基于BIM 与遗传算法的电网工程数据信息处理系统设计

方昱璋，张海文，郭嘉成

（国网甘肃省电力公司经济技术研究院，甘肃兰州 730050）

随着我国经济的迅速发展，电网工程的投资越来越大。参与电网工程建设的管理部门、建设部门繁杂，工程管理的各项数据特异性大，导致建设进度、建造质量与风险难以全局把控。目前，电力设计过程中仍使用二维设计，严重依靠设计人员的能力，难以高效、准确地设计大型电网工程。因此，有必要设计一款集中高效处理电网工程数据的平台[1]。

文中提出了基于BIM 的电网数据分析系统，首先通过引入特定电力模型，将设计知识直接集成到统一的软件架构中。其次，在DES 数据同步机制[2]的支持下，系统消除了不同设计阶段数据的不相容问题。最终在该软件平台中，有关电力系统的设计问题被封装到几个功能模块中，以便被第三方开发人员重用，以增强系统的可维护性。

1 分析软件架构设计

为使用统一的模型来实现电网工程的数据处理，文中设计了一种有效的软件架构[3]。为了支持遗传算法的使用，设计的软件架构应具有以下特征：1）易于使用，为减少遗传算法的植入难度，分析结果应以标准可读的数据格式表示；2）可扩展性，能够集成不同的BIM 模型与不同的数据视图；3）一致性，由于BIM 模型将由不同的设计师使用与修改，因此不同模型视图数据格式应保持一致。

1.1 数据同步机制

在BIM 数据处理时，涉及多个学科的设计人员[4]。为了满足不同设计者的要求与设计视图之间的一致性，文中设计了基于事件的DSE 数据同步引擎。该视图从中央模型数据库检索最新数据，仅在必要时更新全局数据，可以避免由于频繁地更新给系统带来繁重的资源需求与数据检索的高计算复杂性。

图1 所示为DSE 机制。其在设计终端与中央BIM 模型之间同步数据，每个视图在初始化阶段向DSE 发送相关事件列表。当用户更改视图数据时，例如在单一模型配置视图中，系统将修改事件发送到DSE 的事件池中[5]。数据处理器将视图中的修改同步到BIM 模型，随后更新全局数据。

图1 DSE机制

1.2 基于BIM的单一模型扩展

当前，大多数BIM 平台为建筑设计提供了丰富的功能元素，而对智能设备的支持却较少。为了支持BIM 的集成设计与分析，文中开发了一组包括微控制器与传感系统的智能组件[6]，每个组件模型均有两个主要属性：

1）几何数据。为了基于BIM 设计硬件模型，组件模块包含所有几何信息：形状、大小、材料及其3D建模。

2）功能特定属性。该属性描述了组件的特性与规格，包括在电力系统中的作用及数据交流方式。

2 关键模块建模

BIM 模型将建筑物从具有一个电源的单元转换为具有多个发电机的单元，因此，BIM 电力系统设计与普通建筑物的电力系统设计不同。文中引入基于电力能量流动的分析方法[7]，以提供对BIM 模型的准确分析。

2.1 供电线路建模

为了进行电力能量流动分析，构建了电力线模型[8]。该模型用于计算出输电线路的电容电抗、阻抗与电感电抗。由于建筑物中的电线较短，因此可以忽略电容电抗。阻抗与感性电阻可由式（1）、式（2）计算。

式中，R为阻抗，p为电阻率，l为供电线长度，S为供电线的横截面积，L为电感电抗，d为供电线直径。

2.2 电流可视化建模

由于各种电气设备与复杂电路的电气模型较为复杂，传统手段难以估计建筑物的准确电力，因此文中基于BIM 平台将所有电气设备数字化，并根据模型自动生成准确的电子拓扑模型[9]。DES 机制从各种电气设备查询电气参数，例如变压器、光伏逆变器及负载数据，在这些设备与其电线连接之间记录完整的电拓扑结构。由于逆变器的输出取决于其连接的发电模组面板的输出，因此逆变器的功率输出是通过累加与其连接的发电模组设备输出功率来动态计算的。

在分析软件时，重点关注系统中的两种状态更改，即单一模型属性的更改与连接模型间的布线更改，系统使用DES 将这些更改实时同步到BIM 数据库中。

2.3 电力模型建模

基于BIM 数据库的电力线模型、电气拓扑模型与负载模型，分析软件使用MATPOWER 工具箱计算出电力能量流动的状态信息[10]。

3 基于遗传算法的BIM数据处理

在建立基于BIM 模型的电网工程处理系统中，对不同种类的多种数据综合处理。为取得准确、实时的处理结果，传统的数据处理方法难以胜任。因此，文中考虑使用遗传算法处理BIM 数据。遗传算法基于生物有机体的遗传过程，根据自然选择的原则进行优胜劣汰。通过模仿此过程，遗传算法能够较好地处理BIM 数据。

