袁敬中，于 泓，蔣榮安，婁書榮，趙俊生

(1.華北電網有限公司，北京 100120；2.北京洛斯達科技發(fā)展有限公司，北京 100120；3.武漢大學，湖北 武漢 430072)

1 背景

輸電線路的選線工作是輸電線路設計的主要內容之一，選線需要綜合考慮地貌、地物、地形和地質等諸多因素。傳統(tǒng)的主要通過專家經驗和人工主觀判讀的電力選線方法需要花費大量的人力和時間，選擇的線路的好壞與選線人員的經驗和主觀判讀能力有密切的關系，難以確保選線的合理性。因此，計算機自動選線的需求日益增加。

GIS作為空間數據的主要獲取和管理手段，可以將影響選線的因素進行計算機量化和空間表達，并通過空間分析和最優(yōu)路徑算法實現電力的自動選線。要實現計算機自動選線，設計合理的針對電力選線特點的空間數據模型是需要考慮的關鍵問題。

當前，諸多學者利用柵格數據模型將選線區(qū)域劃分為網格單元， Monteiro利用柵格數據模型對各種影響因素進行計算，將各種影響因素轉化為通過網格時的花費代價，然后利用動態(tài)規(guī)劃算法進行電力線路通道選擇。Ahmadi和Schmidt等在柵格模型的基礎上利用ArcGIS的工具和空間分析功能設計電力線路；Beazer1和Beazer等針對柵格數據模型設計了軟件工具用于計算選線影響因素代價。這些研究都在一定程度上提高了選線的智能性，然而，這些方法使用柵格數據模型主要是基于柵格數據格式，模型中使用的網格大小相同，模型的設計沒有考慮具體空間區(qū)域的地形、地物的復雜情況，并且選線的各個影響因素對選線影響方式的不同，使得選擇的線路難以達到較高的精確性。

華北電網有限公司以多年實際選線的經驗為基礎，針對管理區(qū)域地形復雜的狀況，針對當前研究存在的問題，提出一種新的自適應多級網格數據模型，根據網格覆蓋區(qū)域的和影響因素的不同，自動選擇不同分辨率的網格計算各個影響因子的值，然后自動選擇不同層次的網格參與最優(yōu)路徑運算，并通過A*算法進行實際線路設計，結果表明該數據模型能夠提高選線策略的合理性。

2 多級網格數據模型設計

在電力自動選線中，當前研究和使用較多的柵格數據模型，是通過將選線的備選區(qū)域進行網格劃分，形成規(guī)則的網格單元，每個網格的值代表通過網格時或者從鄰近網格到該網格所需要花費的代價。網格的值主要是通過綜合與其他影響選線因素的空間數據疊加分析來獲取，然后為每個影響因素賦予不同的權重，計算出最終的網格單元的通過代價值。該方法中可以使用多個級別的網格，每個級別的網格單元大小相等，例如：2km×2km 、1km×1km和500m×500m的網格。然而，一種網格層次的柵格數據難以滿足不同的地理區(qū)域的不同影響因素的信息提取。本節(jié)首先分析電力選線的諸多影響因素，及其空間數據表示方法；然后根據影響因素在不同分辨率層次上的作用大小，設計自動適應影響因素復雜變化的多級網格數據模型；最后，對各種影響因素的提取方法進行論述。

2.1 電力選線影響因素分析

輸電線路設計的好壞與電網的施工、運行與維護的成本和工作效率有密切關系。高質量的線路的設計需要充分了解輸電線路的特點和選線區(qū)域的地形、地貌、地質和地物的現狀。輸電線路通常具有明顯的地理特征，需要綜合考慮四大類因素，地形地質因素：高程、坡度、坡向、地震、風、雪、雷電等；地貌因素：軍事區(qū)域、森林、自然風景區(qū)、礦區(qū)、水資源，河流跨越，野生物；社會經濟因素：農業(yè)區(qū)、居民區(qū)等；技術因素：道路、鐵路、管線、電線等跨越信息。

