一种特高压输变电工程造价组合预测方法及预测装置与流程

本发明属于电力系统
技术领域：
，尤其是一种特高压输变电工程造价组合预测方法及预测装置。
背景技术：
：我国对特高压的规定是指交流电压等级在1000kv以上，直流电压等级±800kv以上。特高压工程目前还处于发展和建设的初期，其造价具有投资高、规模大等特点。为大力提高特高压输变电工程建设的安全水平和经济效益，有必要对待建工程进行合理的造价预测。先进的特高压工程造价预测方案将为工程造价控制目标的合理确定和优化提供重要依据，为各施工单位投资成本控制和造价优化提供坚实的支撑。研究特高压工程造价预测的主要意义体现在以下几个方面：第一，有助于提升特高压工程造价的预测技术水平；第二，有助于特高压造价控制目标的确定及优化，提高科学化决策能力；第三，有助于全面提升各利益方的特高压工程造价管控精益化水平、提高投资经济效益和社会效益。目前，尽管对造价预测研究较多，但都是基于常规变电工程进行的，对特高压工程造价预测，还未见相关研究。特高压工程有其特有的造价特点，已有常规工程造价预测方案并不适用特高压工程，在特高压输变电技术日益成熟、特高压工程建设蓬勃发展的背景下，亟需构建一套对其适用的预测方案指导待建工程的造价评估水平。一方面，特高压工程发展初期其造价具有投资高、历史样本少、造价组成复杂等特点，这与已发展成熟的输变电工程造价特点不同，需结合特高压工程造价特点构建预测模型；另一方面常规输变电工程应用的单一预测方法不具有普适性，即使对某工程适用，也不一定适用于其他工程。技术实现要素：本发明结合目前特高压工程造价的特点，提供一种特高压输变电工程造价组合预测方法，其能够在特高压输变电工程小样本的历史数据支撑下，获得较好的造价预测结果，给特高压工程建设和造价管控提供参考。为了达到上述目的，本发明采用如下技术方案：一种特高压输变电工程造价组合预测方法，其包括如下步骤：1)获取特高压输变电工程历史样本数据，形成原始数据，在预测运算之前对原始数据进行预处理，以改善数据的质量，提高数据挖掘过程的精度、效率和性能；2)数据预处理完成后，将特高压输变电工程历史样本分为训练样本和验证样本，训练样本用于计算和拟合预测模型，验证样本用于校验所得预测模型的优劣，并用于预测模型的权重计算；3)对每个历史样本划分子模块，得到各子模块的造价值和关键影响因素值；4)根据训练样本各子模块的造价值和关键影响因素值，采用多种造价预测方法构建各子模块的多种预测模型；5)利用步骤4)得到的各子模块的多种预测模型，以验证样本各子模块的关键影响因素值和待预测工程各子模块的关键影响因素值作为输入，计算验证样本和待预测工程对应的各子模块造价预测值；6)计算验证样本各子模块造价预测值与造价真实值之间的误差，依据误差用熵权法求得各子模块的多种预测模型的初步权重；7)利用验证样本和待预测工程造价预测值检验预测模型是否满足要求，若满足要求，则不对初步权重进行修正，初步权重即为最终权重；若不满足要求，则对初步权重进行修正；8)根据最终权重结果计算待预测工程各子模块的造价组合预测值；9)根据待预测工程各子模块的造价组合预测值，通过简单相加得待预测工程的造价组合预测值。进一步地，步骤1)还包括获取待预测工程数据及根据待预测工程数据得到待预测工程各子模块的关键影响因素值。进一步地，所述特高压输变电工程包括特高压变电工程、特高压换流站工程、特高压交流线路工程和特高压直流线路工程。进一步地，所述的多种预测模型均基于特高压工程的小样本特点建立，所述的多种预测方法包括多元线性回归、人工神经网络、支持向量机、遗传算法改进的支持向量机和粒子群算法改进的支持向量机。进一步地，所述的小样本特点是指基于当前特高压工程数目较少、工程造价不规范及历史样本数据较少的条件。进一步地，所述的训练样本、验证样本和待预测工程数据划分子模块采用的依据一致。进一步地，步骤6)的具体步骤如下：获取验证样本各子模块造价预测值与验证样本各子模块造价真实值之间的误差，构建误差评价体系；根据误差评价体系，利用熵权法求得各子模块多种预测模型的初步权重。