李銘鈞，甘團(tuán)杰，賴奎，黃耀升，鄭海，李錦焙，何瑞文

（1.廣東電網(wǎng)有限責(zé)任公司江門(mén)供電局，廣東江門(mén) 529030；2.廣東工業(yè)大學(xué)，廣東廣州 510006）

考慮桿塔風(fēng)險(xiǎn)概率的輸電線路巡檢路徑優(yōu)化方法

李銘鈞1，甘團(tuán)杰1，賴奎1，黃耀升1，鄭海1，李錦焙2，何瑞文2

（1.廣東電網(wǎng)有限責(zé)任公司江門(mén)供電局，廣東江門(mén) 529030；2.廣東工業(yè)大學(xué)，廣東廣州 510006）

針對(duì)實(shí)際輸電線路的結(jié)構(gòu)，同時(shí)考慮巡檢距離和桿塔風(fēng)險(xiǎn)等級(jí)為目標(biāo)函數(shù)，提出一種差分縱橫交叉算法（DECSO），用于解決輸電線路巡檢路徑優(yōu)化問(wèn)題。該算法通過(guò)對(duì)巡檢路徑進(jìn)行尋優(yōu)，同時(shí)兼顧桿塔風(fēng)險(xiǎn)概率，形成一條最優(yōu)路徑，使得在巡檢距離最短的同時(shí)，保證了輸電線路可以安全穩(wěn)定運(yùn)行。基于DECSO算法，采用Matlab仿真軟件對(duì)一個(gè)具有20個(gè)桿塔的輸電線路網(wǎng)絡(luò)進(jìn)行了仿真研究。將仿真結(jié)果和其他算法的結(jié)果進(jìn)行比較，結(jié)果表明了算法在解決輸電線路巡檢路徑的可行性和優(yōu)越性。

輸電線路；巡檢；差分縱橫交叉算法；風(fēng)險(xiǎn)概率

輸電線路是電力系統(tǒng)的重要組成部分，其安全穩(wěn)定運(yùn)行為電力系統(tǒng)可靠、穩(wěn)定運(yùn)行提供了重要保障。目前，對(duì)輸電線路方面課題的研究大部分都集中在輸電線路故障評(píng)估和定位方面[1-2]，而對(duì)于輸電線路巡檢路徑規(guī)劃的研究甚少[3-4]。由于輸電線路及其附屬設(shè)備長(zhǎng)期暴漏在野外，缺乏相應(yīng)的保護(hù)，正因?yàn)檩旊娋€路的這種運(yùn)行方式，使得輸電線路巡檢作為保證電力輸電線路安全可靠運(yùn)行的一項(xiàng)基礎(chǔ)性工作，受到供電部門(mén)的重視[5-7]。

傳統(tǒng)的人工巡檢缺乏效率和科學(xué)性，使得輸電線路風(fēng)險(xiǎn)不能及時(shí)發(fā)現(xiàn)和排除。傳統(tǒng)的人工巡檢方法巡檢路徑?jīng)]有經(jīng)過(guò)優(yōu)化，使得巡檢效率不高，而且沒(méi)有將桿塔的風(fēng)險(xiǎn)概率考慮在內(nèi)。通過(guò)巡檢路徑優(yōu)化來(lái)制定輸電線路巡視路徑，可以有效提高巡檢效率和節(jié)省費(fèi)用，所以輸電線路巡視路徑優(yōu)化是必要的。

目前輸電線路巡視路徑規(guī)劃算法主要是人工智能算法，如改進(jìn)遺傳算法等。文獻(xiàn)[8]提出基于遺傳算法的改進(jìn)A*算法（RAT*）應(yīng)用于輸電線路巡檢路徑規(guī)劃，雖然該算法具有良好的尋優(yōu)搜索能力，但其在路徑優(yōu)化時(shí)容易陷入局部最優(yōu)，無(wú)法得到最優(yōu)路徑。文獻(xiàn)[9]中提出改進(jìn)的遺傳算法對(duì)輸電線路無(wú)人機(jī)巡檢路徑進(jìn)行優(yōu)化，由于遺傳算法對(duì)巡檢路徑進(jìn)行優(yōu)化過(guò)程中容易陷入局部最優(yōu)，往往會(huì)導(dǎo)致無(wú)法獲得巡檢路徑的全局最優(yōu)解。文獻(xiàn)[10]提出將機(jī)器人用于高壓架空線路巡檢，并為此對(duì)機(jī)器人能源在線補(bǔ)給做了相應(yīng)的研究。文獻(xiàn)[11]提出采用大型無(wú)人直升對(duì)輸電線路進(jìn)行全自動(dòng)巡檢。文獻(xiàn)[12]提出如何對(duì)無(wú)人機(jī)輸電線路巡檢平臺(tái)的選擇。

