基于蚁群算法的500 kV变电站电缆复杂空间排布方法

陈 勇，王云辉，周俊东

(云南电网有限责任公司，云南 昆明 650011)

当前，在变电站电缆排布中，都是依靠相关技术人员进行操作的，在安装时仅能够保证设备合理，但科学性较差。如果详细要求技术人员对比每根导线的型号以及安装的位置，会带来较大的工作量，并且排布效果较差。文献[1]研究了排管电缆群布置方式的联合优化方法，利用 COMSOL与 Matlab相结合的方法，对线缆进行了模拟，以此为依据得到了最终线组的最佳配置；文献[2]研究了长距离330 kV电缆护套交叉互联接地方式及回流缆优化布置方法，利用 EEM软件建立了模型，并进行了电压分析，实现电缆排布。上述提出的方法虽然能够排布电缆，但是不能够寻找到最短的线缆敷设位置。

蚁群算法是路径规划时最常用的一种，因为每一只蚂蚁都不知道自己的目标在哪里，因此其只能在自己能看到的地方寻找，这样就可以得到更多的信息，通过综合信息判断找到最短的路径。基于此，从寻找最短敷设路径角度出发，提出了基于蚁群算法的500 kV变电站电缆复杂空间排布方法。

1 基于BIM技术建立变电站电缆及关联模型

将全站电缆清册导入电缆施工管理系统，确定电缆起点与终点的设备、电缆的通道以及其他信息，过程如下所示：

(1)建立BIM模型前采集变电站内设备、材料以及场地等参数，主要采集的数据包含、电缆沟尺寸、配电箱尺寸、电缆外径、线槽尺寸[3]、电气回路。这些数据彼此独立，却又互相联系，任何一组数据的改变都会影响到正确的布线。

(2)模型建立，利用BIM建模软件以收集到的数据为基础建立精确的三维可视化模型[4]，如图1所示。

图1 变电站电缆及关联模型建立流程

基于上述过程建立起该变电站内部初始关联模型，为后续电缆排布提供基础。

2 基于蚁群算法最短敷设路径计算

基于上述过程采用BIM技术建立起变电站电缆及关联模型，将蚁群算法应用到最短路径寻找中，以提高排布效果，减少浪费。

2.1 500 kV变电站电缆布线空间建模

蚂蚁在觅食时，往往可以找到一条最短的路径，为此将该算法应用到电缆排布中。由于变电站中的结构件种类较多[5]，大小形状也不同，导致布线空间不规划，为此对变电站内部环境进行三维空间环境建模。蚁群算法的觅食路径如图2所示。

图2 蚁群算法觅食路径原理图

图2所示的蚁群算法觅食过程如下：

(1)网格化处理变电站电缆空间：将空间抽象为空间位置信息的节点，描述线路可能经过的空间点；

(2)由于整个空间模型较大[6]，会消耗较多存储空间，因此将变电站电缆空间分成几个部分，把配线空间分成几个子空间的并集：

A=A1∪A2∪A3∪…∪An

(1)

式中：A为整个变电站电缆布设空间；A1、A2、A3、An等分别为划分的各个子空间。

(3)通过对网格进行处理，将其从结构模型中提取出一个立体的模型，将坐标系顶点记作B，在B中建立三维坐标系B-xyz，在该空间中，每个栅格都相当于顶点，为保证寻找时节点不发生碰撞[7]，对其进一步处理：

(2)

式中：k为规划参数；mant为第t个时间内平面等分参数；m0为三维结构模型最大长度值；r为求解半径。

根据以上步骤，将配线空间按一定的方式进行分割，从而提高了计算的效率。

2.2 最短路径寻找

将蚂蚁随机置于起始网格[8]，确保每个通道上的初始点都是相同的，并将其记录为

τij(0)=τ0

(3)

根据随机比率，选择下一次要传送的栅格[9]，并将其选取过程描述为

(4)

式中：τij为ij上的信息素；ηij为ij边上的启发因子；ηis、τis分别为is边上被允许访问的栅格集合；α为随机参数，β为调整因子。

将蚂蚁从当前节点选择下一个节点的计算公式表示为

(5)

为防止蚂蚁选择已经过的网格，使用禁忌表格来记录蚁群通过的网格，确保其在某一时刻结束后，完成环绕，并将每个蚂蚁的行进路线都记录下来，并保留最小的路线[10]。

由于在选取节点时，每一次通过相邻节点，都会更新相邻节点的信息素，因此，该更新公式如下：

τi,j=(1-c)τi,j+cτ0

(6)

