基于蚁群算法的交通-配电网抢修恢复优化决策方法

极端事件导致大停电后,受损的交通道路会影响电网抢修车队前往故障线路区域的进度,从而延缓配电网恢复。为此,提出了一种结合损坏道路修复的配电网抢修恢复方法。首先,在分析不同受损道路对抢修车行驶影响的基础上,构建交通网抢修车约束。其次,考虑受损道路抢修对电网抢修的影响,以配电网失电量最小为目标,协调线路抢修和道路修复建立配电网抢修策略模型,并采用蚁群算法对所提模型进行求解。最后,以IEEE33节点配电网与一个12节点交通网相耦合的系统作为算例进行分析,仿真结果表明,所提方法切实有效提高了配电网抢修速度,减小了大停电后配电网负荷的失电量。所提方案更适用于灾害发生的实际情况,可为配电网灾后恢复提供参考。

10 kV配电网电缆旁路作业不停电抢修技术研究

传统配电网作业存在稳定性较差、设备种类繁多等一系列问题,导致电缆作业效率低。鉴于此,提出一种10 kV配电网电缆旁路作业不停电抢修技术。首先选取不停电抢修作业工具及装备,保障配电网电缆线路安全。其次进行旁路电缆敷设工作。最后转移配电网旁路作业负荷。实例分析结果表明提出的不停电抢修技术应用后,每个检测位置的电缆接线长度误差均小于施工最大允许误差,证明了该技术的有效性。

受灾路网抢修队动态调度问题的建模与求解方法

地震、受灾路网抢修作为灾后应急响应中的一个基础环节,主要研究如何制定道路抢修队的修复方案,从而快速打通生命救援线路,确保救援队伍、装备、物资等及时输送到灾区各个需求点。然而,已有研究大多专注于静态受灾路网,难以适应地震、洪水等重特大自然灾害下的复杂应急场景。构建一种动态受灾路网模型,模拟应急场景的动态恶化,并基于Markov决策过程构建抢修队的动态决策模型,设计相应的状态空间、动作空间和回报函数。最后,提出一种基于改进Q学习(IQL)的动态调度(IQLDS)算法,以适应当前的路网状态,快速得到较优的修复策略。实验结果表明,与蚁群优化算法、IQL算法相比,IQLDS算法在大规模、高受损率路网环境中的目标函数值降低了约50%,能够在精确感知路网环境变化后及时调整学习策略,并充分利用历史经验获得较优的修复方案。

基于Q学习的受灾路网抢修队调度问题建模与求解

受损路网的修复是灾害应急响应中的一个重要环节,主要研究如何规划道路抢修队的修复活动,为灾后救援快速打通生命通道.本文首先构建了抢修队修复和路线规划的数学模型,然后引入马尔科夫决策过程来模拟抢修队的修复活动,并基于Q学习算法求解抢修队的最优调度策略.对比实验结果表明,本文方法能够让抢修队从全局和长远角度实施受损路段的修复活动,在一定程度上提高了运输效率和修复效率,可以为政府实施应急救援和快速安全疏散灾民提供有益的参考.

危险品事故泄漏模糊路网应急资源优化研究

当危险品大规模泄漏事故发生后,应急物资快速配送对于减轻危险品对人员伤害和挽救损失有重要意义。首先从损毁路网修复和救援物资2个方面建立双层模型,从有限物资分配修复损毁路网和救援上进行优化分配,并通过路径优化时间最短分配物资,使应急救援系统的损失最小化。利用宽容分层的方法对模型进行求解,求解最优的物资分配和运输路径方案。最后利用算例,对模型和算法进行检验,找出需要修复受损路网中关键路段。

考虑道路抢修和负荷恢复的电动汽车分层调度策略

为了解决极端灾害过后的负荷恢复问题,提出了一种城市道路抢修辅助重要负荷恢复的电动汽车能量时空分层调度策略。在第1阶段,通过建立并集成电动汽车路径规划模型和多时段协同的重要负荷恢复模型,确定电动汽车能量的最优空间配置;在第2阶段,建立道路抢修队路径规划模型并与电动汽车路径规划模型进行统筹优化,确定道路抢修队的抢修顺序与路径,求解电动汽车到达充放电站的时间与剩余能量;在第3阶段,统筹配电网内各供电源和各重要负荷,以最大化加权负荷供电时间为目标,确定能量在时间尺度上的优化配置。最后,考虑配电网-交通网耦合的灾后故障场景,对不同策略的调度结果进行对比分析并探究道路抢修对于负荷恢复的辅助作用。结果表明,所提策略可以充分发挥电动汽车能量的时空灵活性,合理协调电动汽车和道路抢修队之间的行动决策,在一定程度上提高了重要负荷的恢复效果。

