面向电力选线的多级网格空间数据模型研究

袁敬中，于 泓，蒋荣安，娄书荣，赵俊生

(1.华北电网有限公司，北京 100120；2.北京洛斯达科技发展有限公司，北京 100120；3.武汉大学，湖北 武汉 430072)

1 背景

输电线路的选线工作是输电线路设计的主要内容之一，选线需要综合考虑地貌、地物、地形和地质等诸多因素。传统的主要通过专家经验和人工主观判读的电力选线方法需要花费大量的人力和时间，选择的线路的好坏与选线人员的经验和主观判读能力有密切的关系，难以确保选线的合理性。因此，计算机自动选线的需求日益增加。

GIS作为空间数据的主要获取和管理手段，可以将影响选线的因素进行计算机量化和空间表达，并通过空间分析和最优路径算法实现电力的自动选线。要实现计算机自动选线，设计合理的针对电力选线特点的空间数据模型是需要考虑的关键问题。

当前，诸多学者利用栅格数据模型将选线区域划分为网格单元， Monteiro利用栅格数据模型对各种影响因素进行计算，将各种影响因素转化为通过网格时的花费代价，然后利用动态规划算法进行电力线路通道选择。Ahmadi和Schmidt等在栅格模型的基础上利用ArcGIS的工具和空间分析功能设计电力线路；Beazer1和Beazer等针对栅格数据模型设计了软件工具用于计算选线影响因素代价。这些研究都在一定程度上提高了选线的智能性，然而，这些方法使用栅格数据模型主要是基于栅格数据格式，模型中使用的网格大小相同，模型的设计没有考虑具体空间区域的地形、地物的复杂情况，并且选线的各个影响因素对选线影响方式的不同，使得选择的线路难以达到较高的精确性。

华北电网有限公司以多年实际选线的经验为基础，针对管理区域地形复杂的状况，针对当前研究存在的问题，提出一种新的自适应多级网格数据模型，根据网格覆盖区域的和影响因素的不同，自动选择不同分辨率的网格计算各个影响因子的值，然后自动选择不同层次的网格参与最优路径运算，并通过A*算法进行实际线路设计，结果表明该数据模型能够提高选线策略的合理性。

2 多级网格数据模型设计

在电力自动选线中，当前研究和使用较多的栅格数据模型，是通过将选线的备选区域进行网格划分，形成规则的网格单元，每个网格的值代表通过网格时或者从邻近网格到该网格所需要花费的代价。网格的值主要是通过综合与其他影响选线因素的空间数据叠加分析来获取，然后为每个影响因素赋予不同的权重，计算出最终的网格单元的通过代价值。该方法中可以使用多个级别的网格，每个级别的网格单元大小相等，例如：2km×2km 、1km×1km和500m×500m的网格。然而，一种网格层次的栅格数据难以满足不同的地理区域的不同影响因素的信息提取。本节首先分析电力选线的诸多影响因素，及其空间数据表示方法；然后根据影响因素在不同分辨率层次上的作用大小，设计自动适应影响因素复杂变化的多级网格数据模型；最后，对各种影响因素的提取方法进行论述。

2.1 电力选线影响因素分析

输电线路设计的好坏与电网的施工、运行与维护的成本和工作效率有密切关系。高质量的线路的设计需要充分了解输电线路的特点和选线区域的地形、地貌、地质和地物的现状。输电线路通常具有明显的地理特征，需要综合考虑四大类因素，地形地质因素：高程、坡度、坡向、地震、风、雪、雷电等；地貌因素：军事区域、森林、自然风景区、矿区、水资源，河流跨越，野生物；社会经济因素：农业区、居民区等；技术因素：道路、铁路、管线、电线等跨越信息。

这些影响因素来源分散，种类繁杂，衡量的标准各不相同，即有定量的因素，也包括大量定性的因素。如何有效的将多个因素进行数字化表达，并将定性的因素定量化表达，形成计算机能够识别的数据，并统一标准，对各个影响因素进行综合分析形成某一地理位置的影响因素的综合评定，形成有效的数据模型，是实现计算机自动选线的前提条件。本文根据各个影响因素对选线所起的作用不同，将影响因素分为以下几种类型：①禁止通过区域，例如军事区域、自然风景区的核心区域、矿区和野生物区域等；②尽量避免通过区域，森林、居民区等；③限制通过方式的区域，例如、跨越河流、铁路和高速公路等；④方便通过区域，地形平坦、距离公路较近等区域。

GIS作为一种有效的空间数据表达技术，可以利用不同的方式对各种类型的数据进行表示。可以用DEM表达研究区域的高程信息，然后根据DEM，利用空间分析功能，计算出区域的坡度和坡向信息；用线矢量数据表达铁路、电线等数据，并可以根据比例尺大小的不同选择用线或者用面来表达道路、管线等数据；用面矢量数据表达军事区域、自然风景区、居民地等信息。DEM和栅格格式的数据有利于与栅格格式的网格叠加和统计分析，矢量格式的影响因素数据有利于与矢量格式的网格进行各种空间分析。因此，本文将综合利用栅格和矢量模式的网格作为基础，设计多级网格模型。

