论文部分内容阅读
摘要：电厂建设项目是否成功通过建设项目经济效益后评价来进行总体评估有十分重要的意义。本文通过对内蒙古自治区某火电厂项目建设工程的经济效益进行后评价，通过实际例子来证明基于模糊神经网络的电厂建设项目经济效益后评价体系是合理可行的。
关键词：模糊神经网络；电厂；经济效益；评价
中图 分类号：TM-9；F407.61 文献识别码：A 文章编号：1001-828X（2018）004-0-01
为了保证某个投资项目达到预期的利润目标和生产效益，能够可持续发展并且体现出该项目的科学民主倾向，使用科学手段进行评价是十分必要的。作为项目后评价诸多项目中的重要核心内容，电厂项目后评价是占主导地位的。本文通过模糊神经网络的分析手段，极大的优化了评价体系，将评估数据的误差值减小到极限值[1]。
一、火电厂工程概况
内蒙古自治区建设发电厂有利于电源结构以及资源的优化调整和利用，比如A发电厂地处内蒙古东南，距市区约50千米。该电厂为2×600MW超临界凝汽式燃煤火力发电机组，已投产发电。根据企业的财务状况以及在建设期间财务对整体工程的预测资金是否充足进行评估验证，以保证以后的项目投资有据可依。通过模糊神经网络的成功度法对火电厂项目的经济效益进行后评价，对于工程的整体效益做出科学合理的精确值评估。运用先进方法来验证经济效益后评价的合理性和可行性，通过验证推断出该方法对电厂经济效益的评价是十分可行准确的。
二、经济效益后评价的流程
（一）财务经营利润的分析
第一步：收集相关的资料和文件，整合各种数据，编制一套完整齐全的经济效益评价的基础数据表格。
第二步：根据火电厂实际运行年限消耗的成本费用表进行分析，具体分析各类成本占总成本的比例是多少，与之前的成本比例进行比对，对今后的成本走向进行合理的预测。
第三步，分析整个电厂项目的财务能力，比如：项目的盈利能力、贷款能力、生存能力、经营能力等等。与预测数进行对比，分析有差别的原因。
第四步，利用上网电价盈亏平衡点和小时盈亏平衡点，在标煤单价水平不变的情况下，对于电厂项目的盈利能力和稳定发展能力进行评估。
（二）分析敏感因素
综合分析电厂项目消耗的燃料、电价、工作时长等主要的敏感因素，得出其对成本和收入影响程度。在其他条件一定的情况下，测算在敏感因素变化的时候，电厂建设项目在税后的收益率受到敏感因素影响的变化有多大，分析出对项目影响最大的敏感因素，并积极找出预防控制的办法[2]。
（三）综合评价
结合电厂项目的工程特点，结合各方面资料进行综合考虑，建立一套健全的项目评价指标体系，通过合理的数学模型来進行测算评价，达到对项目整体运营情况的预测评价。
三、模糊神经网络评价方法
模糊神经网络评价是将用于对研究对象进行描述的许多指标作为一个模糊集合，选取其隶属函数作为输入特征的向量，评估结果确定为输出特征值。对于一直样本进行测试，使模糊神经网络达到与其测试目的。
（一）确定综合评价等级
评价等级分为，V={Vⅰ，Vⅱ，Vⅲ，Vⅳ，Vⅴ}，分别表示：{完全成功，成功，部分成功，不成功，失败}。
（二）模糊处理过程
由于指标没用统一的衡量标准，比较起来比较困难，在综合评价前将指标按某种特定的隶属函数来进行评价。
1.计算一定数量指标的平均值。
2.按不同指标类型来计算中间变量对效益指标的影响变量值。
通过计算分析出，对于效益性指标而言，原始值如果大于平均值，其隶属度函数值就大于0，原始值和隶属度函数呈正比关系；如果原始值是平均值的4倍以上，隶属度函数值呈饱和状态。
（三）BP网络结构设计
BP神经网络自身的适应性和学习能力较强，输入数据之后，其计算结果精确度和稳定性较好。假设有M个样本，网络输入神经元有K个，输出神经元有N个，输入向量K={Kⅰ，Kⅱ，Kⅲ，Kⅳ……}，输出向量N={Nⅰ，Nⅱ，Nⅲ，Nⅳ……}。
