一種基于電力線路布局優化的城市供電數據可視分析方法

路 強，張海波，YUAN Xiao-hui，陳 晨

?

一種基于電力線路布局優化的城市供電數據可視分析方法

路 強1,4，張海波1，YUAN Xiao-hui2，陳 晨3,4

(1. 合肥工業大學計算機與信息學院VCC研究室，安徽 合肥 230601； 2.北得克薩斯大學計算機科學與工程學院，丹頓 TX 76201； 3. 國網安徽省電力公司合肥供電公司，安徽 合肥 230031； 4. 合肥市電力大數據應用工程技術研究中心，安徽 合肥 230031)

電力數據可視化可以實現海量電力設備在線監測數據中各種屬性、運行狀態等電力特征信息以圖形、圖像化直觀呈現，為設備運行狀態的及時、有效監控分析提供有力保障。基于城市供電數據，提出一種城市供電態勢的可視分析方法。首先根據供電系統中的變電站數據對總體供電態勢進行可視化，然后根據供電線路數據對線路進行基于多標準約束的布局優化并對其進行可視化編碼，最后根據線路的附屬關系對線路下掛載的用戶進行可視化編碼。設計了一套可視分析系統，旨在方便用戶探索分析某一區域的供電態勢。基于上海市城市供電數據的案例分析表明，該方法可以有效地反映某一區域內的總體供電態勢和具體供電細節。

城市供電數據可視化；供電態勢；線路布局優化；可視化編碼

近年來，大數據發展迅猛，同時開啟了一次重大的時代轉型，很多傳統行業都在積極借助大數據的力量，幫助企業實現轉型升級。電力作為國民經濟的基礎產業，是關乎國計民生的重要支柱產業，通過大數據可視化方法推動電力產業升級優化，提高電力生產、營銷及電網運維等方面的管理水平具有重要意義。

城市供電系統是電力系統中最重要的一環，其供電態勢直接反映城市供電情況的穩定與否。在城市供電系統中，變電站、供電線路和用電用戶三者扮演著重要的角色也包含著復雜的層次關系，變電站下設有很多附屬線路，線路下掛載多個用戶。傳統的電力數據可視化系統對城市供電中的變電站主要采用熱力圖和散點圖等可視化方法，讓電力部門工作人員大體掌握電網的整體情況。而對于供電線路大多采用直接法進行繪制。對于下屬的用電用戶，傳統的供電系統很少提到對其的可視化，也沒有將變電站、供電線路和用電用戶三者數據進行關聯可視化。為此，本文提出了通過多標準約束的方法將線路進行布局優化，在此基礎上對變電站和供電線路以及用電用戶進行關聯可視化。

首先根據城市供電系統中的變電站數據對總體供電態勢進行可視化，然后根據供電線路數據對線路進行基于多標準約束的布局優化并對其進行可視化編碼，最后根據線路的附屬關系對線路下掛載的用戶進行可視化編碼。根據此3種層次關系的城市供電數據的關聯可視化，可以對某一區域的供電態勢進行探索和分析。

1 相關工作

1.1 城市供電數據可視化

在城市供電系統中，電力數據主要來源于變電站、變電站附屬線路和線路下掛載的用戶。傳統的對于城市供電數據的可視化，如GEGNER等[1]對變電站和供電線路的可視化采用的是餅圖、線路潮流圖、熱力圖的方式；DUTTA和OVERBYE[2]對城市供電態勢采用了散點圖和折線圖的方式；LI等[3]采用了基于OpenGL的方法對電力線路潮流進行可視化。

對于布局復雜的供電線路來說，直接法繪制會增加視覺干擾，也難以讓用戶進行交互操作。同時由于分布式電源的快速發展，城市供電系統中的數據形態發生了巨大變化。在含有大量分布式電源的供電網絡中，部分線路的潮流方向因為分布式電源的存在而異于傳統的潮流方向，因為分布式電源會給局部線路節點供電，使得潮流方向并不只是單純的從變電站流向下屬的各個用電節點。傳統的電力可視化系統也缺少對擁有分布式電源的用戶用電的可視化。

