張 威

（北京北控京奧建設(shè)有限公司，北京102199）

北京延慶區(qū)作為2022年冬奧會的場地，需要以科學(xué)技術(shù)為背景，打造一個以綠色能源為中心，以物聯(lián)網(wǎng)智能感知技術(shù)為骨架的數(shù)字云小鎮(zhèn)。由于我國還沒有建設(shè)該類城鎮(zhèn)的經(jīng)驗，因此在這個過程中，不可避免地需要重新設(shè)計電氣管線的排布，使其能夠適應(yīng)物聯(lián)網(wǎng)感知技術(shù)的應(yīng)用，并能夠在協(xié)調(diào)調(diào)配電力資源的基礎(chǔ)上，降低村鎮(zhèn)地下施工對電力系統(tǒng)與管線埋設(shè)的不良影響[1]。

文獻[2]總結(jié)分析了以往的電氣管線優(yōu)化布置方法，以此提出了一個包括年平均管線損耗、管網(wǎng)彈性力比較、電力幅域加權(quán)平均值的指標分析，并將這些指標分別進行變量優(yōu)化，構(gòu)成了一個優(yōu)化算法，但是這種算法缺乏有關(guān)于管線的電氣特性指標，難以與電氣布置相融合，實用性較差。文獻[3]將BIM 技術(shù)應(yīng)用于建筑管線布置中，可以直觀展示管線綜合排布及機房局部布置，簡化了建筑電氣管線網(wǎng)絡(luò)的設(shè)計步驟，但該方法運算量較大，有待進一步完善。文獻[4]為了解決建筑環(huán)境中的多管道布局問題，設(shè)計了一種基于概率選擇生成的初始路徑管道，并采用協(xié)同進化和人工蜂群算法進行求解，研究了人工蜂群協(xié)同進化算法在多管道自動布局中的應(yīng)用，但該算法只能針對單目標進行分析，無法解決過于復(fù)雜的問題。

本文基于以上文獻，基于多目標優(yōu)化的算法，提出了一種機房電氣管線的布置方法，實現(xiàn)了對管線布置的安全性優(yōu)化，并設(shè)計實驗，驗證該算法的性能優(yōu)于常規(guī)的3 種算法。

1 設(shè)計機房電氣管線布置方法

1.1 設(shè)置電氣管線約束條件

在智慧小鎮(zhèn)內(nèi)，由于地理環(huán)境的特殊性，能夠?qū)﹄姎夤芫€的安全性構(gòu)成威脅的指標主要包括電壓均值、單位時間內(nèi)電流量、電氣管線損耗恢復(fù)能力。設(shè)計機房電氣管線的布置優(yōu)化方法，需要提前分析以上3 點指標的約束條件，并建立約束優(yōu)化模型，式（1）～式（3）為這3 點約束指標的計算方法。

式中：Fu表示電壓均值在電氣管線優(yōu)化布置中的適應(yīng)度；np表示該模型中電氣管線的總數(shù)量，一般將其分為橫向管線與縱向管線2 種；Ii表示電氣管線的電流均值；Ri表示電氣管線的總電阻[5]。在計算以上電壓均值的過程中，需要綜合考慮管線所能夠承受的電流量與電線總電阻的問題，除此以外，管線長度也是可以影響電壓均值的指標之一。在計算單位時間內(nèi)電流量時，可以通過式（2）計算其適應(yīng)度。

式中：Fi表示在單位時間內(nèi)一段管線能夠流通的電流量的適應(yīng)度；np表示該模型中電氣管線的總數(shù)量，一般將其分為橫向管線與縱向管線2 種[6]；Ti表示電氣流通管線對其造成的壓力；Sp表示管線的總長度，以米做單位[7]。電氣管線損耗恢復(fù)能力的適應(yīng)度計算如式（3）所示。

