電力優化論文：三維電力設施優化方式探討范文

本站小編為你精心準備了電力優化論文：三維電力設施優化方式探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

作者：湯雍南云戚魏炯單位：象山縣供電局

建立基礎三維場景

首先根據DEM和DOM等地理數據，結合電力設施地理空間分布數據，建立基礎三維空間場景；建立三維場景的流程如下：

（1）影像數據準備確定影像數據：如果我們所要做的工程范圍內有以前拍攝的航片數據或高精度衛星影像數據，需要先把影像數據處理為正射影像，并拼接在一起，可一個條帶拼接在一起，條帶與條帶之間無需拼接，最后直接將每個條帶加入TB模塊中。

（2）DEM數據準備為了使場景更加漂亮，需要增加比我們所要做的工程范圍更大的DEM數據，可使用全國90米分辨率或全國30米分辨率的免費DEM數據進行融合，這類數據通過收集或直接從網上免費下載。每個地區，可能有1∶500、1∶2000、1∶5000尺度的地形圖，可將此類地形圖做成高精度DEM添加到場景中。

●圖幅拼接影像數據大部分均為單幅地形圖，為了方便，可以將多幅地形圖在軟件中拼接為一幅（拼接的幅數根據電腦性能確定），在拼接的時候即可檢查是否有斷線，如果有斷線盡量把線連在一起，避免生成DEM時出錯。

●高程賦值如果等高線沒有賦值，首先要對等高線進行賦值，等高線必須有高程值。

●檢查錯誤包括檢查等高線賦值是否正確等。

（3）在場景中添加影像數據和DEM

重點關注區域初步選址

在基礎三維空間場景中根據電力設施選址要求，利用模擬退火算法，建立初步選址模型，生成設施可選擬合度分布圖［2］。根據預期規劃的電力設施分布情況，在此范圍內選取對電力設施部署有利同時有不確定擬合可能的區域，作為重點關注區域。

高精度數據獲取

使用激光點云掃描等高精度定制化方式，結合設施可選擬合度分布圖，在該區域中采集點云數據等高精度數據，采集的區域選擇和不同采集區域的精度控制以設施可選擬合度分布圖作為依據；

選址結果二次優化

由于采集數據精確性較高，可以對上一步得到的選址分析結果進行二次優化處理，尤其是在取得了高精度數據的區域，得到更精確的分析結果；將分析結果和實際情況結合起來進行高精度選址作業，并將作業結果展現在三維空間中。

關鍵技術

1三維空間場景仿真技術

●場景分割

一個三維地形場景可以從幾平方千米到幾十甚至數百、數萬平方千米，其多邊形數量可達幾十、幾百萬個。如果把整個模型數據一次性讀入計算機內存中去顯示，目前來說幾乎不可能做到，所以需要進行三維場景的分割。分割之前需要對于硬件性能、場景復雜程度以及紋理的數據量進行綜合評估，確定每一塊場景的大小。實時顯示時，將只會揀取可視范圍之內的三維場景模型。

●多分辨率地形模型

細節層次模型是虛擬顯示應用中經常使用的技術，其思想是在不同的層次、不同的視覺條件下，采用不同精細度的模型來表示同一個對象，以提高場景的顯示速度。多分辨率地形模型主要根據視點距離模型（地形）的距離和觀察角度來確定模型的驚喜程度。隨著距離由遠及近，模型的精細程度也由粗到細。相鄰層次模型的多邊形數目一般相差50％～60％。

●采用多分辨率紋理貼圖

三維場景的真實性是場景可視化的重要組成部分。隨著計算機的發展，可視化對于真實性的要求也越來越高，除了采用光照技術使地形具有明暗效果外，使用高分辨率的紋理也是增強地形真實性的常用有效手段。但是高辨率的紋理將會占用大量內存，消耗系統資源，嚴重影響三維場景的正常顯示速度。為了解決這種矛盾，一般通過運用多分辨率紋理貼圖來實現紋理和系統資源之間的平衡。這種方法的思想是：在多分辨率的模型中加入多分辨率的紋理影像，并根據視點的變化選擇不同分辨率的紋理。

2模擬退火算法

在此處使用了模擬退火算法來建立選址模型，模擬退火是一種通用概率算法，用來在固定時間內尋求在一個大的搜尋空間內找到的最優解。模擬退火來自冶金學的專有名詞退火。退火是將材料加熱后再經特定速率冷卻，目的是增大晶粒的體積，并且減少晶格中的缺陷。材料中的原子原來會停留在使內能有局部最小值的位置，加熱使能量變大，原子會離開原來位置，而隨機在其他位置中移動。退火冷卻時速度較慢，使得原子有較多可能可以找到內能比原先更低的位置。

模擬退火的原理也和金屬退火的原理近似：我們將熱力學的理論套用到統計學上，將搜尋空間內每一點想像成空氣內的分子；分子的能量，就是它本身的動能；而搜尋空間內的每一點，也像空氣分子一樣帶有“能量”，以表示該點對命題的合適程度。算法先以搜尋空間內一個任意點作起始：每一步先選擇一個“鄰居”，然后再計算從現有位置到達“鄰居”的概率。可以證明，模擬退火算法所得解依概率收斂到全局最優解。