式中：τ0为邻近节点更新时的初始值；c为可变参数的取值范围。

在此基础上，进一步对信息素增量计算[11]，计算公式如下所示：

(7)

式中：Lk、Lv、LG分别为蚂蚁每次行走时走过的路径参数；W为蚂蚁与蚂蚁相遇时迭代的最优解。

每次蚂蚁结束一个周期，清除禁忌表格[12]，然后回到最初的网格，为下次布线做好准备，这样就可以找到最短的布线路线。

3 实现变电站电缆复杂空间排布

通过上述过程已经采用BIM技术建立起敷设模型，并寻找了最短敷设距离，在此基础上，基于最短路径，重新对BIM模型调整[13]。由于首阶段所建立的模型常常不能达到最佳的状态，因此，对线缆进行了二次布置，调整的范围包含了每层的线缆的宽度，并对调整后的模型进行碰撞检测，利用 BIM软件的 navisworks进行碰撞检测，直至模型碰撞检测为0，得出建筑的模型。在本系统中实现了对光缆铺设过程的自动仿真，并根据实际情况，对不同施工阶段的施工参数进行了分析，并对现场电缆的施工和安装进行了指导。

在模型建立后，确定最优施工过程，突出实际的电缆排布过程，如下所示：

(1)出图纸，调试完成后，按对应断面画出支架的大致轮廓，在线路较复杂的部位出断面[14]；

(2)准备施工所用材料，对电缆配盘，将电缆盘设在配电之间；

(3)用铁丝网将钢索的顶部紧固，并检查各连接件的准备情况，然后进行吊装；

(4)在电缆沟与周边建筑物侧墙进行了开孔处理，便于电缆的分流，同时电缆沟底部至两侧建筑物地面有倾斜过度，便于电缆敷设[15]，整个施工工艺流程如图3所示。

图3 施工工艺流程

(5)施工交底，按照3-D组相应剖面的等视图进行技术交底，保证了虚拟敷设的结果与实际敷设的结果相符，并将其转化为数据，实现变电站的复杂空间布局。

4 实验对比

为验证所提出的基于蚁群算法的变电站电缆复杂空间排布方法的有效性，将排管电缆群布置方式的联合优化方法、长距离330 kV回流缆优化布置方法与所提出的方法对比，对比三种方法的排布效果。

4.1 实验准备

此次实验主要包含两部分，第一部分实验主要对比在有故障物的情况下与没有故障物的情况下，三种方法寻找到的最短路径长度，第二部分主要对比在有无障碍物下三种方法的路径寻找时间。实验1在长100 m，宽100 m的环境中进行，有障碍物的路径寻找示意图如图4所示。

图4 有障碍物的路径寻找示意图

实验2中障碍物模型参数如表1所示。

表1 障碍物模型参数

在上述实验环境下进行实验，详细的对比结果如下所示。

4.2 第一部分实验对比结果

三种方法在没有障碍物的情况下，寻找的最短路径长度如图5所示。

图5 没有障碍物情况下最短路径长度

在有障碍物的情况下，所提出的排布方法与另外两种排布方法路径寻找长度如图6所示。

图6 有障碍物情况下最短路径长度

由图5和图6可知，在有障碍物的情况下，三种方法寻找到的路径长度明显多于没有障碍物的路径长度。经过对比能够发现，在几条路径寻找上，所提出方法寻找的路径长度是最短的，较另外两种方法效果好。

4.3 第二部分实验对比结果

没有障碍物情况下，路径寻找时间如表2所示。

表2 无障碍物下路径寻找时间 min

在第二部分中，障碍物的位置已经标出，分别采用三种方法寻找排布路径，所花费的排布路径寻找时间如表3所示。

表3 在有障碍物的情况下路径寻找时间 min

基于上述结果能够看出，在有无障碍物情况下，所提出的方法花费的时间较少，较另外两种方法花费的路径寻找时间都少。证明所提出的变电站电缆空间排布方法能够有效降低节点搜索的重复数，减少转折点的数目，从而缩小了路径之间的距离，提升施工效率。

5 结 语

通过上述过程完成基于蚁群算法的变电站电缆复杂空间排布方法的研究，实验结果表明所提出的排布方法能够在短时间内寻找到最短路径，并且受到障碍物的影响较小，证明了所提出的方法的有效性。但是研究时间有限，所提出的方法还需要进一步优化提高变电站电缆复杂空间排布效果。