2.2 多级网格数据模型

利用较多的栅格数据模型，可以利用网格单元行列号计算出网格的位置信息和邻近网格的信息，见图1，栅格数据的网格关系示意图，每个网格都与八个方向上的邻近网格相连通，在最优路径设计时，可以计算通过不同邻近网格需要消耗的代价，然后选择总体代价较小的网格通行。在进行每个网格的影响因素值计算时，首先将影响因素的数据进行栅格化处理；化为栅格格式的数据；然后与网格进行叠加分析，计算出每个网格的单个影响因素的值；最后，根据各个影响因素的权重计算出网格内的综合通过代价。单一的栅格数据模型影响因素值统计时，需要将影响因素图层转换成栅格数据，这样会在增加计算复杂性的同时，降低数据的精度。

图1 栅格数据网格关系示意图

本文提出的多级网格模型，在栅格网格模型的基础上，为每个栅格单元同时建立对应的矢量网格单元。在影响因素值提取时，采用栅格数据与DEM、坡度图和各种栅格数据格式的影响因素进行叠加分析，得出这个影响因素的影响值。同时，不需要将各种矢量数据格式的数据转换为栅格数据，例如河流、道路图、居民地等数据，而是利用栅格单元所对应的矢量栅格数据与这些影响因素进行叠加和各种空间分析，提取各个影响因素在网格中通过时的影响值。然后将栅格网格统计的各种值并入到矢量格式所表达的网格模型中，最后，利用矢量网格进行最优路径选择。

可以对区域进行多种网格等级的划分，可以创建4km×4km 、2km×2km、500m×500m、250m×250m和125m×125m等。网格单元的大小对选线的结果具有重大影响，较大的网格单元计算速度快，可以选出粗略的线路通道，但是单个网格难以准确表达网格内所有区域的信息，使得部分复杂区域的数据代表了整个网格单元的影响代价值，使得计算难以精确，并且由于单个网格覆盖区域内部分禁止通过区域会影响到整个网格的通行，使得最终选择的通道会绕过该网格区域，进而增加了选线的不合理性；较小的网格单元，计算需要花费的时间较长，线路较为具体，但是较细的网格难以表达较大范围的影响因素，使得难以统计部分影响因素的值。因此，本文设计了多级网格数据模型，根据网格覆盖区域的影响因素的复杂层度自动选择不同等级的网格进行影响因素代价值统计，结构示意图如图2所示。

在较粗层次的网格中，根据每个网格内的影响因素的复杂层度，可以选择较细层次的分割方法，在线路选择时，首先在较粗层次上选择较粗的选线范围，并建立缓冲区，形成一个选线粗级通道；然后，在粗级通道内选择较细的通道，再在较细的通道上选择更细的通道，以此类推逐级选择，直到在最细的网格层次上选出线路为止。见图2，首先在第1层的网格划分方法中选择通道，然后在第2层和第3层进行，直到最底层为止。

图2 逐层选线图

2.3 数据转换工具功能设计

智能选线需要网格数据和影响选线的因子信息的图形化，数据处理和转换的目标是把各种定性及定量的影响因子定量化和图形化。

确定选线区域范围，定义和获取各个影响因素的数据，并根据范围生成不同层次的网格，并对网格进行编码和中心坐标提取；其次，利用DEM数据计算坡度和等高线，利用叠加分析和统计分析功能，提取每个网格内的平均高程值和平均坡度值；再次，根据不同类型的影响因子生成不同种类的矢量图层，例如城镇、村庄、河流、道路、风景区、矿区和土地利用等多种数据；将各类影响因子数据包括禁止区域通过数据融合和各种空间分析，提取出各种影响因子在网格内的影响等级；最后，为每个网格单元中的每个属性设置相应的属性等级。图3为数据处理的流程图。

图3 数据处理流程

针对某些影响因素的数据，在较粗的网格中对网格的代价影响较大，而该网格下层网格中形成的多个子网格的影响值差别过大，则利用该网格的下层网格数据取代该网格，来计算各个子网的通过代价值，图4为叠加分析的示意图。

图4 影响因素提取示意图

3 实验与分析

图5为100km×40km的研究区域的DEM、坡度图、和1km×1km的网格图和影响因子提取的属性表。本文利用A*算法选择电力线路，图6是选线结果的对比图，图中红色线是利用单层网格模型选线，首先在1km×1km的网格划分层次上选出较粗通道，然后再在500km×500km和250km×250km的层次上选择电力线路的最终结果，从图中可以看出，该方法首先在1km×1km选择通道，难以从两个禁止通过区域公园和矿区中间的较窄的通道里通过。图中蓝色的线为利用多级网格选线的结果，多级网格可以根据地形和影响因素的复杂层度自动组合不同层次的网格参与线路选择，因此，在1km×1km级别的粗选时，在通过公园和矿区区域时，调用较低层次的网格层的数据参与计算，使得线路可以通过该区域，然后再在500km×500km和250km×250km的层次上选择更细的线路。

图6 选线结果对比图

4 总结

输电线路的选线受到多种因素的影响，数据模型的设计和选择是实现高效和合理选线的关键问题，当前的研究和利用较多的是栅格数据模型。本文针对栅格数据模型存在的问题，提出了一种多级网格数据模型，该模型可以根据空间区域的地形、地物的复杂层度选择不同层次的网格参与电力选线的运算。实验结果表明，该模型具有较好的适应复杂地形和地物的能力。

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

[2]刘春霞，王家海.基于空间分析的送电线路选线方法[J].测绘工程，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.