這些影響因素來源分散，種類繁雜，衡量的標準各不相同，即有定量的因素，也包括大量定性的因素。如何有效的將多個因素進行數字化表達，并將定性的因素定量化表達，形成計算機能夠識別的數據，并統(tǒng)一標準，對各個影響因素進行綜合分析形成某一地理位置的影響因素的綜合評定，形成有效的數據模型，是實現計算機自動選線的前提條件。本文根據各個影響因素對選線所起的作用不同，將影響因素分為以下幾種類型：①禁止通過區(qū)域，例如軍事區(qū)域、自然風景區(qū)的核心區(qū)域、礦區(qū)和野生物區(qū)域等；②盡量避免通過區(qū)域，森林、居民區(qū)等；③限制通過方式的區(qū)域，例如、跨越河流、鐵路和高速公路等；④方便通過區(qū)域，地形平坦、距離公路較近等區(qū)域。

GIS作為一種有效的空間數據表達技術，可以利用不同的方式對各種類型的數據進行表示。可以用DEM表達研究區(qū)域的高程信息，然后根據DEM，利用空間分析功能，計算出區(qū)域的坡度和坡向信息；用線矢量數據表達鐵路、電線等數據，并可以根據比例尺大小的不同選擇用線或者用面來表達道路、管線等數據；用面矢量數據表達軍事區(qū)域、自然風景區(qū)、居民地等信息。DEM和柵格格式的數據有利于與柵格格式的網格疊加和統(tǒng)計分析，矢量格式的影響因素數據有利于與矢量格式的網格進行各種空間分析。因此，本文將綜合利用柵格和矢量模式的網格作為基礎，設計多級網格模型。

2.2 多級網格數據模型

利用較多的柵格數據模型，可以利用網格單元行列號計算出網格的位置信息和鄰近網格的信息，見圖1，柵格數據的網格關系示意圖，每個網格都與八個方向上的鄰近網格相連通，在最優(yōu)路徑設計時，可以計算通過不同鄰近網格需要消耗的代價，然后選擇總體代價較小的網格通行。在進行每個網格的影響因素值計算時，首先將影響因素的數據進行柵格化處理；化為柵格格式的數據；然后與網格進行疊加分析，計算出每個網格的單個影響因素的值；最后，根據各個影響因素的權重計算出網格內的綜合通過代價。單一的柵格數據模型影響因素值統(tǒng)計時，需要將影響因素圖層轉換成柵格數據，這樣會在增加計算復雜性的同時，降低數據的精度。

圖1 柵格數據網格關系示意圖

本文提出的多級網格模型，在柵格網格模型的基礎上，為每個柵格單元同時建立對應的矢量網格單元。在影響因素值提取時，采用柵格數據與DEM、坡度圖和各種柵格數據格式的影響因素進行疊加分析，得出這個影響因素的影響值。同時，不需要將各種矢量數據格式的數據轉換為柵格數據，例如河流、道路圖、居民地等數據，而是利用柵格單元所對應的矢量柵格數據與這些影響因素進行疊加和各種空間分析，提取各個影響因素在網格中通過時的影響值。然后將柵格網格統(tǒng)計的各種值并入到矢量格式所表達的網格模型中，最后，利用矢量網格進行最優(yōu)路徑選擇。

可以對區(qū)域進行多種網格等級的劃分，可以創(chuàng)建4km×4km 、2km×2km、500m×500m、250m×250m和125m×125m等。網格單元的大小對選線的結果具有重大影響，較大的網格單元計算速度快，可以選出粗略的線路通道，但是單個網格難以準確表達網格內所有區(qū)域的信息，使得部分復雜區(qū)域的數據代表了整個網格單元的影響代價值，使得計算難以精確，并且由于單個網格覆蓋區(qū)域內部分禁止通過區(qū)域會影響到整個網格的通行，使得最終選擇的通道會繞過該網格區(qū)域，進而增加了選線的不合理性；較小的網格單元，計算需要花費的時間較長，線路較為具體，但是較細的網格難以表達較大范圍的影響因素，使得難以統(tǒng)計部分影響因素的值。因此，本文設計了多級網格數據模型，根據網格覆蓋區(qū)域的影響因素的復雜層度自動選擇不同等級的網格進行影響因素代價值統(tǒng)計，結構示意圖如圖2所示。

在較粗層次的網格中，根據每個網格內的影響因素的復雜層度，可以選擇較細層次的分割方法，在線路選擇時，首先在較粗層次上選擇較粗的選線范圍，并建立緩沖區(qū)，形成一個選線粗級通道；然后，在粗級通道內選擇較細的通道，再在較細的通道上選擇更細的通道，以此類推逐級選擇，直到在最細的網格層次上選出線路為止。見圖2，首先在第1層的網格劃分方法中選擇通道，然后在第2層和第3層進行，直到最底層為止。