进一步地，所述多种预测模型的最终权重基于待预测工程的造价预测值确定，具体的内容如下：当某种预测模型所得待预测工程的造价预测值小于0时，将该预测模型的权重置为0，即不考虑该预测模型；当某种预测模型所得待预测工程的造价预测值处于设定范围以外时，将该预测模型的权重置为0，即不考虑该预测模型。进一步地，步骤9)的具体内容包括：根据所述最终权重，对待预测工程各子模块造价预测值进行加权求和，得到待预测工程各子模块造价组合预测值；根据所述待预测工程各子模块造价组合预测值，通过简单代数加法求得待预测工程造价组合预测值。本发明还提供了上述特高压输变电工程造价组合预测方法所采用的预测装置，包括数据处理单元、预测方法单元、模型构建单元、权重确定单元和造价集成单元，数据处理单元，用于筛选和整理特高压输变电工程历史样本数据，形成各子模块的关键影响因素库；筛选出历史样本各子模块关键影响因素值、各子模块造价值，将子模块样本划分为训练样本和验证样本；预测方法单元，形成多种预测模型的预测方法，包括多元线性回归预测方法、人工神经网络预测方法、支持向量机预测方法、遗传算法支持向量机预测方法和粒子群支持向量机预测方法；模型构建单元，根据输入的训练样本子模块造价值和训练样本子模块关键影响因素值，拟合和构建某种预测方法所得到的预测模型；造价预测单元，根据所述预测模型，分别输入各子模块验证样本和待预测工程的关键影响因素，并输出对应的子模块多种预测模型下的造价预测值；权重确定单元，根据验证样本的造价预测值与造价真实值之间的误差，初步确立各子模块各预测模型的权重，形成初步权重；根据待预测工程的造价预测值，对初步权重进行修正得到各子模块各预测模型最终权重；造价集成单元，根据各子模块各预测模型最终权重和待预测工程各预测模型的造价预测值，通过加权求和形成待预测工程各子模块造价组合预测值；最后通过待预测工程对子模块造价组合预测值进行简单相加即可得所要预测的特高压输变电工程的造价预测值。本发明能够在特高压输变电工程小样本的历史数据支撑下，获得较好的造价预测结果，给特高压工程建设和造价管控提供了参考；本发明用于对特高压输变电工程进行造价预测，尤其用于待建工程的造价预测，从而指导了实际工程的决策和工程管理。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例1提供的一种特高压输变电工程造价预测方法的流程示意图；图2为本发明实施例2提供的一种特高压输变电工程造价预测方法的流程示意图；图3为本发明预测装置的结构示意图；图4为本发明特高压直流换流站工程层级分解图；图5为本发明直流线路工程的子模块划分图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例1参照图1所示，一种特高压输变电工程造价预测方法，具体包括如下步骤：101、首先应进行样本数据采集，形成原始数据。但原始数据具有杂乱性、不完整性，会严重影响模型算法的构建和执行效率，甚至导致计算错误结果，为此，在预测运算之前需对原始数据进行预处理，以改善数据的质量，提高数据挖掘过程的精度、效率和性能。102、数据预处理完成后，将数据分为训练样本和验证样本两类，训练样本用于计算和拟合预测模型，验证样本用来校验所得模型的优劣，并用于预测模型的权重计算。103、对每个历史样本划分子模块。从工程特性上分，特高压工程可分为交流变电工程、直流换流站工程、交流线路工程、直流线路工程。不同工程又可按照费用继续划分到子工程层级甚至子模块层级。以换流站工程为例，换流站工程可按费用类别划分为建筑工程费、安装工程费和设备购置费三个个子工程层级的费用。子工程可继续按功能不同划分子模块层级，如图4所示为特高压直流换流站工程层级分解图，其他工程的划分和此类似，即先按费用划分，再按功能划分。图4中，换流站工程设备购置费可按模块功能划分四个子模块，分别是：阀厅设备费、换流变压器系统设备费、配电装置设备费、其他主要生产工程设备费。此外，根据子模块还可识别各子模块造价的影响因素，进而确定对子模块造价影响较大的关键影响因素。图5为直流线路工程的子模块划分，由于线路工程数据编制特殊，因此将按费用划分的结果作为子模块。104、根据训练样本构建各子模块多种预测模型。