灾后交通网络修复与救援协同优化方法

在自然灾害发生后,及时组织高效有序的应急救援活动,是减轻灾区人员伤亡和财产损失的关键工作。交通网络是开展灾后救援活动的重要物质基础,为保证灾后救援行动的时效性、降低应急救援在受损交通网络功能恢复过程中的延迟性,需要协同优化交通网络修复与应急救援等决策。考虑交通网络内道路受损程度、物资需求分布等因素,协同调度有限数量的救援队伍和道路维修队伍,优化确定受损道路修复次序和应急物资运输路线。以最小化受灾区域内群众因等待救援而产生的累计剥夺成本为目标,同时考虑灾后交通网络连通性、旅行时间可靠性和救援分配公平性等约束条件,构建协同优化问题的非线性混合整数规划模型。结合问题特征,在采用精英和排序混合策略对信息素更新进行改进的基础上,设计二阶段蚁群算法进行模型的求解和计算。算例分析表明,该优化模型和算法计算快捷,所得结果合理,道路维修队伍能够协调应急救援队伍运输路径,合理规划受损节点的修复次序,减少救援队伍中途的等待时间,应急救援行动的效率明显提高,救援物资的分配也更加合理,说明所提出的方法可以为相关问题提供科学的决策参考依据。

灾后道路抢修和物资配送的整合优化算法

为了在有限的时间内同时获得最佳抢修效益和物资配送方案,提高救灾工作效率,针对灾后道路抢修与救灾物资配送问题,利用时空网络流动技巧,构建了两者相应的时空网络,在考虑两者的相关性后,建立了多目标的灾后道路抢修工程与紧急物资配送混合整数多重网络规划模型,提出了分解启发式求解方法。算例计算结果表明,用CPLEX数学规划软件直接求解,在求解到106.9 h时,才可求得最优解,而分解启发式方法只需31.8 min即可求得最优解,其求解效率大幅提高,求解时间对于实际的救灾工作是可以接受的。

城市道路网络修复策略研究

为找出城市道路网络遭受自然灾害和人为破坏后的有效修复策略,建立级联失效效应影响下的网络修复策略双层优化模型。模型以网络整体效率为优化目标,考虑在随机和目的攻击下的交通网络级联失效效应对交通状况的影响,采用优化迭代算法求解。最后通过算例分析,检验该模型的实际应用效果,并且与复杂网络一般修复策略进行比较。计算结果表明,通过模型得出的修复策略比其他策略修复效果更好;在交通网络修复研究中考虑级联失效影响是必要的。

动态交通流下震后路网抢修排程仿真研究

为抢修受损路网,提高震后应急效率。通过建立动态交通流下震后路网抢修排程优化模型,并设计一种混合遗传算法对模型进行求解以最大化路网抢修累积绩效。设计算例对模型和算法的可靠性和有效性进行验证,并与非动态交通流下路网抢修排程优化模型比较,得出动态交通流下震后路网抢修排程优化模型的路网抢修累积绩效相较于非动态交通流下的提升了8%。可为制定科学高效的路网抢修方案,保障震后应急工作的顺利开展提供建议和帮助。

基于拥挤收费的交通诱导控制策略研究

在城市道路交通网络中,一个或少数几个关键路段或路口如果出现拥堵,会使路口失效,并且在级联失效的作用下交通拥堵会形成连锁效应向外部扩散,最终导致路网的大面积交通拥堵。提出一种控制级联失效的交通诱导策略,通过改进诱导阻抗函数指引出行者的路径选择,控制级联失效的传播,保障交通网络的可靠性。通过试验分析得出:基于拥挤收费的交通诱导控制可有效地控制大规模网络级联失效的发生。