圖2 逐層選線圖

2.3 數據轉換工具功能設計

智能選線需要網格數據和影響選線的因子信息的圖形化，數據處理和轉換的目標是把各種定性及定量的影響因子定量化和圖形化。

確定選線區(qū)域范圍，定義和獲取各個影響因素的數據，并根據范圍生成不同層次的網格，并對網格進行編碼和中心坐標提??；其次，利用DEM數據計算坡度和等高線，利用疊加分析和統(tǒng)計分析功能，提取每個網格內的平均高程值和平均坡度值；再次，根據不同類型的影響因子生成不同種類的矢量圖層，例如城鎮(zhèn)、村莊、河流、道路、風景區(qū)、礦區(qū)和土地利用等多種數據；將各類影響因子數據包括禁止區(qū)域通過數據融合和各種空間分析，提取出各種影響因子在網格內的影響等級；最后，為每個網格單元中的每個屬性設置相應的屬性等級。圖3為數據處理的流程圖。

圖3 數據處理流程

針對某些影響因素的數據，在較粗的網格中對網格的代價影響較大，而該網格下層網格中形成的多個子網格的影響值差別過大，則利用該網格的下層網格數據取代該網格，來計算各個子網的通過代價值，圖4為疊加分析的示意圖。

圖4 影響因素提取示意圖

3 實驗與分析

圖5為100km×40km的研究區(qū)域的DEM、坡度圖、和1km×1km的網格圖和影響因子提取的屬性表。本文利用A*算法選擇電力線路，圖6是選線結果的對比圖，圖中紅色線是利用單層網格模型選線，首先在1km×1km的網格劃分層次上選出較粗通道，然后再在500km×500km和250km×250km的層次上選擇電力線路的最終結果，從圖中可以看出，該方法首先在1km×1km選擇通道，難以從兩個禁止通過區(qū)域公園和礦區(qū)中間的較窄的通道里通過。圖中藍色的線為利用多級網格選線的結果，多級網格可以根據地形和影響因素的復雜層度自動組合不同層次的網格參與線路選擇，因此，在1km×1km級別的粗選時，在通過公園和礦區(qū)區(qū)域時，調用較低層次的網格層的數據參與計算，使得線路可以通過該區(qū)域，然后再在500km×500km和250km×250km的層次上選擇更細的線路。

圖6 選線結果對比圖

4 總結

輸電線路的選線受到多種因素的影響，數據模型的設計和選擇是實現高效和合理選線的關鍵問題，當前的研究和利用較多的是柵格數據模型。本文針對柵格數據模型存在的問題，提出了一種多級網格數據模型，該模型可以根據空間區(qū)域的地形、地物的復雜層度選擇不同層次的網格參與電力選線的運算。實驗結果表明，該模型具有較好的適應復雜地形和地物的能力。

[1]Barnard Jenny.Using GIS in electrification and network planning[J].GIS technical.2008.

[2]劉春霞，王家海.基于空間分析的送電線路選線方法[J].測繪工程，2008，17(3).

[3]Cláudio, Monteiro et al.GIS Spatial Analysis Applied to Electric Line Routing Optimization.IEEE TRANSACTIONS ON POWER DELIVERY,2005,20(2).

[4]Salman Ahmadi, Hamid Ebadi and M.J.Valadan Zeoj.A New Method for Path Finding of Power Transmission Lines in Geospatial Information System Using Raster Networks and Minimum of Mean Algorithm[J].World Applied Sciences Journal,2008, 3 (2).

[5]Schmidt Andrew J.Implementing a GIS Methodology for Siting High Voltage Electric Transmission Lines [J].Papers in Resource Analysis , 2009, (11).

[6]Volkan,Yildirim and Recep Nisanci .Developing a Geospatial Model for Power Transmission Line Routingin Turkey[J].FIG Congress 2010,2010:11-16.

[7]Robert Beazer, Daniel P.Ames Ph.D.P.E.Integrating Social Attitudes and Spatial Data in Siting Power Lines using the DotSpatial Framework.2011.