結合上述工作，本文利用城市供電系統中的供電數據，對變電站、供電線路和用電用戶采用多種可視化編碼方式對三者進行關聯可視化。

1.2 線路數據可視化

在城市供電系統中供電線路數據最為復雜，其數據以變電站為根節點呈散射狀向四周擴散，且布局錯綜復雜，在傳統的可視化技術中大多采用直接法繪制供電線路，易出現線路的遮擋，造成視覺混亂不利于用戶觀察。對于供電線路的可視化可以借鑒可視化技術中的線路布局問題。線路布局問題一直是信息可視化研究的熱點問題之一，而基于規則的線路變形就屬于其中的一種。在一些可視化元素較多，線路走向雜亂無章的圖中，為了能避免線路帶來的視覺混亂干擾，而進行的一系列的滿足某種約束規則的變形過程稱之為基于規則的線路變形[4]。該規則可以是約定俗成為美學標準，也可以是用戶自定義的規則。

最早的基于規則的線路變形是Harry Beck的手工地鐵線路圖，其不保留原始車站的地理位置信息，而是強調地鐵網絡的拓撲結構。但是手工繪制優雅好看的地鐵線路圖需要專業技能且非常耗時。BARKOWSKY等[5]首次嘗試地鐵線路自動布局，該算法雖然實現了自動布局，但是由于沒有考慮擴大站點的間距，導致市中心站點過于密集，同時還存在站點重疊的問題。HONG等[6-7]使用了美學標準，在力導向算法的基礎上使用了5種不同的處理方式進行地鐵線路自動布局，線路的方向僅限于水平、豎直、對角上。但是線路布局還是存在視覺混亂的情況。N?LLENBURG和WOLFF[8-9]使用混合整數程序法(mixed integer programming，MIP)給地鐵地圖規定了軟約束和硬約束，避免了局部最優的問題，但是運行速度太慢。STOTT等[10]利用爬山法的多目標優化法進行地鐵線路布局，每個初始布局中，有5種度量準則，其迭代過程是以原始圖中加入的整數網格開始的，并給出了一個啟發式的解決局部最優解的方法。WANG等[11-12]用高斯牛頓法和拉格朗日乘子法優化地鐵線路，其中使用魚眼的變形方法來解決小屏幕顯示的問題，用戶選擇不同的路線或編輯的關鍵點地鐵線路呈現方式也會隨之發生變化，但用戶很難發現示意圖描述的是同一線路。FINK等[13]使用基于力導向布局的貝賽爾曲線來繪制地鐵線路示意圖。ROBERTS等[14]討論了曲線和線性布局的可用性。

綜上，本文提出一種新的基于約束規則的可視化方法，將線路布局優化應用到城市供電系統電力線路布局中，降低電力線路的復雜性，減少其對人產生的視覺干擾。使用戶可以根據優化后的線路布局圖方便、快捷地掌握某一區域供電態勢并方便用戶進行交互操作，同時將城市供電中的變電站、供電線路和用電用戶進行關聯可視化，用戶可以通過交互操作探索分析出異常電力信息產生的原因。

2 系統概述

本文設計了一套城市供電數據可視分析系統。該系統采用多視圖合作的方式，結合不同層次類型的城市供電數據提供多角度的分析方法。系統的整體界面如圖1所示，其中，圖1(a)為供電態勢視圖，圖1(d)為變電站負荷總覽視圖，其展示了城市供電系統供電態勢的總概貌；圖1(c)為供電線路負載視圖展示了局部區域變電站供電線路的優化布局；圖1(b)為用戶用電顯示圖，其能較好地支持對線路下掛載用戶的用電情況的展示和探索。本系統的設計嚴格遵守“Overview First，Zoom and Filter，Details on Demand”[15]的設計準則。