基于农民社会关系网络的农村公共空间建设——以D社区修路为例

以湖南中部丘陵地带小盆地里的D社区村民自主修路事件为例,发现该社区公共事务的主导格局在很长一段时间里没有显著变化,不同历史时期村民参与公共事务的水平不同。认为在村民大量外出务工经商的背景下,由于利益博弈和朴素乡土观念的作用,村民能够成功整合政府、市场和农民三方资源。最后提出,政府在营造良好农村人居环境中应给予制度性保证。

美国公路的特点及运营管理

详细介绍了美国高速公路的特点,结合我国高速公路现状,提出建议。

一种面向严重受损路网的抢修队调度算法

受损路网抢修是灾害应急响应中的一个非常重要的基础环节,主要研究如何对道路抢修队进行有效调度,以快速恢复受灾路网的交通能力,为后续顺利展开应急救援工作提供有效的保证.已有方法在路网受损严重的情形下往往难以给出有效的调度策略.为此,在已有工作的基础上,简化路网模型和决策模型,并基于动作集裁减和Q学习设计一种面向严重受损路网的抢修队调度算法.在该算法中,抢修队只能从当前可达的未修复受损路段集合中选择下一个动作,以确保Q学习的连续性.仿真实验结果表明,在节点数和受损率都较大的严重受损路网环境中,所提算法可以保证所有需求节点均可达,具有更高的稳定性和可靠性,且能够在更小的时间和修复代价内给出更优的调度方案.

大量需求点下基于深度Q学习的受损路网抢修队调度

受损路网抢修是重特大自然灾害发生后开展应急处置和救援的一个基本前提,主要研究如何对道路抢修队进行合理的调度以快速恢复路网畅通、保障救援队伍和应急物资从出救点及时输送到各需求点.鉴于已有研究在面向大量需求点时往往很难给出有效的调度策略,首先基于路网模型和马尔科夫决策过程分析抢修队修复受损路网的关键因素,并设计一种双反馈回报函数;然后基于深度Q学习求解抢修队的最优调度策略;最后通过对比实验结果表明,在大量需求点环境下,所提出方法具有较好的稳定性和可靠性,兼顾受损路网的修复效率和运输效率,能够以更少的修复代价令所有需求点可达,为灾后复杂应急场景下的受损路网抢修提供有益的尝试.

高速公路小修保养工程量的预测模型

为了科学合理地预测高速公路小修保养工程数量,分析了影响高速公路小修保养工程量的主要因素,提出了基于Matlab的BP神经网络高速公路小修保养工程量预测方法;以沥青路面年小修保养工程量历史统计数据为样本,将路面质量等级评分值、路面使用性能指数、年均日交通量、年均日重车量、计算使用年限、年均降雨量、年平均温差、路面厚度、路面宽度确定为影响沥青路面小修保养工程量的量化指标,建立了预测沥青路面小修保养工程量的多元非线性模型;以调研路段沥青路面实际破损维修数量为样本,分别用BP神经网络模型和多元线性回归模型进行预测分析。研究结果表明:将预测结果与实际维修量数据进行比较,BP神经网络模型预测误差为5%,多元线性回归模型预测误差为14%,说明BP神经网络模型是预测高速公路沥青路面小修保养工程量的一种较为合理可行的方法。

震后路网抢修排程与应急物资配送集成动态优化研究

地震对交通系统造成的巨大破坏,阻碍了应急物资配送。为提高应急效率,降低灾害损失,需对受损路网实施抢修,而受损路网抢修的关键是确定受损路段的抢修顺序。本文综合考虑震后路网抢修与应急物资配送,从交通系统优化角度出发,建立震后路网抢修排程与应急物资配送集成动态双层规划优化模型,并根据模型特点,设计一种稳态混合遗传算法对模型进行求解。最后,以汶川大地震为背景,德阳市旌阳区为研究对象,设计算例对模型和算法的可靠性和有效性进行验证,并与路网抢修排程静态优化模型进行比较。结果表明:本文所建模型所给出的路网抢修方案优于路网抢修排程静态优化模型,路网抢修绩效平均提升15.9%,所设计的算法具有良好的收敛性和稳定性,能够为震后应急提供建议和帮助。