br>[0009]
【附图说明】： 图1为本发明的某区域输电线路及其周边道路分布图； 图2为本发明的一种某区域巡线最优路径示意图； 图3为本发明的另一种某区域巡线最优路径示意图。
[0010]
【具体实施方式】：下面结合附图对本发明的【具体实施方式】做详细说明： 实施例：一种缩短输电线路巡视时间的巡线路径优化方法(参见图1-图3)，其包括如 下步骤： (一） 绘制输电线路及其周边交通道路分布图： 目前国家电网公司已完成输电线路杆塔及周边道路坐标测量工作，并录入GIS系统 (地理信息系统），根据GIS系统中杆塔和道路坐标数据，在二维坐标系下拟合某区域输电 线路及其周边道路分布图，如图1所示： 其中： &表示该区域第i基杆塔，i=l，2…N，N为该区域基杆塔总数； H,表示该区域第j条公路，j=l，2…K，K为该区域公路总数； Jab表示该巡视区域第a条公路Ha与第b条公路Hb交叉路口，a=l，2···K，b=l，2···K，且bb； ?\j表示巡视第i基杆塔在第j条公路上的停车点； Dij表示第i基杆塔G占其在第j条公路上停车点Tij的距离； (二） 杆塔与其停车点的距离及不同停车点间距离计算： 从图1中可以看出，第i基杆塔&与其在第j条公路上的停车点Ti,之间为曲线连接， 从停车点?\ ,到杆塔Gi需步行，其间距离Di,可通过实地测绘和GIS系统比对获得。
[0011] 通过GIS系统可以获得图1中任意杆塔Gi、公路交叉路口Jab、停车点j的坐标 数据，因此对二维坐标为（\，yj和（xf，yf)的两停车点，其间距离d可通过公式（1)求得：
公式（1)中： W表示两杆塔停车点间交叉路口数量； (xsk，ysk)表示两停车点间第k个交叉路口的坐标，满足0 <k<W，且为整数。
[0012] (三）输电线路巡视路径优化问题建模： 为方便输电线路巡视路径优化问题建模，根据输电线路巡视特点，做以下假设： (1) 只有一个巡视组，一辆巡视车参加规定区段的输电线路巡视； (2) 杆塔的巡视过程均为先乘车到杆塔下车点，然后步行至杆塔底部； (3) 所有道路的交通条件相同，不考虑道路交通条件对速度的影响，即车辆公路行驶速 度和人员步行速度为匀速； (4) 到达杆塔底部后，对每基杆塔的检查时间相同； (5) 巡视总路程不超过车辆的最大行驶距离，即车辆不需中途加油； (6) 巡视过程不会出现突发意外情况，影响巡视时间。
[0013] 基于上述假设，将输电线路巡视时间分为三部分，第一部分为从出发点乘车依次 到达各杆塔停车点所用总时间h，如公式（2)所示；第二部分为从各杆塔停车点步行至对应 杆塔底部所用总时间t2，如公式（3)所示；第三部分为巡视结束后，从最后一基被巡视杆塔 的停车点乘车返回起始点所用时间t3，如公式（4)所示；
公式（2)、（3)、（4)中：η为需巡视杆塔总数； 集合R表示一条巡视路径，其包括η+2个元素(起止点加巡视杆塔数)，其中第一个元素1"。=0(表示起始点)，最后一个元素rn+1=0 (表示结束点），中间η个元素rz (ζ=1，2…η)表示 该巡视路径中第Z个被巡视杆塔的杆塔号。由于巡视过程中某一杆塔不可能被重复巡视， 因此集合R中各元素互不相等(起止点除外）；
为巡视路径R中第（z-Ι)个被巡视杆塔(杆塔号为r(zu)的停车点和第z 个被巡视杆塔(杆塔号为rz)的停车点间距离； Dz为巡视路径R中第z个巡视杆塔rz到其停车点的距离； ^车辆行驶速度，V2人员步行速度； 公式（4)中sign(n-1)按公式（5)取值计算，当巡视杆塔数时， 取轉：~隹|，表示该巡视组有输电线路巡视任务，当8T綱时，取 議戀_，表示该巡视组无输电线路巡视任务。
