论文部分内容阅读
摘 要：四川北部山区的变电工程具有独特性。一种简洁有效的可研投资估算方法和模型在理论上和实际工作中都意义重大。神经网络的非线性、自学习的特点，非常适合建立变电工程的投资估算模型。模型选取电压等级、本期变电容量、电压器台数、终期变电容量等12个输入变量，建立三层神经网络结构，用收集的训练样本训练神经网络模型，测试样本测试模型。测试结果表明模型效果良好。模型使用者无需掌握过多技术细节，适合于投资发展部门估算，前景良好。
关键词：变电工程；投资估算；神经网络；可研；预测
变电工程投资金额庞大、建设周期长，变电工程投资估算出现失误，后果严重。投资估算是变电工程项目投资、概算、预算、结算、决算的基础，投资估算的准确性将直接影响到项目建设和投资经济效果。四川北部山区特殊的地形使得变电站的建设难度和工程造价大大增加，而山区电网建设对当地经济和社会发展具有现实的重要性和必要性，因此，四川北部山区变电站工程进行可研投资估算模型研究，意义重大。国内外对投资估算已有一些相应的研究，比如采用成本估算的方法，建立工程成本的数据库，根据历史工程、类似工程的历史资料，结合相应的参考指标手册，用类比、回归的方法确定拟建工程的投资情况；有利用典型工程建设经验，将模糊数学引入工程造价进行投资估计，提高计算速度，减少计算周期，但研究主观性强，准确性不够高。这些方法都要求估算者对工程本身和相应技术有较高的了解，但实际各地市电力公司的投资决策部门，多为经济和管理专业背景，因此，如果有一种简洁有效的方法和模型帮助进行变电站工程可研投资估算，将对投资决策和规划有很大帮助。
此篇论文，在收集对应的变电工程估算的历史数据基础上，采用神经网络模型和方法，建立四川山区变电站工程可研投资估算模型，能简便地进行可研投资估算，结果准确有效。
1 问题提出和解决思路
位于四川北部山区的G地级市，市国网供电公司从实际工作需要和上级要求出发，希望其投资发展部门在无技经和造价人员支持情况下，在编制可行性研究报告时能够由投资发展部门独立给出电力工程投资估算。为此，需要建立一无需掌握过多技术细节、输入输出变量易理解的估算模型，进行变电工程的可研投资估算研究。
问题的解决，关键是投资估算方法和模型的选取建立。
神经网络是一种大规模并行的非线性动力学系统。BP（Back Propagation，后向）神经网络其层与层之间权重可自修正，并已经证明在闭区间内任何一个N维到M维的连续函数都可以用含有一个隐层的神经网络来实现任意精度的逼近。这种非线性、自学习自我更正的特点，非常适合变电工程的投资估算的科学预测。
2 变量选择和输入数据预处理
模型输入因素的选择，既要考虑其影响性质和程度，又要考虑数据的可取得性，并要结合模型而取舍。具体选取的变量如表1所示。其中工程建设所在年的PPI、CPI、G市就业人员平均工资等动态因素，体现变电工程建设投资额的动态性。在进行实验前，要对数据进行数值化等预处理，使之能够被神经网络模型处理，具体如表1。
输出变量1个，为可研批复中的工程投资值，单位万元。
收集到的所有有效样本为81个。
将所有样本分为训练样本集和测试样本集，从35kV、110kV、220kV变电工程中各选新建、扩建1个共6个样本为测试样本集，其余75个样本为训练样本集。
训练样本集用于训练神经网络，测试样本集用于模拟实际情况测试模型。
3 神经网络模型结构
选用 MATLAB 7.1为开发工具。
神经网络如图1所示，选择三层BP网络，分别为输入层、隐单元层、输出层。
隐单元层采用logsig函数，输出层用purelin函数。网络初始权值在权值范围[-1，1]内随机产生网络初始权值。
输入层节点I=（I1，I2，I3... ...，I13），共13个，其中12个节点（I1，I2，I3... ...，I12）对应表2中12个变量，另外一个节点对应阈值。输入变量值在作为网络输入时进行规一化处理成[0，1]范围内值。
规一化公式为，max{Ij}、min{Ij}是第j项变量Ij在81个样本中的最大值、最小值。
隐单元层中的节点个数选择5个，其中4个节点接受输入层的结果，另外一个节点对应隐单元的阈值。
输出层节点数为1，对应唯一的输出变量——工程投资。