本文對(duì)輸電線路巡視路徑規(guī)劃模型進(jìn)行改進(jìn)，通過(guò)貝葉斯分類器模型[13-16]原理建立桿塔風(fēng)險(xiǎn)概率模型，在已知桿塔周邊影響因素的情況下，求出桿塔的風(fēng)險(xiǎn)概率，同時(shí)考慮桿塔風(fēng)險(xiǎn)概率和巡檢路徑距離具體的條件下建立巡檢路徑模型。本文所用算法是差分縱橫交叉算法，這種算法是差分進(jìn)化算法和縱橫交叉算法的混合算法。仿真部分是利用20個(gè)桿塔的輸電線路模型，通過(guò)仿真實(shí)驗(yàn)驗(yàn)證差分縱橫交叉算法在解決輸電線路巡檢路徑優(yōu)化問(wèn)題的有效性和可行性。

1 輸電線路巡檢路徑優(yōu)化分析

在該系統(tǒng)中，在對(duì)巡檢路徑進(jìn)行優(yōu)化的同時(shí)，考慮巡檢路徑距離和桿塔的風(fēng)險(xiǎn)概率。一般情況下，存在安全隱患的輸電線路桿塔往往分布在不同的輸電線路上，當(dāng)對(duì)這些存在安全隱患的桿塔進(jìn)行檢查時(shí)，不能沿固定的輸電線路進(jìn)行巡檢。為了及時(shí)有效地消除輸電線路運(yùn)行隱患和快速完成巡檢任務(wù)，需要尋找1條滿足需求的最優(yōu)巡檢線路，該線路就必須同時(shí)滿足2個(gè)條件：一是保證巡檢距離最短，即最快完成巡檢任務(wù)；二是要保證巡檢路徑時(shí)盡可能優(yōu)先處理風(fēng)險(xiǎn)概率較高的桿塔，由于輸電線路受分布范圍廣，環(huán)境條件復(fù)雜以及本身狀態(tài)不盡相同因素影響，風(fēng)險(xiǎn)的概率也就不盡相同。則同時(shí)考慮風(fēng)險(xiǎn)概率和巡檢路徑距離的輸電線路巡檢路徑優(yōu)化模型為

式中：Fij為目標(biāo)函數(shù)；D為待巡檢桿塔數(shù)目；Si，i+1為1條巡檢路徑中2個(gè)相鄰桿塔之間的距離，為了方便研究，本文采用2個(gè)桿塔坐標(biāo)之間的距離替代實(shí)際巡檢路徑的距離；Xi、Yi分別為第i個(gè)桿塔的橫坐標(biāo)和縱坐標(biāo)；Pi、Pi+1分別為桿塔i和i+1的風(fēng)險(xiǎn)概率；α和β為加權(quán)系數(shù)，當(dāng)巡檢過(guò)程要求時(shí)間和距離短則提高系數(shù)α的值，同理若要求優(yōu)先處理風(fēng)險(xiǎn)高的則相應(yīng)提高系數(shù)β的值。

2 桿塔風(fēng)險(xiǎn)概率模型

2.1 輸電線路桿塔運(yùn)行風(fēng)險(xiǎn)分類

構(gòu)建輸電線路運(yùn)行狀態(tài)樣本集合不僅需要考慮每1個(gè)線路桿塔本身的因素，而且還要考慮到桿塔所處位置的周圍環(huán)境因素，包括自然因素、人為因素的影響。由于在不同地點(diǎn)、不同時(shí)期影響桿塔風(fēng)險(xiǎn)概率的主要因素不盡相同，因此，要達(dá)到快速準(zhǔn)確地排除桿塔的安全隱患，那么就要綜合考慮各種因素對(duì)桿塔運(yùn)行狀態(tài)的影響。

