论文部分内容阅读
摘要：电力设备日常巡检是保证电力供给正常运行的关键。巡检线路是否合理，关系到巡检人员的工作效率和巡检的质量。巡检线路的优化能将有限的工作时间充分发挥。本文针对节约算法和蚁群算法两种算法进行对比分析，对18个待检修电力设备巡检线路进行优化，提升巡检质量和效率。
关键词：巡检;线路优化;节约算法;蚁群算法
0 引言
电力设备安全关系电力作业和用电的安全，随着电网扩张和用电的增加，设备运行的安全性受到了更加严峻的考验，电力设备的巡检管理更是逐渐被重视起来。由于电力设备巡检观测点数量较多，且分布十分零散，不同的设备检验周期也不同。为提高巡检效率，本文采用节约算法和蚁群算法相结合，开展对电力巡检线路进行优化管理，通过优化巡检时间，提高巡视次数，保证巡检的质量。
1 电力设备的常规巡检
电力设备安全巡检是电厂日常运行和检修工作的重要项目之一，通过电厂安全员定期及不定期的日常巡检和专项检查等，及时发现设备的异常或安全隐患，并第一时间报送问题，为决策争取时间，从而确保每个设备运行稳定，作业人员生产安全。而目前的电力设备巡检只笼统的规定了安全巡检的要求和周期，没有明确规定巡检的路线，使得安全员往来巡检区域检查设备极其容易发生设备漏检。安全员较多的巡检区域在设备巡检上更容易发生巡检线路交叉，一个设备多检的情况，这都是一种极其低效的巡检工作，既浪费了成本又极其耗时。
2 算法介绍
2.1 节约算法
节约算法的核心思想是依次将运输问题中的两个回路合并为一个回路，使每次合并后的总运输距离减小的幅度最大。
按照回路合并里程节约原则，计算里程网络中最短距离。首先初始对每一点单独里程计算，将节约里程按大到小排列，确定最优路线。
2.2 蚁群算法
蚁群算法本质为启发式全局优化算法，蚁群个体间通过信息素间接进行信息交流。蚁群算法首先从所有待优化点中任选一个为初始点，开始随机访问一次最终回到起始点。依照不同路径的信息量以及启发式信息计算状态转移概率：
表示在t时刻蚂蚁k由元素（城市）i转移到元素（城市）j的转移概率;α和β分别表示信息素和启发式信息在蚁群搜索路径过程的相对重要程度。
3 巡检线路优化
3.1 节约算法巡检线路优化
依照18个待检修设备之间的往来距离按节约距离从大到小进行回路合并得出最优路线。
结合表1表2数据，最终优化效果设定路径A：0-3-1-2-4-14-9-5-0，共计里程55.3km B：0-13-6-12-7-8-0，共计里程49.2km C：0-8-15-10-18-17-11-16-0，共计71.9km
3.2 蚁群算法巡检线路优化
仍以18个待测设备为对象，将18个待检测设备分布路径做路径地图矩阵，1表示为障碍物，0表示为可通行路。
选取初始信息素矩阵，选择初始点和终止点，蚁群算法会自动更新信息素和最优初始点。
根据蚁群算法得出优化路径a：0-3-2-1-18-4-5-0，共计里程54.6km b：0-6-7-8-14-12-13-0，共计里程51.1km c：0-10-11-16-17-13-9-0，共计里程68.2km
3.3 对比分析
通过节约算法和蚁群算法对巡检路径优化发现，两种算法给出了不同的路线，假设每一里程人力成本10元/km/人计算，每2个设备一名安全员的配置量。两种方案对比分析如下表：
根据表2对两个算法给出的优化路径进行评分，蚁群算法无论从总里程距离、所需安全员数和人工成本方面比节约算法都有明显的优势，因此蚁群算法所给出的巡检线路更加优越。
4 结束语
本文从节约算法和蚁群算法两种算法比较旨在探索电厂设备检修巡检最优线路，弥补常规巡检中可能存在的问题。路径优化方案的优劣取决于算法的精度和数据的准确度，建议可根据不同周期巡检设备使用不同算法对比寻找最优巡检路线。
参考文献：
[1]葛妍娇，郭宇，黄少华，刘道元，张蓉.基于智能感知网的物料配送动态优化方法[J/OL].计算机工程与应用：1-9[2019-01-03].http：//kns.cnki.net/kcms/detail/11.2127.TP.20181226.0753.002.html.
[2]张原艺，章政，王泉.基于改進多步长蚁群算法的机器人路径规划[J].计算机工程与设计，2018，39（12）：3829-3834+3866.
[3]杨晓敏.基于蚁群算法的黄河金三角旅游路线规划研究[J].计算机时代，2018（12）：61-63.
[4]王转，裴泽平.启发式路径下节约里程的订单分批算法[J].计算机工程与应用，2018，54（23）：203-209+222.
[5]罗雪静，颜文俊.大型光伏电站无人机巡检中的路径规划方法研究[J].工业控制计算机，2018，31（09）：32-34+36.
[6]易琳，秦晓科，王刚，李安然，王柯，李雄刚.基于改进蚁群算法的电力巡检路径规划[J].广东电力，2018，31（03）：115-119.