圖1 基于線路布局優化的城市供電數據可視分析系統

3 數據和方法

3.1 數據類型

由于城市供電數據涉密，本文的城市供電數據主要基于對已有的電力數據字段的模擬。

模擬城市供電數據主要包括如下信息：

(1) 變電站的供電信息。變電站經緯度坐標、變電站的額定容量、變電站的當前負荷。

(2) 供電線路的信息。線路節點經緯度坐標、所屬線路及線路額定電流和實際電流。

(3) 用戶用電信息。用戶經緯度坐標、額定容量和實際容量，對于擁有分布式電源的用戶還包括額定發電量和實際發電量。

3.2 需求概述

為了從城市供電數據中對城市供電態勢和供電細節進行有效的可視化，在咨詢相關專家后，對城市供電數據可視分析方法提出2點要求：

(1) 保留供電信息的完整性。即包含區域的供電細節，是可視化分析城市供電數據的關鍵。

(2) 保持供電線路的拓撲關系。對于結合實際地理位置分析城市供電態勢至關重要。

3.3 方法描述

本文采用多標準約束對城市供電線路數據進行可視化布局優化，其總體流程如圖2所示。

圖2 電力數據可視化方法總體流程

為了將線路布局算法應用到電力線路中，需設定以下約束規則：

(1) 均分角度規則(1)。為了避免某一節點延伸出來的多條電力線路因為距離太近而造成視覺混亂，邊與邊之間的夾角應該盡量的大，即

(2) 邊長均等規則(2)。為了保證供電線路中每條線的長度與整體地圖協調，不能有太長的節點線路，即每條節點線路長度要近似相等，且不能超過規定的長度

其中，為邊集合中的邊；為可以自定義的統一的線段長度。

(3) 線性規則(3)。為了保證供電線路規則化且易于觀察，每條邊可以繪制的方向規定在水平、豎直和對角線這8個方向

基于規則的線路變形一般是對多目標函數進行優化的過程。本文采用實現簡單且易于實現的爬山算法對多目標函數進行優化。具體多目標函數為

其中，P為權重總和；W為對應約束規則C的權重。

本文布局算法步驟如下：

輸入：變電站下屬供電線路所有節點。

輸出：經過約束優化后的供電線路布局圖。

步驟1. 根據供電線路節點計算所有其相鄰節點信息并統計個數，得到節點間的拓撲結構，再根據節點與線路的附屬關系將節點集合成線路。

步驟2.遍歷每條線路，先將線路中的節點根據墨卡托投影將經緯度坐標轉換成像素點坐標，然后計算各線路在3個標準下的數值，并得到目標函數。

步驟2.1.遍歷線路下的節點，根據當前節點與相鄰節點之間的連線，計算其在直角坐標系下相對于軸正向逆時針方向的角度，根據其大小對所有連線進行排序，排序后的每2條線段組成一對計算其線段之間的角度，最后將節點的鄰居節點數量和計算出來的角度輸入式(1)，得到每條線路在該約束下的數值之和。

步驟2.2. 遍歷線路下的線段，根據像素點坐標計算2點間的距離，然后輸入式(2)，得到每條線路在該約束下的數值之和。

步驟2.3. 遍歷線路下的線段，計算線段在直角坐標系下相對于軸正方向的角度，然后輸入式(3)，得到每條線路在該約束下的數值之和。

步驟3. 根據爬山法對目標函數式(4)進行優化得到最終變換后的線路節點坐標，根據之前的拓撲結構和線路附屬關系，分別繪制每條線路得到最終的布局優化后的線路布局圖。

如圖3所示，圖3(a)中A處原本的線路較為擁擠，根據角度均分原則(1)和線性規則(3)，變換后的線路方向分散且呈線性；B處原本曲折的線路，根據角度均分規則(1)，變換后的線路水平美觀；C處和D處原本的線路長度長短不一，根據邊長均等規則(2)，變換后的線路長度均等。

圖3 多標準約束的線路布局優化

4 分析任務與可視化視圖

4.1 分析任務

使用多標準約束的方法將供電線路進行布局優化后，本文從對城市供電數據進行可視化分析出發，設計了一套完整的分析流程，從總體的城市供電態勢來展示有問題的變電站信息，然后引導用戶探索變電站的供電線路以及線路附屬的用電用戶信息，從而分析出異常產生的原因。可視分析系統應滿足以下任務：

(1) 全局認知(T1)。將城市供電系統中的變電站按照地理位置分布和實時的供電情況對其進行展示，其可視化編碼信息間接反映了該區域的總體供電情況，從全局視角觀察變電站的分布情況有助于用戶發現城市供電系統中的總體態勢和異常值。

(2) 相互關系認知(T2)。通過數據預處理階段后的數據中的層次信息判斷數據之間的附屬關系。通過表示不同電力層次信息數據，可以體現城市供電數據之間的關系，幫助探索城市供電系統中局部區域的細節。系統需能體現城市供電數據的相互關系。

(3) 異常分析認知(T3)。從城市供電數據之間的相互關系可以探索出城市供電系統中異常信息產生的原因，此過程需要結合用戶對系統的交互操作來實現。

4.2 可視化視圖

4.2.1 供電態勢視圖

針對第1個分析任務，本文設計了總體供電態勢顯示視圖。圖1(a)展示了不同時段的城市供電系統中某一地區變電站的供電情況，用戶可以根據左下方的時間選擇器選擇觀測時段。并采用標簽分類的方式代表變電站，用顏色表示變電站的負荷情況，顏色越深實時負荷越大，標簽下面的圓圈大小映射變電站的額定容量，標簽類型代表變電站當前負荷情況。閃電類型標簽代表變電站當前負荷屬于正常水平，警告標簽代表處于異常狀態。通過對變電站采用標簽分類的可視化方式，用戶可以直觀地獲知某一區域的總體供電態勢，同時報警提示框也很容易讓用戶發現負荷低于20%和高于80%的異常變電站。

