ant Colony Optimization，ACO)主要根据两条规则来进行搜索，即确定蚂蚁下一个位置方向的移动规则与信息素更新规则8-9。在信息素的引导下，蚁群的解朝着最优方向发展，蚁群算法的搜索过程如图1所示。图1蚁群算法的搜索过程首先，在蚁群搜索过程中信息素按比例挥发，表示为：ab(t+1)=(1-)ab(t)（1）式中，ab(t)表示边缘(a,b)上时间t内的信息素，为信息素的挥发系数。然后，当蚂蚁k在时间t内通过(a,b)时，信息素更新如下：ab(t+1)=(1-)ab(t)+0（2）式中，0为信息素初值。同时，蚁群算法的路径选择概率pkab(t)计算如下：pkab(t)=abababJk()rabab,sJk(r)0,其他（3）式中，Jk(r)表示蚂蚁k在时间t时需要访问的一组站点；和则分别表示与启发因子的比例。最终，在每个搜索迭代后，均会根据信息素的变化更新最佳路径Lbest(t)及最差路径Lworst(t)，数学表达式如下：ab(t+1)=(1-)ab(t)+ab(t)ab(t)=QLbest(t),(a,b)Lbest(t)QLworst(t),(a,b)Lworst(t)（4）式中，Q为(a,b)间的信息素总量。1.2改进蚁群算法的架构设计由于传统的蚁群算法易陷入局部最优，而主要影响蚂蚁路径选择的因素是信息素的大小与路径的长度。因此，可通过改变两个因素对蚂蚁路径选择的影响比例来改进蚁群算法10。其中，通过状态转移概率及规则能够实现对信息素的优化，并进一步增强蚁群算法搜索全局最优解的能力。1）状态转移概率优化通过调整信息素对路径选择的影响比例，将蚂蚁的路径选择转化为信息素的比例计算。状态转移概率计算如下：pkab(t)=1NababJk()rab+(1-)ababJk()rab,sJk(r)0,其他（5）式中，N为位置数；为随机数，取值范围为(0,1)。其中，越小，路径长度的影响越大；而越大，则信息素影响也越大。因此，蚂蚁的路径选择概率可通过权重的比例来反映。即当信息素权重较大时，蚂蚁主要根据信息素选择路径；而当路径长度权重较大时，蚂蚁则主要根据路径长度进行路径选择11。通常而言，信息素是决定蚂蚁路径选择的一个因素，且设置为0.90。2）利用状态转移规则通 过 基 于 最 大 最 小 蚂 蚁 系 统(Max Min AntSystem，MMAS)细化信息素的上下限来优化状态转移规则，有利于提高路径选择的准确性及鲁棒性。状态转换规则定义如下：s=arg maxabJk()r(a,b)(a,b),pp0S1,p0pkab()tS3,其他（6）刘宏志，等基于改进蚁群算法的输变电工程数据分析方法研究-57电子设计工程 2023年第15期式中，p和p0分别为当前转移概率与转移概率阈值。当pp0时，规则按照原始状态转移；当p0pkab(t)时，选择 S2，其信息素量最大的位置；而在其他情况下，则选择 S3，此为无效点。改进的蚁群算法通过优化信息素，帮助蚂蚁选择更合理的路径。由于信息素的精确上下限，该改进算法能够更准确地选择相应的状态规则，并更有效地搜索全局最优解。2工程数据分析管控方法由于输变电工程复杂，且人工处理精度较低，因此将改进蚁群算法应用到工程数据中进行智能化分析，以实现更为理想的数据管控效果。2.1工程数据智能化处理数据智能化处理的过程包含数据标准化预处理、数据综合校验及数据集成分析处理共三个环节，具体如图2所示。图2数据智能化处理过程1）数据标准化预处理：输变电工程数据根据施工过程包含预研、工程启动、招标与施工等阶段的数据，各类数据文件繁多，且格式、计量单位等不同，因此 有 必 要 进 行 标 准 化 处 理。可 扩 展 标 记 语 言(Extensible Markup Language，XML)是一种数据元12，文中即采用XML标准化输变电工程数据。2）数据综合校验：在数据标准化后可能存在数据缺失等情况，因此需按照预先设定的规范进行包括完整性、正确性、逻辑性等方面的校验，以确保工程数据的质量。3）数据集成分析：该文采用中间件技术，把来自于多种数据源的信息转换为 XML 元数据。然后再将校验过的数据按照规则进行集成并存储，最终实现数据共享。2.2基于改进蚁群算法的数据分析方法将智能化处理后的数据输入改进蚁群算法进行分析，根据分析结果采取相应的管控措施。工程数据分析管控的整体流程如图3所示。图3工程数据分析管控的整体流程在基于改进蚁群算法的工程数据分析管控流程中，首先进行参数初始化，设定最大迭代次数等。然后根据寻优规则搜索路径，并计算适应度值。再将每只蚂蚁的移动路径与最优解进行比较：若移动后适应能力比之前更强，则应移动蚂蚁，且将相应的结果转化为信息素增量，以更新蚁群算法的信息素矩阵13-14；否则，蚂蚁将停留在原始位置，并保持此最优解。然后，蚂蚁持续搜索，直至找到全局最优解，即适应度值最理想对应的数据分析结果。由于输变电工程数据繁杂，以工程造价为例，适应度值为全过程造价，全局优化目标为工程造价最小化。3实验结果与分析实验中，以山东省某市的 220 kV 电压等级的输变电工程为例，基于 Matlab 仿真平台对所提方法进行分析。此外，改进蚁群算法的参数设置为：蚁群数目为 50，=1，=4，=0.1，最大迭代次数为400次。-583.1改进蚁群算法收敛性分析为了论证改进蚁群算法的优越性，将其与传统蚁群算法进行对比，二者的迭代收敛曲线如图 4所示15-16。图4算法迭代曲线对比从图中可明显看出，改进蚁群算法的收敛次数更少，大约为 85 次，且适应度值更小。而传统蚁群算法在迭代 90次之后适应度趋于稳定，但仍存在一定的波动，且适应度值较大，优化效果也不佳。因此，改进蚁群算法通过信息素与距离的优化能够显著加快收敛速度，并获取全局最优解以提升目标优化结果。3.2工程造价管控结果将所提方法用于输变电工程造价数据分析，其输电、变电等工程的费用如图5所示。图5输变电工程造价管控结果由图 5可知，相比于工程造价测试值，经所提方法处理后的工程造价显著减少，以 12 月的工期为例，其造价降低了约 50万元。所提方法通过改进蚁群算法获得全局最优解，即造价最小化的管控方案。且全面分析了输电、变电等各个阶段的工程费用，因此管控效果显著，并降低了电网建设成本。4结束语基于改