基于GIS的电网数据分析系统

韦 耐 王 伟

（武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430072）

电网工作离不开地理数据的支撑，但是随着工作范围不断扩大，逐渐出现电网信息与地理信息脱节的现象[1]，以往基于人工手段获取地理数据的方法已无法适用于当前的电网项目，存在数据获取成本高、周期长、误差大且格式不统一等问题，无法支撑电网的规划和维护工作。随着计算机科学技术与地理信息技术的融合发展，地理信息系统分析时空大数据的能力越来越强，使其在各领域均有十分广阔的应用前景[2]。电力行业一直通过地理数据为决策提供支撑，因此对地理信息系统技术的需求十分强烈。该文采用GIS空间分析技术，以数字高程模型（DEM）等基础地理数据为数据源，通过相关地学算法快速获取地形数据，并基于该数据信息为电网布设中的杆塔选点和维护工作提供建议，从而提高工作效率。

1 系统总体设计

1.1 系统架构设计

系统以信息安全防护体系和信息标准化体系为保障，围绕地理数据支撑电网规划和运维工作的核心诉求，整合数字高程数据、土地利用类型数据、电网杆塔线路数据以及输电线路数据等数据，构建空间数据库，基于ArcEngine二次开发和.NET框架搭建服务平台，为应用层的各个功能模块提供服务调用，系统总体架构如图1所示。

图1 系统结构

1.2 数据组织

该系统主要包括2种类型数据类型，基础地理信息数据和电网杆塔专题数据。基础地理信息数据包括DEM数据、土地利用类型数据等Shp格式数据；专题数据主要包括电网杆塔线路数据、输电线路数据、高杆植物类型数据以及维护人员信息等Excel格式数据。

使用MySQL技术对数据进行统一管理。MySQL具有低成本、开源、简单易用以及连接便携等优势，支持实时更新、快捷查询电网数据；在安全性保障上支持通过设置用户权限等级来保障数据库的使用安全[3]，基于MySQL构建的空间数据库结构如图2所示。

图2 空间数据库结构

1.3 系统功能设计

电网GIS数据分析系统核心诉求为如何快速获取电网所需的地理数据，并基于地理数据给电网的规划和维护工作提供建议。基于该诉求共设计了5个模块，分别为微地形数据分析及输出、规划建议、运维建议、数据查询和数据管理。其中，微地形数据分析及输出模块可以分析及输出坡度、坡向、山脊、山谷以及坡位等地理数据。规划建议模块可以判断某个点位是否适合建塔杆，还可以输出某个地理范围内合适的塔杆点位。运维建议模块可以查看问题塔杆的地理位置及周边地理环境，还可以查询距离最近的运维人员的联系方式。数据查询模块具有空间查询、属性查询和位置查询等功能[4]。数据管理模块支持数据同步和数据编辑等操作。整体系统功能结构如图3所示。

图3 系统功能结构

2 关键技术及算法实现

坡位算法与作者之前发表的一篇以研究GIS微地形算法在电网布设中的应用类似。但是这篇文章的重点在于研究基于GIS技术的电网数据分析系统的设计和开发，算法作为实现系统中某个模块的关键技术，而不是重点介绍原理。

2.1 SOA法提取山脊线和山谷线

山脊线和山谷线是非常重要的地形特征数据，可以描述地形的高低起伏[5]。在工程领域，山脊线具有分水性，不易形成洼地，是工程建设的重点区域；而山谷线具有汇水性，容易形成溪流和洼地，也是泥石流等自然灾害高发区，在工程建设中是需要避开的区域。

该系统采用SOA算法，结合ArcEngine（ArcGIS的一套软件开发引擎，可以让程序员创建自定义的GIS桌面程序）地理数据分析接口，以原始DEM数据为基础，提取山脊线和山谷线。SOA即平面曲率的坡向变率，山脊线和山谷线均反映为SOA值较大的区域，区别在于山脊线是正地形中SOA值较大的区域，而山谷线是负地形中SOA值较大的区域[6]。具体实现方法如下。