1.对样本向量进行归纳统一，将数据处理为一定区间内的数据，暂定为（0，1）之间。从中选取一组提供给网络。
2.计算各单元的输入和输出。
3.根据网络输出精确计算输出层和隐藏层的误差值。
4.利用误差的数值对隔层数值进行调整。
5.选取另外的向量值，重复上述步骤，知道计算出的误差值小于预计值。
四、实例分析
本文就内蒙古自治区某发电厂建设工程进行经济效益后评价，选取了10个与其规模相近的火电厂，运用相同的经济效益后评价体系进行测算，计算各个数值的隶属度，并将隶属度数值作为输入特征向量值，将一定的专家评估结果作为输出特征向量值。对已知数据进行训练，使网络自适应达到预期输出值与实际输出值相匹配，成为内部的信息储存。对于该电厂进行模糊神经处理，输入到已经测试训练好的神经网络中进行评测。在计算过程中，学习精度E=0.0001，4个网络隐含层神经元，训练4000次。检测样本训练结果与期望值对比如下：
表1中的两个样本期望结果与训练一致性都非常的高，相对误差平均3.197%，满足5%的误差要求。这说明模糊神经网络评价模型误差较小，可用于对内蒙古电厂工程经济效益状况综合后评价。通过程序运算，最终得出项目预计经济效益良好。同时，该发电厂项目由省统一部署和安排生产建设，工期相对较短，所以工程初期的勘察设计质量应当加强控制，以免导致变更较大，所投入的建设预算超标。
五、结语
本文运用模糊神经网络对电厂项目经济效益进行后评价，为评价过程提供了切实可行的评估方法，体现出各种方法在测算值精确度和计算速度方面的优势，为电厂建设项目的后评价提供了一种更为可靠的评价方式，在实际运用过程中显现出很大的优势。本文通过举例内蒙古地区的某电厂工程项目，证实了该种评价体系的可行性。
参考文献：
[1]王汉梅.基于模糊神经网络的电厂建设项目经济效益后评价研究[J].华东电力，2010（9）：47-47.
[2]周效国.基于模糊神经网络的成功度法在电厂建设项目经济后评价中的应用[J].中国管理信息化，2009（5）：147-147.
关键词：模糊神经网络；电厂；经济效益；评价
中图 分类号：TM-9；F407.61 文献识别码：A 文章编号：1001-828X（2018）004-0-01
为了保证某个投资项目达到预期的利润目标和生产效益，能够可持续发展并且体现出该项目的科学民主倾向，使用科学手段进行评价是十分必要的。作为项目后评价诸多项目中的重要核心内容，电厂项目后评价是占主导地位的。本文通过模糊神经网络的分析手段，极大的优化了评价体系，将评估数据的误差值减小到极限值[1]。
一、火电厂工程概况
内蒙古自治区建设发电厂有利于电源结构以及资源的优化调整和利用，比如A发电厂地处内蒙古东南，距市区约50千米。该电厂为2×600MW超临界凝汽式燃煤火力发电机组，已投产发电。根据企业的财务状况以及在建设期间财务对整体工程的预测资金是否充足进行评估验证，以保证以后的项目投资有据可依。通过模糊神经网络的成功度法对火电厂项目的经济效益进行后评价，对于工程的整体效益做出科学合理的精确值评估。运用先进方法来验证经济效益后评价的合理性和可行性，通过验证推断出该方法对电厂经济效益的评价是十分可行准确的。
二、经济效益后评价的流程
（一）财务经营利润的分析
第一步：收集相关的资料和文件，整合各种数据，编制一套完整齐全的经济效益评价的基础数据表格。
第二步：根据火电厂实际运行年限消耗的成本费用表进行分析，具体分析各类成本占总成本的比例是多少，与之前的成本比例进行比对，对今后的成本走向进行合理的预测。
第三步，分析整个电厂项目的财务能力，比如：项目的盈利能力、贷款能力、生存能力、经营能力等等。与预测数进行对比，分析有差别的原因。
第四步，利用上网电价盈亏平衡点和小时盈亏平衡点，在标煤单价水平不变的情况下，对于电厂项目的盈利能力和稳定发展能力进行评估。