本发明以缩短巡视时间为优化目标，根据公式（2)、（3)、（4)建立如公式（6)所示的目 标函数。
公式（6)中，t为巡线总时间； (四）遗传算法求解目标函数： 遗传算法是一种求解优化问题的搜索迭代算法，该算法的求解过程类似自然界的进化 过程，通过一代一代不断迭代，筛选出对应问题的最优解。
[0016] 本发明采用遗传算法求解输电线路巡线路径优化问题，遗传算法求解优化问题的 具体步骤如下： 1.编码： 根据英国谢菲尔德大学遗传算法matlab工具箱编码要求，本发明中由一组有序数列 组成的集合R为所求问题的一个解，即为一个个体。
[0017]2.生成初始种群： 在满足集合R各种约束的前提下，随机生成L个个体构成初始种群(^=(^……1〇 ; 3.适应度评估： 遗传算法在搜索过程中一般不利用外部信息，仅用适应度来评估个体的优劣。遗传算 法适应度函数的确定应根据求解问题的性质来确定，此处根据输电线路巡视路径优化问题 性质，将目标函数[公式（6)]的倒数定义为适应度函数，将当代种群（当前循环的种群）中 每一个个体带入适应度函数求得对应适应度值，并保存适应度最大值及适应度最大个体。 由于将目标函数的倒数定义为适应度函数，因此个体适应度值越大，个体的优越性越强，越 接近最优解；反之越远离最优解。
[0018] 4.选择个体： 对当代种群的L个个体按适应度值由大到小进行排序，根据Michalewicz提出的线性 排序选择概率计算公式[公式（7)]计算当代种群中L个个体被选择的概率。
公式（7)中m为个体排序序号，c为排序第一的个体被选择的概率。
[0020] 然后用成熟的轮盘赌法选择适应能力较强的个体。
[0021] 5.个体交叉重组： 对步骤4中选择的个体进行随机配对，并在配对个体中，随机设定交叉处，交叉彼此信 息，同时使其满足集合R的约束条件。
[0022] 6.个体变异： 个体变异的目的是为了挖掘种群中个体的多样性，克服遗传操作可能限于局部解的弊 端，为此对步骤5中产生的个体按变异率进行变异操作，变异后按集合R的约束条件进行校 验，交叉变异生成的新个体组成种群。
[0023] 7.循环： 判断遗传迭代次数，若不满足，将新种群应用于步骤3,循环操作；若满足，则循环结 束，此时步骤3中保存的适应度最大个体为所求问题的最优解。
[0024] 本发明目标函数求解通过matlab程序调用英国谢菲尔德大学遗传算法matlab工 具箱实现，步骤4、5、6直接调用工具箱中选择、重组、变异子函数。
[0025] 下面利用实施算例对本发明提出的输电线路巡线路径优化方法的实施及其有效 性进行评价 算例条件： 本算例选取某220kV输电线路5基杆塔为输电线路巡视区段，安排巡视。该巡视区段 周边有4条公路，第1、3基杆塔通过2条小路(不通车)与周边公路相通，第2、4、5基杆塔通 过1条小路(不通车）与周边公路相通，具体如图1所示。
[0026] 巡视人员小路步行平均速度为0.95m/s(实际成人步行速度大约为1. 5m/s左右， 由于杆塔与杆塔下车点间小路一般同行条件较差，根据实际经验，本专利取此值)，巡视车 辆公路行驶平均速度为14m/s(综合考虑道路交通条件，本专利取此值)。
[0027] 在输电线路GIS系统中，获取上述四条公路、公路交叉点、杆塔下车点及杆塔坐标 数据，具体坐标数据如表1、表2、表3所示，该坐标系尺寸对实际尺寸为1:50,单位为m。
[0028] 表