式中：Fs表示電氣運行時管線損耗恢復(fù)能力的適應(yīng)度；Fumax表示電氣運行時管線的電壓均值最大值，其取值范圍為［0，1］；Fumin表示電氣運行時管線的電壓均值最小值，其取值范圍為［5，8］；Fi表示電氣運行時管線的電流量均值；Ir表示電氣運行時管線的電阻均值[8]。除此以外，還需要詳細設(shè)置管線之間的夾角系數(shù)、線頭松動指數(shù)、周邊土體平衡量等系數(shù)，使多目標規(guī)劃過程中的評價不會受到這些系數(shù)的干擾。

1.2 優(yōu)化管線布置全局搜索

在設(shè)計電氣管線的多目標優(yōu)化布置時，可以適當以安全性為基礎(chǔ)，約束電氣流速的平衡條件，保證其能夠處于正常值的范疇。在適應(yīng)度函數(shù)中加入以上函數(shù)，以保證得到的算法能夠求得全局最優(yōu)解。結(jié)合上文中設(shè)置的優(yōu)化目標，可以得到管線優(yōu)化的取值范圍為Si=｛S1，S2，…，Si｝[9]。其中，S1表示第一個優(yōu)化的全局目標，以此類推Si表示第i個優(yōu)化的全局目標。在針對性地進行目標優(yōu)化時，可以適當使用編碼的方式進行管線直徑的計算與優(yōu)化[10]，其編碼方式如圖1所示。

圖1 電氣管線優(yōu)化編碼Fig.1 Optimal coding of electrical pipelines

如圖1所示，在電氣管線中設(shè)置初始的連接狀態(tài)，可以通過設(shè)定連接集解的方式，在雙序列的編碼中，I1和I2表示在該段電氣管線中電流信息編碼的具體信息[11]，U1和U2表示在該段電氣管線中電壓信息編碼的具體信息。在I1和I2之后，還有若干個電流信息編碼，直至編碼到Ii，再重新倒序編碼，返回到I2和I1[12]。電壓編碼中同樣如此，在U1和U2之后直至Ui，然后從Ui返回到U2和U1。這樣的編碼形式被稱為電氣管線的初始信息，也可以稱其為基因編碼。想要實現(xiàn)管線布置的全局搜索最優(yōu)解，需要將以上編碼交叉操作，將其優(yōu)點互相雜交，直至出現(xiàn)一種效率更高、條件更好的解，其交叉操作的方式如圖2所示。

圖2 編碼交叉優(yōu)化Fig.2 Coding cross optimization

如圖2所示，經(jīng)過交叉編碼后，得到的編碼結(jié)構(gòu)可能會發(fā)生優(yōu)化現(xiàn)象，也有可能會出現(xiàn)回退現(xiàn)象，此時就需要將被優(yōu)化后的編碼挑選出來，集中在一個外部檔案中，以便隨時查看與計算[13]。同時還可以將交叉過后的檔案集解通過種群迭代的方式傳遞到下一代，通過增加新個體的方式增強全局最優(yōu)解的搜索效率。

1.3 建立多目標優(yōu)化電氣管線模型

根據(jù)上文中的內(nèi)容，設(shè)計智慧小鎮(zhèn)中機房電氣管線的多目標優(yōu)化流程如圖3所示。

圖3 算法設(shè)計流程Fig.3 Algorithm design flow chart

綜上所述，想要實現(xiàn)多目標的機房電氣管線布置優(yōu)化，就像也要根據(jù)以上約束條件建立規(guī)劃目標，同時通過管線模型實現(xiàn)目標函數(shù)的優(yōu)化，其數(shù)學(xué)模型可以表示為

式中：g1和g2可以表示目標函數(shù)的約束條件。將其進行多目標優(yōu)化的條件累計[14]，可以得到：

式中：xij表示從節(jié)點i到節(jié)點j中的管線參數(shù)，n表示管線的個數(shù)[15]。且通常情況下，當xij大于0 時，則表示從節(jié)點i到節(jié)點j存在多條管線，當xij等于0時，則表示從節(jié)點i到節(jié)點j存在一條管線，當xij小于0 時，則表示從節(jié)點i到節(jié)點j不存在管線。