3.1 染色体适应度设计

文中采用适应度计算中的惩罚机制对遗传算法不可行的染色体个体进行惩罚，以确保不可行个体的适应性指数小于可行个体[11]。定义个体I 的修订目标函数，如式（3）所示。

wc为正惩罚因子[12]，计算公式如式（4）所示。

其中，T1为个体I 的运算周期，Tˉ为遗传算法一次迭代时最大的个体运算周期。

对于工程预算问题，将个体I 的修订目标函数定义为式（5）[13]。

其中，wt为另一个正惩罚因子，其计算公式如式（6）所示。

其中，C1为个体I 的运算持续时间，Cmax为一次迭代生成的最大个体项目成本。

由于式（3）与式（5）均属于最小化问题，因此必须将其中定义的适应度函数转换为式（7）和式（8）[14]。

式（7）为式（3）的适应度函数，式（8）为式（5）的适应度函数。

3.2 遗传选择运算符

定义遗传算法染色体个数为POP，根据3.1 节的适应度值对个体进行排序并选择最佳个体，而其余个体则从个体库中删除。使用比例选择法得出个体基于适合度的存活概率，决定下一代存活的最优个体。在遗传算法的每次迭代中，剔除适应度最低的个体，直到POP个体离开为止。根据实验得出，文中选择了由比例选择法与最佳个体保存法组成的最优染色体解。期限问题最优解如式（9）所示，预算问题最优解如式（10）所示[15]。

3.3 交叉算子设计

遗传算法中存在多种父代交叉算子，文中采用图2 所示的3 种交叉运算法。染色体优先级列表可看作一种置换表示，使用基于位置的交叉算子得出最优秀子代染色体，被用于优先级列表的交叉。本质上，子代随机地从父母代获取到部分基因，并通过从左到右的填充方式生成子代染色体[16]。

图2 遗传算法交叉算子

3.4 变异算子设计

子代染色体在遗传父代的基础上，还需引入变异算子，文中分别考虑建议编码中的3 个列表。对于子代列表，随机选择一个位置。若原始值为1，则其值从1 更改为0；若原始值为0，则其值从0 更改为1。优先级列表的置换性质、处理方法稍有不同。若列表中奇数位置的值发生更改，则列表会重复出现数值，子代染色体的结构会被破坏。因此，采取以下步骤来实现染色体突变：1）生成在[1，n]范围内两个不相等的随机位置数值；2）交换两个选定基因位置的优先级值。

4 实验分析

4.1 遗传算法性能实验

为验证文中遗传算法的数据处理性能，使用JAVA 语言编译遗传算法，在搭载Ubuntu 16.04 操作系统的PC(1CPU，Intel 2.0 GHz，512 MB RAM，80 GB硬盘)上进行。实验分为如下3 个步骤：

1）为BIM 模型设置单位时间内的直接成本与单位时间的间接成本；

2）所有优化运算以一次性的方式进行，为简化起见，假设优化运算活动的持续时间与以非优化环境下运算持续时间成固定比例n；

3）删除遗传算法原始实例中的不可再生染色体。

使用Avdev、#best、Cpu1和Cpu2的平均计算时间3 项指标来评价算法性能。其实验结果如表1 所示。

表1 不同变异率下遗传算法性能实验

由表1 可知，Avdev 表示最优值的平均相对偏差；#best 表示遗传算法可从所有实例数量中找到最佳解决方案的概率。实验结果表明，提出的算法对于分析电网工程BIM 数据是有效的。当种群大小POP＞30 时，种群大小的差异对算法几乎没有影响。但不同的变异概率对算法的有效性有着重要的影响，因此必须为该算法选择适当的变异概率。根据实验结果，取变异概率的值为0.05。

4.2 电网工程数据处理实验

表2 列出了电网工程原始设计与改进设计之间的比较。由表2 可知，使用遗传算法优化后[17-19]，屋顶上传感器组件的数量从368 减少到360；墙上传感器组件的数量从80 减少到39。在BIM 平台的支持下，电网工程的总成本降低了11.7%，而功率输出仅下降了1.6%。当所有发电均是自用电时，毛收入约为1.46 元/千瓦时。改进后的计划静态投资回报率约为6.32 年，与原计划的7.09 年相比缩短了10.9%。

表2 电网工程优化实验

图3 给出了建筑物的简化电力模型。该建筑物包括主要负载、变压器、逆变器和配电盘。供电网从配电柜向3 个配电盘（#4、#5 与#6）输出电力并传输到负载，光伏系统的功率逆变器可以连接到2 号机柜与4 号、5 号和6 号配电盘。上述数据均可从BIM 模型中，通过检索不同节点之间的布线信息与数据得到。

图3 建筑物简化电力模型

图3 中的电力系统大功率输出约为88.25 kW，无功功率输出为0。建筑物的最大用电量为有功功率，约为270 kW，无功功率为131 kW。基于遗传算法优化后的电力系统，其电网的最大功耗与输电损耗均大幅降低。电网消耗的最大功率从304 kW 降低到230 kW，即下降了24.2%，且提供了更优的平衡功率流，主要降低了传输所消耗的功率。考虑到最小的功率传输损耗，最佳的接入点是#6，其链路损耗为12.395 kVAh。#2 为最差的访问点，原因是2 号机柜与6号配电盘之间的电源线最长，6号配电盘的电源线消耗了总功率的33%。考虑到电力系统的供电波动损失，#6点也是最佳的接入点，与2号点相比，可以将输电损耗降低约1 298 kVAh，即2.95%。

5 结束语

为高效、准确地处理电网工程建设中的海量数据，文中借助BIM 技术建立了数据分析系统。为了设计易于使用、扩展性高、一致性强的BIM 分析系统，在对电网关键模块建模的基础上，使用DES 数据同步机制设计了软件架构。为了对工程数据有效处理，基于遗传算法选取合理的染色体适应度参数、交叉参数、编译参数和遗传选择运算符。在对遗传算法及其构成的数据处理系统的验证实验中，数据处理精度高于96%，CPU 处理时间约为30 s，经过优化的电网工程造价成本可降低10%以上，证明该系统具有良好的应用前景。