输入训练样本关键影响因素值和造价值，分别应用五种预测方法mlr、ann、svm、gasvm和psosvm进行函数拟合和模型构建，得到各子模块的五种方法预测模型。105、根据104得到的多种预测模型，以验证样本和待预测工程的各子模块的关键影响因素值作为输入，求得验证样本和待预测工程对应的各子模块的造价预测值。106、计算验证样本各子模块造价预测值与真实值之间的误差，依据误差用熵权法可求得各子模块的预测模型初步权重。误差是反映预测结果好坏、预测模型精度的重要指标。五种预测模型所得的验证样本结果各不相同，因而可基于验证样本的误差分析、采用多种误差指标，再依据熵权法构建组合预测模型权重体系。本发明选用验证样本的预测值与实际值得均方误差(meansquarederror，mse)、平均绝对误差(meanabsoluteerror，mae)和平均绝对百分比误差(meanabsolutepercenterror,mape)进行预测模型权重确定。各误差指标的计算分别如下，设有n个验证样本，yi为实际值，δi，(i＝1,2,…,n)为验证样本的预测值与真实值的绝对误差。多种预测模型的重点是确定各预测模型的权重，以便最后得到造价组合预测值。熵权法是一种指标评价和方案决策的方法，具有广泛的应用。熵权法基本思想是把各待评价单元的信息进行量化与综合；采用熵权法对各因子赋权，可以简化评价过程。107、判断所得子模块造价预测值是否满足要求。若满足要求，则不对初步权重进行修正，初步权重即为最终权重。若不满足要求，则对初步权重进行修正。108、根据验证样本子模块造价预测值和待预测工程子模块造价预测值的大小，对各预测模型的方法权重进行修正，具体地应满足以下两条准则。准则1，非负准则。实际工程造价总是大于0，若某预测模型所得验证样本预测结果或待预测工程预测结果为负时，则可认为该模型不适用于此组数据，如让其参与组合预测，会降低预测精度。因此将其预测模型权重赋以0值。准则2，5±1准则。整理历史样本数据发现，靠近子模块造价众数的样本较多，达历史样本的一半之多；并且，所有子模块历史样本造价的最大值与众数之比不超过五倍，最小值与众数相比不低于1/5.据此本文认为特高压工程子模块造价的多种实际值波动一般在均值的5±1倍范围内。当有部分预测值与众数之比超过此范围则则认为该预测方法所得预测值不准确。具体地，若某预测方法所得验证样本预测结果或待预测工程造价预测结果与其他预测方法相应结果相差较多(大于5倍或小于1/5倍)时，则可认为该模型不适用于此组数据，如让其参与组合预测，会降低预测精度。因此将该种预测模型权重赋以0值，即不考虑该模型。110、根据最终权重结果计算各子模块造价组合预测值。示例的，如下所示对子模块zi，其中i为子模块编号，p种预测模型的造价预测值分别为cij,权重分别为ωj,其中j＝1,2,…,p，则子模块zi的造价组合预测值ci＝ωjcij111、根据各子模块的造价组合预测值，通过简单相加可得待预测工程的造价组合预测值，如下式实施例2参照图2所示，一种特高压输变电工程造价预测方法，具体包括如下步骤：201、对特高压输变电工程历史数据进行梳理和预处理。参照上述实施例步骤101，在此不再赘述。202、根据历史数据，选择一部分样本作为验证样本，验证样本用来校验所得模型的优劣，并用于组合预测模型的权重计算。203、根据历史数据，选择一部分样本作为训练样本，训练样本用于计算和拟合预测模型。204、对所有训练样本划分子模块，整理出各训练样本的子模块造价值和关键影响因素值。子模块的划分参见103。205、构建多种预测方法下不同子模块的预测模型。对每个子模块，应用多种预测方法，包括但不限于mlr、ann、svm、gasvm和psosvm这五种方法。以训练样本子模块造价值和关键影响因素值拟合和训练各预测方法，得到各子模块的多种预测模型。206、对所有验证样本划分子模块，整理出各验证样本的子模块造价值和关键影响因素值。子模块的划分参见103。207、调用205所述各子模块的多种预测模型，以验证样本各子模块关键影响因素值作为输入，计算验证样本各子模块造价预测值。