2 實驗與分析

2.1 實驗準備

本實驗根據(jù)以上設(shè)計的多目標優(yōu)化布置方法，對其在智慧小鎮(zhèn)機房中鋪設(shè)的電氣管線安全性能進行探究，并與常規(guī)的3 種方法相對比，判斷該多目標優(yōu)化的方法是否存在安全性能的優(yōu)化。將文中設(shè)計的多目標優(yōu)化方法設(shè)置為實驗組，將常規(guī)的3種方法設(shè)置為對照組1～對照組3。在工程設(shè)計的軟件中設(shè)置20 根橫向與縱向的管線，其中兩兩一組，將橫向的管線設(shè)置為L 組，將縱向的管線設(shè)置為M組，并將其分別編號如圖4所示。

圖4 機房電氣管線鋪設(shè)簡圖Fig.4 Schematic diagram of electrical pipeline laying in machine room

如圖4所示，橫向管線與縱向管線交叉的集中區(qū)域為電氣管線的節(jié)點，本實驗共有4 個節(jié)點。在多目標優(yōu)化的算法中設(shè)置初始種群數(shù)量為200，循環(huán)次數(shù)為1000，假設(shè)每次循環(huán)后向種群中添加10個新的個體。將以上1000 次循環(huán)實驗作為數(shù)據(jù)集，并在交叉驗證中分成若干個不同的組別，以N重交叉驗證的方式驗證該管線布置方法的解集優(yōu)化程度。

2.2 算法測試

為了測試文中設(shè)計的多目標優(yōu)化算法與常規(guī)的3 種算法的適應(yīng)性，將其運用在機房電氣管線布置的實驗中，分別將以上數(shù)據(jù)集分為5 份與10 份，并計算其適應(yīng)參數(shù)。

根據(jù)表1 和表2 中的測試結(jié)果可知，在五重交叉驗證中，實驗組數(shù)據(jù)集的平均適應(yīng)度為47.776，而3 個對照組的平均適應(yīng)度分別為41.932、40.386、40.462。在十重交叉驗證中，實驗組數(shù)據(jù)集的平均適應(yīng)度為58.835，而3 個對照組的平均適應(yīng)度分別為52.393、51.796、50.988。因此可知文中設(shè)計的多目標優(yōu)化算法更好，能夠適應(yīng)不同情況下的機房電氣管線布置，使項目施工更安全。

表1 五重交叉驗證Tab.1 Five-fold cross-validation

表2 十重交叉驗證Tab.2 Ten-fold cross-validation

2.3 機房電氣管線布置安全性測試

使用計算機計算在一切理想的前提下，圖3 中機房電氣管線布置完成后的安全指標，然后使用文中設(shè)計的多目標優(yōu)化方法，得到該方法下的量化評價指標。接著將常規(guī)的3 種優(yōu)化方法同樣應(yīng)用在該目標下，得到如圖5所示的管線布置安全性測試結(jié)果。

圖5 管線布置安全性測試Fig.5 Safety test of pipeline layout

根據(jù)圖5所示的管線布置安全性測試可知，量化指標在1000 次迭代中有著不同的結(jié)果，4 組實驗的實際指標與最優(yōu)指標對比結(jié)果如表3所示。

如表3 可知，實驗組的平均量化指標最貼近最優(yōu)指標，因此可以得到判斷：文中通過多目標優(yōu)化算法得到的機房電氣管線布置方法擁有更好的安全性能，可以在工程施工時有更好的安全防護效果。

表3 結(jié)果對比Tab.3 Comparative results

3 結(jié)語

為了實現(xiàn)安全性能的提升，設(shè)計一個基于多目標優(yōu)化的機房電氣管線布置方法，并設(shè)計實驗?zāi)M該種方法在電氣管線工程中的作用。通過對比實驗可以得知，這類多目標優(yōu)化的電氣管線布置算法優(yōu)于常規(guī)的三種管線布置方法，能夠更貼合實際的管線布置工程。同時，其在實際應(yīng)用時，安全性的量化指標也更貼合理論的最優(yōu)指標。因此可知，該種基于多目標優(yōu)化的管線布置方法實現(xiàn)了其優(yōu)化目的，提高了管線布置的合理性與科學(xué)性。