基于BIM 與遺傳算法的電網工程數據信息處理系統設計

方昱璋，張海文，郭嘉成

（國網甘肅省電力公司經濟技術研究院，甘肅蘭州 730050）

隨著我國經濟的迅速發展，電網工程的投資越來越大。參與電網工程建設的管理部門、建設部門繁雜，工程管理的各項數據特異性大，導致建設進度、建造質量與風險難以全局把控。目前，電力設計過程中仍使用二維設計，嚴重依靠設計人員的能力，難以高效、準確地設計大型電網工程。因此，有必要設計一款集中高效處理電網工程數據的平臺[1]。

文中提出了基于BIM 的電網數據分析系統，首先通過引入特定電力模型，將設計知識直接集成到統一的軟件架構中。其次，在DES 數據同步機制[2]的支持下，系統消除了不同設計階段數據的不相容問題。最終在該軟件平臺中，有關電力系統的設計問題被封裝到幾個功能模塊中，以便被第三方開發人員重用，以增強系統的可維護性。

1 分析軟件架構設計

為使用統一的模型來實現電網工程的數據處理，文中設計了一種有效的軟件架構[3]。為了支持遺傳算法的使用，設計的軟件架構應具有以下特征：1）易于使用，為減少遺傳算法的植入難度，分析結果應以標準可讀的數據格式表示；2）可擴展性，能夠集成不同的BIM 模型與不同的數據視圖；3）一致性，由于BIM 模型將由不同的設計師使用與修改，因此不同模型視圖數據格式應保持一致。

1.1 數據同步機制

在BIM 數據處理時，涉及多個學科的設計人員[4]。為了滿足不同設計者的要求與設計視圖之間的一致性，文中設計了基于事件的DSE 數據同步引擎。該視圖從中央模型數據庫檢索最新數據，僅在必要時更新全局數據，可以避免由于頻繁地更新給系統帶來繁重的資源需求與數據檢索的高計算復雜性。

圖1 所示為DSE 機制。其在設計終端與中央BIM 模型之間同步數據，每個視圖在初始化階段向DSE 發送相關事件列表。當用戶更改視圖數據時，例如在單一模型配置視圖中，系統將修改事件發送到DSE 的事件池中[5]。數據處理器將視圖中的修改同步到BIM 模型，隨后更新全局數據。

圖1 DSE機制

1.2 基于BIM的單一模型擴展

當前，大多數BIM 平臺為建筑設計提供了豐富的功能元素，而對智能設備的支持卻較少。為了支持BIM 的集成設計與分析，文中開發了一組包括微控制器與傳感系統的智能組件[6]，每個組件模型均有兩個主要屬性：

1）幾何數據。為了基于BIM 設計硬件模型，組件模塊包含所有幾何信息：形狀、大小、材料及其3D建模。

2）功能特定屬性。該屬性描述了組件的特性與規格，包括在電力系統中的作用及數據交流方式。

2 關鍵模塊建模

BIM 模型將建筑物從具有一個電源的單元轉換為具有多個發電機的單元，因此，BIM 電力系統設計與普通建筑物的電力系統設計不同。文中引入基于電力能量流動的分析方法[7]，以提供對BIM 模型的準確分析。

2.1 供電線路建模

為了進行電力能量流動分析，構建了電力線模型[8]。該模型用于計算出輸電線路的電容電抗、阻抗與電感電抗。由于建筑物中的電線較短，因此可以忽略電容電抗。阻抗與感性電阻可由式（1）、式（2）計算。

式中，R為阻抗，p為電阻率，l為供電線長度，S為供電線的橫截面積，L為電感電抗，d為供電線直徑。

2.2 電流可視化建模

由于各種電氣設備與復雜電路的電氣模型較為復雜，傳統手段難以估計建筑物的準確電力，因此文中基于BIM 平臺將所有電氣設備數字化，并根據模型自動生成準確的電子拓撲模型[9]。DES 機制從各種電氣設備查詢電氣參數，例如變壓器、光伏逆變器及負載數據，在這些設備與其電線連接之間記錄完整的電拓撲結構。由于逆變器的輸出取決于其連接的發電模組面板的輸出，因此逆變器的功率輸出是通過累加與其連接的發電模組設備輸出功率來動態計算的。

在分析軟件時，重點關注系統中的兩種狀態更改，即單一模型屬性的更改與連接模型間的布線更改，系統使用DES 將這些更改實時同步到BIM 數據庫中。

2.3 電力模型建模

基于BIM 數據庫的電力線模型、電氣拓撲模型與負載模型，分析軟件使用MATPOWER 工具箱計算出電力能量流動的狀態信息[10]。

3 基于遺傳算法的BIM數據處理

在建立基于BIM 模型的電網工程處理系統中，對不同種類的多種數據綜合處理。為取得準確、實時的處理結果，傳統的數據處理方法難以勝任。因此，文中考慮使用遺傳算法處理BIM 數據。遺傳算法基于生物有機體的遺傳過程，根據自然選擇的原則進行優勝劣汰。通過模仿此過程，遺傳算法能夠較好地處理BIM 數據。