為了可以全面準(zhǔn)確地評(píng)估輸電線路桿塔風(fēng)險(xiǎn)概率，選取了對(duì)輸電線路設(shè)備的運(yùn)行情況影響較為突出的幾項(xiàng)因素作為評(píng)估桿塔風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)，即輸電線路桿塔所在地區(qū)天氣情況、輸電線路桿塔役齡即運(yùn)行時(shí)間、輸電線路桿塔所在地區(qū)近幾年極端天氣發(fā)生頻率、輸電線路桿塔所在地區(qū)地質(zhì)因素、輸電線路桿塔使用材料等級(jí)、輸電線路桿塔運(yùn)行異常頻率、輸電線路桿塔上次巡檢至今的巡檢天數(shù)和指當(dāng)前桿塔所在輸電線路電力負(fù)荷等各項(xiàng)因素來(lái)綜合考慮。

2.2 輸電線路桿塔風(fēng)險(xiǎn)概率模型

桿塔風(fēng)險(xiǎn)概率是輸電線路巡視路徑目標(biāo)函數(shù)中的一項(xiàng)指標(biāo)，同時(shí)也是桿塔運(yùn)行狀態(tài)的一項(xiàng)參考數(shù)據(jù)。每個(gè)桿塔風(fēng)險(xiǎn)運(yùn)行概率受到天氣因素、地質(zhì)狀況、人為因素、線路電壓等級(jí)、桿塔所處位置、桿塔材料、異常頻率、材料等級(jí)和歷史負(fù)荷等因素影響。將每種對(duì)桿塔風(fēng)險(xiǎn)運(yùn)行概率的影響因子用C1到C9來(lái)表示，E表示決策屬性，也就是表示桿塔的運(yùn)行狀態(tài)，因此形成初始決策如表1所示。

表1 初始決策表Tab.1 Initial decision-making table

表1中的部分?jǐn)?shù)據(jù)是經(jīng)過(guò)量化后得出的結(jié)果，其量化過(guò)程是將每種影響因素的特征映射到一定的區(qū)間內(nèi)，并用具體的數(shù)值表示其中的不同特征。利用貝葉斯網(wǎng)絡(luò)模型計(jì)算得出初始決策表中每個(gè)屬性的條件概率，然后通過(guò)概率計(jì)算即可得出樣本的高風(fēng)險(xiǎn)運(yùn)行概率。

其中線路狀態(tài)量B=（B1，B2）=（異常，正常），則有P（B1）=0.508，P（B2）=0.492。則該預(yù)測(cè)樣本的運(yùn)行風(fēng)險(xiǎn)的概率為

式中：P（Bi|A）為樣本A屬于B1類型的概率；P（Ci|B1）與P（Ci|B2）為在不同類別情況下，樣本各屬性取不同值的概率。

同理該樣本的正常概率為

預(yù)測(cè)樣本所屬的類型為計(jì)算得到的Pf與Pn之間的大值。

3 差分縱橫交叉算法

3.1 縱橫交叉算法

縱橫交叉算法（crisscross optimization algorithm，CSO）[17]是一種新的智能隨機(jī)搜索算法，該算法采取特殊的縱橫搜索策略，即橫向交叉和縱向交叉2組搜索機(jī)制。通過(guò)結(jié)合1個(gè)簡(jiǎn)單的競(jìng)爭(zhēng)機(jī)制，使得橫向交叉和縱向交叉完美地結(jié)合起來(lái)：交叉后產(chǎn)生的子代，與其父代進(jìn)行競(jìng)爭(zhēng)，只有比父代適應(yīng)度更好的子代才會(huì)被保留下來(lái)，競(jìng)爭(zhēng)后得出的解稱為占優(yōu)解[18]。正是由于CSO采用這樣的搜索機(jī)制，使得CSO相對(duì)于目前常用的智能優(yōu)化算法具有收斂精度高、計(jì)算速度快的特點(diǎn)，特別適用于求解復(fù)雜的優(yōu)化問(wèn)題。具體流程如下。

1）初始化種群。

2）求出每個(gè)粒子的適應(yīng)度和種群全局最優(yōu)解。

3）執(zhí)行橫交叉操作，并計(jì)算適應(yīng)度執(zhí)行競(jìng)爭(zhēng)操作。

4）執(zhí)行縱交叉操作，并計(jì)算適應(yīng)度執(zhí)行競(jìng)爭(zhēng)操作。

5）如果迭代次數(shù)達(dá)到算法設(shè)定的迭代次數(shù)，則結(jié)束算法，否則轉(zhuǎn)到步驟2）繼續(xù)執(zhí)行。

3.2 橫向交叉算子

設(shè)D為待巡檢桿塔數(shù)目，M為種群大小，B是1-D之間的一個(gè)隨機(jī)排列向量，no1和no2分別為B中的2個(gè)粒子編號(hào)，X（no1，j），X（no2，j）分別是父代種群中個(gè)體粒子X(jué)（no1）和X（no2）的第j維，MShc（no1，j）和MShc（no2，j）分別是X（no1，j），X（no2，j）通過(guò)橫向交叉生成中庸解的第j維，DShc為橫向交叉產(chǎn)生的占優(yōu)解。

