论文摘要
系统地研究了适合于配电网实际应用的GIS数据模型及其在配网规划(配电网网架优化)、运行(配电网最佳抢修路径)中的具体应用:利用蚁群算法具有正反馈学习的特点,使规划结果不必进行辐射型约束和连通性检验,从而缩小了算法的搜索空间,使算法效率得以提高。从图形数据的存储结构及最短路径顶点的搜索策略两个方面对Dijkstra算法进行了改进,给出了一种基于方向的最短路径搜索算法。该方法采用一种类似于面向对象的数据存储结构来存储网络图中的节点及弧段对象,相对于算法存储数据常用的邻接矩阵、邻接表等结构,节约了大量的存储空间。在最短路径的搜索上引入矢量夹角标量值做为搜索因子,提高了最短路径搜索向终点的收敛速度;充分利用网络图中各元素间的拓扑关系,减小了每次搜索的节点范围。
论文目录
中文摘要英文摘要第一章 引言1.1 论文选题背景及意义1.2 配电网地理信息系统的研究现状1.3 本文的主要工作第二章 PDGIS 数据模型的理论研究2.1 GIS 系统的概述2.1.1 GIS 系统的定义2.1.2 GIS 系统的发展2.1.3 GIS 系统的特点与功能分析2.1.4 GIS 系统中的数据2.2 GIS 在配电系统中的应用2.3 配电网GIS 数据模型2.3.1 空间定位数据2.3.2 属性数据2.4 配电网GIS 系统数据库的建立2.4.1 建立GIS 数据库的基本过程2.4.2 配电网GIS 数据库的数据组织第三章 蚁群算法在配电网规划中的研究3.1 基本蚁群算法简介3.1.1 蚁群算法的原理3.1.2 蚁群算法的实现3.2 引入蚁群算法的原因3.3 配电网优化规划模型3.4 配电网优化规划的算法设计3.5 算例分析第四章 配电网最佳抢修路径算法4.1 配电网最佳抢修路径数学模型与影响因素4.1.1 数学模型4.1.2 影响因素4.2 配电网最佳抢修路径基本算法4.3 基于方向优化的改进 Dijkstra 算法4.3.1 数据的存储结构4.3.2 算法优化途径4.3.3 理想最短路径4.3.4 方向搜索的原理4.3.5 方向搜索的特点4.3.6 方向搜索的问题4.3.7 基于方向优化的最短路径分析算法4.4 算法分析第五章 配电网地理信息系统设计的研究5.1 总体概述5.1.1 建设目标5.1.2 系统结构5.2 开发组件与开发环境的选择5.2.1 开发组件的选择5.2.2 开发环境的选择5.3 最短路径分析模块的应用研究5.3.1 最短路径分析模块的设计5.3.2 具体的实现第六章 本文得到的结论参考文献致谢在学期间发表的学术论文和参加科研情况
相关论文文献
标签：数据模型论文; 配电网最佳抢修路径论文; 算法论文; 蚁群算法论文; 地理信息系统论文;
