基于改进近邻传播算法的电费缴纳点选址优化方法与流程

本发明涉及一种基于近邻传播算法的电费缴纳点选址优化方法。

背景技术：

随着缴费渠道建设多样化、交费方式多元化的发展，原有电力机构营业所缴费的“单一交费”模式被打破，但在实际生活中，电力机构缴费仍然是广大用户缴纳电费时的首选方式，个别营业所缴费高峰时人满为患。用户缴费习惯、缴费需求与缴费渠道建设之间的矛盾凸显，电费回收隐患、供电服务隐患、人力资源分配不合理等问题逐渐显现。

尤其是随着缴费用户的增多，以及村村都有缴费点的目标的设立，新建或改迁的电费缴纳点的地址该如何选择，是现在急需解决的问题。

技术实现要素：

本发明为了解决上述问题，提出了一种基于改进近邻传播算法(AP)的电费缴纳点选址优化方法，本发明基于近邻传播算法方法，建立覆盖问题模型，以台区作为需求点，台区的用电客户数作为需求量，近邻传播算法结果的代表点作为初始候选电费缴纳点。

为了实现上述目的，本发明采用如下技术方案：

一种基于近邻传播算法的电费缴纳点选址优化方法，包括以下步骤：

(1)在供电公司拟定的选址整体区域内进行用电用户数量的统计和编号；

(2)利用近邻传播算法对整体区域内不同用户客户数量范围的台区进行聚类，确定聚类代表点，得到各个聚类代表点的经纬度、台区名称及各个簇包含的台区，获得初始候选缴费点；

(3)选择集合覆盖模型对初始电费缴纳点进行二次优化，以确定最终的缴纳点位置。

进一步的，所述步骤(1)中，分别选择用电客户数从1到P户以及P+1到Q户的台区为研究对象，分别标记为A类和B类，其中，Q大于P，P大于等于20。

进一步的，所述步骤(2)中，将所有数据对象划分成簇，使得同一个簇中的对象具有很高的相似性，而与其他簇中的对象相似度较差。

进一步的，所述步骤(2)中，相似度测量选择球面距离的负值，相似度越大，台区距离越近，经过设定次数的迭代，A类与B类分别得到聚类代表点结果。

进一步的，所述步骤(3)中，电费缴纳点选址问题描述为把台区作为需求点，台区的用电客户数作为需求量，近邻传播算法(AP)结果的代表点作为初始候选电费缴纳点。

进一步的，所述步骤(3)中，给定台区点集合和候选缴纳点集合，已知台区点的数目，用电客户数及台区间的距离，求出能满足设定距离要求且覆盖所有台区的最小数目的电费缴纳点集合。

进一步的，所述步骤(3)中，电费缴纳点的集合覆盖模型的目标为：

约束条件包括：

d_ijy_ij≤Li∈M,j∈N (2)

x_i＝{0,1},i∈M

y_ij＝{0,1},i∈M,j∈N

其中：M为在研究对象中的m个候选电费缴纳点(M＝1,2,……)；

N为在研究对象中的n个台区(N＝1,2,……)；

d_ij----台区与候选电费缴纳点之间的距离；

L---候选电费缴纳点到台区的最大球面弧度距离；

A(i)---候选电费缴纳点i所覆盖的台区的集合；

B(j)---B(j)＝{i|j∈A(i)}覆盖台区j的候选电费缴纳点i的集合；

进一步的，在电费缴纳点集合覆盖模型中，目标函数为在m个候选电费缴纳点中选取最少数量的缴费点；约束条件分别保证n个台区节点的用电客户都能被完全满足以及被选为电费缴纳点的候选节点到其服务范围内的各台区的距离不大于服务距离的限制约束。

进一步的，所述步骤(3)中的优化方法替换为分支定界法、蚁群算法或遗传算法。

进一步的，所述步骤(2)中的优化方法替换为k-means算法和k-中心算法。

与现有技术相比，本发明的有益效果为：

1)本发明能够对目标区域内的电费缴纳点选址进行优化和确定，得到比较科学的电费缴纳点地址；

2)本发明基于近邻传播算法(AP)方法，建立覆盖问题模型，以台区作为需求点，台区的用电客户数作为需求量，近邻传播算法(AP)结果的代表点作为初始候选电费缴纳点，保证选择优化的基础。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明的A类台区地图坐标示意图；