步驟如圖1所示。

圖1 縱橫交叉算法橫向交叉流程Fig.1 Horizontal crossover operation process

與遺傳算法不同，CSO算法中的橫向交叉以較小概率在超立方體（如圖2所示）外緣進(jìn)行搜索，這種跨界搜索機(jī)制區(qū)別于遺傳算法的交叉操作，有效地增強(qiáng)了算法的全局搜索能力[19]。

圖2 二維空間的概率分布Fig.2 Distribution of probability density of the moderation solutions for 2-D space

3.3 縱向交叉算子

縱向交叉算子是1個(gè)解的不同維度算數(shù)運(yùn)算，這種運(yùn)算可以使陷入局部最優(yōu)的種群跳出，然后快速收斂到全局最優(yōu)。

設(shè)D為待巡檢桿塔數(shù)目，M為種群大小，B是1-D之間的一個(gè)隨機(jī)排列向量，縱向交叉概率為Pvc，no1和no2分別為B中的2個(gè)桿塔編號(hào)，X（j，no1），X（j，no2）分別是父代種群中個(gè)體粒子X(jué)（j）的第no1維和第no2維，MSvc（j，no1）是X（j，no1），X（j，no2）是縱向交叉生成中庸解的第j維，DSvc為縱向交叉產(chǎn)生的占優(yōu)解。

具體步驟如圖3所示。

圖3 縱橫交叉算法縱向交叉流程Fig.3 Vertical crossover operation process

3.4 競(jìng)爭(zhēng)算子

競(jìng)爭(zhēng)算子是一種淘汰機(jī)制，它的作用是將2代種群中的粒子進(jìn)行對(duì)比，只有當(dāng)子代粒子比父代粒子的適應(yīng)度更強(qiáng)時(shí)才能代替父代粒子參與下一次迭代。這樣的競(jìng)爭(zhēng)機(jī)制使得種群朝向最優(yōu)方向進(jìn)化。具體流程如圖4所示。

圖4 競(jìng)爭(zhēng)算子的流程Fig.4 Competitive operator process

3.5 基本的差分進(jìn)化算法

差分進(jìn)化（differential evolution，DE）[18-20]算法是由Rainer Storn和Kenneth Price于1996年共同提出的一種優(yōu)化算法。其基本原理是：利用種群個(gè)體間的差分向量來(lái)對(duì)個(gè)體進(jìn)行擾動(dòng)以達(dá)到個(gè)體突變的目的，通過(guò)交叉變異策略產(chǎn)生新個(gè)體。差分進(jìn)化算法主要包含突變操作，交叉操作和選擇操作3個(gè)步驟。

設(shè)D為待巡檢桿塔數(shù)目，M為種群大小，Pd為差分算法交叉概率，Xn01、Xn02和Xn03分別為種群中3個(gè)互不相同的粒子，F(xiàn)為縮放因子，p為（0，1）之間的一個(gè)隨機(jī)數(shù)，EV（i，j）為第i個(gè)粒子生成試驗(yàn)向量的j維，MSdc（i，j）為第i個(gè)粒子生成中庸解的j維，DSdc為差分進(jìn)化算法產(chǎn)生的占優(yōu)解。具體步驟如圖5所示。

圖5 差分進(jìn)化算法流程圖Fig.5 Differential evolution operation process

3.6 DECSO混合算法在巡檢線路優(yōu)化中的應(yīng)用

基本縱橫交叉算法（CSO）具有非常強(qiáng)大的全局搜索能力和收斂速度，而差分進(jìn)化算法具有良好的局部擾動(dòng)能力。差分縱橫交叉算法融合了基本的縱橫交叉算法強(qiáng)大的全局搜索能力和差分進(jìn)化算法的局部擾動(dòng)變異能力，使得混合算法在具有更優(yōu)的全局搜索能力的同時(shí)，具有良好的收斂速度。由于DECSO具備非常好的的全局搜索能力，同時(shí)具有良好的收斂速度，使得DECSO成為解決輸電線路巡檢路徑優(yōu)化問(wèn)題的一種非常有效的方法。本文采用DECSO解決巡線路徑優(yōu)化問(wèn)題正是基于DECSO的這一特點(diǎn)。流程圖如圖5所示。

