劉宏志，楊曉營，王艷梅，張燦

（國網(wǎng)山東電力公司經(jīng)濟(jì)技術(shù)研究院，山東濟(jì)南 250021）

隨著我國經(jīng)濟(jì)的快速發(fā)展及居民生活水平的提升，社會生產(chǎn)生活對于電力的需求與日俱增，電網(wǎng)也隨之進(jìn)入大建設(shè)時期[1-2]。而輸變電工程作為電網(wǎng)的重要支撐項(xiàng)目，其具有建設(shè)過程復(fù)雜、周期長且投資金額較大等特點(diǎn)[3]。由于該工程在建設(shè)過程中所產(chǎn)生的造價、質(zhì)量管控與流程管理等數(shù)據(jù)眾多，因此如何合理有效地分析、管控其工程數(shù)據(jù)成為了亟待解決的問題[4-5]。

針對海量工程數(shù)據(jù)的分析處理，目前已取得了一定的研究成果，如遺傳算法、神經(jīng)網(wǎng)絡(luò)等[6-7]。但大部分方法存在對輸變電工程多源多類型數(shù)據(jù)考慮不全面的問題，尤其在工程造價管控方面，難以實(shí)現(xiàn)各部門數(shù)據(jù)的共享且管控效率較低。為此，該文基于改進(jìn)蟻群算法提出了一種輸變電工程分析管控方法，將智能化處理后的數(shù)據(jù)輸入改進(jìn)蟻群算法進(jìn)行分析，并根據(jù)優(yōu)化方案進(jìn)行工程管控。

1 改進(jìn)蟻群算法

1.1 蟻群算法

蟻群算法(Ant Colony Optimization，ACO)主要根據(jù)兩條規(guī)則來進(jìn)行搜索，即確定螞蟻下一個位置方向的移動規(guī)則與信息素更新規(guī)則[8-9]。在信息素的引導(dǎo)下，蟻群的解朝著最優(yōu)方向發(fā)展，蟻群算法的搜索過程如圖1 所示。

圖1 蟻群算法的搜索過程

首先，在蟻群搜索過程中信息素按比例揮發(fā)，表示為：

式中，τab(t)表示邊緣(a,b)上時間t內(nèi)的信息素，ρ為信息素的揮發(fā)系數(shù)。

然后，當(dāng)螞蟻k在時間t內(nèi)通過(a,b)時，信息素更新如下：

式中，τ0為信息素初值。

式中，Jk(r) 表示螞蟻k在時間t時需要訪問的一組站點(diǎn)；α和β則分別表示τ與啟發(fā)因子γ的比例。

最終，在每個搜索迭代后，均會根據(jù)信息素的變化更新最佳路徑Lbest(t)及最差路徑Lworst(t)，數(shù)學(xué)表達(dá)式如下：

式中，Q為(a,b)間的信息素總量。

1.2 改進(jìn)蟻群算法的架構(gòu)設(shè)計(jì)

由于傳統(tǒng)的蟻群算法易陷入局部最優(yōu)，而主要影響螞蟻路徑選擇的因素是信息素的大小與路徑的長度。因此，可通過改變兩個因素對螞蟻路徑選擇的影響比例來改進(jìn)蟻群算法[10]。其中，通過狀態(tài)轉(zhuǎn)移概率及規(guī)則能夠?qū)崿F(xiàn)對信息素的優(yōu)化，并進(jìn)一步增強(qiáng)蟻群算法搜索全局最優(yōu)解的能力。

1）狀態(tài)轉(zhuǎn)移概率優(yōu)化

通過調(diào)整信息素對路徑選擇的影響比例，將螞蟻的路徑選擇轉(zhuǎn)化為信息素的比例計(jì)算。狀態(tài)轉(zhuǎn)移概率計(jì)算如下：