4 模型训练
为提高训练效率，选用批处理训练，训练算法选用Matlab里的trainlm方法（即Levenberg - Marquardt方法），性能函数选用MSE（mean squared error，均方误差）。
用预处理并规范化了的75条训练样本进行批处理训练，结果显示，在90周期后基本收敛稳定，性能函数MSE已经非常小。如图2所示。
至此，模型训练完成。
5 模型测试
以此训练后的神经网络模型对测试样本集的6条数据进行检验。测试得到每条样本数据预测投资值和批复投资值（皆为规一化的数据）见下表2。6个样本误差百分比的平均值为2.89%。可见预测效果很好。
6 结论及展望
神经网络的非线性、自学习的特点，适合变电工程的投资估算预测。用此建立的这个模型，适合于国网供电公司投资发展部（或有些地方叫投資决策部）在编制可行性研究报告时独立地较准确给出变电工程投资估算，而无需掌握过多技术细节、无需技经和造价人员支持。由于模型采用G地级市电网数据训练，论文所建立的模型适合于G地级市以及四川北部山区的国网变电工程。这种方法可以推广应用到其他地区和其他工程的投资估算。
参考文献：
[1] 徐武明，徐玖平.大型工程建设项目组织综合集成模式[J].管理学报，2012，01：132-138.
[2] 银涛，俞集辉.基于人工神经网络送电线路工程造价的快速估算[J].重庆大学学报（自然科学版），2007，30（1）：36-41.
[3] 谢伟群.关于送电线路设计和工程造价的探讨[J].广东输电与变电技术，2005，10（2）：64-66.
[4] 徐武明，徐玖平.大型工程项目勘察承包商选择体系的构建[J].软科学，2011，12：63-67.
[5] 胡志根.基于模糊预测的工程造价估算模型研究[J].系统工程理论与实践，1997，21（2）：50-55.
[6] 徐武明，徐玖平.大型工程项目监理承包商的选择方法研究[J].统计与决策，2011，19：183-185.
本文系2015年国网广元供电公司科技项目“四川北部山区输变电工程可研投资概算模型研究 ”的研究成果之一。
作者简介：
甘静（1986-），四川眉山人，工程师，研究方向：电力系统；简逊（1984-），四川广元人，工程师，研究方向：电力系统；张苏华（1984-），四川绵阳人，统计师，研究方向：电力系统。
关键词：变电工程；投资估算；神经网络；可研；预测
变电工程投资金额庞大、建设周期长，变电工程投资估算出现失误，后果严重。投资估算是变电工程项目投资、概算、预算、结算、决算的基础，投资估算的准确性将直接影响到项目建设和投资经济效果。四川北部山区特殊的地形使得变电站的建设难度和工程造价大大增加，而山区电网建设对当地经济和社会发展具有现实的重要性和必要性，因此，四川北部山区变电站工程进行可研投资估算模型研究，意义重大。国内外对投资估算已有一些相应的研究，比如采用成本估算的方法，建立工程成本的数据库，根据历史工程、类似工程的历史资料，结合相应的参考指标手册，用类比、回归的方法确定拟建工程的投资情况；有利用典型工程建设经验，将模糊数学引入工程造价进行投资估计，提高计算速度，减少计算周期，但研究主观性强，准确性不够高。这些方法都要求估算者对工程本身和相应技术有较高的了解，但实际各地市电力公司的投资决策部门，多为经济和管理专业背景，因此，如果有一种简洁有效的方法和模型帮助进行变电站工程可研投资估算，将对投资决策和规划有很大帮助。
此篇论文，在收集对应的变电工程估算的历史数据基础上，采用神经网络模型和方法，建立四川山区变电站工程可研投资估算模型，能简便地进行可研投资估算，结果准确有效。
1 问题提出和解决思路
位于四川北部山区的G地级市，市国网供电公司从实际工作需要和上级要求出发，希望其投资发展部门在无技经和造价人员支持情况下，在编制可行性研究报告时能够由投资发展部门独立给出电力工程投资估算。为此，需要建立一无需掌握过多技术细节、输入输出变量易理解的估算模型，进行变电工程的可研投资估算研究。
问题的解决，关键是投资估算方法和模型的选取建立。