圖6 差分縱橫交叉算法流程圖Fig.6 The flow chart of DE-CSO algorithm

4 仿真分析

為了驗(yàn)證本文提出的DECSO算法的可行性，對(duì)1個(gè)20個(gè)桿塔的輸電線巡檢模型來(lái)進(jìn)行仿真計(jì)算。本文的仿真均運(yùn)行在Intel CPU G3240、4.0 GB內(nèi)存、32位Windows 7操作系統(tǒng)和Matlab 2010環(huán)境中。

本案例以表2的20組數(shù)據(jù)作為仿真對(duì)象，采用DECSO算法對(duì)該案例進(jìn)行仿真，仿真參數(shù)設(shè)置種群規(guī)模為100，迭代總數(shù)設(shè)為1 000，采用DECSO算法的輸電線路巡檢路徑在不同權(quán)值下的優(yōu)化結(jié)果如表3所示。

表2 20桿塔系統(tǒng)參數(shù)表Tab.2 The data of 20-steel tower transmission network

表3 在不同權(quán)值下的最優(yōu)解Tab.3 The optimal solutions with different weights

表3為在不同權(quán)值的情況下，通過(guò)差分縱橫交叉算法得到的最優(yōu)路徑，特別當(dāng)α=0，β=1和α=1，β=0時(shí)最優(yōu)路徑如表所示，F(xiàn)ij分別為1.79和39.55。當(dāng)α=0，β=1的時(shí)候意味著在路徑尋優(yōu)過(guò)程僅僅考慮風(fēng)險(xiǎn)因素。當(dāng)α=1，β=0時(shí)意味著僅僅考慮距離而忽略風(fēng)險(xiǎn)概率。根據(jù)上表給出的結(jié)果可以知道僅僅考慮距離得到的優(yōu)化結(jié)果是僅僅考慮風(fēng)險(xiǎn)的優(yōu)化結(jié)果的23倍，這意味著距離因素對(duì)目標(biāo)函數(shù)的影響是風(fēng)險(xiǎn)概率因素的23倍，為了可以平衡風(fēng)險(xiǎn)概率和距離因素對(duì)巡檢路徑的影響，所以權(quán)值β應(yīng)為權(quán)值α的23倍，根據(jù)最新的權(quán)值得到的優(yōu)化結(jié)果如表4所示，路徑圖如圖7所示。

表4 綜合考慮風(fēng)險(xiǎn)概率和路徑距離的最優(yōu)解Tab.4 The optimal solution of considering both the inspection distance and the risk probabilities of steel towers

圖7 最優(yōu)路徑圖Fig.7 The diagram of the optimal patrol route

當(dāng)α=0.04，β=0.96時(shí)，優(yōu)化結(jié)果為4.800，該優(yōu)化結(jié)果雖然比α=0，β=1的大，但是考慮的因素更加全面。

根據(jù)表1中提供的輸電線路桿塔坐標(biāo)位置和風(fēng)險(xiǎn)概率，分別用原始遺傳算法（genetic algorithm，GA）、原始粒子群算法（PSO）和差分縱橫交叉算法（DECSO）進(jìn)行對(duì)比，其中權(quán)值設(shè)置為α=0.04，β= 0.96，PSO算法的參數(shù)設(shè)置如下種群規(guī)模為100，迭代次數(shù)為1 000，搜索空間為20%，慣性權(quán)重為0.6。GA算法的參數(shù)設(shè)置為：群體大小為100，進(jìn)化代數(shù)1 000，交叉概率0.7，變異概率為0.005。DECSO算法的參數(shù)設(shè)置為：種群規(guī)模為100，迭代總數(shù)設(shè)為1 000，縱向交叉概率Pvc為0.75。為得出巡視路徑和目標(biāo)函數(shù)綜合值如表5所示。

表5 不同算法下的巡視路徑比較Tab.5 Comparison with different algorithms on inspection paths

由表5可知，在同時(shí)考慮輸電線路桿塔運(yùn)行風(fēng)險(xiǎn)概率和巡檢距離的情況下，DECSO，GA和PSO算法的優(yōu)化結(jié)果分別是4.8，5.91和5.66，可以看出DECSO的效果明顯優(yōu)于其他2種算法，說(shuō)明DECSO算法用于輸電線路巡檢路徑優(yōu)化是有效的。