第一步：计算SOA1。通过AE地形分析接口求DEM数据的坡向变率SOA1。

第二步：计算SOA2。通过公式（1）计算DEM数据的反地形DEM数据，并求反地形DEM数据的坡向变率SOA2。

式中：H为原DEM数据高程最大值；O为反DEM数据；S为DEM数据。

第三步：消除误差。理论上，SOA1和SOA2都是描述同一DEM数据的坡向变化率，2个值应该相同，因此可以通过公式（2）消除SOA值误差。

式中：SOA为平面曲率的坡向变率；Abs为绝对值。

第四步：通过正、负地形和SOA提取山谷线和山脊线数据，山脊线对应正地形且SOA值较大，如公式（3）所示。山谷线对应负地形且SOA值较大，如公式（4）所示。

式中：meandem为DEM高程平均值。

采用SOA算法提取山脊线和山谷线的操作十分简单，同时支持通过调整曲率的大小来调节山脊和山谷的宽度，在可视化呈现上具有重要作用[7]。

2.2 坡位渐变信息的模糊推理法提取坡位信息

坡位是指坡面所处的地貌部位。例如位于正地形还是负地形，位于沟间地还是沟坡地。坡位提取的核心工作是划分地貌部位、地貌类型[8]。该系统使用秦承志等人[9]提出的基于坡位渐变信息的模糊推理法来计算坡位信息，根据其他地形特征和坡位典型位置的相似度来综合判断，主要使用的地形特征数据有坡度、剖面曲率、水平曲率和区域特征值（RPI）。某一点的RPI值是指该点到沟谷的最短欧氏距离和该点到山脊及沟谷的最短欧式距离之和，如公式（5）所示（RPI值主要用于描述该点的相对位置信息）。

式中：min_Eu（沟谷）为到沟谷的最短欧氏距离；min_Eu（山脊）为到山脊的最短欧式距离。

在获取各地形参数后，通过设置不同坡位典型位置的判断条件（表1）来提取坡位的典型位置，该文主要包括山脊、坡肩、背坡、坡脚和沟谷等重要坡位数据。

2.3 DBSCAN聚类算法寻找最佳建站区域

DBSCAN聚类算法是基于密度的聚类方法，通过计算邻域内点的密度，将符合约束条件的点组成类，不符合的点标注为噪点。

该算法的核心约束条件有2个，即最小聚类点数和搜索距离。搜索距离一般指所创建的缓冲区范围，通过缓冲区搜索落入的所有点要素，再计算该领域的点密度，如公式（6）所示。

式中：M为该领域的点密度；P为领域内的点数（包括中心点）；S为领域面积。

而最小聚类点数则是指最小点数密度，主要用来判断该领域是否符合要求，最小点数密度如公式（7）所示。

式中：Mmin为最小点数密度；Pmin为最小点数；S为领域面积。

如果该点所在邻域的密度大于最小密度，就创建聚类，或分配到某个已经存在的聚类，反之就标注为稀疏点。稀疏点所在区域标注为最佳建站区域。

3 系统功能实现

电网GIS数据分析系统采用C#开发语言，后台基于VS.NET+Arc Engine+ MySQL技术框架进行编码。

3.1 微地形数据分析及输出

该模块主要调用ArcGIS GeoAnalysis、SpatialAnalysis等接口，通过DEM提取坡度、坡向、平面曲率和剖面曲率等地形数据；基于SOA算法提取山脊线和山谷线，从而得到RPI值，再根据表1输出坡位信息。微地形数据输出结果如图4~图5所示。

图4 微地形数据输出结果1

图5 微地形数据输出结果2

3.2 电网系统规划建议

以半径为1 000 m的圆形作为缓冲区，设置最小点密度为5，使用聚类算法聚类找到噪点，噪点所在缓冲区为最佳建站区域；该区域使用30 m×30 m的3×3窗口拟合，假设中心点位为建站点位，提取该点位的微地形数据，与人为设置的不同地形数据阈值（阈值数据可根据实际需要进行调整）进行对比，寻找符合条件的点位，再以这些点位为圆心，设置半径为500 m的圆形缓冲区（数值可根据需要调整），如果缓冲区内没有已建电杆，则该点位适合建立新电杆点位。

3.3 电网系统运维建议

由外部导入问题站点数据，主要包括经、纬度信息。将问题站点导入地图上进行显示，提取该位置的微地形数据信息，了解问题站点周边的地形，如果站点某个地形数据不符合标准阈值设置，就进行提醒。如果该站点当前的坡度值大于40°，就显示“坡度太大，需要调整！”的信息，同时可以根据距离最优原则寻找运维人员的联系方式和电话。

4 结语

该文基于ArcGIS进行二次开发，结合GIS相关的时空算法开发了基于GIS的电网数据分析系统，不仅解决了传统地理信息数据获取成本高、周期长以及误差大等问题，而且实现了信息化管理电网项目中的地理信息数据的功能，还可以基于地理数据分析给电网工作提供规划和运维等方面的建议，提高了工作效率，推进了电网规划和维护管理工作的科学化发展。