式中，N為位置數(shù)；ε為隨機(jī)數(shù)，取值范圍為(0,1)。其中，ε越小，路徑長度的影響越大；而ε越大，則信息素影響也越大。因此，螞蟻的路徑選擇概率可通過權(quán)重的比例來反映。即當(dāng)信息素權(quán)重較大時，螞蟻主要根據(jù)信息素選擇路徑；而當(dāng)路徑長度權(quán)重較大時，螞蟻則主要根據(jù)路徑長度進(jìn)行路徑選擇[11]。通常而言，信息素是決定螞蟻路徑選擇的一個因素，且ε設(shè)置為0.90。

2）利用狀態(tài)轉(zhuǎn)移規(guī)則

通過基于最大最小螞蟻系統(tǒng)(Max Min Ant System，MMAS)細(xì)化信息素的上下限來優(yōu)化狀態(tài)轉(zhuǎn)移規(guī)則，有利于提高路徑選擇的準(zhǔn)確性及魯棒性。狀態(tài)轉(zhuǎn)換規(guī)則定義如下：

式中，p和p0分別為當(dāng)前轉(zhuǎn)移概率與轉(zhuǎn)移概率閾值。

當(dāng)p≤p0時，規(guī)則按照原始狀態(tài)轉(zhuǎn)移；當(dāng)p0＜時，選擇S1；當(dāng)時，選擇S2，其信息素量最大的位置；而在其他情況下，則選擇S3，此為無效點(diǎn)。

改進(jìn)的蟻群算法通過優(yōu)化信息素，幫助螞蟻選擇更合理的路徑。由于信息素的精確上下限，該改進(jìn)算法能夠更準(zhǔn)確地選擇相應(yīng)的狀態(tài)規(guī)則，并更有效地搜索全局最優(yōu)解。

2 工程數(shù)據(jù)分析管控方法

由于輸變電工程復(fù)雜，且人工處理精度較低，因此將改進(jìn)蟻群算法應(yīng)用到工程數(shù)據(jù)中進(jìn)行智能化分析，以實(shí)現(xiàn)更為理想的數(shù)據(jù)管控效果。

2.1 工程數(shù)據(jù)智能化處理

數(shù)據(jù)智能化處理的過程包含數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理、數(shù)據(jù)綜合校驗(yàn)及數(shù)據(jù)集成分析處理共三個環(huán)節(jié)，具體如圖2 所示。

圖2 數(shù)據(jù)智能化處理過程

1）數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理：輸變電工程數(shù)據(jù)根據(jù)施工過程包含預(yù)研、工程啟動、招標(biāo)與施工等階段的數(shù)據(jù)，各類數(shù)據(jù)文件繁多，且格式、計(jì)量單位等不同，因此有必要進(jìn)行標(biāo)準(zhǔn)化處理?？蓴U(kuò)展標(biāo)記語言(Extensible Markup Language，XML)是一種數(shù)據(jù)元[12]，文中即采用XML 標(biāo)準(zhǔn)化輸變電工程數(shù)據(jù)。

2）數(shù)據(jù)綜合校驗(yàn)：在數(shù)據(jù)標(biāo)準(zhǔn)化后可能存在數(shù)據(jù)缺失等情況，因此需按照預(yù)先設(shè)定的規(guī)范進(jìn)行包括完整性、正確性、邏輯性等方面的校驗(yàn)，以確保工程數(shù)據(jù)的質(zhì)量。

3）數(shù)據(jù)集成分析：該文采用中間件技術(shù)，把來自于多種數(shù)據(jù)源的信息轉(zhuǎn)換為XML 元數(shù)據(jù)。然后再將校驗(yàn)過的數(shù)據(jù)按照規(guī)則進(jìn)行集成并存儲，最終實(shí)現(xiàn)數(shù)據(jù)共享。

2.2 基于改進(jìn)蟻群算法的數(shù)據(jù)分析方法

將智能化處理后的數(shù)據(jù)輸入改進(jìn)蟻群算法進(jìn)行分析，根據(jù)分析結(jié)果采取相應(yīng)的管控措施。工程數(shù)據(jù)分析管控的整體流程如圖3 所示。