[7]贺书杰.模糊环境下基于改进节约算法的路径优化[J].价值工程，2017，36（34）：98-100.
关键词：巡检;线路优化;节约算法;蚁群算法
0 引言
电力设备安全关系电力作业和用电的安全，随着电网扩张和用电的增加，设备运行的安全性受到了更加严峻的考验，电力设备的巡检管理更是逐渐被重视起来。由于电力设备巡检观测点数量较多，且分布十分零散，不同的设备检验周期也不同。为提高巡检效率，本文采用节约算法和蚁群算法相结合，开展对电力巡检线路进行优化管理，通过优化巡检时间，提高巡视次数，保证巡检的质量。
1 电力设备的常规巡检
电力设备安全巡检是电厂日常运行和检修工作的重要项目之一，通过电厂安全员定期及不定期的日常巡检和专项检查等，及时发现设备的异常或安全隐患，并第一时间报送问题，为决策争取时间，从而确保每个设备运行稳定，作业人员生产安全。而目前的电力设备巡检只笼统的规定了安全巡检的要求和周期，没有明确规定巡检的路线，使得安全员往来巡检区域检查设备极其容易发生设备漏检。安全员较多的巡检区域在设备巡检上更容易发生巡检线路交叉，一个设备多检的情况，这都是一种极其低效的巡检工作，既浪费了成本又极其耗时。
2 算法介绍
2.1 节约算法
节约算法的核心思想是依次将运输问题中的两个回路合并为一个回路，使每次合并后的总运输距离减小的幅度最大。
按照回路合并里程节约原则，计算里程网络中最短距离。首先初始对每一点单独里程计算，将节约里程按大到小排列，确定最优路线。
2.2 蚁群算法
蚁群算法本质为启发式全局优化算法，蚁群个体间通过信息素间接进行信息交流。蚁群算法首先从所有待优化点中任选一个为初始点，开始随机访问一次最终回到起始点。依照不同路径的信息量以及启发式信息计算状态转移概率：
表示在t时刻蚂蚁k由元素（城市）i转移到元素（城市）j的转移概率;α和β分别表示信息素和启发式信息在蚁群搜索路径过程的相对重要程度。
3 巡检线路优化
3.1 节约算法巡检线路优化
依照18个待检修设备之间的往来距离按节约距离从大到小进行回路合并得出最优路线。
结合表1表2数据，最终优化效果设定路径A：0-3-1-2-4-14-9-5-0，共计里程55.3km B：0-13-6-12-7-8-0，共计里程49.2km C：0-8-15-10-18-17-11-16-0，共计71.9km
3.2 蚁群算法巡检线路优化
仍以18个待测设备为对象，将18个待检测设备分布路径做路径地图矩阵，1表示为障碍物，0表示为可通行路。
选取初始信息素矩阵，选择初始点和终止点，蚁群算法会自动更新信息素和最优初始点。
根据蚁群算法得出优化路径a：0-3-2-1-18-4-5-0，共计里程54.6km b：0-6-7-8-14-12-13-0，共计里程51.1km c：0-10-11-16-17-13-9-0，共计里程68.2km
3.3 对比分析
通过节约算法和蚁群算法对巡检路径优化发现，两种算法给出了不同的路线，假设每一里程人力成本10元/km/人计算，每2个设备一名安全员的配置量。两种方案对比分析如下表：
根据表2对两个算法给出的优化路径进行评分，蚁群算法无论从总里程距离、所需安全员数和人工成本方面比节约算法都有明显的优势，因此蚁群算法所给出的巡检线路更加优越。
4 结束语
本文从节约算法和蚁群算法两种算法比较旨在探索电厂设备检修巡检最优线路，弥补常规巡检中可能存在的问题。路径优化方案的优劣取决于算法的精度和数据的准确度，建议可根据不同周期巡检设备使用不同算法对比寻找最优巡检路线。
参考文献：
[1]葛妍娇，郭宇，黄少华，刘道元，张蓉.基于智能感知网的物料配送动态优化方法[J/OL].计算机工程与应用：1-9[2019-01-03].http：//kns.cnki.net/kcms/detail/11.2127.TP.20181226.0753.002.html.
[2]张原艺，章政，王泉.基于改進多步长蚁群算法的机器人路径规划[J].计算机工程与设计，2018，39（12）：3829-3834+3866.
[3]杨晓敏.基于蚁群算法的黄河金三角旅游路线规划研究[J].计算机时代，2018（12）：61-63.
[4]王转，裴泽平.启发式路径下节约里程的订单分批算法[J].计算机工程与应用，2018，54（23）：203-209+222.
[5]罗雪静，颜文俊.大型光伏电站无人机巡检中的路径规划方法研究[J].工业控制计算机，2018，31（09）：32-34+36.
[6]易琳，秦晓科，王刚，李安然，王柯，李雄刚.基于改进蚁群算法的电力巡检路径规划[J].广东电力，2018，31（03）：115-119.
[7]贺书杰.模糊环境下基于改进节约算法的路径优化[J].价值工程，2017，36（34）：98-100.