供電態勢視圖可以為用戶提供城市供電態勢在地理位置上的全局視角(T1)，觀察變電站在城市供電系統中的地理位置的分布情況以及負荷情況。

4.2.2 變電站負荷總覽視圖

變電站負荷總覽視圖顯示了某一區域所有變電站近10天的負荷總體變化情況。如圖1(d)所示，每條顏色不同的折線代表不同的供電站，為了方便用戶分析，每條折線采用相同顏色的氣泡的形式自動標注了所代表的變電站在近期10天之內的最大負荷和最小負荷，并用一條虛線來表示10天之內負荷的均值。

變電站負荷總覽視圖為用戶提供了城市供電態勢在時間上的全局視角(T1)，觀察變電站負荷在城市供電系統中隨時間的變化情況。

4.2.3 供電線路布局圖

供電態勢視圖和變電站負荷總覽視圖提供了對城市供電系統供電態勢信息在地理位置和時間上分布的總覽，粒度較大，屬于 overview 的范疇。對于具體的供電情況，仍需要向下鉆取到更細的供電層面，同時也需要一個更加直觀高效的圖來研究每個變電站在某一時刻的供電細節。根據此原則并針對第2個分析任務，本文設計了供電線路負載視圖，可先將城市供電線路進行布局優化，然后對其進行可視化編碼。采用的是基于多標準約束的電力線路布局優化算法(圖1(c))，用戶在選擇要觀察的變電站后，圖中會出現經過布局優化的供電線路布局圖，并根據線路的實時負荷將其映射成不同的顏色。顏色越深，代表供電線路的負荷越高。用戶將鼠標懸停在線路上方時會顯示該線路的實時負荷數據。

供電線路布局視圖為用戶提供了城市供電系統中變電站、供電線路的相互關系(T2)以及探索分析變電站負荷異常的方式(T3)，方便用戶觀察變電站下屬線路實時負荷情況。

4.2.4 用戶用電展示圖

針對第3個分析任務，本文設計了用戶用電展示視圖，可根據用戶的點擊事件將用戶視角聚焦到感興趣的供電線路，然后對其下屬的用戶用電信息進行可視化編碼。如圖1(b)所示，用戶用電展示模塊可顯示不同時段某一線路下屬的用戶用電情況。地圖上的人型標識代表正常的用電用戶，顏色代表實時用電負荷；閃電標識為擁有分布式電源但是仍需供電線路供電的用戶，顏色代表實時用電負荷；數據上傳標識為擁有分布式電源且發電有節余需要向上供電的用戶，顏色代表實時發電量與額定發電量的比值。

用戶用電展示視圖為用戶提供了城市供電系統中供電線路與用電用戶的相互關系(T2)以及探索分析線路負荷異常的方式(T3)，方便用戶觀察線路下屬用戶實時用電情況。

5 案例分析

本文根據城市供電系統中電力數據已有的字段對數據進行模擬，并從不同視圖的角度分析上海市的城市供電態勢。

5.1 供電態勢分析

供電態勢視圖如圖4所示，當前視框內的10個標簽代表上海市內10個變電站2017年5月29日早上8點的負荷情況，根據標簽的顏色信息可以分析出當前供電情況整體穩定，對于彈出報警框的1號和3號變電站根據其標簽類型和顏色以及圓圈大小可以分析得出，1號和3號變電站容量較大，安全性不容忽視，其中1號變電站處于高負荷報警狀態，3號處于低負荷報警狀態。報警框內顯示的電力數據信息表明1號和3號變電站為220 kV級別城市供電系統變電站。城市供電系統中應該避免變電站出現長時間的高負荷和低負荷的異常情況，分析其原因就需要查看變電站下屬的供電線路的供電情況，用戶只需點擊想要查看的變電站標簽就能進一步地探索下屬的線路信息，對異常進行進一步的分析。

圖4 供電態勢視圖

5.2 變電站負荷分析

圖5中的折線分別代表上海市內10個變電站在近10天內的負荷變化情況。從圖可知，上海市1號變電站在近10天內最高負荷達到90%，負荷均值為76%，其余點較為平穩；鼠標懸停在5月23日時間線上還可以比較當天所有變電站的平均負荷。用戶可以對感興趣的變電站折線進行點擊操作，同時供電態勢圖中心視角就會鎖定在相應的變電站位置上，以方便用戶進行探索。