模擬退火算法新解的產生和接受可分為如下四個步驟：由一個產生函數從當前解產生一個位于解空間的新解；為便于后續的計算和接受，減少算法耗時，通常選擇由當前新解經過簡單地變換即可產生新解的方法，如對構成新解的全部或部分元素進行置換、互換等，注意到產生新解的變換方法決定了當前新解的鄰域結構，因而對冷卻進度表的選取有一定的影響。計算與新解所對應的目標函數差。因為目標函數差僅由變換部分產生，所以目標函數差的計算最好按增量計算。事實表明，對大多數應用而言，這是計算目標函數差的最快方法。

判斷新解是否被接受，判斷的依據是一個接受準則，最常用的接受準則是Metropolis準則：若Δt′＜0則接受S′作為新的當前解S，否則以概率exp（－Δt′／T）接受S′作為新的當前解S。當新解被確定接受時，用新解代替當前解，這只需將當前解中對應于產生新解時的變換部分予以實現，同時修正目標函數值即可。此時，當前解實現了一次迭代。可在此基礎上開始下一輪試驗。而當新解被判定為舍棄時，則在原當前解的基礎上繼續下一輪試驗。

模擬退火算法與初始值無關，算法求得的解與初始解狀態S（是算法迭代的起點）無關；模擬退火算法具有漸近收斂性，已在理論上被證明是一種以概率1收斂于全局最優解的全局優化算法；模擬退火算法具有并行性。

3點云數據采集建模技術

點云（pointcloud）是指通過3D掃瞄儀得到的數據形式。掃描資料以點的型式記錄，每一個點包含有三維座標，有些可能含有色彩信息（R，G，B）或物體反射面強度。點云數據除了具有幾何位置以外，還有強度（Intensity）信息，強度信息的獲取是激光掃描儀接受裝置采集到的回波強度，此強度信息與目標的表面材質、粗糙度、入射角方向，以及儀器的發射能量，激光波長有關。

激光點云掃描是通過激光測距來獲得被測物體的距離數據，通過精密的時鐘同步的方法來獲取激光測距時，測距儀所發射激光束的角度，進而建立掃描坐標系。作為中距離三維激光掃描系統的自動化解決方案，激光點云的測量精度均可以達到較高的水準。利用激光點云數據，可以得到一系列表達目標空間分布和目標表面特性的海量點的集合，點云的屬性包括：空間分辨率，點位精度，表面法向量等。

以建筑物點云掃描為例，在研究中一般先根據已知信息對于獲取的原始掃描觀測值進行地物提取，將地形數據與地物數據分離；再對建筑物數據進行去噪處理，去除測量噪聲、遮擋物（樹木、車輛等）的影響，得到建筑物整體信息；然后通過基于平面特征的圖像分割對于建筑物進行識別，并根據建筑物自身特點，對于連續掃描的激光測量端面進行整體匹配糾正，得到建筑物特征點和二維平面特征；之后，再根據總體糾正信息對于原始測量數據進行重新測量和計算。最后對三維坐標進行建模和三維可視化處理。

4選址算法

選址問題的求解一般可以分為定性和定量兩類：定性的方法主要是結合層次分析法和模糊綜合法對于各個方案進行指標評價，以找出最優選址；定量的方法包括松弛算法和啟發式算法。松弛算法的基本原理是：將造成問題難的約束吸收到目標函數中，并使得目標函數依舊保持線性，由此使得問題易于解決。一些組合優化問題在現有的約束條件下很難求得最優解，但是原問題減少某些約束以后，求解的難度就會大大降低。啟發式搜索就是在狀態空間中對于每一個要搜索的位置按照某種方式進行評估，得到最優的位置，在從這個位置進行搜索直到達到目標，這樣就可以減少大量無畏的搜索路徑，提高了效率。不同的位置評估方式，得到不同的算法。在這里，我們使用了模擬退火算法來進行啟發式搜索。

電力設施選址二次優化方法的應用

首先，確定選址區域根據DEM和DOM等地理數據，結合電力設施地理空間分布數據，建立區域的基礎三維空間場景；第二步：在基礎三維空間場景中根據電力設施選址要求，利用模擬退火算法，建立初步選址模型，生成設施可選擬合度分布圖。根據預期規劃的電力設施分布情況，在此范圍內選取對電力設施部署有利同時有不確定擬合可能的區域，作為重點關注區域［5］；第三步：使用激光點云掃描等高精度定制化方式，結合電力設施重點關注區域，在該區域中采集點云數據等高精度數據，不同采集區域的精度控制以設施可選擬合度分布圖作為依據，越傾向不確定擬合可能的區域，采集精度越高；第四步：由于采集數據精確性較高，可以對第二步得到的選址分析結果進行二次優化處理，尤其是在電力設施重點關注區域，得到更精確的分析結果；第五步：將分析結果作為選址作業結果展現在三維空間中，供工程技術人員與實際情況相結合進行高精度選址作業。

小結

通過在一般精度三維地理信息場景中進行初步選址生成設施可選擬合度分布圖，再根據預期規劃在此范圍內選取重點關注區域進行高精度、定制化數據采集，生成高精度的局部模型進行二次精細選址。從而有效提高資源和數據的使用效率。本方法相對于以往技術的優勢在于：減小了使用高精度地理信息數據的高成本問題，在選址過程中先使用一般精度的地理信息數據通過模擬退火算法進行初步選址生成設施可選擬合度分布圖。再根據圖線和規劃選取重點區域進行針對性高精度建模，從而大大減小了數據測量的工作量和施工成本。