為了更好地驗(yàn)證DECSO算法在解決輸電線路巡檢路徑優(yōu)化問(wèn)題的可行性，本實(shí)驗(yàn)用DECSO算法、PSO算法和GA算法在同樣條件下對(duì)巡檢路徑優(yōu)化做50組獨(dú)立實(shí)驗(yàn)驗(yàn)證，其穩(wěn)定性如表6所示。其中參數(shù)設(shè)置和表5實(shí)驗(yàn)一樣。

表6 不同算法應(yīng)用于路徑尋優(yōu)的穩(wěn)定性Tab.6 Stability of the path optimization with different algorithm applied

分別采用DECSO、PSO和GA對(duì)輸電線路巡檢路徑優(yōu)化單獨(dú)做50次實(shí)驗(yàn)得到的最小、最大值、平均值和標(biāo)準(zhǔn)差如表6所示，可以看出，DECSO在最大值、最小值優(yōu)于PSO和GA，可見(jiàn)DECSO算法在解決該巡檢系統(tǒng)具有更高的精度，DECSO算法結(jié)果的標(biāo)準(zhǔn)差也比PSO和GA的小，顯示DECSO在穩(wěn)定性方面同樣優(yōu)于PSO和GA。所以采用DECSO解決輸電線路巡檢路徑優(yōu)化問(wèn)題是可行的[20-21]。

5 結(jié)語(yǔ)

本文在DECSO算法的環(huán)境下搜索含有20個(gè)桿塔的輸電線路巡檢路徑得出以下結(jié)論：

1）在同時(shí)考慮桿塔風(fēng)險(xiǎn)概率和巡檢距離的條件下，與其他算法相比，DECSO算法具有較強(qiáng)的搜索能力和較好的穩(wěn)定性。

2）輸電線路巡視路徑優(yōu)化模型為科學(xué)的安排輸電線路巡檢提供了依據(jù)。

3）本文沒(méi)有將DECSO算法應(yīng)用于大規(guī)模（100個(gè)桿塔以上）巡檢路徑優(yōu)化問(wèn)題，考慮到DECSO算法具備強(qiáng)大的全局搜索能力和良好的收斂速度，所以將DECSO算法應(yīng)用于大規(guī)模的輸電線路巡檢路徑優(yōu)化問(wèn)題將會(huì)是一個(gè)很好的研究方向。

[1]劉明軍，邵周策，上官帖，等.輸電線路山火故障風(fēng)險(xiǎn)評(píng)估模型及評(píng)估方法研究[J].電力系統(tǒng)保護(hù)與控制.2016，44（6）:82-89.LIU Mingjun，SHAO Zhouce，SHANGGUAN Tie，et al.Study on models and methods of risk assessment of transmission line fault caused by fire[J].Power System Protection and Control，2016，44（6）:82-89（in Chinese）.

[2]李冰然，夏臨閩，趙晶晶.基于模糊評(píng)價(jià)和風(fēng)險(xiǎn)矩陣的輸電線路風(fēng)險(xiǎn)評(píng)估[J].電力與能源，2014（6）:672-677.LI Bingran，XIA Linmin，ZHAO Jingjing.Fuzzy evaluation and risk matrix based on overhead lines risk assessment[J].Power&Energy，2014（6）:672-677（in Chinese）.

[3]劉珂宏，劉亞?wèn)|，盛戈皞，等.基于輸電線路全工況信息的風(fēng)險(xiǎn)評(píng)估方法[J].高壓電器，2016（3）:23-28.LIU Kehong，LIU Yadong，SHENG Gehao，et al.All conditions information based risk assessment method for transmission line[J].High Voltage Apparatus，2016（3）: 23-28（in Chinese）.

[4]王濤，李澄.一種混合輸電線路故障測(cè)距新方法[J].江蘇電機(jī)工程，2015（5）:17-20.WANG Tao，LI Cheng.Research on the Jiangsu shortcircuit current limiting strategy during UHV construction period[J].Jiangsu Electrical Engineering，2015（5）:17-20（in Chinese）.

[5]王平，李琳.輸電線路雷擊災(zāi)害風(fēng)險(xiǎn)層進(jìn)式評(píng)估體系的構(gòu)建[J].電瓷避雷器，2016，44（6）:82-89.WANG Ping，LI Lin.Study on models and methods of risk assessment of transmission line fault caused by fire[J].Insulators and Surge Arresters，2016，44（6）:82-89（in Chinese）.