圖5 變電站負荷總覽視圖

5.3 供電線路負載分析

圖6(a)是1號變電站原始線路布局圖，圖6(b)是經過多標準約束布局優化和可視化編碼后得到布局圖。在圖6(a)的a處由于線路均等規則的約束，過長的線路優化后長度明顯變短；b處從線路根節點延伸出去的5條線路角度擁擠，在經過角度均分規則約束優化后線路之間角度區分明顯；c處原本曲折的線路在經過線性規則約束優化之后線路處于水平狀態。

圖6 供電線路負載圖

在經過可視化編碼之后，供電線路的顏色代表其實時負荷。左下方的時間軸表示數據時間為2017年5月29日早上8點，根據供電線路的分布和顏色可知當前負荷較高的區域為上海市西部區域。將鼠標懸停在負荷較高的9號線觀察該線路的實時供電信息，可以看到當前負荷超過其額定負荷的80%，下面掛載的用戶數量為6個，其用電情況需繼續向下探索，用戶只需要點擊想查看的供電線路就可以進入用戶用電情況分析視圖。

5.4 用戶用電情況分析

根據用戶選擇的供電線路，地圖視角會自動定位到能包含該線路的最小視框層級和用戶點擊的位置。如圖7所示，對于9號線路，下面掛載9位用戶，編號為1的用戶標簽為紅色代表實時用電負荷超過80%；編號為2和9的用戶標志為電池代表其擁有分布式電源，其標簽為綠色代表其負荷低于20%；編號為4的用戶標志為流量上傳，說明其也是擁有分布式電源的用戶，且發電有節余需要向上供電。除了2號、4號和9號用戶其余用戶用電負荷都較高，特別是1號用戶用電負荷超過其額定負荷的80%。

圖7 用戶用電信息視圖

結合2017年5月29日上午8點多種供電態勢視圖分析得出：上海市地區，整體供電情況良好，沒有過多的高負荷和低負荷的變電站。其中對負荷較高的上海1號變電站進行點擊操作將視角轉到供電線路視圖，得出該變電站下屬供電線路負荷較高的區域為西部；對于9號線路通過線路布局得知其沒有下屬的供電線路，所以該類型的線路高負荷的情況可以大致推測是下屬用戶用電高負荷所導致的，且通過用戶用電視圖可以證實這種推測。若對高負荷的9號線路進行改造，需考慮由線路下的分布式電源用戶2號、4號、9號來分攤1號用戶的高負荷用電需求，從而緩解9號線路的供電壓力。

6 結束語

本文針對城市供電中的變電站、供電線路及用戶用電數據，提出一種針對城市供電中的電力數據的可視分析方法。該方法對于變電站采用散點圖加標簽分類的表現形式，對供電線路采用多標準約束的方法進行布局優化，對用電用戶根據其是否擁有分布式電源進行標簽分類展示。其優勢如下：

(1) 提供了對城市供電系統層次數據的可視化，將層次數據聯系起來，有利于用戶進行探索式分析，進而發現異常數據產生的原因，與傳統方法相比，該方法更加高效。

(2) 針對供電線路數據采用多標準約束的方法對線路布局進行優化，有利于減少視覺混亂方便用戶進行交互和探索操作。

本文方法的局限性包括：

(1) 隨著線路節點數量的提升，基于多標準約束的線路布局優化算法得出結果所需要的時間也會隨之增長。

(2) 對供電線路中分布式電源所引起的潮流方向轉變信息未進行數據處理和可視化編碼。

在后續研究工作中，本文將致力于結合城市供電系統中的分布式發電數據，對可視化方法進行改進，構建一種多角度、全方位、美觀簡潔的城市供電數據可視分析方法。

[1] GEGNER K M, OVERBYE T J, SHETYE K S, et al. Visualization of power system wide-area, time varying information [C]//Power and Energy Conference at Illinois (PECI). New York: IEEE Press, 2016: 1-4.

[2] DUTTA S, OVERBYE T J. Information processing and visualization of power system wide area time varying data [C]//Computational Intelligence Applications In Smart Grid (CIASG). New York: IEEE Press, 2013: 6-12.

[3] LI B, LIU W Y, XING J, et al. The opengl-based visualization of power system flow and alarm [C]// Power and Energy Engineering Conference (APPEEC). New York: IEEE Press, 2012: 1-4.