圖3 工程數(shù)據(jù)分析管控的整體流程

在基于改進(jìn)蟻群算法的工程數(shù)據(jù)分析管控流程中，首先進(jìn)行參數(shù)初始化，設(shè)定最大迭代次數(shù)等。然后根據(jù)尋優(yōu)規(guī)則搜索路徑，并計(jì)算適應(yīng)度值。再將每只螞蟻的移動路徑與最優(yōu)解進(jìn)行比較：若移動后適應(yīng)能力比之前更強(qiáng)，則應(yīng)移動螞蟻，且將相應(yīng)的結(jié)果轉(zhuǎn)化為信息素增量，以更新蟻群算法的信息素矩陣[13-14]；否則，螞蟻將停留在原始位置，并保持此最優(yōu)解。然后，螞蟻持續(xù)搜索，直至找到全局最優(yōu)解，即適應(yīng)度值最理想對應(yīng)的數(shù)據(jù)分析結(jié)果。由于輸變電工程數(shù)據(jù)繁雜，以工程造價為例，適應(yīng)度值為全過程造價，全局優(yōu)化目標(biāo)為工程造價最小化。

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)中，以山東省某市的220 kV 電壓等級的輸變電工程為例，基于Matlab 仿真平臺對所提方法進(jìn)行分析。此外，改進(jìn)蟻群算法的參數(shù)設(shè)置為：蟻群數(shù)目為50，α=1，β=4，ρ=0.1，最大迭代次數(shù)為400 次。

3.1 改進(jìn)蟻群算法收斂性分析

為了論證改進(jìn)蟻群算法的優(yōu)越性，將其與傳統(tǒng)蟻群算法進(jìn)行對比，二者的迭代收斂曲線如圖4所示[15-16]。

圖4 算法迭代曲線對比

從圖中可明顯看出，改進(jìn)蟻群算法的收斂次數(shù)更少，大約為85 次，且適應(yīng)度值更小。而傳統(tǒng)蟻群算法在迭代90 次之后適應(yīng)度趨于穩(wěn)定，但仍存在一定的波動，且適應(yīng)度值較大，優(yōu)化效果也不佳。因此，改進(jìn)蟻群算法通過信息素與距離的優(yōu)化能夠顯著加快收斂速度，并獲取全局最優(yōu)解以提升目標(biāo)優(yōu)化結(jié)果。

3.2 工程造價管控結(jié)果

將所提方法用于輸變電工程造價數(shù)據(jù)分析，其輸電、變電等工程的費(fèi)用如圖5 所示。

圖5 輸變電工程造價管控結(jié)果

由圖5 可知，相比于工程造價測試值，經(jīng)所提方法處理后的工程造價顯著減少，以12 月的工期為例，其造價降低了約50 萬元。所提方法通過改進(jìn)蟻群算法獲得全局最優(yōu)解，即造價最小化的管控方案。且全面分析了輸電、變電等各個階段的工程費(fèi)用，因此管控效果顯著，并降低了電網(wǎng)建設(shè)成本。

4 結(jié)束語

基于改進(jìn)蟻群算法，該文提出了一種輸變電工程數(shù)據(jù)分析管控技術(shù)方案，通過改變信息素與距離這兩個因素對螞蟻路徑選擇的影響比例，從而改進(jìn)蟻群算法。并將其用于分析智能化處理后的輸變電工程數(shù)據(jù)，從而實(shí)現(xiàn)工程造價管控?；谏綎|某市220 kV 輸變電工程數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，改進(jìn)蟻群算法在迭代次數(shù)約為85 時實(shí)現(xiàn)收斂，且管控后的工程造價降低了約50 萬元。該方法在保證管控效率的同時，還降低了工程費(fèi)用。隨著深度學(xué)習(xí)網(wǎng)絡(luò)的快速發(fā)展，其為電網(wǎng)數(shù)據(jù)處理提供了一個新的研究方向。因此，在接下來的研究中將重點(diǎn)探索深度學(xué)習(xí)網(wǎng)絡(luò)在電網(wǎng)工程數(shù)據(jù)分析中的應(yīng)用。