[6]路永玲，劉洋，高嵩，等.江蘇電網(wǎng)2005至2013年架空輸電線路雷擊跳閘分析及防護(hù)[J].電瓷避雷器，2015（1）：46-53.LU Yongling，LIU Yang，GAO Song，et al.Analysis of lightning trip and protection measures of overhead transmission lines in jiangsu power grid from 2005 to 2013[J].Insulators and Surge Arresters，2015（1）：46-53（in Chinese）.

[7]馬御棠，曹曉斌，王磊，等.雷電參數(shù)與地形結(jié)合的輸電線路繞擊閃絡(luò)率計(jì)算[J].電瓷避雷器，2015（1）：79-86.MA Yutang，CAO Xiaobin，WANG Lei，et al.Calculation of the transmission line shielding failure trip rate by combination the lightning parameters and terrain parameters[J].Insulators and Surge Arresters，2015（1）：79-86（in Chinese）.

[8]段其昌，周華鑫，程有富，等.貝葉斯網(wǎng)絡(luò)在輸電線路運(yùn)行狀態(tài)預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)科學(xué)，2012，39（3）: 83-87.DUAN Qichang，ZHOU Huaxin，CHENG Youfu，et al.Application of bayesian network in transmission lines running state prediction[J].Computer Science，2012，39（3）:83-87（in Chinese）.

[9]郝震，張健，蔡滿意.自適應(yīng)遺傳算法在飛行器離線航跡規(guī)劃中的應(yīng)用[J].電光與控制，2010，17（1）:65-68.HAO Zhen，ZHANG Jian，CAI Manyi.Application of adaptive genetic algorithm in aircraft off-line route planning[J].Electronics Optics&Control，2010，17（1）:65-68（in Chinese）.

[10]烏小鋒.750 kV/330 kV混壓同塔四回路輸電線路電流不平衡度計(jì)算與分析[J].電網(wǎng)與清潔能源，2015，31（1）: 52-59.WU Xiaofeng.Calculation and analysis of level of the unbalance current in the 750 kV/330 kV four-crcuit transmission line on one tower[J].Power System and Clean Energy，2015，31（1）:52-59（in Chinese）.

[11]周風(fēng)余，溫龍旺，蘇鵬，等.高壓輸電線路巡檢機(jī)器人能源在線補(bǔ)給裝置的研制[J].電網(wǎng)與清潔能源，2010，26（1）:18-23.ZHOU Fengyu，WEN Longwang，SU Peng，et al.Development of on-line energy supply device for high-voltage transmission linesiterative inspection robot[J].Power System and Clean Energy，2010，26（1）:18-23（in Chinese）.

[12]彭向陽(yáng)，錢(qián)金菊，麥曉明，等.大型無(wú)人直升機(jī)電力線路全自動(dòng)巡檢技術(shù)及應(yīng)用.南方電網(wǎng)技術(shù)，2016（2）: 24-31.PENG Xiangyang，QIAN Jinju，MAI Xiaoming，et al.Automatic powerline inspection technology oflarge unmanned helicopter and its application[J].Southern Power System Technology，2016（2）:24-31（in Chinese）.

[13]王柯，彭向陽(yáng)，陳銳民，等.無(wú)人機(jī)電力線路巡視平臺(tái)選型[J].電力科學(xué)與工程，2014（6）:46-53.WANG Ke，PENG Xiangyang，CHEN Ruimin，et al.Unmanned aerial vehicle platform selection for overhead transmission line inspection[J].Electric Power Science and Engineering，2014（6）:46-53（in Chinese）.

[14]周忠寶，董豆豆，周經(jīng)倫.貝葉斯網(wǎng)絡(luò)在可靠性分析中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2006，26（6）:95-100.ZHOU Zhongbao，DONG Doudou，ZHOU Jinglun.Application of bayesian networks in reliability analysis[J].Systems Engineering-theory&Practice，2006，26（6）：95-100（in Chinese）.

[15]霍利民，朱永利，張?jiān)诹?，?貝葉斯網(wǎng)絡(luò)在配電系統(tǒng)可靠性評(píng)估中的應(yīng)用[J].電工技術(shù)學(xué)報(bào)，2004，19（8）: 113-118.HUO Limin，ZHU Yongli，ZHANG Zailing，et al.Bayesian networks application to reliability evaluation of electric distribution systems[J].Transactions of China Electrotechnical Society，2004，19（8）：113-118（in Chinese）.