神经网络是一种大规模并行的非线性动力学系统。BP（Back Propagation，后向）神经网络其层与层之间权重可自修正，并已经证明在闭区间内任何一个N维到M维的连续函数都可以用含有一个隐层的神经网络来实现任意精度的逼近。这种非线性、自学习自我更正的特点，非常适合变电工程的投资估算的科学预测。
2 变量选择和输入数据预处理
模型输入因素的选择，既要考虑其影响性质和程度，又要考虑数据的可取得性，并要结合模型而取舍。具体选取的变量如表1所示。其中工程建设所在年的PPI、CPI、G市就业人员平均工资等动态因素，体现变电工程建设投资额的动态性。在进行实验前，要对数据进行数值化等预处理，使之能够被神经网络模型处理，具体如表1。
输出变量1个，为可研批复中的工程投资值，单位万元。
收集到的所有有效样本为81个。
将所有样本分为训练样本集和测试样本集，从35kV、110kV、220kV变电工程中各选新建、扩建1个共6个样本为测试样本集，其余75个样本为训练样本集。
训练样本集用于训练神经网络，测试样本集用于模拟实际情况测试模型。
3 神经网络模型结构
选用 MATLAB 7.1为开发工具。
神经网络如图1所示，选择三层BP网络，分别为输入层、隐单元层、输出层。
隐单元层采用logsig函数，输出层用purelin函数。网络初始权值在权值范围[-1，1]内随机产生网络初始权值。
输入层节点I=（I1，I2，I3... ...，I13），共13个，其中12个节点（I1，I2，I3... ...，I12）对应表2中12个变量，另外一个节点对应阈值。输入变量值在作为网络输入时进行规一化处理成[0，1]范围内值。
规一化公式为，max{Ij}、min{Ij}是第j项变量Ij在81个样本中的最大值、最小值。
隐单元层中的节点个数选择5个，其中4个节点接受输入层的结果，另外一个节点对应隐单元的阈值。
输出层节点数为1，对应唯一的输出变量——工程投资。
4 模型训练
为提高训练效率，选用批处理训练，训练算法选用Matlab里的trainlm方法（即Levenberg - Marquardt方法），性能函数选用MSE（mean squared error，均方误差）。
用预处理并规范化了的75条训练样本进行批处理训练，结果显示，在90周期后基本收敛稳定，性能函数MSE已经非常小。如图2所示。
至此，模型训练完成。
5 模型测试
以此训练后的神经网络模型对测试样本集的6条数据进行检验。测试得到每条样本数据预测投资值和批复投资值（皆为规一化的数据）见下表2。6个样本误差百分比的平均值为2.89%。可见预测效果很好。
6 结论及展望
神经网络的非线性、自学习的特点，适合变电工程的投资估算预测。用此建立的这个模型，适合于国网供电公司投资发展部（或有些地方叫投資决策部）在编制可行性研究报告时独立地较准确给出变电工程投资估算，而无需掌握过多技术细节、无需技经和造价人员支持。由于模型采用G地级市电网数据训练，论文所建立的模型适合于G地级市以及四川北部山区的国网变电工程。这种方法可以推广应用到其他地区和其他工程的投资估算。
参考文献：
[1] 徐武明，徐玖平.大型工程建设项目组织综合集成模式[J].管理学报，2012，01：132-138.
[2] 银涛，俞集辉.基于人工神经网络送电线路工程造价的快速估算[J].重庆大学学报（自然科学版），2007，30（1）：36-41.
[3] 谢伟群.关于送电线路设计和工程造价的探讨[J].广东输电与变电技术，2005，10（2）：64-66.
[4] 徐武明，徐玖平.大型工程项目勘察承包商选择体系的构建[J].软科学，2011，12：63-67.
[5] 胡志根.基于模糊预测的工程造价估算模型研究[J].系统工程理论与实践，1997，21（2）：50-55.
[6] 徐武明，徐玖平.大型工程项目监理承包商的选择方法研究[J].统计与决策，2011，19：183-185.
本文系2015年国网广元供电公司科技项目“四川北部山区输变电工程可研投资概算模型研究 ”的研究成果之一。
作者简介：
甘静（1986-），四川眉山人，工程师，研究方向：电力系统；简逊（1984-），四川广元人，工程师，研究方向：电力系统；张苏华（1984-），四川绵阳人，统计师，研究方向：电力系统。