208、根据预测模型，输出验证样本各子模块造价预测值。209、根据各子模块多种预测模型的造价预测值与真实值之间的误差，计算均方误差(mse)、平均绝对误差(mae)和平均绝对百分比误差(mape)。210、根据各误差指标，用熵权法计算各预测模型的初始权重，具体地对每个子模块构建预测误差矩阵m(i×j)，(i＝1,…,5；j＝1,2,3)。元素mij表示第i种预测方法得到的验证样本预测值与真实值的第j类误差。其中j＝1,2,3分别表示误差类别为mse，mae，mape。若验证样本有多个值，则mij为多个预测值与真实值误差的平均值。数据标准化处理，消去误差量纲。计算标准化误差计算第j种误差的不同预测模型的占比计算各预测模型的熵值计算第j项误差指标的权重，亦即差异系数计算各预测模型的初步权重。定义各预测模型初步权重示例地，如表1为换流站工程子模块换流变系统建筑费的预测数据，计算mse，mae，mape三种误差，根据以上初步权重计算步骤可得到各预测模型的初步权重如表2。表1表2211、获取待预测工程各子模块关键影响因素值。212、调用205所述各子模块的多种预测模型，以待预测工程各子模块关键影响因素值作为输入，计算待预测工程各子模块造价预测值。213、输出根据多种预测模型预测所得待预测工程各子模块造价预测值。214、根据108所述的非负准则和5±1准则对预测模型权重进行修正。示例地，表3为换流站工程子模块交直流配电装置设备费的预测模型权重，由于待预测工程mlr模型的造价预测值违反非负准则，因此其权重置为0，得到最终的各预测模型权重。表3mlrannsvmga-svmpso-svm待预测工程造价预测值-7.5e+099.45e+081.2e+091.2e+091192400000初步权重0.990360.000410.004790.004010.00043最终权重00.04290.49690.41600.0443示例地，表4为直流线路工程附件工程子模块的验证样本预测值和初步权重，由于ann预测模型所得待预测工程造价预测值违反5±1准则，因此其权重置为0，得到最终的各预测模型权重。表4215、根据求得的各子模块各预测模型权重和待预测工程各子模块各预测模型预测值，通过加权求和可求得子模块的造价组合预测值。如110所述。216、由各子模块造价组合预测值，通过简单代数相加即可求得待预测工程的造价组合预测值。实施例3参照图3所示，一种特高压输变电工程造价组合预测装置，用于实施上述实施例1-2中的特高压输变电工程造价组合预测方法，具体包括：数据处理单元301，用于筛选和整理特高压输变电工程历史样本数据。形成各子模块的关键影响因素库。筛选出历史样本各子模块关键影响因素值、各子模块造价值。将子模块样本划分为训练样本和验证样本。预测方法单元302，形成多种预测模型的方法类。主要包括但不限于多元线性回归预测方法、人工神经网络预测方法、支持向量机预测方法、遗传算法支持向量机预测方法、粒子群支持向量机预测方法。模型构建单元303，用于根据输入的训练样本子模块造价和训练样本子模块关键影响因素值，拟合和构建某种预测方法所得到的造价预测模型。造价预测单元304，用于根据所述造价预测模型，分别输入各子模块验证样本和待预测工程的关键影响因素，并输出对应的子模块多种预测模型下的造价预测值。权重确定单元305，根据验证样本的造价预测值与造价真实值之间的误差，初步确立各子模块各预测模型的权重，形成初步权重；根据待预测工程的造价预测值的质量，对初步权重进行修正得到各子模块各预测模型最终权重。造价集成单元306，根据各子模块各预测模型权重和各预测模型的造价预测值，通过加权求和形成子模块造价预测值。最后通过对子模块造价预测值进行简单相加即可得所要预测的特高压输变电工程的造价预测值。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文简称：rom，英文全称:read-onlymemory)、随机存取存储器(英文简称：ram，英文全称：randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。当前第1页12