[16]楊莉，孫華昕，朱宏超.基于貝葉斯網(wǎng)絡(luò)的多目標(biāo)優(yōu)化算法[J].華北電力大學(xué)學(xué)報(bào)，2007，34（1）:128-131.YANG Li，SUN Huaxin，ZHU Hongchao.Multi-objective optimization algorithm based-on Bayesian networks[J].Journal of North China Electric Power University，2007，34（1）:128-131（in Chinese）.

[17]MENG A，CHEN Y，YIN H，et al.Crisscross optimization algorithm and its application[J].Knowledge-based Systems，2014（67）:218-229.

[18]李超，譚火超，孟安波，等.縱橫交叉算法在電力大客戶細(xì)分中的應(yīng)用[J].電氣應(yīng)用，2015（17）:58-61.LI Chao，TAN Huochao，MENG Anbo，et al.Application of crisscross optimization algorithm in power customer segmentation[J].Electrical Application，2015（17）:58-61（in Chinese）.

[19]孟安波，盧海明，李海亮，等.縱橫交叉算法優(yōu)化FCM在電力客戶分類中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制，2015，43（20）:150-154.MENG Anbo，LU Haiming，LI Hailiang，et al.Electricity customer classification based on optimized FCM clustering by hybrid CSO[J].Power System Protection and Control，2015，43（20）:150-154（in Chinese）.

[20]劉曉倩，董新偉，楊瑞靜.輸電線路防雷措施的仿真與分析[J].電瓷避雷器，2012（4）:64-68.LIU Xiaoqian，DONG Xinwei，YANG Ruijing.Simulation and analysis on lightning protection measures of transmission lines[J].Insulators and Surge Arresters，2012（4）:64-68（in Chinese）.

[21]羅大強(qiáng)，唐軍，許志榮，等.10 kV架空配電線路防雷措施配置方案分析[J].電瓷避雷器，2012（5）:113-118.LUO Daqiang，TANG Jun，XU Zhirong，et al.Analysis on configuration scheme of 10 kV overhead distribution line lightning protection measure[J].Insulators and Surge Arresters，2012（5）:113-118（in Chinese）.

（編輯 董小兵）

Power Transmission Line Inspection Planning Optimization Considering Risk Probabilities of Steel Towers

LI Mingjun1，GAN Tuanjie1，LAI Kui1，HUANG Yaosheng1，ZHENG Hai1，LI Jinbei2，HE Ruiwen2
（1.Jiangmen Power Supply Bureau，Guangdong Power Grid Co.，Ltd.，Jiangmen 529030，Guangdong，China；2.Guangdong University of Technology，Guangzhou 510006，Guangdong，China）

Aiming at the structure of the transmission line，and with the patrol inspection distance and risk probabilities of the steel tower taken as the objective function，this paper proposes a DECSO hybrid method to address the optimization of transmission line inspection planning.Through the optimization of the inspection path and taking into account of the risk probability of the steel tower，the algorithm as indicated in the method helps to find an optimal path to minimize the inspection distance and ensure the safe and stable operation of transmission lines as well.The proposed method is implemented on MATLAB and validated on a transmission network consisting of 20 steel towers.And the simulation results are compared with the results by other algorithms，and the results show that the algorithm is feasible and advantageous in solving the transmission line inspection path.

transmission line；inspection；differential evolution crisscross optimization algorithm；risk probabilities

國(guó)家自然科學(xué)基金資助項(xiàng)目（51377026）；廣東省電網(wǎng)公司科技項(xiàng)目（GDKJ00000009）。

Project Supported by the National Natural Science Foundation of China（51377026）；Science and Technology Program of Guangdong Power Grid Co.，Ltd.，（GDKJ00000009）.

1674-3814（2016）10-0061-07

TM73

A

2016-03-18。

李銘鈞（1965—），男，碩士，高級(jí)工程師，主要研究方向電力企業(yè)管理；

甘團(tuán)杰（1978—），男，碩士，高級(jí)工程師，主要研究方向輸變電生產(chǎn)管理；

賴 奎（1970—），男，碩士，高級(jí)工程師，主要研究方向輸變電生產(chǎn)管理；

黃耀升（1983—），男，本科，工程師，主要輸電線運(yùn)行與維護(hù)；

鄭 海（1987—），男，本科，助理工程師，主要研究方向輸電線路運(yùn)行與維護(hù)；

李錦焙（1989—），男，碩士研究生，主要研究方向?yàn)橹悄芩惴ㄔ陔娏ο到y(tǒng)中的應(yīng)用；

何瑞文（1969—），女，博士，副教授，主要研究方向是電力系統(tǒng)繼電保護(hù)。