图2为本发明的A类台区近邻传播算法(AP)结果示意图；

图3为本发明的B类台区地图坐标示意图；

图4为本发明的B类台区近邻传播算法(AP)结果示意图；

图5为本发明的电费缴纳点的二次优化选址示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。

正如背景技术所介绍的，现有技术中随着缴费用户的增多，以及村村都有缴费点的目标的设立，新建或改迁的电费缴纳点的地址该如何选择，是现在急需解决的问题。

为了实现“村村都有缴费点”的目标，需要逐步分阶段对未安置电费缴纳点的偏远农村进行选址，假定超过50户的台区已满足“十分钟缴费圈”的建设要求。作为一种典型实施方式，本发明分别选择用电客户数从30到50户、1到29户的台区为研究对象，这类台区的用电客户数较少，是目前供电公司选址研究的重点区域。从图1中知用电客户数从30到50户、1到29户的台区分别为720个、985个，为运行方便对其进行数字编码，分别为从A类：1，2，……，720与B类：1，2，……，985，相似度测量选择球面距离的负值，相似度越大，台区距离越近。经过15次迭代，A类与B类分别得到72类与247类结果，即聚类代表点，如图2、图4和表1所示。表1给出了各聚类代表点的经纬度、台区名称及各个簇包含的台区。由于图2、图4中台区用电客户数较少，且较为分散，导致聚类结果远远多于图1和图3中聚类的结果。

表1近邻传播算法(AP)结果

经典的选址优化模型分别为覆盖问题模型、p-center模型、p-median模型。其中，覆盖模型是确定一组服务设施来满足需求比较一致的部分需求点的特定出行需求。根据该模型解决问题方法的不同可以分为集合覆盖模型和最大覆盖模型，常见的求解方法为运筹学的分支定界法、蚁群算法、遗传算法等。集合覆盖模型是离散点选址中常用的一种覆盖模型，针对需求已知的一些需求点，如何确定一组服务设施来满足这些需求点的需求；最大覆盖模型是在给定一定数量的服务设施下，如何确定其位置使其尽可能覆盖最多的需求点。而本发明的研究目标为如何设置最少的电费缴纳点覆盖所有的台区，从而降低供电企业建立缴费站的成本。因此，本发明选择集合覆盖模型对初始电费缴纳点进行二次优化，以确定最终的缴纳点位置。

覆盖模型构建

电费缴纳点选址问题可描述为：把台区作为需求点，台区的用电客户数作为需求量，近邻传播算法(AP)结果的代表点作为初始候选电费缴纳点(服务网点)。给定台区点集合和候选缴纳点集合，已知台区点的数目，用电客户数及台区间的距离，求出能满足“村村都有缴费点”距离要求且覆盖所有台区的最小数目的电费缴纳点集合，如图5所示。

因此，电费缴纳点的集合覆盖模型构建如下：

目标函数：

约束条件：

d_ijy_ij≤L i∈M,j∈N (2)

x_i＝{0,1},i∈M

y_ij＝{0,1},i∈M,j∈N

其中：M---在研究对象中的m个候选电费缴纳点(M＝1,2,……)；

N---在研究对象中的n个台区(N＝1,2,……)；

d_ij----台区与候选电费缴纳点之间的距离；

L---候选电费缴纳点到台区的最大球面弧度距离；

A(i)---候选电费缴纳点i所覆盖的台区的集合；

B(j)---B(j)＝{i|j∈A(i)}覆盖台区j的候选电费缴纳点i的集合；

在电费缴纳点集合覆盖模型中，目标函数为在m个候选电费缴纳点中选取最少数量的缴费点；式(1)表示保证n个台区节点的用电客户都能被完全满足；式(2)表示被选为电费缴纳点的候选节点到其服务范围内的各台区的距离不大于服务距离的限制约束。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。