（二）分析敏感因素
综合分析电厂项目消耗的燃料、电价、工作时长等主要的敏感因素，得出其对成本和收入影响程度。在其他条件一定的情况下，测算在敏感因素变化的时候，电厂建设项目在税后的收益率受到敏感因素影响的变化有多大，分析出对项目影响最大的敏感因素，并积极找出预防控制的办法[2]。
（三）综合评价
结合电厂项目的工程特点，结合各方面资料进行综合考虑，建立一套健全的项目评价指标体系，通过合理的数学模型来進行测算评价，达到对项目整体运营情况的预测评价。
三、模糊神经网络评价方法
模糊神经网络评价是将用于对研究对象进行描述的许多指标作为一个模糊集合，选取其隶属函数作为输入特征的向量，评估结果确定为输出特征值。对于一直样本进行测试，使模糊神经网络达到与其测试目的。
（一）确定综合评价等级
评价等级分为，V={Vⅰ，Vⅱ，Vⅲ，Vⅳ，Vⅴ}，分别表示：{完全成功，成功，部分成功，不成功，失败}。
（二）模糊处理过程
由于指标没用统一的衡量标准，比较起来比较困难，在综合评价前将指标按某种特定的隶属函数来进行评价。
1.计算一定数量指标的平均值。
2.按不同指标类型来计算中间变量对效益指标的影响变量值。
通过计算分析出，对于效益性指标而言，原始值如果大于平均值，其隶属度函数值就大于0，原始值和隶属度函数呈正比关系；如果原始值是平均值的4倍以上，隶属度函数值呈饱和状态。
（三）BP网络结构设计
BP神经网络自身的适应性和学习能力较强，输入数据之后，其计算结果精确度和稳定性较好。假设有M个样本，网络输入神经元有K个，输出神经元有N个，输入向量K={Kⅰ，Kⅱ，Kⅲ，Kⅳ……}，输出向量N={Nⅰ，Nⅱ，Nⅲ，Nⅳ……}。
1.对样本向量进行归纳统一，将数据处理为一定区间内的数据，暂定为（0，1）之间。从中选取一组提供给网络。
2.计算各单元的输入和输出。
3.根据网络输出精确计算输出层和隐藏层的误差值。
4.利用误差的数值对隔层数值进行调整。
5.选取另外的向量值，重复上述步骤，知道计算出的误差值小于预计值。
四、实例分析
本文就内蒙古自治区某发电厂建设工程进行经济效益后评价，选取了10个与其规模相近的火电厂，运用相同的经济效益后评价体系进行测算，计算各个数值的隶属度，并将隶属度数值作为输入特征向量值，将一定的专家评估结果作为输出特征向量值。对已知数据进行训练，使网络自适应达到预期输出值与实际输出值相匹配，成为内部的信息储存。对于该电厂进行模糊神经处理，输入到已经测试训练好的神经网络中进行评测。在计算过程中，学习精度E=0.0001，4个网络隐含层神经元，训练4000次。检测样本训练结果与期望值对比如下：
表1中的两个样本期望结果与训练一致性都非常的高，相对误差平均3.197%，满足5%的误差要求。这说明模糊神经网络评价模型误差较小，可用于对内蒙古电厂工程经济效益状况综合后评价。通过程序运算，最终得出项目预计经济效益良好。同时，该发电厂项目由省统一部署和安排生产建设，工期相对较短，所以工程初期的勘察设计质量应当加强控制，以免导致变更较大，所投入的建设预算超标。
五、结语
本文运用模糊神经网络对电厂项目经济效益进行后评价，为评价过程提供了切实可行的评估方法，体现出各种方法在测算值精确度和计算速度方面的优势，为电厂建设项目的后评价提供了一种更为可靠的评价方式，在实际运用过程中显现出很大的优势。本文通过举例内蒙古地区的某电厂工程项目，证实了该种评价体系的可行性。
参考文献：
[1]王汉梅.基于模糊神经网络的电厂建设项目经济效益后评价研究[J].华东电力，2010（9）：47-47.
[2]周效国.基于模糊神经网络的成功度法在电厂建设项目经济后评价中的应用[J].中国管理信息化，2009（5）：147-147.