[4] 路強, 梁翀, 曹書博, 等. 約束規則下的城市線路變形[J].中國圖象圖形學報,2016,21(6):796-804.

[5] BARKOWSKY T, LATECKI L J, RICHTER K F. Schematizing maps: Simplification of geographic shape by discrete curve evolution [M]. Spatial Cognition II. Berlin: Springer Press, 2000: 41-53.

[6] HONG S H, MERRICK D, DO NASCIMENTO H A D. The metro map layout problem [C]//International Symposium on Graph Drawing. Berlin: Springer Press, 2004: 482-491.

[7] HONG S H, MERRICK D, DO NASCIMENTO H A D. Automatic visualisation of metro maps [J]. Journal of Visual Languages and Computing, 2006, 17(3): 203-224.

[8] N?LLENBURG M, WOLFF A. A mixed-integer program for drawing high-quality metro maps [C]// International Symposium on Graph Drawing. Berlin: Springer Press, 2005: 321-333.

[9] N?LLENBURG M, WOLFF A. Drawing and labeling high-quality metro maps by mixed-integer programming [J]. IEEE Transactions on Visualization and Computer Graphics, 2011, 17(5): 626-641.

[10] STOTT J, RODGERS P, MARTINEZ-OVANDO J C, et al. Automatic metro map layout using multicriteria optimization [J]. IEEE Transactions on Visualization and Computer Graphics, 2011, 17(1): 101-114.

[11] WANG Y S, CHI M T. Focus+ context metro maps [J]. IEEE Transactions on Visualization and Computer Graphics, 2011, 17(12): 2528-2535.

[12] WANG Y S, PENG W Y. Interactive metro map editing [J]. IEEE Transactions on Visualization and Computer Graphics, 2016, 22(2): 1115-1126.

[13] FINK M, HAVERKORT H, N?LLENBURG M, et al. Drawing metro maps using Bézier curves [C]// International Symposium on Graph Drawing. Berlin: Springer Press, 2012: 463-474.

[14] ROBERTS M J, NEWTON E J, LAGATTOLLA F D, et al. Objective versus subjective measures of Paris Metro map usability: Investigating traditional octolinear versus all-curves schematics [J]. International Journal of Human-Computer Studies, 2013, 71(3): 363-386.

[15] MUNZNER T. Visualization analysis and design [J]. Wiley Interdisciplinary Reviews Computational Statistics, 2015, 2(4):387-403.

A Method for Visual Analysis of Urban Power Supply Data Based on Power Line Layout Optimization

LU Qiang1,4, ZHANG Hai-bo1, YUAN Xiao-hui2, CHEN Chen3,4

(1. VCC Division, School of Computer and Information, Hefei University of Technology, Hefei Anhui 230601, China; 2. Department of Computer Science and Engineering, University of North Texas, Denton TX 76201,America; 3. State Grid Hefei Electric Power Supply Company, Hefei Anhui 230031, China; 4. Hefei Engineering Research Center of Electric Power Data Application, Hefei Anhui 230031, China)

The visualization of power data can realize the online monitoring of different power features including various attributes and operating status, etc., which can be graphically and visually presented to provide a powerful guarantee for the timely and effective monitoring and analysis of equipment operation status. Based on the urban power supply data, a method for the visual analysis of power supply situation in the city is proposed. Firstly, the overall power supply situation is visualized based on the substation data in the power supply system. Then, the layout is optimized based on multi-criteria constraints and visually coded according to the power supply line data. Finally, according to the relation of lines, the visualized coding is conducted on the users of different lines. A visual analysis system has also been designed to facilitate the user’s exploration and analysis of the power supply situation in a certain area. Case studies based on Shanghai City Power Supply data show that the method can effectively reflect the overall power supply situation and specific power supply details in a certain area.

urban power data visualization; power supply situation; line layout optimization; visual coding

TP 391

10.11996/JG.j.2095-302X.2019010024

A

2095-302X(2019)01-0024-08

2018-06-28；

2018-07-11

安徽省自然科學基金項目(1708085MF158)；國家自然科學基金項目(61602146)；國家留學基金項目(201706695044)；合肥工業大學智能制造技術研究院科技成果轉化及產業化重點項目(IMICZ2017010)

路 強(1978-)，男，安徽合肥人，副教授，博士，碩士生導師。主要研究方向為信息可視化、可視分析。E-mail：luqiang@hfut.edu.cn