3.1 染色體適應度設計

文中采用適應度計算中的懲罰機制對遺傳算法不可行的染色體個體進行懲罰，以確保不可行個體的適應性指數小于可行個體[11]。定義個體I 的修訂目標函數，如式（3）所示。

wc為正懲罰因子[12]，計算公式如式（4）所示。

其中，T1為個體I 的運算周期，Tˉ為遺傳算法一次迭代時最大的個體運算周期。

對于工程預算問題，將個體I 的修訂目標函數定義為式（5）[13]。

其中，wt為另一個正懲罰因子，其計算公式如式（6）所示。

其中，C1為個體I 的運算持續時間，Cmax為一次迭代生成的最大個體項目成本。

由于式（3）與式（5）均屬于最小化問題，因此必須將其中定義的適應度函數轉換為式（7）和式（8）[14]。

式（7）為式（3）的適應度函數，式（8）為式（5）的適應度函數。

3.2 遺傳選擇運算符

定義遺傳算法染色體個數為POP，根據3.1 節的適應度值對個體進行排序并選擇最佳個體，而其余個體則從個體庫中刪除。使用比例選擇法得出個體基于適合度的存活概率，決定下一代存活的最優個體。在遺傳算法的每次迭代中，剔除適應度最低的個體，直到POP個體離開為止。根據實驗得出，文中選擇了由比例選擇法與最佳個體保存法組成的最優染色體解。期限問題最優解如式（9）所示，預算問題最優解如式（10）所示[15]。

3.3 交叉算子設計

遺傳算法中存在多種父代交叉算子，文中采用圖2 所示的3 種交叉運算法。染色體優先級列表可看作一種置換表示，使用基于位置的交叉算子得出最優秀子代染色體，被用于優先級列表的交叉。本質上，子代隨機地從父母代獲取到部分基因，并通過從左到右的填充方式生成子代染色體[16]。

圖2 遺傳算法交叉算子

3.4 變異算子設計

子代染色體在遺傳父代的基礎上，還需引入變異算子，文中分別考慮建議編碼中的3 個列表。對于子代列表，隨機選擇一個位置。若原始值為1，則其值從1 更改為0；若原始值為0，則其值從0 更改為1。優先級列表的置換性質、處理方法稍有不同。若列表中奇數位置的值發生更改，則列表會重復出現數值，子代染色體的結構會被破壞。因此，采取以下步驟來實現染色體突變：1）生成在[1，n]范圍內兩個不相等的隨機位置數值；2）交換兩個選定基因位置的優先級值。

4 實驗分析

4.1 遺傳算法性能實驗

為驗證文中遺傳算法的數據處理性能，使用JAVA 語言編譯遺傳算法，在搭載Ubuntu 16.04 操作系統的PC(1CPU，Intel 2.0 GHz，512 MB RAM，80 GB硬盤)上進行。實驗分為如下3 個步驟：

1）為BIM 模型設置單位時間內的直接成本與單位時間的間接成本；

2）所有優化運算以一次性的方式進行，為簡化起見，假設優化運算活動的持續時間與以非優化環境下運算持續時間成固定比例n；

3）刪除遺傳算法原始實例中的不可再生染色體。

使用Avdev、#best、Cpu1和Cpu2的平均計算時間3 項指標來評價算法性能。其實驗結果如表1 所示。

表1 不同變異率下遺傳算法性能實驗

由表1 可知，Avdev 表示最優值的平均相對偏差；#best 表示遺傳算法可從所有實例數量中找到最佳解決方案的概率。實驗結果表明，提出的算法對于分析電網工程BIM 數據是有效的。當種群大小POP＞30 時，種群大小的差異對算法幾乎沒有影響。但不同的變異概率對算法的有效性有著重要的影響，因此必須為該算法選擇適當的變異概率。根據實驗結果，取變異概率的值為0.05。

4.2 電網工程數據處理實驗

表2 列出了電網工程原始設計與改進設計之間的比較。由表2 可知，使用遺傳算法優化后[17-19]，屋頂上傳感器組件的數量從368 減少到360；墻上傳感器組件的數量從80 減少到39。在BIM 平臺的支持下，電網工程的總成本降低了11.7%，而功率輸出僅下降了1.6%。當所有發電均是自用電時，毛收入約為1.46 元/千瓦時。改進后的計劃靜態投資回報率約為6.32 年，與原計劃的7.09 年相比縮短了10.9%。

表2 電網工程優化實驗

圖3 給出了建筑物的簡化電力模型。該建筑物包括主要負載、變壓器、逆變器和配電盤。供電網從配電柜向3 個配電盤（#4、#5 與#6）輸出電力并傳輸到負載，光伏系統的功率逆變器可以連接到2 號機柜與4 號、5 號和6 號配電盤。上述數據均可從BIM 模型中，通過檢索不同節點之間的布線信息與數據得到。

圖3 建筑物簡化電力模型

圖3 中的電力系統大功率輸出約為88.25 kW，無功功率輸出為0。建筑物的最大用電量為有功功率，約為270 kW，無功功率為131 kW?；谶z傳算法優化后的電力系統，其電網的最大功耗與輸電損耗均大幅降低。電網消耗的最大功率從304 kW 降低到230 kW，即下降了24.2%，且提供了更優的平衡功率流，主要降低了傳輸所消耗的功率?？紤]到最小的功率傳輸損耗，最佳的接入點是#6，其鏈路損耗為12.395 kVAh。#2 為最差的訪問點，原因是2 號機柜與6號配電盤之間的電源線最長，6號配電盤的電源線消耗了總功率的33%?？紤]到電力系統的供電波動損失，#6點也是最佳的接入點，與2號點相比，可以將輸電損耗降低約1 298 kVAh，即2.95%。

5 結束語

為高效、準確地處理電網工程建設中的海量數據，文中借助BIM 技術建立了數據分析系統。為了設計易于使用、擴展性高、一致性強的BIM 分析系統，在對電網關鍵模塊建模的基礎上，使用DES 數據同步機制設計了軟件架構。為了對工程數據有效處理，基于遺傳算法選取合理的染色體適應度參數、交叉參數、編譯參數和遺傳選擇運算符。在對遺傳算法及其構成的數據處理系統的驗證實驗中，數據處理精度高于96%，CPU 處理時間約為30 s，經過優化的電網工程造價成本可降低10%以上，證明該系統具有良好的應用前景。